詹姆斯·赫克曼
美國微觀計量經濟學開創者
詹姆斯·赫克曼(JamesJ.Heckman)1944年4月19日生於美國伊利諾斯州的芝加哥,曾就讀於科羅拉多學院數學系,1971年獲普林斯頓大學經濟系博士學位。曾在哥倫比亞大學、耶魯大學、和芝加哥大學任教。微觀計量經濟學的開創者,因對分析選擇性抽樣的原理和方法所做出的發展和貢獻,與丹尼爾·麥克法登一起榮獲2000年諾貝爾經濟學獎。
2018年11月,獲聘北京大學經濟學院名譽教授。
詹姆斯·赫克曼
2000年的諾貝爾經濟學獎授予兩位美國經濟學家詹姆斯·赫克曼和丹尼爾·麥克法登,以獎勵他們發展廣泛應用在經濟學以及其他社會科學中對個人和住戶的行為進行統計分析的理論和方法。尤其是,對赫克曼獎勵他“對分析選擇性抽樣的原理和方法所做出的發展和貢獻”獲獎。對麥克法登獎勵他對分析離散抉擇的理論和方法的發展。這兩位經濟學家所從事的學科領域可稱為微觀計量經濟學。早年計量經濟學主要都用在宏觀經濟學上,即主要研究以國民經濟為主體的經濟行為。微觀經濟學問題,即個人、住戶和企業的經濟行為問題;例如,決定個人在教育、就業、住房等方面選擇的經濟因素是什麼,不同的勞動市場和教育計劃對個人收入和就業有什麼激勵影響等等。這類問題以前很少有人研究。其原因之一是這方面的統計數據不容易找到。近三十年來,微觀統計數據開始越來越豐富,使得微觀計量經濟學研究就有了可能。但是這裡有許多新的統計上的問題要解決。例如,個人或住戶行為的統計樣本不一定是隨機的,從而不一定有代表性;影響個人行為的某些特徵是不可觀察的等等。
個體經濟計量研究
詹姆斯·赫克曼
值得一提的是,過去數十年來對經濟個體的計量研究之所以有突飛猛進的發展,一個重要的原因是在這段時間中有多個大型“個體資料”的資料庫問世。所謂“個體資料”就是以家庭、廠商等經濟個體為樣本收集單位的資料,一般為“橫斷面”形式(即在某個時點對許多經濟個體進行普查集樣),但近年來“追蹤資料”(即連續在多個時點對同一批經濟個體進行普查集樣)也越來越普及,而追蹤資料中又以美國密西根大學在1960年末開始的“所得動態追蹤研究資料庫”(簡稱PSID)最為著名,這個資料庫除了造就無數的實證研究外,也成為許多國家建立追蹤資料庫的典範。
這些大型個體資料庫的推出,除了有助於更精確嚴謹地驗證既有的經濟理論外,還引發出許多新的計量課題,主要是圍繞個體資料本身的特點,在對這些新課題分析討論的過程中,計量方法也因此有了長足的發展,個體經濟計量研究就這樣隨著個體資料庫的普及而茁壯成長。此外由於電腦的普及以及計算能力的速增,大量個體資料的處理變得可行,這也是個體經濟計量研究得以進步的重要原因。
微觀經濟計量學
簡單地說,微觀計量經濟學是一門介於經濟學與統計學之間的邊緣學科,包括經濟學理論和用於分析微觀數據的統計方法。也就是說,用經濟學理論和統計學方法分析反映個體、家庭和企業的微觀數據,並從中獲得反映社會更為本質的經濟信息。微觀數據一般有兩種表現形式:一種稱為截面數據,表現為同一時點上不同情況的集合;另一種稱為經度數據,即同一觀察單位在不同時點(如年份)上的連續情況的集合。近30年來,微觀計量經濟學領域由於產生了包括微觀數據的大型資料庫,獲得了迅速擴展。此時,微觀數據越來越容易的可獲得性和不斷增強的計算能力,為實證分析檢驗微觀經濟理論提供了全新的便利和可能;在此基礎上研究人員具備了檢查分析關於“個體”的許多新問題的能力。隨著經濟計量學的發展,微觀數據的應用隨之也產生了許多新的統計問題。特別是由於那些非實驗性數據本身所固有的限制,研究者通常只能觀察某些變數的特定個體,因此這一不是隨機抽樣的樣本不可能在總體中具有代表性。即使樣本有代表性,影響個體行為的一些特徵仍然不能夠被觀察到,這使得解釋個體之間的某些差異變得困難甚至不可能。而詹姆斯·赫克曼的理論填補了這些空白,他提出了與這類微觀數據分析相關的一些基本統計問題的解決方法,推動了經濟計量學理論與方法向前發展。個體資料的收集大多是在一個不是完全隨機抽樣的狀況下進行的,而抽樣之所以不隨機,是因為個體資料的樣本觀察值都是來自於家庭、廠商等經濟個體,而這些經濟個體本身(或是它周圍的其他經濟個體)都具有選擇判斷的能力,因此很可能會採取一些影響抽樣的行動,以致抽樣失去隨機性,造成所收集到的樣本不能夠準確地代表母體。例如我們只能從有工作的人那裡獲得工作時間以及薪資的資料,但總人口中總有不小比例的人沒有工作,任何資料庫都不可能包括這些人的工時或薪資,不論抽樣過程是如何的客觀隨機,所得到工時或薪資的資料嚴格說起來均不具真正的代表性,如果使用傳統的經濟計量方法來分析這樣的資料,所得到的任何推論都只能代表有工作者的行為,而不能說是對全體人口的行為描述,若仍然將實證結果解釋為放諸四海而皆準的發現,當然是犯了以偏概全的錯誤,這種錯誤就是所謂的“樣本選擇誤差”。
赫克曼除了對個體經濟計量學的理論有重大貢獻外,還進行了許多深入的實證研究,在勞動供給、薪資決定、失業期間、勞動市場輔導計劃的效益評估、生育多寡、性別歧視等課題上,獲得相當豐碩的實證研究結果,也提供了不少獨到的見解。
勞動供給和薪資決定
詹姆斯·赫克曼
勞動市場輔導計劃
諸如在職訓練、就業輔助、員工津貼等勞動市場輔導計劃,在許多國家都行之有年,評估這類計劃的效益當然是一個很重要的問題,赫克曼對這個課題的重大貢獻仍然是在於指出樣本選擇問題的存在:當我們試圖測量某一勞動市場輔導計劃對參與者的幫助有多大時,我們只能比較計劃參與者和非參與者之間的差異。但是由之前對樣本選擇問題的討論中我們應可了解,每一個計劃參與者之所以加入計劃都是經過一番評估的,只有在認定對自己有幫助時才會選擇加入,也就是說,是否要參與計劃絕不是隨機決定的,所以計劃參與者和非參與者的樣本資料都有樣本選擇問題,要比較兩者之間的差異必須採用類似赫克曼兩階段法的計量處理方式。赫克曼在一連串的後續研究中更進一步的指出,一般處理樣本選擇問題的計量方式,可能還都不能完全消除計劃評估的樣本選擇誤差,他因此曾建議採用實驗方式收集資料以根本的避免樣本選擇問題,並對此建議進行詳盡的理論分析。總結赫克曼以及其他學者過去二十多年來的研究,我們發現我們將是不太可能只根據單一的計量方法來評估所有的輔導計劃,計劃效益的評估必須逐案個別處理。而從赫克曼所做過的大量個案中我們也可發現,大多數勞動市場輔導計劃對參與者的幫助都不明顯,不同形式的計劃對不同的參與者也會有很不相同的影響。
持續期間
所謂“持續期間”是指某一事件延續時間的長短,持續期間之計量分析在經濟學中的應用包括失業期間、罷工時間、景氣循環周期、消費者購物時點以及人口學的許多課題,諸如婚姻、生育、壽命、遷徙等的持續期間。赫克曼對持續期間的研究也有相當大的貢獻,他特別重視持續期間資料的“隱性差異”問題,現以失業期間的分析為例來說明隱性差異的影響:在失業者中,素質較優的失業者比較容易找到新工作,因而有較短的失業期間,相對而言素質較差的失業者當然會有較長的失業期間,因此“長失業期間樣本組”和“短失業期間樣本組”之間的差異可能不完全是隨機的,而是屬於在素質上有根本差異的兩個不同群組之間的差異,這兩個群組之間的差異到底是什麼,通常也無法完全確認,所以便以隱性差異稱呼這些無法確認的素質差異,換句話說,失業期間之所以會長短不同,很可能是由無法確認之隱性差異所造成的,若有太多的隱性差異無法確認,則人們當然無法正確分析失業期間的決定因素。
在這個討論中我們應可看出,隱性差異對持續期間分析的影響類似於樣本選擇問題,而樣本選擇問題的處理一直就是赫克曼的興趣所在。為解決隱性差異問題,赫克曼提出一些無母數的計量方法,為持續期間的實證研究者所廣泛採用,赫克曼本人也對失業期間和生育期間課題做了許多的實證研究。
抽樣問題
詹姆斯·赫克曼
赫克曼在隨後的研究工作中又提出了另一解決自選擇問題的方法,即著名的赫克曼矯正法,又稱兩階段方法或赫克曼方法。這個方法應用起來極為方便而且影響十分深遠。赫克曼矯正法分兩個步驟進行:第一步驟,研究者根據經濟學理論設計出一個計算個體工作概率的模型,該模型的統計估計結果可以用來預測每個個體的概率;第二步驟,研究者將這些被預測的個體概率合併為一個額外的解釋變數,與教育、年齡等變數一起來矯正自選擇問題。這樣,估計出的工資關係在統計意義上就很適當了。
赫克曼的主要著作有: 《評估福利狀況》(與史密斯合著,1998);
《相關性隨機係數模型的具變數方法》(1998);
《社會項目的計量評估》(2002);
《因人而異的教育回報估計》(2002)。