經濟學經驗研究的可信性革命
——2021年諾貝爾經濟學獎得主David Card貢獻述評

張川川 張淑娟

一、引言

2021年10月11日，瑞典皇家科學院(Royal Swedish Academy of Sciences)的經濟科學獎委員會(Economic Sciences Prize Committee)宣布，2021年諾貝爾經濟學獎，一半授予David Card，以表彰其“對勞動經濟學的經驗貢獻”；另一半授予Joshua Angrist和Guido Imbens，以表彰他們“對因果關系分析的方法論貢獻”。[1]從頒獎詞看，David Card的貢獻在于經驗研究，而Joshua Angrist和Guido Imbens的貢獻在于方法論，似乎有所不同。實質上，雖然三位經濟學家所做的工作各有側重，但是其貢獻都在于對工具變量(IV)、雙重差分(DiD)、斷點回歸(RD)等自然實驗方法(Natural Experimental Approach)的發展、應用和推廣。在過去的30年間，自然實驗方法，也稱作擬實驗方法(Quasi-experimental Approach)，逐漸成為經濟學經驗研究領域應用最為廣泛的計量經濟學方法，這一現象也是所謂經濟學經驗研究的可信性革命(The Credibility Revolution in Empirical Economics)的特征之一(Angrist和Pischke，2010[2])。

在三位獲獎者中，David Card的研究最偏重于應用。他是勞動經濟學這一經濟學重要分支學科的領軍人物，1956年出生于加拿大，1983年獲得普林斯頓大學的經濟學博士學位，曾先后在普林斯頓大學、哈佛大學和芝加哥大學任教，后于1998年加入加州大學伯克利分校的經濟學系，并工作至今。David Card同時還擔任美國國民經濟研究局(NBER)勞動研究項目的主任。

在獲得諾貝爾經濟學獎之前，David Card因其在勞動經濟學領域的杰出貢獻，已經獲得過諸多獎項和榮譽。他曾于1995年獲得約翰-貝茨-克拉克獎章，該獎項每兩年評選一次(2009年起改為每年評選一次)，授予全美40歲以下做出最杰出貢獻的經濟學家，有“經濟學小諾貝爾獎”之稱。2006年，David Card和Alan Krueger分享了德國波恩勞動經濟研究所頒發的IZA勞動經濟學獎。2007年和2015年，David Card又先后獲得計量經濟學會頒發的弗里希獎章和BBVA基金會頒發的知識前沿獎。

David Card迄今為止在各類經濟學刊物上發表了超過120篇學術論文，其中數十篇發表在AmericanEconomicReview,JournalofPoliticalEconomy等國際頂尖經濟學刊物上。David Card所從事的學術研究覆蓋了勞動經濟學研究領域的幾乎所有重大議題，包括最低工資問題、移民、教育投入的回報、工會、工資不平等和勞動力市場上的種族歧視等。David Card的研究不僅通過將自然實驗方法引入經濟學經驗問題，提高了經濟學經驗研究結論的可信性，從而極大地推進了應用微觀經濟學的發展，其研究成果更是引起了廣泛的政策討論，對美國的最低工資政策、移民政策和教育政策的制定，以及歐洲國家工資和就業政策的制定產生了深遠影響。正如加州大學校長Michael V.Drake所評價的：“David Card對復雜經濟體系的分析為最低工資、教育、不平等等問題提供了關鍵的見解。他的研究促進了關于影響全國工人和學生的政策計劃的討論，所產出的新知識能夠為公共利益服務。”

要理解David Card對經濟學的貢獻，不僅要關注他的研究所涉及的具體現實問題，還要充分理解經濟學經驗研究的可信性革命這一大的學科發展背景。本文接下來首先介紹自然實驗方法在經濟學經驗研究中的應用及其所引發的經濟學經驗研究的可信性革命，然后為讀者介紹David Card作為一名勞動經濟學家在最低工資問題、移民問題、教育投入的回報等勞動經濟學領域重大問題方面以及相關領域所做出的學術貢獻。

二、自然實驗方法和經濟學經驗研究的可信性革命

自Gary Becker開創性地將經濟學理論方法應用于研究婚姻、生育、犯罪等廣泛的社會問題以來，經濟學的研究領域不斷擴展，經濟學的研究對象從稀缺經濟資源的優化配置擴展到了理性人在受約束下的最優化選擇。要做出最優化的選擇，就需要充分理解各種選擇的后果。例如，對于個人而言，正在做出教育選擇的年輕人想知道這些選擇如何影響他們未來的收入；公共政策的制定者們想知道所推行的改革方案會如何影響公眾的健康、就業和收入分配等。要回答這些問題，就需要找出變量之間的因果關系。

經濟學研究基本分為兩類：一類是理論研究，通過構建數學模型和進行模型推導分析變量之間的關系；另一類是經驗研究，基于觀察到的經濟數據，采用計量經濟學方法研究變量之間的關系。理論研究和經驗研究各有分工、相互支撐。但是，“實踐是檢驗真理的唯一標準”，理論分析最終也要建立在經驗研究的基礎上，只有從經驗上建立變量之間的因果關系才能夠對理論正確與否做出檢驗。但是要從經驗上揭示兩個變量之間的因果關系并不容易。基于著名統計學家Donald Rubin(1974)[3]所發展出來的社會科學因果關系分析框架，要正確理解選擇的后果，就需要構建出一個“如果沒有做出這個選擇會怎么樣”的對照組，通過將對照組與真實世界進行比較得到做出該選擇所引起的后果。

自20世紀20年代以來，隨機控制實驗(Randomized Controlled Trials，RCT)就被認為是揭示變量之間因果關系的理想方法。隨機控制實驗方法在醫學、生物學、物理學等自然科學領域有著廣泛的應用。例如，在醫學研究中，研究人員為了研究某種治療方案的有效性，可以隨機地選取一部分實驗對象作為處理組，對其實施干預治療，其余的實驗對象作為對照組。在干預治療結束之后，研究人員通過對比處理組和對照組在結果變量上的差異，推斷所實施的治療方案的效果。近年來，越來越多的經濟學者采用隨機控制實驗的方法研究經濟學問題。2019年諾貝爾經濟學獎授予了Abhijit Banerjee，Esther Duflo 和 Michael Kremer，正式表彰他們將隨機控制實驗的方法應用于貧困問題的研究。[4]然而，由于受到經濟學研究議題的限制，很多研究問題無法進行隨機控制實驗。即使在有些情況下能夠開展隨機控制實驗，由于進行實驗的成本高昂，往往只能在很小的范圍內開展實驗，其研究結論的普適性容易受到質疑。2015年的諾貝爾經濟學獎獲得者Angus Deaton就曾經對在經濟學研究中使用隨機控制實驗的做法有過嚴厲的批評(Deaton，2007[5]；Deaton和Cartwright，2018[6])。

自然實驗方法的發展和應用為從經驗上揭示變量之間的因果關系提供了新的解決途徑。與隨機控制實驗通過受控制的隨機化干預產生數據不同，自然實驗方法使用真實世界的觀察數據揭示變量之間的因果關系。這使得自然實驗方法相對于隨機控制實驗方法有著更加廣闊的應用空間，為經濟學家進行因果關系分析提供了強有力的分析工具。與經濟學家傳統上所采用的另一種經驗分析方法——結構模型估計——相比，自然實驗方法的模型設定和估計過程簡單易操作，在揭示變量之間的因果關系時所依賴的假設清晰，并且在很大程度上能夠在數據分析的基礎上對假設是否成立進行間接的驗證。因此，經濟學家只要通過“巧妙的設計”，采用合適的自然實驗方法，就能夠清晰地揭示出變量之間的因果關系。Joshua Angrist和J?rn-Steffen Pischke在他們于2010年發表在《經濟學展望》(JournalofEconomicPerspective)雜志上的一篇文章中指出，得益于數據條件的改善、計算機技術的發展和自然實驗方法的發展，微觀經濟學經驗研究經歷了一場可信性革命(Angrist和Pischke，2010[2])。

本屆諾貝爾經濟學獎的另外兩位獲獎人Joshua Angrist和Guido Imbens的貢獻正在于發展了自然實驗方法，例如，他們在1994年合作發表于《計量經濟學》(Econometrica)[7]雜志的有關工具變量方法的文章，把計量經濟學中傳統的工具變量法與統計學中的潛在結果分析框架相結合，對工具變量估計方法在存在異質性處理效應情況下的模型識別條件、估計步驟、估計量的統計性質和估計量的現實含義等進行了系統性的論述，引起了學術界對工具變量方法的重新重視。Guido Imbens在其日后所做的一系列研究中針對匹配方法、雙重差分、斷點回歸等方法也發表了大量的理論文章。Joshua Angrist多年來則持續呼吁改革大學課堂中的計量經濟學教學，力主將自然實驗方法作為計量經濟學教學的主要內容，在推廣自然實驗方法方面不遺余力(Angrist和Pischke，2017[8])。與Joshua Angrist和Guido Imbens的貢獻側重于方法論不同，David Card對“經濟學經驗研究的可信性革命”的貢獻則在于將工具變量方法、雙重差分方法、斷點回歸方法等自然實驗方法廣泛應用于分析勞動經濟學領域的具體研究問題。接下來我們為大家介紹David Card在最低工資、移民、教育投入的回報等具體研究問題上所做出的學術貢獻。

三、David Card的學術貢獻及其政策影響

在經濟學的所有分支學科中，勞動經濟學可能是與人們的日常生活最為密切相關的。勞動經濟學的研究議題涵蓋了就業、工資、教育、勞動力流動等。作為勞動經濟學科的領軍人物，David Card對上述所有議題都有所研究，而其研究的特點正在于，通過尋找類似隨機實驗的外生變化，采用更好的研究設計和自然實驗方法，估計出經濟變量之間的因果關系。通過改變研究范式，David Card得出了許多不同于以往經濟學觀點的研究結論，引發了學術界和政策界對最低工資、移民、教育等問題的廣泛討論，影響了相關政策的制定。他將自然實驗方法應用于研究經濟學現實問題的做法，也逐漸成為經濟學經驗研究的主流研究范式。

(一)最低工資

最低工資問題是勞動經濟學領域的核心研究問題之一，是否應該提高最低工資，也一直是學術界和政策界爭論不下的焦點之一。根據經典的勞動力市場供求模型，每個雇員的工資由勞動力市場供求關系決定，當市場上的勞動力需求等于勞動力供給時市場出清，并決定均衡時的就業量和工資水平。雖然政府出臺最低工資政策的初衷是為了保障低收入群體的收入水平，但是基于勞動力市場理論，當政府規定的最低工資高于自由競爭市場情況下的均衡工資水平時，市場上的勞動力供給將大于勞動力需求，從而造成失業，并且最先失去工作的恰恰是保留工資水平較低的低收入群體。因此，政府提高最低工資標準，不僅無助于為低收入群體提供保障，反而會促使企業減少對該群體的就業雇傭，對他們造成更大的傷害。Milton Friedman曾基于時間序列數據分析了提高最低工資標準的影響，認為1956年后黑人男性的失業率上升是1956年國會提高最低工資標準的結果，并聲稱1966年美國最低工資的提升將進一步加劇低收入和低技能工人的失業。Friedman的觀點成為當時經濟學界對于最低工資問題認知的基本共識。然而，經典的勞動力市場模型基于一系列假設條件，如勞動力市場上不存在摩擦，以及不存在信息不對稱，單個雇主對于工資沒有定價權等，而這些條件在后續的研究中都被認為是對經濟現實的過度簡化。早期基于時間序列的經驗分析也無法排除掉其他因素對勞動力市場就業和工資水平的影響，所估計出來的最低工資標準與就業率和工資的關系很難被看作是因果關系。

David Card等人的貢獻在于，利用政府最低工資政策變動的自然試驗，更加準確地估計了最低工資標準的提高對勞動力市場就業和工資的影響，推翻了最低工資標準的提升會加劇失業的“共識”。David Card等人所做的研究顯示，對最低工資“溫和的提升”不僅沒有造成低收入人群(青少年和零售業從業者)的失業率上升，甚至在有些情況下會帶來就業率的上升(Leonard，2000[9])。

在發表于1992年的一篇論文中，David Card注意到，雖然美國聯邦政府于1990年4月提高了全國最低工資標準，但是由于各州最初收入低于新的最低工資標準的工人占全部就業人口的比例不同，政策的影響也會隨之不同。David Card通過對各州勞動力人口的分組和比較分析證實，最低工資標準的提高增加了青少年的工資，沒有證據表明最低工資標準的提高導致了青少年就業率下降或入學率變化(Card，1992[10])。在另一項針對加州勞動力市場的案例分析中，David Card也得出了類似的研究結論。1988年7月，加州的最低工資標準從3.35美元上升到了4.25美元。David Card將加州工人的勞動力市場結果的變化與一組沒有提高最低工資標準的州的相應變化進行了比較，發現最低工資標準的提高使低工資工人的收入提高了5%～10%。然而，與傳統的預測相反，青少年的就業率沒有下降，零售業的就業崗位也沒有遭受損失(Card,1992[11])。

David Card在最低工資問題上被引用最廣泛的一篇論文是他與另一位已故著名勞動經濟學家Alan Krueger合作，于1994年發表在《美國經濟評論》(AmericanEconomicReview)上的“Minimum Wage and Employment”一文(Card 和Krueger，1994[11])。1992年，美國新澤西州將最低工資標準從每小時4.25美元提高到5.05美元，然而，鄰近的賓夕法尼亞州卻沒有效仿。David Card和Alan Krueger在兩個州共選擇了410家快餐店，比較在該法案實施前后兩個州在工資、就業方面的變化，從而估計出了提升最低工資標準的影響。經驗分析結果顯示，相比于賓夕法尼亞州而言，新澤西州的快餐店增加了13%的就業。兩位作者還發現，新澤西州那些最初支付高工資(不受新法律影響)商店的就業增長和賓夕法尼亞州相同，而低工資商店(不得不提高工資)則增加了其就業。在后續的一些研究中，David Card使用美國其他州的數據所做的研究再次支持了他們的研究結論。

David Card和Alan Krueger針對最低工資的一系列研究推翻了傳統經濟學理論模型認為提高最低工資標準會導致失業率增加的論點，引起了一些經濟學家的質疑，其中比較有代表性的是David Neumark。David Neumark與合作者發表的多篇論文都支持提高最低工資會加劇失業的論點(Neumark和Wascher，1992[13]，Neumark和Wascher，2004[14]])。Card 和Krueger(1994)[15]在論文中對Neumark 和 Wascher(1992)[13]做出過評論，指出他們的實證分析在變量測量、指數構建等方面存在缺陷，導致結論不可靠。

盡管David Card和Alan Krueger關于最低工資問題的研究發現引發了很大的爭議，但是最終仍然被大部分經濟學家所接受，并被戈登-布朗和他當時的經濟顧問埃德-鮑爾斯用來證明他們的“英國國家最低工資計劃”的合理性(該計劃于1999年推出)。David Card 和 Alan Krueger在他們合著的《神話與測量：最低工資的新經濟學》(Card和Krueger， 2015[16])一書中，進一步擴展并深化了他們對最低工資問題的探索，其研究結論也繼續對地方、州和聯邦政府的決策者和政策產生著廣泛影響。

(二)移民問題

勞動經濟學領域的另一個重要議題是移民對本地勞動力市場的影響。基于勞動力市場理論，移民的進入顯然會增大本地勞動力供給，這可能會導致本地人口，特別是與移民人口技能水平相似的本地人口的失業率增加，工資水平下降。出于對移民人口流入會損害本地人口就業和收入的擔憂，社會公眾，包括不少學者，呼吁政府限制移民流入。然而，移民的流入是否會損害本地人口的就業和收入存在理論上的不確定性。一方面，如果移民人口和本地人口在技能水平上存在很大的差異，在本地勞動力市場上，移民人口和本地人口就很難形成競爭關系；另一方面，移民人口的流入也會通過對產品和服務的消費創造市場需求，引發勞動力市場需求側的變動，反而可能使本地人口受益。在這種情況下，從經驗上估計移民人口的流入對本地人口就業和工資的影響就顯得十分必要。然而，在現實世界中，移民來自不同地區并選擇不同的城市就業，同時城市包括移民人口和本地人口在內的整體的工資和就業水平也會受到宏觀經濟形勢的沖擊，為準確識別移民人口流入對本地勞動力市場的影響帶來了重重困難。

1980年夏天，古巴政府的一次政策變動為研究移民問題提供了很好的自然實驗。1980年，古巴政府為古巴國民離開古巴打開了大門，結果發生了被稱為馬列爾船運事件的海上大逃亡，超過10萬古巴移民進入美國，其中一半的人到邁阿密定居。他們中的大多數人沒有高中文憑。Card(1990)[17]將邁阿密的勞動力市場與接受古巴移民較少的其他四個類似地區的勞動力市場進行了比較，研究馬列爾船運事件對邁阿密勞動力市場的影響。David Card發現，盡管邁阿密的低技能勞動力急劇增加了7%，但本地低技能工人的工資或失業率并沒有受到明顯影響。該項研究在學術界引起了巨大的反響，被研究移民領域的學者反復引用并引起了激烈的辯論。2015年10月，著名的移民懷疑論者，哈佛大學肯尼迪學院教授George Borjas(2017)[18]重新研究了馬列爾船運的原始數據集，將古巴移民和在職勞動力的技能進行了細致的匹配，認為馬列爾船運使得邁阿密高中輟學者的工資急劇下降，降幅為10%～30%。但該項研究的結論同樣被Peri和Yasenov(2015)[19]指出只適用于一個小的子樣本。

David Card針對移民問題所做的另一項重要工作是其于2001年發表在《勞動經濟學期刊》(JournalofLaborEconomics)的一項研究(Card，2001[20])。這項研究探討了移民對美國勞動力市場的影響。這篇論文將移民的滯后地理分布作為影響當前地理分布的外生因素，使用工具變量方法估計移民對勞動力市場的影響。論文的經驗分析結果顯示，1980年代的移民流入使邁阿密和洛杉磯等關鍵門戶城市的本地低技能人口的工資和就業率下降了1至3個百分點。總的來講，移民人口流入對本地人口所產生的負面沖擊并不算大。

在2005年的一篇論文“Is the New Immigration Really So Bad? ”中，David Card總結認為，現有證據不足以支撐移民損害了受教育程度較低的本地人的就業機會的論點。這篇文章同時也關注了移民人口的同化問題。盡管在沒有完成高中學業就來到美國的移民中，很少有移民擁有與本地出生的居民相同的平均收入，但是移民人口和本地人口的收入差距并沒有持續存在，對于1965年以后的在美國出生的移民人口的二代子女，即使來自受教育程度最低的家庭，也縮小了與本地人子女的大部分教育差距(Card，2005[21])。

移民人口常常被視為高技能和低技能工人之間工資差距擴大的原因之一。Card(2009[22])指出，在2000—2005年之間，每年約有125萬人移民到美國，其中三分之一或更多的新移民是來自墨西哥和中美洲的無證移民，受教育程度低，英語技能有限。作者使用來自美國多個城市的研究證據，概括和整合了關于移民和不平等之間關系的研究結論，發現移民的流入對美國本地人的相對工資的平均影響很小，對整體工資不平等(包括本地人和移民)的影響更大，反映了移民集中在技能分布的尾部。然而，即便如此，在1980年至2000年期間美國工資不平等的增長中，移民的貢獻只占了很小的份額(5%)。

David Card認為，移民對本地勞動力市場之所以沒有造成太大沖擊，是由于“美國勞動力市場能夠很好地適應當地勞動力構成的變化”，并認為勞動力市場結構和運作方式在決定移民流入對本地人口就業和工資的影響方面是重要的。[23]Altonji和Card(2018)[24]通過理論模型描述了移民對國內勞動力市場的影響，表明移民的流入對本地勞動力市場的影響可以從一個城市移民人口的比例和本地人的就業和工資之間的相關性中估計出來。

(三)教育投入的回報

教育投入、受教育程度與收入之間的關系也是勞動經濟學研究領域的一個重要議題。理解教育資源投入對教育的影響以及教育的經濟回報，不僅能夠為個人進行最優化的教育投資選擇提供依據，對于教育相關的公共政策的制定也至關重要。但是，準確估計教育資源投入對學生受教育程度和未來收入的影響卻極為困難。在研究教育資源投入對學生受教育程度的影響時，研究人員往往很難準確度量學校的教育資源投入。同時，研究人員還面臨學生的自選擇問題，即那些家庭經濟背景較好的、能力更高的學生更容易進入教育投入更大、教育質量更高的學校。在估計教育資源投入或者受教育程度對收入的影響時，我們同樣很難排除學生自身能力和家庭背景的影響。

為了研究學校資源投入是否對學生未來在勞動力市場的成功有影響，Card和Krueger(1992)[25]使用差分模型比較了居住在美國同一州，但在不同州長大的人的收入，例如，在阿拉巴馬州或愛荷華州長大，但現在居住在加利福尼亞州的人。作者認為，搬到加州并擁有相同教育水平的人是可比的。如果兩個群體的收入不同，這可能是由于阿拉巴馬州和愛荷華州對其教育系統的投資不同所致。David Card和Alan Krueger發現，教育資源投入是很重要的：教育的回報隨著個人成長的州的教師密度而增加。這項研究也啟發了許多新的研究。Psacharopoulos 和Patrinos (2004)[26]對各國教育回報率的估計表明，教育資源投入對學生以后在勞動力市場的表現有顯著的正向影響，各個國家的教育回報率集中在10%左右，且這種影響對于來自弱勢背景的學生來說尤其強烈。

要對學校教育和收入之間的因果關系進行令人信服的分析，需要找到一個導致教育發生變化的外生變量。Card(1993)[27]利用大學的鄰近性作為學校教育的外生決定因素，使用工具變量方法估計了大學教育的回報。他針對美國年輕男性隊列的分析顯示，在當地勞動力市場長大、居住地附近有大學的男性的教育和收入明顯高于其他男性。教育和收入的提高集中在父母受教育程度較低的男性身上。當使用住址附近是否有大學作為受教育程度的外生決定因素，并采用工具變量方法進行估計時，估計得到的學校教育的回報比使用傳統的普通最小二乘法(OLS)估計得到的教育回報高25～60%。由于住址附近是否有大學對學生受教育程度的影響因學生的家庭背景而異，因此有可能檢驗居住在大學附近是否是學校教育的一個合格的外生決定因素。結果證實，父母受教育程度較低的兒童接受教育的邊際回報率與傳統方法估計的回報率一樣高，甚至可能更高，表明在居住地選擇方面的樣本選擇問題并不嚴重。

在收錄于1999年出版的《勞動經濟學手冊》(HandbookofLaborEconomics)的一篇論文中，David Card回顧了有關教育回報的經驗研究，得出的結論是，使用自然實驗方法估計的教育的平均(或平均邊際)回報率并沒有遠遠低于基于OLS方法估計得到的教育回報率(Card，1999[28])。在使用基于教育系統的制度變化作為外生工具變量估計教育對勞動力市場收入的因果效應的研究中，一致的發現是，對學校教育回報的估計比相應的OLS估計值高出20～40%。這些研究表明，傳統上認為OLS估計會高估教育回報的看法可能忽略了某些因素對教育回報的影響。

(四)其他有影響力的研究

除了最低工資、移民、教育等傳統的勞動經濟學議題，David Card和他的合作者們對應用微觀經濟學領域的其他相關議題也有廣泛關注，包括計算機技術對勞動力市場的影響、種族隔離、工會和醫療保險政策等。

20世紀80年代，美國勞動力市場上工資不平等的增加通常被歸因于計算機技術變革。David Card(2002)[29]重新審視了支持這一假說的證據，認為20世紀80年代的計算機技術變革并不能解釋不同群體之間工資差異的變化。種族隔離也是David Card關注的研究問題之一。由于種族隔離經常被認為會造成黑人和白人之間在教育、收入方面的差異，Card和Rothstein(2007)[30]使用1998—2001年的大型微觀數據，研究了學校和社區隔離對不同都市地區黑人學生的相對SAT成績的影響，結果支持了存在種族隔離導致種族教育差距擴大的觀點。在詳細控制了考生個人家庭背景，以及學校、城市層面的相關控制變量后，作者發現在隔離程度較高的城市，黑人和白人的考試分數差距更大。在家庭背景和其他因素不變的情況下，從一個高度隔離的城市轉向一個幾乎一體化的城市，可以使黑人和白人在SAT分數上的原始差距縮小約四分之一。工會問題也是勞動經濟學領域的重要研究問題之一。David Card分析了工會對工資結構的影響(Card,1996[31])。他使用基于美國當期人口調查的大型面板數據集，將工人分為五個技能組進行分別估計，發現工會顯著提高了技能水平較低的工人的工資。此外，工會身份所隱含的樣本選擇偏差因工人技能而異。在觀察到的技能水平較低的工人中，工會工人被正向選擇，而在觀察到的技能水平較高的工人中，工會工人被負向選擇。

除去勞動經濟學領域的傳統議題外，David Card針對美國醫療保險政策的研究也引起了廣泛關注。Card等(2008)[32]使用斷點回歸方法評估了美國醫療保險和醫療救助政策的效果。他們利用65歲以上的人們會自動獲得醫療保險資格這一制度特點，研究了醫療保險對醫療服務利用的影響，發現醫療保險的覆蓋導致了醫療服務使用的增加，縮小了不同人群之間在醫療服務利用上的差距。

近年來，David Card的研究繼續聚焦于許多現實問題，如知道同事的工資如何影響個人的工作滿意度(Card等，2012[33])，足球比賽結果和家庭暴力之間的聯系(Card和Dahl，2011[34])，以及美國低收入和少數民族學生在天才教育計劃中的代表性不足等問題(Card和Giuliano，2014[35])。Card(2018)[36]還采用元分析的方法，嘗試從海量文獻中發掘勞動力市場的內在規律。他分析了200多個旨在評估勞動市場項目的研究，發現這些文獻所評估的項目的平均影響在短期內接近零，但在項目完成后的2至3年對勞動力市場產生了積極影響。2019年，David Card擔任了針對哈佛大學招生程序中是否存在種族歧視的聯邦案件的專家證人，他通過基于學校歷年招生數據的經驗分析為哈佛大學提供辯護，作證支持該大學在招生中不存在歧視亞裔學生的論點。

四、總結

自亞當·斯密以來，經濟學經過了兩百多年的理論發展，形成了一套完整和龐大的理論體系，為研究經濟現象奠定了堅實的理論基礎。隨著理論的日趨完善和數據可獲得性的增加，以數據分析為基礎的經驗研究對于理解經濟現象起到了越來越重要的作用。David Card采用獨特的分析視角，將工具變量、雙重差分、斷點回歸等自然實驗方法廣泛應用于研究最低工資、移民、教育等現實經濟問題，在嚴謹的數據分析的基礎上揭示經濟變量之間的因果關系，為正確理解經濟現象和科學服務公共政策做出了重要的貢獻。更為重要的是，他所采用的研究范式為如何解決經濟學經驗研究中長期困擾研究人員的內生性難題和實現因果推斷做出了優秀的示范，同Joshua Angrist、Guido Imbens、Alan Krueger等人一道，極大地推動了經濟學經驗研究的可信性革命，深刻影響了經濟學研究的范式和整個經濟學科的發展。