去医院真的能让人更健康吗?
发布日期: 2013-07-10 访问次数: 99
——关于因果性经济学能说些什么
 
    生病了就要去医院,在今天这已经是尽人皆知的基本常识。然而,去医院真的如大家所期待的那样,能够为健康状况带来显著的改进吗?答案其实并不那么明显。毕竟在医院受到交叉感染的可能性更高,同时各种治疗手段都不可避免地会产生一些毒副作用。事实上,美国2005年全国健康采访调研的结果显示,过去12个月中去过医院的人,其平均健康水平反而比没去过医院的人要低。但若由此断定,去医院有损于健康,未免也太过武断了。因为大多数人只有在身体不适的时候才会去医院,所以很有可能的是,那些近期去过医院的人初始健康状况就要更差一些。治疗或许对他们产生了正面的作用,但从结果上大家没有办法分辨出这一点。这种由于存在个体差异,致使观测值无法准确反映特定因素(本例中即治疗)影响的现象,在计量经济学上被称为“选择偏误(selection bias)”。

    类似的例子在生活中比比皆是。比如很多人认为,受教育程度越高的人,今后挣得的薪水也会越高。从数据上看,教育水平和工资之间确实有着很强的正向关系。但一个普遍的事实是,选择接受较长时间教育的人,很有可能也具有更高的天赋(如更高的初始智力、更富有的家境等)。因此,这些人的高工资,究竟是源于其接受的教育,还是其先天的禀赋,这并不容易说得清楚。如果比尔盖茨和乔布斯完成了大学学业,难道他们会比今天更加富有?再比如说,经济学家告诉大家,对私有产权的保护能够促进一国的经济发展。放眼全球,情况似乎确实如此。但不可忽视的是,私权明确也有可能是经济繁荣的结果,而非原因——随着中国近年来的经济发展,大家保护私有产权的意识不是也越来越强了吗?

    弄清楚何为因何为果,无论对哪个领域的研究者来说,都是难以回避的重要问题——一切科学的目标,都是在世间纷繁复杂的现象背后找出确定的客观规律,而这些客观规律,往往表现就为因果关系的形式。但从上文所举的例子大家可以知道,找出事物之间的因果关系,或者说A对B的确切影响,并不是一件简单的事情。“大自然及其规律隐藏在黑暗之中”,如何排除不相关的干扰,使得“万物光明”?不同领域的学者,都为此绞尽脑汁,可以说是各显神通。

    最为理想的情形,当然是能够让时间倒流,从而研究者可以在其他条件完全一样的情况下,改变某一特定因素的值,再观察结果的变化。具体到医院的例子之中,就是先观测某位患者接受治疗后的健康状况,再用时光机器把他送回去医院之前的那个时点,但要求他这次选择不接受治疗(当然要在合乎伦理的前提下),可以认为,两种情形下其健康水平的差异就是治疗所产生的效果。只可惜,时光机器并不存在,而现实正像弗罗斯特的诗所说的那样:“一片树林里分出两条路——而我选择了人迹更少的一条,从此决定了我一生的道路”。即便是作为亲身经历者的大家,也很难说清当初做出的那个选择给之后的人生带来了怎样的不同,更何况只是作为旁观者的研究人员呢?

    因此,自然科学家们最先退而求其次,开始使用对照试验的方法来寻找因果关系。其基本思想是把实验对象随机地分为两组,分别施加不同的处理;由于分组是随机的,根据统计学原理,只要实验对象的数目足够多,平均来看两组的初始差异就不会太大,因而最后观察到的差别就是不同处理方式造成的后果。高中生物教材里的生长素实验就是此类方法的一个生动说明;而确认某一治疗手段是否有效时,最有说服力的办法也就是进行双盲对照试验。近年来,实验设计的研究方法越来越多地被经济学家所采用。一个著名的例子是由兰德企业在1974到1982年间进行的“兰德健康保险实验”,其目的是探究不同的医疗保险计划对卫生服务使用和被保险者健康的影响。为此兰德企业专门成立了一家不收保费的小型保险企业,并为近6000名实验参与者随机提供了特点各异的保险计划。通过比较实验参与者的就医情况和健康水平,研究人员发现,部分自付的保险方案能够显著降低卫生服务使用和卫生花费,但和被保险者的健康状况关系不大。这一结论对于医疗保险方案的设计者来说,有着重要的参考价值。

    但是,经济学家在设计对照实验的时候,常常会遇到一些难以克服的困难:在两组国家分别实行不同的制度无异于天方夜谭;而强令某一组实验参与者比另一组接受更短时间的教育,则是对公民权利的一种侵害。因为存在这些操作上的或是伦理上的限制,经济学家不得不经常求助于“自然实验”,即源于社会历史的偶然性,自然形成的“准对照试验”。MIT的经济学家Angrist在研究教育和工资之间的关系时发现,在美国,只有这一年中将会年满六岁的孩子,才能获得当年的入学就读资格,这就使得一个班里出生季度越小的孩子年龄普遍也越大;但与此同时,大部分州的义务教育法规定,只要年满16岁,学生即可选择不再接受教育。随之而来的结果就是,出生季度较小的孩子会更早地达到法定退学年龄,平均来看接受教育的时间更短。由于出生季度可以看作是由随机因素决定的,其对于能力的影响可以忽略不计,也不会对工资起到直接的作用;因而以此为标准进行分组,各组之间就不会存在能力或家境等先天禀赋的明显差别,唯一不同的就是出生季度越大,该组成员的平均受教育年限就越长。这就构成了一个近似于对照试验的机制,其中各组成员平均工资的差异,仅仅反映了教育程度的不同导致的结果。Angrist利用美国1970和1980年的人口普查数据,估计出了美国的教育回报率,证明教育对于工资的确有着显著的正向作用。

    在产权问题的研究上,经济学家也采用了相近的办法。MIT的Acemoglu教授在2001年的一篇论文中考察了前殖民地国家的产权保护对于其经济发展的影响,他提出应当用殖民时期欧洲人在当地的死亡率作为标准对各个国家进行分组。他的理由是,在那些欧洲人死亡率较高的国家,殖民者更倾向于实行掠夺性的制度,就像西班牙人在南美洲所做的那样;相反,在适宜定居的地方,欧洲人会更愿意移民至此,并仿照母国建立起民选议会和独立的司法体系,这样的制度更有利于私有产权的保护。在殖民统治结束之后,原先的制度往往被新的政治精英所继承,并一直沿用到今天——这就是所谓制度的“路径依赖”。当时导致欧洲人死亡的主要原因是殖民地流行的疟疾和黄热病等疫病,而疫病的分布大体上可认为是随机的;此外,这些流行病对于本地人并无太大危害——他们常常在童年时期就已经形成了抗体——对于今天主要由本地居民组成的国家也不会有什么负面影响。与上一个例子的逻辑类似,通过对比各组国家今天的人均GDP水平,大家就能够分离出产权保护在一国的经济发展之中所做出的贡献。

    与实验设计相比,寻找自然实验的办法对研究人员的才智有着更高的要求,但其优点也是显而易见的:不但在很多时候更加可行,成本也要低廉许多。为了研究班级规模和学习成绩之间的关系,美国曾经开展过一项名为“田纳西州师生比例改进计划(STAR)”的研究。藉由把孩子随机分配到三类规模不一的班级中,研究者得以估计出小班教学对于学习成绩的提高究竟有多大助益。因为小班级意味着雇佣更多的教师,所以这项研究的花费是极其高昂的——高达1200万美金。通过巧妙地利用自然实验,Angrist也对这一问题进行了研究。他注意到,在以色列一个班级的上限是40人,因此如果一个年级恰好有41名学生,他们就不得不被分到两个20人左右的班级中去。而一个年级的学生数目则是随机的,所以年级规模为40的和年级规模为41的两个学生群体之间的成绩差异就可以完全归因于班级规模的不同。Angrist最后得到的结论,和STAR中研究者们得出的并无太大差别,这说明自然实验法的精确性有时足以和对照试验相媲美。

    当然,任何研究方法总有其不足之处。有些计量经济学家认为,自然实验的支撑者们为了彰显其研究的“客观”,经常会忽视已经掌握的信息,而这无疑是一种不必要的浪费。另外和人为设计的实验相比,自然实验更容易受制于历史和环境条件,无法随心所欲地控制其他因素的干扰。这就要求研究者在使用自然实验时,对其背后的运作机制有一个深入而全面的了解。世间万物的联系是如此复杂,在探究因果关系之时,并没有一个普遍适用的最优方法。经济学本身也正是关于权衡取舍的知识,搞清楚研究的目的和面对的限制,再选择最适合当下情境的计量分析工具,我想,这才是一位合格的研究者应当具备的素质。
XML 地图 | Sitemap 地图