10月19日，伴随着微风和飘落的秋叶，中国财政发展协同创新中心“微观计量工作坊”第一讲正式开讲了。中心16、17级财政基础理论方向硕士生齐聚沙河校区骋望楼一楼圆桌会议室，展开了一场微观计量基础知识的讲习。此次讲座由17级研究生巴杨和张磊主讲，16级研究生许艺煊、张鹏远、朱泳奕、庄颖负责点评。17级研究生和中心实验班的同学也就微观计量的基础知识展开了广泛而又热烈的讨论。
在本次讲座中，主讲人之一的张磊同学首先分享了微观计量的基础知识：因果性和相关性往往是一对容易引起混淆的概念，我们通过以一个简单的例子来说明二者的区别：夏天的冰淇淋销量往往升高，同时游泳溺水身亡的人也往往增加，尽管这二者之间相关性很高，但是这之间并不存在因果性，这是因为我们忽略了气温这一因素。气温越高，冰淇淋销量越多，但与此同时，夏天游泳的人也会增加，溺水身亡的人数进而增加。因此气温和冰淇淋销量之间存在因果性，气温和溺水身亡人数之间存在因果性，但冰淇淋销量和溺亡人数并不存在因果性。用更加学术化的语言来表述：相关关系是指两个变量之间的统计关系，相关关系的推断仅仅是描述性统计，而并不意味着因果关系。
因果关系的识别往往需要经过良好设计的准自然实验，同时时间的前后顺序也很重要，我们把变量依据时间先后分为前置变量（变量值在干预前确定的变量）和后置变量（变量值在干预后确定的变量）。因变量Y是原因的结果，是一个后置变量，其值受自变量D（是否接受处置）的影响，D是一个前置变量，如果D对Y产生影响，那么这就是因果关系。而对于相关性的推断，时间的先后顺序往往显得没有那么重要。
另外微观计量经济学中常常会提到反事实（Counterfactual）推断，以教育回报为例，为了评估大学教育对于人未来收入的影响，往往只是简单比较是否上大学两类人的收入差距，但这种做法可能无法识别出教育的真正影响。假如存在这样一个理想环境：在一个平行世界里，这些原本上大学的人，使得我们能够同时观测到他们没有选择上大学情况下未来的收入情况，那么这样才能真正识别出教育对于收入的影响，而这个平行世界下的现象是我们观测不到的，这就是一个反事实的典型案例。经济学不能像理工学科那样能做很多可重复的实验，往往需要寻找和构造精巧的对照组，作为实验组的反事实情况，以此评估某一处置的平均处理效应（ATE，average treatment effect）。
另一位主讲人巴杨同学则通过例子和大家分享了什么是选择偏误和随机分配的概念。仍然以教育回报的研究，通常的做法是比较一群高中学历和一群本科学历的工资差异，但是否接受高等教育与很多个人和家庭的因素有关，接受本科教育和没接受本科教育的人很多条件是不同的（比如智商、父母收入、父母受教育水平等），即使得到大学毕业生工资高也不能说是因为高等教育带来了更高收入，更高的收入可能是因为更高的智商而非大学教育，忽略这些因素就产生了选择偏误。在微观计量中，偏误一般分为显性偏误和隐性偏误，显性偏误可以通过平衡协变量X来消除，而隐性偏误的消除麻烦，需要样本满足条件均值独立同分布时才可以消除。随机分配并不是随意分组，而是根据统计推论的原理，使每个实验对象分配到不同实验处理组的机会相同。随机分组能够避免实验者主观因素的参与，并且尽可能地控制意想不到的无关因素带来的实验误差。
在讲座过程中，中心16级研究生针对两位主讲同学讲述中存在的问题，一一作了细致纠正和点评，现场听众也积极提问，在轻松活跃的气氛中，大家增进了对微观计量的掌握。
第一讲主要是针对为关键计量基础知识的回归，在下一期的工作坊中，我们将带来关于条件独立、辛普森悖论和变量控制的讲解，欢迎大家的到来！
本期主讲人及本文撰稿：
张磊 leizh22@163.com
巴杨 1069770085@qq.com
编辑：张鹏远
