培根言，知其所以然，才能知其然。

随着科研标准提高，简单粗暴的回归已经无法满足我们在探索因果关系方面更加严格的要求。因此，各种因果识别方法应运而生。

在频繁使用因果识别方法进行研究的今天，我们是否了解过这些技术是怎样一步步变成实证领域的主流呢？

来自理海大学的Donald E. Bowen III、瑞士卢加诺大学的Laurent Frésard和巴布森商学院的Jérôme P. Taillard在管理学顶级期刊《Management Science》发表论文“What's Your Identification Strategy? Innovation in Corporate Finance Research”，文章借助技术扩散与应用的分析框架，探讨了那些用以识别因果关系的研究方法究竟是如何成为目前实证公司金融领域中不可或缺的角色。

该论文于2015年5月投稿，2015年11月接收，2017年8月正式刊发。

在实证研究中，特别是公司金融领域的研究，一般都存在内生性问题。内生性问题会使统计结果产生偏误，进而对因果关系的识别构成很大挑战。解决内生性问题几乎成为每个实证公司金融研究的必经之路，由此奠定了因果识别方法的“统治地位”。

内生性问题是指由于回归模型中的一个或多个解释变量与随机扰动项相关导致的参数估计不一致问题。它可以由很多因素导致，例如遗漏变量、双向因果等。

抱着解决内生性问题的美好愿望，学者们不断摸索和改进基于不同角度的因果识别方法。截至2012年，在实证公司金融领域发表的所有文章中，有50%以上都采用了因果识别方法。可以说，因果识别方法作为一种技术创新，在学术发展历程中起到了至关重要的作用。

基于此，本文借助技术扩散与应用的框架，对因果识别方法在实证公司金融领域的“发家史”进行详细回顾与讨论。

文章发现，在实证公司金融领域，因果识别技术的发展始于20世纪90年代中期，比经济学领域滞后20年。与技术扩散理论一致，不同研究者对这类方法的应用因个人的预期净收益而异。

本文收集了1970年至2012年Journal of Finance (JF)，Journal of Financial Economics (JFE)和Review of Financial Studies (RFS)三大顶级金融学期刊上的6797篇论文，随后依据每篇论文使用的研究方法和JEL分类号，从中筛选出实证公司金融领域的1796篇文章。

对于每篇文章，汤森路透都会提供2013年11月以来每年的引用情况。同时，对于每篇文章，本文也收集了全部作者信息，包括研究领域、毕业年份、博士授予机构、就业史等。

进一步地，本文设计了一个简单的分类程序，即通过在文章中查找每种技术的关键字列表来确定这篇文章是否使用了旨在确定因果关系的计量经济学技术。文中考虑五种广泛使用的识别方法：（1）工具变量（IV）、（2）双重差分（DD）、（3）选择模型（Selection）、（4）断点回归（RD）、（5）随机实验（Experiments），对应的关键字列表如下：

经统计，在整个样本期内，三大金融学期刊上发表的所有论文中，实证公司金融文章占26%。随着时间推移，这一比例逐渐增加。具体而言，实证公司金融文章占比从20世纪70年代的8%增长到2010年至2012年间的39%。

在1796篇实证公司金融文章中，408篇至少采用了五种识别方法中的一种，这些文章由632位不同作者撰写。IV应用最广泛，涵盖超过一半的文章，DD排在第二位，其次是Selection、RD，最后是Experiments（只有五篇文章）。RD是出现在顶级财经期刊上最新的识别方法。

与许多创新技术类似，因果识别方法的扩散路径类似于逻辑分布（S形曲线），首先是相对较长的缓慢扩散期，随后是快速扩散期。为了估计这种技术在实证公司金融领域的扩散速度，本文对数据拟合了一个扩散模型（diffusion model）：

P_t表示第t年发表的实证公司金融文章中应用因果识别方法的论文比例，也代表着技术的扩散速率（diffusion rate）。下图显示了真实的数据变动和模型的拟合结果。

根据以往文献惯例，当拟合值P_t>5%时，意味着一项新技术的“出现”。下图表明，因果识别方法在1998年首次“出现”，在2000年扩散速率翻倍，2003年再次翻倍达到20%。从1998年至2009年11年的时间里，扩散速率从5%到50%，达到了非常高的增速。

因果识别方法最初是作为经济学领域内生性问题的解决方案诞生的。为了更好地描述技术扩散路径，论文补充了同期在三大经济学顶刊American Economic Review（AER）、Journal of Political Economy（JPE）和The Quarterly Journal of Economics（QJE）上发表的所有文章。

在补充样本中，拟合值P_t分别在1963年和1974年达到5%和10%，意味着实证公司金融领域的文章对于识别方法的应用平均来说要滞后于经济学类的文章20多年。即便如此，相比经济学类用23年时间（1963年至1986年）将技术扩散速率增长4倍（由5%到20%），实证公司金融领域仅用了8年。

（1）引用情况：简单来说，就是比较在各方面都相似的两篇文章（其中一篇使用了识别方法，一篇没有）的引用量差别。下图表示使用因果识别方法可以带来的额外引用量（溢价）随时间变化的趋势，阴影部分为95%的置信区间。

可以看到，在实证公司金融领域，溢价在1995年首次显著为正，表明识别方法的好处在20世纪90年代中期得以显现。在对顶尖经济学期刊上发表的文章进行类似的分析后，可以观察到溢价早在1982年就开始产生。经济学文章中溢价的大小与实证公司金融文章中的大致相似。

（2）发表几率：因为样本内都是已发表文章，所以本文通过分析期刊编辑委员会成员的特点来间接度量发表几率。依据的思想是，编委会成员如果更熟悉此识别方法，他也会更积极地看待同样使用该方法的研究。所以，如果大部分编辑已经在他们自己的研究中采用了识别方法，使用该方法的文章发表的几率也就更高。

本文从期刊网站（RFS、JFE）和年度活动报告（JF）中收集编辑和助理编辑信息。上图显示了样本期间编委会的变化情况。1997年之前没有编辑采用识别方法进行研究，但在2007年采用的比例已经上升到20%以上，2012年达到52%。这种变化在三大金融学期刊中都发生过。编委会的变化证实了识别方法的技术扩散模式，随着时间的推移，这种变化与研究人员使用识别方法的净收益变化一致。

本文接下来借助回归来研究个体层面的差异化影响，即什么类型的研究人员会有更大的激励使用因果识别方法。结果显示，拥有经济学博士学位、同事及校友构成的学术网络越大、在顶尖研究机构工作、科研经验越资深、跨学科的研究人员，越倾向于在研究中使用识别方法来更清晰地确定因果关系。