引入因果關(guān)系分析的本科計(jì)量經(jīng)濟(jì)學(xué)教學(xué)改革研究

摘? 要：現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)已經(jīng)進(jìn)入一個(gè)以因果識別為重要理論方法的新時(shí)代。該文分析國內(nèi)外高校計(jì)量經(jīng)濟(jì)學(xué)教學(xué)改革現(xiàn)狀和現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)范式的轉(zhuǎn)變，提出引入因果關(guān)系分析的計(jì)量經(jīng)濟(jì)學(xué)課程改革的意義，介紹計(jì)量經(jīng)濟(jì)學(xué)引入因果關(guān)系分析的改革內(nèi)容設(shè)計(jì)。該文對于提升本科計(jì)量經(jīng)濟(jì)學(xué)教學(xué)水平，培養(yǎng)本科計(jì)量經(jīng)濟(jì)學(xué)人才具有意義。

關(guān)鍵詞：本科；因果推斷；計(jì)量經(jīng)濟(jì)學(xué)；教學(xué)改革；范式轉(zhuǎn)變

中圖分類號：G642? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號：2096-000X（2024）09-0009-05

Abstract： Modern econometrics has entered a new era with causal identification as an important theoretical approach. This paper analyzes the current situation of econometrics teaching reform in domestic and foreign universities and the transformation of modern econometric paradigm， puts forward the significance of econometrics course reform by introducing causal analysis， and introduces the reform content design of econometrics course by introducing causal analysis. This paper is of significance to improve the teaching level of undergraduate econometrics and train undergraduate econometrics talents.

Keywords： undergraduate; causal inference; Econometrics; teaching reform; paradigm shift

基金項(xiàng)目：江西省教育科學(xué)規(guī)劃“十四五”規(guī)劃2022年度一般課題“后疫情時(shí)代江西高校創(chuàng)業(yè)教育對大學(xué)生創(chuàng)業(yè)意愿的影響研究”（22YB011）；2020年南昌大學(xué)校級教學(xué)改革研究課題“基于文本法的本科《計(jì)量經(jīng)濟(jì)學(xué)》課程教學(xué)模式的創(chuàng)新研究”（NCUJGLX-2020-166-143）；國家自然科學(xué)基金項(xiàng)目“企業(yè)開放式創(chuàng)新的形成機(jī)理——基于員工多樣性的解釋與實(shí)證研究”（71862022）

作者簡介：余偉（1979-），男，漢族，湖北黃梅人，管理學(xué)博士，副教授。研究方向?yàn)榻?jīng)濟(jì)計(jì)量分析。

計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)管類本科生的一門重要的必修類課程。但是在計(jì)量經(jīng)濟(jì)學(xué)的授課中，本科生和研究生所使用的教材內(nèi)容仍然沿襲了舊范式，一些教學(xué)內(nèi)容是不適應(yīng)時(shí)代發(fā)展的。目前在經(jīng)濟(jì)學(xué)經(jīng)驗(yàn)研究中廣泛應(yīng)用的因果推斷方法仍然沒有成為《計(jì)量經(jīng)濟(jì)學(xué)》教科書的重要內(nèi)容。目前，國內(nèi)計(jì)量經(jīng)濟(jì)學(xué)的訓(xùn)練甚至一些經(jīng)管學(xué)科水平較高的“雙一流”大學(xué)主要聚焦于統(tǒng)計(jì)推斷，其思想是：由于“總體”未知的原因，在現(xiàn)實(shí)中往往觀測到的是總體的一個(gè)樣本，因此，實(shí)際上是通過樣本信息獲得樣本回歸函數(shù)，并用其對總體回歸函數(shù)做出統(tǒng)計(jì)推斷，即進(jìn)行所謂的統(tǒng)計(jì)檢驗(yàn)，包括兩個(gè)方面。一是先檢驗(yàn)樣本回歸函數(shù)與樣本點(diǎn)的“擬合優(yōu)度”，二是檢驗(yàn)樣本回歸函數(shù)與總體回歸函數(shù)的“接近”程度。在經(jīng)濟(jì)學(xué)的實(shí)證研究中，利用樣本信息進(jìn)行的估計(jì)是否能夠反映總體，是實(shí)證研究中一個(gè)非常重要的問題[1]。但是，統(tǒng)計(jì)推斷的本身通常很少能得到因果關(guān)系的信息。

隨著大數(shù)據(jù)技術(shù)的發(fā)展，科學(xué)研究開始進(jìn)入一個(gè)海量數(shù)據(jù)的時(shí)代，這使得數(shù)據(jù)樣本容量不斷擴(kuò)大，甚至獲得總體的信息成為可能。但是，即使掌握了總體數(shù)據(jù)，也不能僅依靠統(tǒng)計(jì)推斷就得出因果關(guān)系的結(jié)論。比如，假設(shè)有全國人口普查的數(shù)據(jù)，想考察收入如何影響住房消費(fèi)，仍然沒有辦法獲得因果效應(yīng)的結(jié)論。因?yàn)橐蚬?yīng)不取決于樣本的大小，對于因果效應(yīng)的探討是計(jì)量經(jīng)濟(jì)學(xué)深層的問題，是獲得經(jīng)濟(jì)現(xiàn)象中變量間關(guān)系的關(guān)鍵。因此，對經(jīng)驗(yàn)研究來說，要獲得變量之間因果效應(yīng)，需要利用因果推斷方法。

一? 國外高校計(jì)量經(jīng)濟(jì)學(xué)教學(xué)發(fā)展現(xiàn)狀

目前，美國主流大學(xué)在計(jì)量經(jīng)濟(jì)學(xué)的授課正逐步轉(zhuǎn)變以因果經(jīng)驗(yàn)為導(dǎo)向，而不再僅僅局限于經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)方法的講授。首先是計(jì)量經(jīng)濟(jì)學(xué)教材內(nèi)容的變化。表1列出了美國大學(xué)《計(jì)量經(jīng)濟(jì)學(xué)》在1970年代、1970年代（不包括更高級教材）和當(dāng)代的教材文本中涵蓋的內(nèi)容主題。從表1可以發(fā)現(xiàn)，1970年代和1970年代（不包括更高級的教材）的經(jīng)典教材涵蓋的文本主題僅有0.7%涉及因果效應(yīng)，雙重差分法（倍差法分析法）和斷點(diǎn)回歸方法沒有被包含在文本中；而當(dāng)代《計(jì)量經(jīng)濟(jì)學(xué)》教材中涵蓋的文本主題有3.0%涉及因果效應(yīng)，雙重差分法（倍差法分析法）和斷點(diǎn)回歸方法分別有0.5%和0.1%被包含在文本中。從教材文本還可以看出，1970年代和1970年代（不包括更高級的教材）的經(jīng)典教材分別有14%和15%使用了經(jīng)驗(yàn)實(shí)例，而當(dāng)代《計(jì)量經(jīng)濟(jì)學(xué)》教材中的經(jīng)驗(yàn)實(shí)例高達(dá)24.4%，反映了美國《計(jì)量經(jīng)濟(jì)學(xué)》教材更加重視經(jīng)驗(yàn)實(shí)例的特點(diǎn)。

與此同時(shí)，美國大學(xué)中計(jì)量經(jīng)濟(jì)學(xué)課程的覆蓋范圍也反映了向因果經(jīng)驗(yàn)轉(zhuǎn)變的趨勢。表2列出了美國一些頂尖大學(xué)如哈佛大學(xué)、俄亥俄州立大學(xué)、紐約大學(xué)計(jì)量經(jīng)濟(jì)學(xué)的課程覆蓋范圍。表2的第2列提出了計(jì)量經(jīng)濟(jì)學(xué)講座時(shí)間的分配。從表2中可以發(fā)現(xiàn)，特別地，超過一半的課程時(shí)間是關(guān)于回歸性質(zhì)、回歸推斷、假設(shè)失效與補(bǔ)救，以及函數(shù)形式的課程。與此分布相一致的是，表中的第3列顯示，除了回歸性質(zhì)外，大多數(shù)閱讀列表都涵蓋了這些主題。回歸性質(zhì)主題很可能包含在其他回歸標(biāo)題中。同樣，與表2中描述的當(dāng)代教材內(nèi)容類似，講課時(shí)間分配顯示，5.9%的課程講座時(shí)間是用于涵蓋與因果效應(yīng)、雙重差分法和斷點(diǎn)回歸相關(guān)的主題。專題課程顯示超過四分之一的抽樣教師至少分配了一些講課時(shí)間來討論因果效應(yīng)和雙重差分法。少數(shù)人（近17%）也抽出時(shí)間至少討論一下斷點(diǎn)回歸方法。這表明，計(jì)量經(jīng)濟(jì)學(xué)教師教學(xué)正領(lǐng)先于計(jì)量經(jīng)濟(jì)學(xué)的教材。許多年輕的教師在其博士工作中使用了現(xiàn)代的經(jīng)驗(yàn)主義方法，所以他們可能想與其學(xué)生分享這些材料。一般來說，教科書的著作者可能比教師年齡大，因此，不太可能有現(xiàn)代因果推斷所強(qiáng)調(diào)的工具的個(gè)人經(jīng)驗(yàn)。

二? 因果關(guān)系計(jì)量經(jīng)濟(jì)學(xué)范式的轉(zhuǎn)變

2021年度諾貝爾經(jīng)濟(jì)學(xué)獎被授予三位美國經(jīng)濟(jì)學(xué)家Card、Angrist和Imbens，以表彰他們分別“對勞動經(jīng)濟(jì)學(xué)的實(shí)證研究貢獻(xiàn)”和“對因果關(guān)系分析的方法論貢獻(xiàn)”，標(biāo)志著因果分析受到了主流經(jīng)濟(jì)學(xué)界的認(rèn)可。現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)實(shí)現(xiàn)了分析范式的轉(zhuǎn)變：一是對過時(shí)的古典回歸框架的修正，從經(jīng)濟(jì)過程的多元建模轉(zhuǎn)向受控的統(tǒng)計(jì)比較；二是重視運(yùn)用準(zhǔn)自然實(shí)驗(yàn)法關(guān)注因果問題和實(shí)際問題；三是新計(jì)量方法的涌現(xiàn)。Angrist和Pischke[2]指出，新的研究范式更加有趣、相關(guān)性更強(qiáng)、識別結(jié)果更加令人滿意，因而，應(yīng)該將這一范式引入新的《計(jì)量經(jīng)濟(jì)學(xué)》教材。

（一）? 因果關(guān)系分析框架的建立

20世紀(jì)90年代，“自然實(shí)驗(yàn)”逐漸興起，為揭示變量間的因果關(guān)系提供了新途徑。“自然實(shí)驗(yàn)”認(rèn)為，在一些情況下，人們受到政策或制度的影響，就如同被隨機(jī)分配成受處理影響的人和不受影響的人（分別屬于處理組和控制組）。到了20世紀(jì)90年代中期，Imbens和Angrist進(jìn)一步發(fā)展了自然實(shí)驗(yàn)基礎(chǔ)上的因果推斷方法，提出基于工具變量的因果推斷所要求的基本識別假設(shè)。同時(shí)，也提出了局部平均處理效應(yīng)（local average treatment effect，LATE）這一核心概念，構(gòu)建了因果關(guān)系分析框架。

（二）? 重視運(yùn)用自然實(shí)驗(yàn)法解決實(shí)際問題

目前，最低工資的就業(yè)效應(yīng)、教育的收益率和移民的勞動力市場的影響是Card、Angrist和Imbens關(guān)注的主要問題，也是國外經(jīng)典《計(jì)量經(jīng)濟(jì)學(xué)》教科書中經(jīng)驗(yàn)實(shí)例的常用內(nèi)容。

1? 最低工資的就業(yè)效應(yīng)

最低工資的就業(yè)效應(yīng)一直以來受到經(jīng)濟(jì)學(xué)家的關(guān)注。要推斷最低工資和就業(yè)的因果關(guān)系，需要在最低工資干預(yù)的就業(yè)情況（實(shí)驗(yàn)組）和沒有干預(yù)的“反事實(shí)”情況（對照組）之間進(jìn)行比較。但最低工資政策實(shí)施之后，“反事實(shí)”不見了[3]。因此，比較也就難以開展。Card和Krueger于1994年共同發(fā)表一篇開創(chuàng)性的論文——Wages and Employment：Minimum A Case Study of the Fast-Food Industry in New Jersey and Pennsylvania利用一次“自然實(shí)驗(yàn)”精巧地解決了這一難題[4]。Card和Krueger調(diào)查了美國新澤西州和賓夕法尼亞州東部快餐店在前者提高最低工資水平前后的就業(yè)人數(shù)，結(jié)果發(fā)現(xiàn)后者的就業(yè)人數(shù)有所下降，但前者的就業(yè)人數(shù)略有增加。這一結(jié)論被廣泛認(rèn)可，對很多國家或地區(qū)的政策制定產(chǎn)生了影響。

2? 教育的回報(bào)率

教育回報(bào)率是勞動與教育經(jīng)濟(jì)學(xué)領(lǐng)域關(guān)注的議題。個(gè)體擁有更高的工資收入，是由于其接受了更多教育，還是由于其原本就擁有高于常人的天賦能力？如果是后者，觀測得到的“高教育高工資”的現(xiàn)象可能反映的只是它們之間的相關(guān)關(guān)系而不是因果關(guān)系。1991年，Angrist和Krueger合作發(fā)表論文Does Compulsory Attendance Affect Schooling of Earnings？，論文將義務(wù)教育法形成作為自然實(shí)驗(yàn)，獲得教育回報(bào)率的有效和一致估計(jì)[5]。

3? 移民對勞動力市場的影響

移民是一個(gè)在許多國家備受爭議的政策問題。令人擔(dān)憂的是，移民的涌入可能會通過降低工資影響就業(yè)前景，減少本地工人特別是低技能居民在勞動力市場的機(jī)會。但是，移民如何影響居住地區(qū)勞動力市場還不明確。Card[6]利用將一次偷渡事件作為一次“自然實(shí)驗(yàn)”，使用“倍差法”解決了上述問題。其發(fā)現(xiàn)，雖然大量新移民涌入居住地區(qū)，但低技能工人的工資和就業(yè)沒有受到影響。

（三）? 新計(jì)量方法倍受關(guān)注

伴隨著因果關(guān)系框架的建立，一些新的計(jì)量方法在現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)中得到應(yīng)用具體如下。

1? 傾向得分匹配估計(jì)

傾向得分匹配估計(jì)是使用非實(shí)驗(yàn)數(shù)據(jù)或觀測數(shù)據(jù)進(jìn)行處理效應(yīng)分析的一種方法，其目的是消除數(shù)據(jù)偏誤和混雜變量的影響，使處理組和對照組之間具有可比性[7]。該方法的核心觀點(diǎn)是只需要對傾向得分進(jìn)行調(diào)整，就可以消除處理組和控制組之間的處理前變量差異帶來的偏差，但這種方法最初只能應(yīng)用于處理僅取兩個(gè)值的情況[7]。Imbens[8]將其拓展到估計(jì)多值處理的平均處理效應(yīng)。

2? 斷點(diǎn)回歸設(shè)計(jì)

斷點(diǎn)回歸設(shè)計(jì)是利用接受離散處理的斷點(diǎn)來進(jìn)行因果推斷[9]。斷點(diǎn)回歸的關(guān)鍵特征是定義一個(gè)“強(qiáng)制變量”（forcing variable）——在該變量的臨界值處，接受處理的概率變化表現(xiàn)為不連續(xù)。假定接近臨界值兩端的個(gè)體相似，兩者平均結(jié)果的差異可以通過是否接受了處理來解釋。RDD通過斷點(diǎn)識別因果效應(yīng)，識別條件清晰，容易檢驗(yàn)，研究者個(gè)人操縱的可能性較低，成為最透明和最可信賴的研究設(shè)計(jì)，因而，被稱為經(jīng)濟(jì)學(xué)家最喜歡的識別工具[1]。

3雙重差分法（倍差分析法）

雙重差分法（difference-in-differences，DID）假設(shè)處理組和控制組擁有相同的線性趨勢，經(jīng)過兩次差分后就可以獲得要關(guān)注的平均處理效應(yīng)，可以避免內(nèi)生性問題，以得到政策帶來的實(shí)際因果效應(yīng)。雙重差分法的優(yōu)點(diǎn)在于可以彌補(bǔ)傳統(tǒng)因果推斷方法的不足：雙重差分法通過引入處理變量，得出政策處理前后處理組差異和控制組差異，再將兩組之間的差異作為政策效應(yīng)的估計(jì)，從而有效地消除了混雜因素的影響。

4合成控制法

合成控制法是對雙重差分法的一類拓展，主要解決這樣一類問題：現(xiàn)實(shí)中很難找到與處理組完全相同或者非常相似的控制組，因此共同趨勢假設(shè)不一定能得到滿足。Athey和Imbens[10]稱贊合成控制法為過去15年間最重要的政策評價(jià)模型。這個(gè)方法本質(zhì)是通過構(gòu)造虛擬的控制組來解決因果識別問題。例如，某地區(qū)某年發(fā)生了嚴(yán)重的自然災(zāi)害，對該地區(qū)GDP造成了影響。若想分析自然災(zāi)害影響具體有多大，就需要人為構(gòu)造一個(gè)“該地區(qū)沒發(fā)生災(zāi)害時(shí)候應(yīng)該有的GDP”的控制組，這里隱含的假設(shè)是自然災(zāi)害只對該受災(zāi)地區(qū)產(chǎn)生影響，對其他地區(qū)并不產(chǎn)生影響，然后實(shí)際受災(zāi)地區(qū)和合成地區(qū)GDP相減，算出的差值就是自然災(zāi)害對GDP的影響。這個(gè)和傳統(tǒng)的DID思路一致。

5機(jī)器學(xué)習(xí)和因果推斷相結(jié)合

近年來，最新的發(fā)展趨勢是計(jì)量經(jīng)濟(jì)學(xué)家們將機(jī)器學(xué)習(xí)方法與因果推斷分析相結(jié)合。傳統(tǒng)的因果推斷都是找到與觀測樣本特征相同的反事實(shí)樣本，通過比較實(shí)際觀測值的差異，從而得出因果效應(yīng)。機(jī)器學(xué)習(xí)方法能夠減少傳統(tǒng)因果推斷的限制性假設(shè)條件，使得不可觀測的研究對象被更精確地預(yù)測，因果效應(yīng)的估計(jì)結(jié)果更值得信賴。

（四）? 因果推斷理論基礎(chǔ)尚不完備

雖然主流經(jīng)濟(jì)學(xué)期刊中大量使用因果推斷作為計(jì)量方法，并且在管理學(xué)、教育學(xué)、社會學(xué)等諸多領(lǐng)域獲得應(yīng)用，但其理論上仍然需要完備[11]。一些因果推斷的結(jié)論形成依舊需要建立在傳統(tǒng)計(jì)量回歸分析的框架之上，如何將傳統(tǒng)計(jì)量回歸與因果推斷相結(jié)合，是當(dāng)前計(jì)量經(jīng)濟(jì)學(xué)面臨的問題。

三? 引入因果關(guān)系分析的計(jì)量經(jīng)濟(jì)學(xué)課程改革的意義

（一）? 有助于樹立學(xué)生因果推斷思維，提高分析經(jīng)濟(jì)現(xiàn)象的能力

在實(shí)際教學(xué)中，一方面配合使用包含最新因果識別內(nèi)容的當(dāng)代《計(jì)量經(jīng)濟(jì)學(xué)》教材，如Stock和Watson主編的《計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論（Introduction to Econometrics》、Angrist主編的《基本無害的計(jì)量經(jīng)濟(jì)學(xué)（Mostly Harmless Econometrics）》，同時(shí)對講課時(shí)間進(jìn)行合理分配，除了講好計(jì)量經(jīng)濟(jì)學(xué)的基礎(chǔ)知識外，開設(shè)因果推斷的專題課程，結(jié)合中國實(shí)際經(jīng)濟(jì)問題案例，給學(xué)生系統(tǒng)講授因果推斷的基本思想以及上述新計(jì)量方法等內(nèi)容。此外，利用好學(xué)術(shù)期刊上大量使用因果識別方法的論文資源，如《中國工業(yè)經(jīng)濟(jì)》為代表的期刊，由于公開了論文的代碼和相關(guān)數(shù)據(jù)文件，給了學(xué)生了解中國現(xiàn)實(shí)問題和進(jìn)行Stata實(shí)踐操作的機(jī)會。通過采取以上措施，有助于樹立學(xué)生因果推斷思維，增強(qiáng)運(yùn)用計(jì)量分析實(shí)際經(jīng)濟(jì)問題的敏銳性和能力。

（二）? 有助于改變課程教學(xué)效果不顯著，“重統(tǒng)計(jì)推斷，輕因果推斷”的局面

引入因果關(guān)系分析的計(jì)量經(jīng)濟(jì)學(xué)教學(xué)更加強(qiáng)調(diào)經(jīng)驗(yàn)實(shí)例，特別是運(yùn)用因果推斷方法進(jìn)行政策評估的研究，改變以往過于強(qiáng)調(diào)統(tǒng)計(jì)推斷的做法。具體而言，可以在課堂的每一個(gè)因果推斷重要知識章節(jié)中借用經(jīng)驗(yàn)案例教學(xué)手段即通過發(fā)表于《經(jīng)濟(jì)研究》《經(jīng)濟(jì)學(xué)（季刊）》上政策評估的經(jīng)典論文賞析，來提高學(xué)生的學(xué)習(xí)興趣、參與度與積極性。此外，通過將計(jì)量軟件Stata的教學(xué)融入因果推斷的課程中，并適當(dāng)增加課堂中實(shí)踐環(huán)節(jié)的比重。通過“經(jīng)驗(yàn)實(shí)例+實(shí)踐”的教學(xué)模式，既能極大地激發(fā)學(xué)生的學(xué)習(xí)興趣，又可以提升學(xué)生的學(xué)術(shù)表達(dá)能力。

（三）? 有助于建立一套更科學(xué)、合理的課程目標(biāo)達(dá)成度評價(jià)體系

引入因果關(guān)系分析的計(jì)量經(jīng)濟(jì)學(xué)的課改側(cè)重以“分析問題—因果推斷—解決問題”的因果分析能力培養(yǎng)為核心，要求重建考核體系，實(shí)現(xiàn)過程考核具體化、考試考核科學(xué)化、考核環(huán)節(jié)配比合理化。通過多維度的考評對學(xué)生在該門課程中的學(xué)習(xí)情況進(jìn)行綜合檢驗(yàn)，而學(xué)生要想在考評中獲得高分，必須在課程學(xué)習(xí)中付出大量的時(shí)間和精力，課程由原先的“教師為中心”轉(zhuǎn)化為“學(xué)生為中心”。

四? 計(jì)量經(jīng)濟(jì)學(xué)引入因果關(guān)系分析的改革內(nèi)容設(shè)計(jì)

引入因果關(guān)系分析的課程教學(xué)改革主要包括4個(gè)任務(wù)，即確立課程培養(yǎng)目標(biāo)、改革課程教學(xué)內(nèi)容、改革課程教學(xué)方法及改革課程考核方式。

（一）? 確立課程培養(yǎng)目標(biāo)

傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)課程的培養(yǎng)目標(biāo)在知識層面應(yīng)要求學(xué)生掌握經(jīng)典計(jì)量分析方法，如回歸分析、時(shí)間序列分析等；包含因果分析的計(jì)量經(jīng)濟(jì)學(xué)課程的培養(yǎng)目標(biāo)是通過因果推斷知識內(nèi)容的教授，讓學(xué)生樹立因果推斷的思維，能學(xué)會應(yīng)用新的計(jì)量方法，如傾向得分匹配估計(jì)法、斷點(diǎn)回歸設(shè)計(jì)、雙重差分法等，分析中國的實(shí)際經(jīng)濟(jì)問題，而不僅僅是掌握計(jì)量經(jīng)濟(jì)理論。

（二）? 改革課程教學(xué)內(nèi)容

借鑒國外計(jì)量經(jīng)濟(jì)學(xué)因果關(guān)系的課程設(shè)計(jì)經(jīng)驗(yàn)，圍繞學(xué)生因果思維培養(yǎng)，改革計(jì)量經(jīng)濟(jì)學(xué)課程體系。Angris和Pischke[2]指出：傳統(tǒng)《計(jì)量經(jīng)濟(jì)學(xué)》教材中的很多指導(dǎo)是過時(shí)的，比如有關(guān)異方差、序列相關(guān)等問題的討論。這些問題都不會影響因果效應(yīng)的識別，而這些問題的解決只需要利用White[12] 的異方差一致性標(biāo)準(zhǔn)誤差或Newey和West[13] 的序列相關(guān)及異方差一致性標(biāo)準(zhǔn)誤差進(jìn)行修正。因此，在講授二元回歸、回歸性質(zhì)、回歸推斷、多元回歸、函數(shù)形式、工具變量、面板數(shù)據(jù)和時(shí)間序列等計(jì)量經(jīng)濟(jì)學(xué)的同時(shí)，將新的研究范式包括因果性概念、隨機(jī)分配與自然實(shí)驗(yàn)、處理效應(yīng)、選擇性偏差、匹配、雙重差分法、工具變量、斷點(diǎn)回歸和前沿方法（PSM-DID、合成控制法、三重差分法）等融進(jìn)計(jì)量經(jīng)濟(jì)學(xué)教學(xué)中，使學(xué)生掌握因果效應(yīng)的識別方法（見表3）。

表3? 計(jì)量經(jīng)濟(jì)學(xué)課程教學(xué)內(nèi)容設(shè)計(jì)

（三）? 改革課程教學(xué)方法

傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)教學(xué)以教師講授為主，學(xué)生參與的主動性不強(qiáng)。為讓學(xué)生更有效地獲取知識，教學(xué)方法改革思路如下。首先，采取文本式教學(xué)，通過讓學(xué)生研讀有趣的經(jīng)典論文，激發(fā)學(xué)生的學(xué)習(xí)熱情，使學(xué)生更好地領(lǐng)會因果推斷的思想。其次，采用互動式教學(xué)，對于一些較為難懂的知識點(diǎn)，例如局部平均處理效應(yīng)（local average treatment effect，LATE）、選擇性偏差、斷點(diǎn)回歸等，改為由教師向?qū)W生提出問題，并加以引導(dǎo)，讓學(xué)生自主思考解決問題，以充分調(diào)動其學(xué)習(xí)積極性。第三，加強(qiáng)實(shí)踐教學(xué)，在每一個(gè)因果推斷理論知識和方法授完后，提供經(jīng)典案例分析，讓學(xué)生進(jìn)行上機(jī)實(shí)踐，運(yùn)用Stata軟件進(jìn)行實(shí)踐練習(xí)，使學(xué)生在實(shí)踐中掌握因果推斷知識與方法。

（四）? 改革課程考核方式

傳統(tǒng)的課程考核往往以知識獲得多少為評價(jià)內(nèi)容，主要是以試卷測試體現(xiàn)。引入因果推斷的課程考核方式改革將經(jīng)典文獻(xiàn)研讀、案例的實(shí)踐操作得分和期末終結(jié)性考試得分綜合起來，形成一套完整的評價(jià)體系和考核方法。經(jīng)典文獻(xiàn)研讀突出考察每個(gè)學(xué)生對文獻(xiàn)的理解程度，對因果推斷思想的掌握情況。案例的實(shí)踐操作，用教師對實(shí)驗(yàn)報(bào)告的評分考核學(xué)生軟件掌握情況。三者的比例構(gòu)成為40%、20%和40%。

五? 結(jié)束語

總之，將因果推斷理念落實(shí)到計(jì)量經(jīng)濟(jì)學(xué)教學(xué)中，將極大改善該門課程目前普遍存在的“重統(tǒng)計(jì)推斷、輕因果推斷”的局面，并能充分調(diào)動學(xué)生的學(xué)習(xí)主動性，讓學(xué)生在實(shí)際操作中深刻領(lǐng)會因果推斷理論知識和方法的應(yīng)用價(jià)值，培養(yǎng)其分析實(shí)際問題、解決問題能力，促進(jìn)學(xué)生綜合能力和素質(zhì)的全面發(fā)展。因此，基于因果推斷理念的計(jì)量經(jīng)濟(jì)學(xué)課程教學(xué)改革非常必要。

參考文獻(xiàn)：

[1] 趙西亮.因果推斷方法應(yīng)該引入計(jì)量經(jīng)濟(jì)學(xué)教學(xué)[J].經(jīng)濟(jì)資料譯叢，2017（4）：84-86.

[2] ANGRIST J D ， PISCHKE J.Undergraduate Econometrics Instruction： Through our Classes[J].Journal of Economic Perspectives，2017，31（2）：125-144.

[3] NEYMAN J. On the application of probability theory to agricultural experiments， essays on principle， section 9[J].Statistical Science，1923，5（4）：465-480.

[4] CARD D， KRUEGER A B. Wages and employment： Minimum a case study of the fast-food industry in new jersey and pennsylvania[J]. American Economic Review，1994：84.

[5] ANGRIST J D， KRUEGER A B. Does compulsory schooling attendance affect schooling and earnings？[J]. Quarterly Journal of Economics，1991，106（4）： 979-1014.

[6] CARD D. The impact of the Mariel boatlift on the Miami labor market[J]. Industrial and Labor Relations Review，1990，43（2）：245-257.

[7] ROSENBAUM P R，RUBIN D B. The central role of the propensity score in observational studies for casual effects[J]. Biometrika，1983，70（1）：41-55.

[8] IMBENS G W. Theories of the propensity score in estimating dose-response functions [J]. Biometrika，2000，87（3）：706-710.

[9] THISTLEWAITE D， CAMPBELL D. Regression-discontinuity analysis： An alternative to the ex-post facto[J]. Journal of Educational Psychology，1960，51（6）：309-317.

[10] ATHEY S，IMBENS G W. The state of applied econometrics： causality and policy evaluation[J]. Journal of Econometric Perspectives，2017，74（2），431-497.

[11] 鄭忠國，童行偉，張艷艷.因果模型中因果效應(yīng)的可識別性研究[J].中國科學(xué)（A輯），2001（12）：1080-1086.

[12] WHITE? H.A. Heteroskedasticity-consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity[J]. Econometrica，1980，48（4）：817-837.

[13] NEWEY W.， WEST K. A simple positive semi-definite， Heteroskedasticity and autocorrelation consistent covariance matrix[J]. Econometrica，1987，55：703-708.