“Angrist”和“Imbens”因果关系分析方法的荒谬性
“Angrist”和“Imbens”因果关系分析方法的荒谬性
评论者：韩妙第
日期：2021年10月12日
Angrist和Imbens两人开发了「拟自然实验」这个工具，自以为是的认为解决了“先有因还是先有果”的世界级难题。
比如，如果要研究投资对地区经济增长的作用，如何证明是投资促进了经济增长？因为地区的经济增长往往会吸引投资行为的跟进，而投资又会促进地区经济增长。在这样的状态中，究竟是投资促进经济增长还是经济增长带动投资。也就是说，在投资与经济增长这一对互动的关系中，究竟哪一个是因？哪一个是果？由于不知道投资与经济增长这一对互动关系中谁先谁后，因而因果的关系就被混杂在一起，自然，在其中获得的各种数据如果用于分析，得到的参数往往不会准确。为何要分析这些数据？这是因为要找出因果的原因所在。从而确定整个地区经济增长与投资的关系。
一．归因错误
经济增长与投资不能简单地进行一对一的因果关系。这是因为经济增长首先得益于当地法律、制度、文化等的大环境宏观要素，其次则是各种推动经济发展的政策、机制以及规则等的中观要素完善，最后还有投资行为与人力资源、技术优势、比较优势等微观要素积极响应。
因此，一个地区的经济增长不仅仅只有投资行为是唯一的因素。而是众多因素综合而成。在诸多要素之中选择一个要素去对应另一个要素，以此来解释两者之间存在着因果逻辑关系显然非常荒诞。而且，在地区经济增长中，投资行为与经济增长的关系又有可能属于平行关系，而不是交叉关系。这就像印度古代谚语“盲人摸象”的四个盲人行为一样。显然，将经济投资与经济增长进行简单的一对一因果关系归因是非常错误的。
二．因果悖论
即使投资与经济增长有因果关系，这种关系也如同“先有鸡还是先有蛋”的悖论一样。古今中外有着太多的人在思考这个问题，但是在思考此类问题时从未将其它刺激变化的因素考虑进去。即使有投资与经济增长有因果关系，这种关系中又有着互因的关系机制。互因关系就是互为因果的关系。任何事物的变化都有着内因、外因以及互因三种诱发因素引起。其中内因称之为内生性，外因又称之为外生性，而互因的诱发因素则是共生性。共生性的前提是不同的要素在一个共生体上，通过互利、偏利、寄生、竞争、偏害以及无关等五种耦合方式彼此相容。显然，Angrist和Imbens两人创建的“因果关系分析方法”在确定因果的对应关系上，遗漏了互因这种关系。即他们知道除了有内因、外因之外，仍然是内因和外因。唯独没有将互因这种关系列入分析的视野之中。
三．什么是互因状态？
诚如前面所说，互因状态是基于共识之后，在某个共生体上彼此通过协同、互补以及共享的三种方式融合并生存。这是因为在共生机制中不同共生要素彼此间存在着利他的精神，通过这种利他的精神使得彼此能够协作并支持对方。这就是协同的关系。同时在其中，也存在着互补的关系，互补关系就是互相补充而成为一个共同体。例如以前的相机制造企业需要和胶卷公司进行产业合作，胶卷与相机彼此之间的关系就是互补关系。而作为共享的方式指的是互因关系中不同的一方彼此对于某个共生机制有着共同的所有权益，这种共同的权益是由不同的互因关系攸关者彼此间通过对等、对称以及对应的原则下彼此拥有、享用以及平衡。
四．数据采集以及分析
在上述多因机制作用下的因果关系非常容易受到各种不确定因素影响，而不确定因素的影响又是以人类思考能力之外以及没有规则性或规律性现象出现。它的主要表现为概率。概率在计量分析中由于其出现的或然性、偶发性以及随机性，从而使得其精准性得不到巩固。因为任何概率的现象首先都不是必然的，其次，作为任何概率的产生都是随机性质的。最后，概率的产生是度量偶然事件发生可能性的数值。假如经过多次重复试验(用X代表)，偶然事件(用A代表)出现了若干次(用Y代表)。以X作分母，Y作分子，形成了数值(用P代表)。在多次试验中，P相对稳定在某一数值上，P就称为A出现的概率。如偶然事件的概率是通过长期观察或大量重复试验来确定，则这种概率为统计概率或经验概率。
五．拟自然实验的荒缪
如果将概率性数据进行分析，并且将其定性为必然性。在具体的应用中将会引发重大的灾难。因为这种或然性、偶发性以及随机性出现的数据不具有实证性。而且，不确定性产生的各种数据在于各影响因素的某种行为、行动以及决策在产生、变化以及发展的过程中，基于内因、外因以及互因等的因素刺激、干扰以及影响，从而使得于各影响因素的某种行为、行动以及决策其结果不能按照预期结果产生，甚至不被控制而走向对立的层面。而实证性是科学所以成为科学的原因。是因为作为科学性的要求就是确定性、重复性以及实证性。如果能够过了这一关，所有科学实验才具有其科学性。不然这样的实验就不具备科学性。因此，Angrist和Imbens两人创建的“因果关系分析方法”是不具有实证性的。自然，其作为一种工具也是其臆想的
结语：
经济学中各种数据的产生是多种因素影响之后产生的结果，因此绝对不能将某一种因素与另一种因素进行简单的对应，并将它们之间的关系自以为是的界定为因果关系。并且，正是因为多因性的影响因素，在评估其中因果关系的时刻需要有多维性的思维，唯有多维性的思维才能应对或然性、偶发性以及随机性等不确定条件下概率性数据。这是因为多维性思维本身就强调以概率为基石，将不同得发展趋势作为多重考量的要素，同时依赖综合体的模块来模拟多种因素影响下事态发展的多种方向。这是因为概率性数据分析的手段是以概念性、概括性以及概述性方式方法为工具，综合性的进行评估。所以，多因作用下的因果关系不能简单地用一对一的粗陋方法去构建。