Heckman vs. Imbens

你们的讨论让我彻底崩溃了。。。。。。
原来还觉得懂点的，咳

我想我们的讨论一直没有贬低理论研究的价值，反而我们双方都多次重申了理论对我们了解事实的重要性。

而问题在于
1。计量模型不是理论
2。根本上来说，计量是来检验理论的。
3。至于预测，什么时候计量模型有那么自信？我想一个好的理论才会让我们更自信，因为它还没有被证伪，而不是一个看起来好的证实的结构模型。

但是结构模型常常把自己当成了理论，然后把数据带入，然后说它有了“具体”的解释力。但是这样可以吗？我想我们的争论是在这里。

谈了很多抽象的，我想我们还是回到原点，如果我们认为物理的方法足够“科学”，同时如明强所说社会科学也是科学，OK，那么我们怎样向物理学习它好的方法呢？比如说“教育对收入正的影响”这个理论结论怎样让我们足够自信呢？希望明强用你理解的P1与P2，P3关系来说明一下我们应该怎么做呢？对于那些抽象的，我想举一个好例子能够更好说明我们的争论。

另外提一个问：如果假设我们的社会数据都与自然数据一样，这里指可以用做实验的办法得到，OK，我们还有complier等等吗？我们还需要IV，RD吗？我们还需要结构模型吗（不是指理论）？

其实都是有代价的。并不是只有经济学领域使用结构模型，结构模型和实验方法在统计学本身也有一些争论，同时两种方法都广泛使用在流行病学和心理学等领域。

转述J Pearl的文章，我也不想再多说了，其实我没有赞成什么或者反对什么，一切都应该回归其本来面目。

However, this mathematical convenience (of experimental method) often comes at the expense of conceptual clarity, especially at a stage where causal assumptions need be formulated...When counterfactual variables are not viewed as byproducts of a deeper, process-based model, it is also hard to ascertain whether all relevant counterfactual independence judgments have been articulated, whether the judgments articulated are redundant, or whether those judgments are self-consistent. The need to express, defend, and manage formidable counterfactual relationships of this type explain the slow acceptance of causal analysis among epidemiologists and statisticians, and why economists and social scientists continue to use structural equation models instead of the potential-outcome alternatives advocated in Angrist et al. (1996); Holland (1988); Sobel (1998).
（在经济学里，也许conceptual clarity比统计学和流行病学更重要，这也是我理解的经济计量学的独特之处）

On the other hand, the algebraic machinery offered by the potential outcome notation, once a problem is properly formalized, can be extremely powerful in refining assumptions (Angrist et al., 1996), deriving consistent estimands (Robins, 1986), bounding probabilities of necessary and sufficient causation (Tian and Pearl, 2000), and combining data from experimental and nonexperimental studies (Pearl, 2000).

----------

我想这场讨论我参与到这里为止吧，讨论的目的只是为了澄清问题，大家不要伤和气。

-------

不过，这些计量工具要是想用好解释恰当，真是要一番功夫，就像老朱说的，也许不仅仅需要经济学直觉，还要能formalize问题，我愿意涉足争论的初始愿意恰恰是看到一些很有“想像力”的文献，真是挑战了我的神经。另外有一个现象不知道会不会出现，实证计量里面也许会出现越来越多的匪夷所思的causes，越来越多，越来越多，而他们都有effects。

其实这一学期都在接触LATE等一系列的文献，就像前面讨论的一样，它的确给我们带来一个很不一样的视野。其实从学计量开始，我相信不少人，包括我，对计量复杂的结构模型都有疑问。为什么是线性，为什么是正态，为什么是probit？当然很大原因是处理方便（其实这已经是一个很好的理由了，不是吗？）。至于效果，我们好像只能说“也许”是这样（其实这也很不错了，不是吗？）。而利用IV，尽管是很早的思想，但是在LATE框架，我们的确自信很多，我想这也是为什么IV大流行的部分原因。

这次讨论没有谁说服谁的问题。从一开始就只是想澄清对LATE的一些误解，例如认为LATE只是实验（实际上只是以实验作为参考系）等等（其实原来我看过Rosenzweig那篇文章后，就觉得实验的方法有大问题，但后来看文献才发现自己当时想的才有很多问题，而那篇文章也有很多值得商榷的地方），并不是说LATE方法是完美的，没有代价的。至于这个澄清是对是错，大家理性决定。

讨论本身就需要有人担当左和右的角色，然后互相“攻击”，然后带来新的收获。一个人自己是很难发现自己思维的盲点的（所以才跑到实验组看大家“吵架” )，相信大家在其中都有收获，至少我是这样

老周有一句话，说“有些人是变量，有些人是不变量”，anyway，讨论就是努力让我们变成“变量”，而不是依然是那个“不变量”。

我确实认为可以结束这次很有意义的讨论的.争论的特点就是,往往到结束的时候,争论双方之间的分歧要比其他人的认识小得多.而且我确实是这样感觉的.讨论不是为了争胜负,而是为了加深理解,沈老师、小强的意见都很重要。这次讨论帮助我理解了其实所谓"实验方法"和"传统观察法"的差异在于构造counterfactual的不同方式.这点是我先前没有认识到.小强的下面这段话写得尤其好:

我只是觉得并不是所有的问题都可以用过于简单的counterfatual response来解释，实验不能替代formal的理论，因为后者能够在counterfactual上走的更远。同时实验的结果很难分割，比如还是吃阿斯匹林的问题，我们可以说阿斯匹林这里是有效果，但是究竟是药物本身的效果，还是服药的心理作用。恐怕我们需要更详细的设计对照组，这些在实验室是相对容易实现的。在真是社会中能够加以区分。

我们由此可以看到,实验方法有其巨大的优势(小强一直和我在唐老师的实验课,对这一点自然也知道、承认)，它在潜在问题不在于数据量太小或环境不真实，而在于control和treatment是人为设定的（IV是人为选择的），设定或选择的过程就限定了inference适到的范围，所以必须更谨慎地报告结果。而理论或结构模型恰恰可以在如果选择locality这一点上给于我们启示。毕竟证实或证伪的对象都是理论提供的。

方法肯定还是会不断进展的。

再出来冒个泡，感谢力和小青，其实我从讨论中化解了我以前的很多delusion。对不恰当的比喻做一下开脱，其实那个就像是酒一样，饮酒有害健康，但是没有酒生活也没有滋味，别太往心里去。
尤其要感谢沈老师，其实沈老师提出更为深远的问题，我们如何解决政策与人之间的互动，如何解决人际间的互动，无论是那个方法论都需要解决上述问题，因为这是人类社会的基本现象。社会科学与自然科学在一大不同是，当基本粒子可以思考。

可能结构方程的优势和实验方法的优势最终能能合流，因此坚守一方可能不会太fruitful.

引用沈老师的话：批评总是容易的，建造才见真功夫，而这，就需要更多踏踏实实的工作了。 （不罔不怠）