原因与结果的经济学

  • 作者 [日] 中室牧子 津川友介
  • 译者 程雨枫
  • 出版社 后浪丨民主与建设出版社
  • 出版时间 2019-7
  • 定价 38元
  • 装帧 平装
  • 开本 1/32
  • 页数 168
  • ISBN 9787513922951


原因与结果的经济学

原因と結果の経済学

 后浪出版公司

极简因果推理思考法

大数据时代洞悉因果的关键技能

拒交朋友圈智商税的决策利器


                                                

编辑推荐

◎本书荣获日本《周刊钻石》杂志2017年最佳经济类图书第1名

◎因果推理是现代人必备的基本素养,已被美国列入大学课程

◎数据也会说谎,只有乘上统计方法的时光机,追溯到根源,才能找出事件背后真正的原因

◎在教育经济学和医疗经济学领域深耕多年的两位作者,教你用因果推理识破纯属偶然的伪相关和随处可见的无稽之谈,从此不再人云亦云,拒交朋友圈智商税

◎掌握逐级递进的7大工具,不但学会分析数据,更能深入解读数据分析的结果

◎按照本书归纳的5个步骤,瞬间洞察因果关系,优化利益攸关的重要决策

 

 

获奖记录

本书荣获日本《周刊钻石》杂志2017年最佳经济类图书第1名

 

名人推荐

本书汇聚了统计学和经济学的最新成果。  ——西内启

本书揭示了我们是如何被误解所左右的。  ——池上彰

 

著者简介

中室牧子:庆应义塾大学综合政策学部副教授。哥伦比亚大学公共管理硕士、教育经济学博士,研究领域为教育经济学。曾任职于日本银行、世界银行和东北大学。其作品《学力的经济学》荣膺2016年经管类图书亚军,销量超过30万册。

    津川友介:加州大学洛杉矶分校(UCLA)助理教授。哈佛大学公共卫生硕士、医疗政策学博士,研究领域为医疗政策学和医疗经济学。曾就职于圣路加国际医院、世界银行和哈佛大学。

 

内容简介

定期接受代谢综合征体检就能长寿吗?

看电视会导致孩子学习能力下降吗?

上偏差值高的大学收入就会更高吗?

 

想必很多人的回答都是肯定的。

不过,经济学的相关研究已经推翻了上述全部说法。大多数此类似是而非的说法源于我们混淆了相关关系与因果关系,因果关系隐藏在杂乱无章的数据和众多似是而非的线索之中,发掘因果关系需要严谨的论证和极具针对性的技术手段。分别在教育经济学和医疗经济学领域着力半生的中室牧子和津川友介,摒弃了令人望而却步的公式和计算,广泛采用民众最关心的教育、医疗案例,独辟蹊径地解析了基本的因果分析原理,没有统计学和经济学的基础知识的读者也能轻松读懂。

书中把因果推理法归纳为极为简单的5个步骤,并提供了一系列工具,以保证推理过程的严谨,请务必严格按照本书的步骤和工具进行因果推理。

无论是身处一线城市还是十八线小城镇,因果推理思考都是不容回避的决策利器。本书可帮助读者刷新对因果关系的认知,高效实现人生目标,而不是被朋友圈的人云亦云所左右。

 

 

简  目

前 言 1

第1 章 如何不受无稽之谈的蒙蔽

第2 章 定期接受代谢综合征体检就能长寿吗?

第3 章 男医生比女医生更优秀吗?

第4 章 最低工资与就业之间存在因果关系吗?

第5 章 看电视会导致孩子学习能力下降吗?

第6 章 和学霸做朋友,学习能力会提高吗?

第7 章 上好大学收入就会更高吗?

第8 章 便于分析现有数据的回归分析 115

补论1 了解分析的有效性和局限性 127

补论2 因果推理的五个步骤 131

后 记 135

参考文献 141

 

 

前  言

在本书的开篇,我先请各位读者回答以下几个问题。

ž   定期接受代谢综合征体检就能长寿吗?

ž   看电视会导致孩子学习能力下降吗?

ž   上偏差值高的大学收入就会更高吗?

想必很多人的回答都是肯定的。

不过,经济学的权威研究已经推翻了上述全部说法。

很多人之所以会做出肯定回答,是因为他们混淆了“因果关系”和“相关关系”。建议那些不假思索做出肯定回答的人务必读一读本书。他们读后定会收获全新的重要发现。

我们来看下面这个例子。

人们常说体力好的孩子往往学习能力也更强。图表1 体现了日本各行政区孩子的体力测试与学力测试平均值的关系。从图中可见,学生体力测试分数高的行政区,学力测试的正确率也更高。

那么,我们可否得出结论,认为他们“因为体力好,所以学习能力强呢”?换句话说,要想提高孩子的学习能力,是否应该先增强孩子的体力呢?

当然没有这回事儿。在经济学领域,“两个事件中,一方为原因,另一方为结果”的状态被称为存在因果关系。如果体力好这项“原因”会产生学习能力强的“结果”,便可以说二者之间存在因果关系。另一方面,“两个事件相互关联,但不存在因果关系”的状态被称为相关关系。在相关关系中,即使“看似是原因的事件”再次出现,也得不到期望中的“结果”。可见分清因果关系和相关关系是十分重要的。

“因为体力好,所以学习能力强”,其言下之意是“只要增强体力,(即便整天不学习)学习能力就会有所提高”。这种说法显然有问题,因此体力和学习能力的关系不是因果关系,而是相关关系。当然,即使增强孩子的体力,孩子的学习能力也不一定会提升。

这个事例教给我们一个非常重要的教训:混淆因果关系和相关关系,会导致错误判断。

在关于儿童的体力和学习能力的这个事例中,大多数人应该都能分清因果关系和相关关系。不过我们的生活中充斥着五花八门的信息,其中不乏听起来很有道理的说法。遗憾的是,很多人面对类似信息,都会不假思索地把相关关系视为因果关系。现在,让我们再回过头来思考本书开篇提出的三个问题吧。

ž   定期接受代谢综合征体检就能长寿吗?

ž   看电视会导致孩子学习能力下降吗?

ž   上偏差值高的大学收入就会更高吗?

要让这三个说法成立,“代谢综合征体检”和“长寿”、“看电视”和“孩子的学习能力”、“大学的偏差值”和“收入”之间必须存在因果关系,而非相关关系。那么,每组事件之间的关系究竟是因果关系还是单纯的相关关系呢?下面让我们来依次探讨。

定期接受代谢综合征体检就能长寿吗?

学校或公司经常为我们安排体检,其中最常见的是“代谢综合征体检”。想必很多人相信,通过代谢综合征体检掌握自己的健康状况,预防生活习惯病,或者发现潜在疾病,我们就会更长寿。

图表2 的柱状图显示,在代谢综合征体检中接受了生活习惯指导的人在第二年出现了腰围变小、体重下降、血糖或血压降低等变化。

乍一看,似乎确实可以说接受代谢综合征体检就会更健康、更长寿。

不过,请不要急于得出结论。这份数据真的可以说明“因为定期接受了代谢综合征体检,所以长寿”吗?回答这一问题的关键在于弄清代谢综合征体检和健康是因果关系还是仅为相关关系。这份数据还可以如此解读:并非“因为定期接受了代谢综合征体检,所以长寿(因果关系)”,而只不过是“关注健康、定期接受代谢综合征体检的人更长寿”(相关关系)而已。

先来公布答案。经济学的权威研究证实,代谢综合征体检和长寿之间不存在因果关系。因此,“我每年都接受体检,所以身体很健康”是一种很危险的认知。详细讲解请见第2 章。

看电视会导致孩子学习能力下降吗?

“我家孩子总是看电视”,想必不少家长都有这个烦恼。据日本厚生劳动省统计,小学六年级学生平日平均每天会在电视机前度过约2.2 小时,周末平均每天在电视机前度过约2.4 小时。

图表3 也显示,每天看电视时间超过3 小时的孩子比看电视时间少于1 小时的孩子的学力测试成绩低。光从这个数据来看,似乎看电视确实会对孩子的学习能力造成不良影响。

但是,我们必须认真思考,看电视和孩子学习能力之间的关系属于因果关系还是相关关系。也就是说,要分清是“因为看电视,所以学习能力下降”(因果关系),还是只是“学习能力差的孩子看电视时间更长”(相关关系)而已。

关于这个问题,我们也先公布答案。经济学的权威研究证实,看电视的时间和学习能力之间确实存在因果关系,但研究发现,看电视时间越长,学习能力不但不下降,反而提升。详细讲解请见第5 章。

上偏差值高的大学收入就会更高吗?

很多人坚信“考上偏差值高的大学,未来就能拿高薪”。从实际数据中也能看出,高偏差值大学的毕业生具有年收入更高的倾向。(见图表4)

思考这个问题的关键依然是,大学偏差值和年收入之间是因果关系还是相关关系。或许不是“因为上了偏差值高的大学,所以收入高”(因果关系),而只是“有潜力将来获得高薪的人才多集中在偏差值高的大学”(相关关系)。

关于这个问题,我们也先公布答案。经济学的权威研究证实,大学偏差值和未来的年收入之间不存在因果关系。上偏差值高的大学并不代表步入了人生的康庄大道。详细讲解请见第7 章。

或许有人不明白,不存在因果关系又有什么影响。或许有人会认为:接受代谢综合征体检总好于不体检,控制看电视的时间总比抱着电视不放要强,而上偏差值高的大学总比上偏差值低的大学要好吧。

不过不要忘了,我们采取任何行动都需要花费可观的金钱和时间。偏信那些看似存在因果关系的“无稽之谈”,把它们作为行动依据,不仅得不到预期的成效,还白白浪费了金钱和时间。如果依据因果关系有效地把这些金钱和时间利用起来,我们获得满意的成果的概率也会更高。

理解“因果推理”,便可摆脱传统观念的束缚

两个事件之间是否真的存在因果关系?为解答这一问题,近年来经济学研究倾注了巨大的心血。我们把正确区分因果关系和相关关系的方法论称为“因果推理”。

“因果”,顾名思义,即“原因与结果”。“推理”则指“根据某个事件推导其他事件,即经过推测和推断得出结论的过程”。换句话说,就是分析并判断两个事件是否分别为原因和结果的过程。

在日常生活中,只要理解了因果关系和相关关系的差异,训练自己思考是否存在因果关系,便可以摆脱偏见或无稽之谈的束缚,做出正确的判断。本书的目的便在于用浅显易懂的方式详尽讲解因果推理最根本的思维方法。读者可以把本书当作因果推理的“入门的入门”。既然是入门的入门,自然不涉及经济学的基础知识,更不会用到任何公式。

此外,本书还将用大量篇幅介绍经济学中运用因果推理与数据得出的研究成果,说明如何解读这些研究。当今社会,“大数据”已成为脍炙人口的词汇,任何人都能轻而易举地分析数据,但是这并不代表所有人都能正确解读数据分析的结果。若想在大数据时代获得一席之地,不仅要学会分析数据,更要掌握解读数据分析结果的能力。

在此请允许我们做个自我介绍。本书作者之一的中室牧子是教育经济学家,多年来一直致力于运用数据和经济学方法研究何种教育方法能提高儿童的学力及能力。她所提倡的不是基于个人经验的教育论,而是呼吁根据具有因果关系的科学依据来制定育儿及教育政策。

另一名作者津川友介是医生兼医疗政策学家,致力于运用大数据研究如何在改善医疗质量的同时抑制医疗费用的增加。津川师从美国著名医疗经济学家、任教于哈佛大学的约瑟夫·纽豪斯(Joseph Newhouse)以及最早创建因果推理体系的唐纳德·鲁宾(Donald B. Rubin),从他们那里学会了因果推理的思维方法。

在美国,“因果推理”是大学的课程内容之一。商务和政治场合自不必说,日常会话中很多人也会有意识地在言谈中注意因果推理的应用。而在日本却几乎没有系统学习因果推理的机会。或许因为这个原因,电视和报纸上常有报道将一些相关关系描述成因果关系,甚至企业管理者和政策制定负责人也常把因果关系和相关关系混为一谈。

教育领域和医疗领域里充斥着无数因果关系混淆的无稽之谈。本书以生活中必不可少的教育和医疗为例,尽可能让各位读者在阅读本书后掌握因果推理的基本思维方法。

19 世纪杰出的美国思想家、作家拉尔夫·爱默生说过这样一句话:“浅薄的人相信运气,强大的人相信因果。”在这个数据泛滥的时代,“因果推理”是我们每个人必备的素养。

 

后  记

2016 年1 月8 日的《华尔街日报》刊登了一篇题为“美国监管机构提示,警惕大数据中潜在的偏差”的报道。其内容是美国联邦贸易委员会向运用大数据分析商业活动的企业发出警告,具有相关关系并不代表存在因果关系。

相信各位读者都能理解这个警告的含义。在美国联邦贸易委员会列举的事例中,企业采用与经济状况或还款记录几乎没有任何关系的变量,对信用风险进行回归分析,预测个人信用风险的高低,并据此决定是否开展业务。这种方法得出的结果很可能只是本书中介绍的“纯属巧合”导致的伪相关(参考正文第5 页),然而人们却有可能因为这些结果被剥夺了应得的机会。美国联邦贸易委员会对此敲响了警钟。

在“大数据”成为流行词的当下,数据分析随处可见。然而,数据本身只不过是罗列在一起的数字。“如何解读”数据分析才是关键。误将只呈现出相关关系的数据分析当作因果关系,会导致人们进一步做出错误的判断。

从这个意义上讲,“因果推理”如今已经不再只是笔者等研究人员的“专利”,而是所有人为了弄清楚“是否存在因果关系”所必备的素养。

在国外,基于因果推理得出的研究成果正在切实地改变着人们的生活。墨西哥第54 任总统埃内斯托·塞迪略曾经开展过一项名为“进步计划”(PROGRESA)的扶贫项目,同时通过大规模随机对照试验,对进步计划的效果进行了严格测定。

那么,这样做的目的是什么呢?在每六年一次的总统换届选举之后,扶贫政策的方针都会发生巨大转变。塞迪略总统此举正是为了改变现状,使扶贫政策建立在具有因果关系的证据基础之上,而不再受各时期总统或政党意识形态的左右。如果随机对照试验能够明确证实“进步计划具有减少贫困的效果”,那么今后即使换作其他总统或政党执政,进步计划仍然会得到纳税人的支持,继续开展下去(事实上塞迪略总统离任之后,“进步计划”至今仍在继续实施)。

美国也有一个致力于依据证据牵制政策的组织。埃斯特·迪弗洛(Esther Duflo)等新锐经济学家组成的麻省理工学院扶贫实验室是一家专门开展随机对照试验的研究机构,为倡导“将容易受政治风向左右的政策变为建立在证据基础上的政策”而设立。他们的一系列研究正在显著改变着曾经被无稽之谈和传统观念影响的教育、医疗领域的政策制定过程。

本书作者之一的津川亲身经历过这样的情况。在他参加2014年10 月哈佛大学召开的奥巴马医改计划研讨会时,台下一名记者发言称:“奥巴马医改实施后保险费用不降反升,我的好几个熟人都为此深感为难。奥巴马医改计划反而把美国的医疗制度改得更糟了。”对此,参与设计奥巴马医改计划的麻省理工学院医疗经济学家乔纳森・格鲁伯(Jonathan Gruber)答道:“个人经历的集合既不是数据,也称不上证据。我们通过缜密的数据收集验证了奥巴马医改计划的效果。其结果显示,美国国民的平均保险费用由于奥巴马医改计划的实施而有所下降。也许有些人因为不得不支付更多保险费而蒙受了损失,但是不要被个别现象误导,请用数据来呈现整体的变化。”

医疗费用关系到生命,正因如此,相关话题的讨论容易以个人经历为依据,带上个人情绪。格鲁伯等人的言论提倡不能感情用事,并指出了以数据和证据为依据进行讨论的重要性。

再来看看日本。本书也多次提及在国会所在地永田町霞关针对各种政策展开的讨论,不过遗憾的是,目前政策方面的讨论还很难被视为以具有因果关系的证据为依据。不仅如此,每逢大选临近,政客们便只顾讨论能在短期内吸引选票的政策,他们常常违背之前的承诺,或者突然强行推行没有任何根据的政策,致使纳税人的利益蒙受严重损失。这样的事例不胜枚举。这正是不重视国民的未来、只顾眼前的选举所招致的结果。

每当目睹这种局面,我都会发出感慨:为什么不能摆脱选举、政局等暂时性政治作秀的影响,从长远的角度出发,来考虑如何实现国民的社会福利(幸福)最大化呢?为此,应该像扶贫实验室所宣称的,“把容易受到政治风向左右的政策变为建立在证据基础上的政策”。要实现这个目标,我们每一名国民作为纳税人也必须从“什么政策才具有因果效应”的角度出发,严格审视每项政策。

最后,请允许我向在本书出版过程中给予我莫大支持的人们表示衷心感谢。

实际上,本书从执笔构思至今已经过了两年的时间。学者著作的后记中,常会看到诸如“自开始写书到出版历经了四分之一个世纪”“献给如今已故的编辑○○先生”等表述,让人感慨光阴荏苒。本书也几乎踏上同样漫长而艰难的道路,好在在编辑的催促与鼓励之下,终于得以付梓。在此对负责本书的钻石社编辑上村晃大先生致以诚挚的谢意。

此外,统计学家兼因果推理专家、庆应义塾大学星野崇宏教授自本书草稿阶段便认真协助校对,并为我提出了很多宝贵建议。东京大学的朝井友纪子助教、一桥大学的神林龙教授、麦克马斯特大学的山口慎太郎副教授、西蒙弗雷泽大学的重冈仁副教授(以上人名按刊登章节顺序排列)欣然同意本书引用并介绍其研究。在此对各位表示感谢。

书中介绍的笔者们的研究属于日本经济产业研究所(RIETI)的“对医疗及教育质量的测量及其决定因素的分析”(研究负责人:学习院大学乾友彦教授)和“劳动市场制度改革”(研究负责人:庆应义塾大学鹤光太郎教授)项目中的部分内容。以矢野诚所长

和森川正之副所长为首的经济产业研究所为我们提供了大力支持,在此表示感谢。另外,科研经费补助基础S“社会障碍的经济理论与实证研究”(研究负责人:东京大学松井彰彦教授)、基础B“关于幼年期所处社会生活环境和学习方法对人力资本积累的影响的分析”(研究负责人:信息安全大学院大学广松毅教授)、基础A“贫困与灾害的教育经济学:如何培养出能够战胜社会不利因素和困难的孩子”(研究负责人:中室牧子)也为本书的编写提供了支援。

感谢庆应义塾大学综合政策学院政策媒体研究科中室研究室的植村理、川崎美波、坂本彩乃、中川舞音、中田知宏、中村真优子、锅泽步、山越梨沙子、吉屋麻里为本书的草稿提出了宝贵建议。

“研究”是一份奇特的工作。无论撰写多少篇论文,在研讨会上做多少场演讲,我们也不会变得更加富有。不过,研究中诞生的观点可以作为公共知识财富,为建设更美好的世界做出贡献。感谢我们的家人对这份工作给予的理解和毫无保留的支持。特别是在本书草稿阶段多次过目并提出建议的代田丰一郎和津川衣林梨,在此向你们致以由衷的感谢。最后需要声明的是,本书虽然是在众多人士的支持下完成的,但书中任何错误均由笔者负责。

“在证据的基础上制定政策”的做法在国外已经扎根,但在教育和医疗领域,无稽之谈和传统观念的影响力依旧很强,想在证据的基础上制定政策绝非易事。为了实现这个目标,我们这些研究者也许要倾尽一生的时间,不断推广这些观点才行。证据能够体现经济学所信奉的“因果关系”,只有通过体系化的“因果推理”才能形成证据。如果这些工具能够对生活在数据泛滥时代的各位读者有所帮助,我们身为作者也会感到欣慰。

 

2017年2月

中室牧子

津川友介

 

 

正文赏读

何谓“因果关系”和“相关关系”?

让我们再来看看因果关系和相关关系的概念。

如果两个事件中,前一个事件是后一个事件的原因,后一个事件是前一个事件的结果,则两个事件之间存在“因果关系”;如果一个事件变化后,另一个事件也随之发生变化,但二者不属于原因和结果的关系,则称它们之间存在“相关关系”。(见图表1-1)存在相关关系的两个事件之间虽然有关联,但不属于因果关系。

这里所说的“事件”等可以取各种值的数据称为“变量”。变量可以是年龄、身高等数值,也可以如性别等取男性或者女性等文字作为值。本书在论述时将变量分为“原因”和“结果”两大类。

两个变量的关系是否真的是因果关系?解答这个问题所需的思维方法便是“因果推理”。

判断因果关系的三个要点

判断两个变量属于因果关系还是相关关系时,可以通过以下三个问题进行质疑。

①是否“纯属巧合”?

②是否存在“第三变量”?

③是否存在“逆向因果关系”?

①是否“纯属巧合”?

如果有人提出“温室效应的加剧导致海盗数量下降”,大家肯定觉得荒唐,但如图表1-2 所示,温室效应逐渐加剧的同时,海盗数量确实在不断减少。

可是,按常理来说,很难想象温室效应的加剧会导致海盗数量下降。两个事件看似有关,其实只是“纯属巧合”。像这样,两个变量的变化趋势只是碰巧相似的现象被称为“伪相关”。

美国信息分析员泰勒·维根(Tyler Vigen)在其著作《伪相关》(Spurious Correlations)中介绍了很多“纯属巧合”的事例。例如,“尼古拉斯·凯奇一年参演电影的部数”与“泳池溺亡人数”(见图表1-3)、“美国小姐的年龄”与“因取暖设备丧命的人数”(见图表1-4)、“商业街的总收入”与“在美国获得计算机科学博士学位的人数”(见图表1-5)等之间都存在高度的相关关系。

这些例子看似非常荒唐,但不可思议的是,把两个变量做成图表比对一下就会显示出明显的相关关系。正好比“蝴蝶在亚洲扇动翅膀,南美就会刮起飓风”,不过需要留意的是,我们身边其实存在很多这种“纯属巧合”的相关关系 。

或许你会怀疑,真的会有人把伪相关当作因果关系吗?实际上,不少预测大盘的人都会相信纯属巧合的伪相关,把它们当作没有依据却非常灵验的经验之谈。

例如可能有人听说过“吉卜力的诅咒”。即只要日本的电视台播出宫崎骏导演领导的吉卜力工作室的电影,美国股市就会下跌。就连美国的《华尔街时报》也曾报道过这条法则并一度引起热议。这条法则正是“纯属巧合”造就的典型的伪相关。

探讨“是否存在因果关系”时,一定要先质疑两个变量之间的关系是否纯属巧合。

②是否存在“第三变量”?

其次,我们必须要质疑是否存在同时影响原因和结果的“第三变量”。用术语说就是“混杂因素”,它可以把纯粹的相关关系包装成因果关系,干扰人们判断。

我们来看一则混杂因素的具体事例。前言中曾经提到这个说法:体力好的孩子学习能力强。可能一些家长看到这种说法,就打算让孩子去锻炼身体。

然而,断定体力与学习能力之间存在因果关系还为时过早。说不定另有一个变量同时影响着孩子的体力和学习能力。(见图表1-6)比如“父母对教育的热衷程度”等。热衷教育的父母可能会让孩子学习运动项目或者注重饮食健康(对体力产生影响),同时还会督促孩子学习,因此孩子的学习能力也比较强(对学力产生影响)。这则事例中,提高孩子学习能力的不是体力,而是“父母对教育的热衷程度”。如果事实果真如此,那么一味增强孩子的体力,恐怕不会提高他们的学习能力。

探讨“是否存在因果关系”时,切记还要质疑是否存在同时影响原因和结果的“混杂因素”。

③是否存在“逆向因果关系”?

接下来需要质疑是否存在“逆向因果关系”。例如,我们来思考警察与犯罪的关系。警察多的地区,犯罪案件数量也多。但是,将警察多视为犯罪案件数量多的原因难免有些牵强(警察→犯罪)。

不如说因为某处是犯罪多发的危险地区,所以部署了大量警力,这么想可能才更合理(犯罪→警察)。本以为是原因的事件其实是结果,本以为是结果的事件其实却是原因,这种状态被称为“逆向因果关系”。 探讨“是否存在因果关系”时,还要质疑原因与结果的方向是否相反。

让我们对照图表1-7 对上述说明加以总结。

如果两个变量之间存在因果关系,当原因再次出现时,相同的结果也会出现,而不存在“纯属巧合”“混杂因素”或“逆向因果关系”。另一方面,如果两个变量的关系只是相关关系,那么就会存在“纯属巧合”“混杂因素”或“逆向因果关系”中的某一种情况。在相关关系的情况下,即使原因再次发生,也几乎不会得到相同的结果。


电话咨询
邮件咨询