正在阅读:

赵忠:今年诺奖对我国劳动经济学的政策启示和学科意义

扫一扫下载界面新闻APP

赵忠:今年诺奖对我国劳动经济学的政策启示和学科意义

与发达国家相比,我国的大型调查仍然不够,投入仍然不足,数据的开放程度不高。

图片来源:人们视觉

文丨赵忠(中国人民大学劳动人事学院教授

   今年的诺贝尔经济学奖颁发给了加州伯克利大学的戴维·卡德(David Card),麻省理工学院的约书亚·安格里斯特(Joshua D. Angrist)和斯坦福大学的吉多·伊本斯(Guido W. Imbens)三位经济学家。

此次授予戴维·卡德诺奖的理由是他对劳动经济学中经验研究的贡献。显然,戴维·卡德的贡献不是提出或发展了新的经济学理论,而更多是在经济学经典框架下对美国劳动力市场进行严谨细致的分析。他的研究,使我们对美国劳动力市场的重要方面有了更深刻、更全面的了解,也使得相关的政策制定有了更科学的基础。授予约书亚·安格里斯特吉多·伊本斯诺奖的理由是因为他们对因果推断方法论的贡献,即他们为劳动经济学乃至经济学,甚至社会学科学工作者提供了更好的进行经验研究的工具。

对三位学者研究贡献的评述已经很多,本文不再赘述,而是想谈一谈此次诺贝尔经济学奖的启示,在我看来,更重要的是如何借鉴国际学界的经验,促进我国劳动经济学的经验研究和政策分析。

高质量、可获得的数据是经验研究工作的基础

对美国劳动力市场经验研究的贡献是戴维·卡德此次获奖的理由。但再好的经验研究学者,没有高质量的数据也难为无米之炊,戴维·卡德和约书亚·安格里斯特诸多已成经典的劳动经济学论文,都离不开高质量的数据。

高质量的数据不仅是经验研究必不可少的基础,也推动了方法论的创新和发展。微观计量经济学的发展就与上个世纪六十年代以来美国收入动态面板调查(Panel Study of Income Dynamics, PSID)和全国青年调查调查(National Longitudinal Survey of Youth, NLSY)等几个大型数据调查的实施密不可分。PSIDNLSY分别从1968年和1979年开始实施,这些调查数据为研究美国经济和社会提供了丰富的素材,劳动经济学者使用这些数据时,一方面推动了美国劳动经济学研究的发展,丰富了美国家庭和劳动力市场的的经验证据,另外一方面,为更好地分析和处理这些新出现的大型调查数据,微观计量经济学得到了蓬勃发展,例如面板数据模型的研究与发展与PSID的出现息息相关。

从我国的情况看,如果没有从1988年开始至今的中国家庭收入调查(China Household Income Project, CHIP)和数据的开放,我们对我国收入的相关知识会少很多。2008年开始的中国家庭追踪调查(China Family Panel Studies, CFPS)2011年开始的中国健康与养老追踪调查(China Health and Retirement Longitudinal Study, CHARLS),虽然开始时间不长,但也成为研究我国家庭和老龄人口的宝贵资源。

但是与发达国家相比,我国的大型调查仍然不够,投入仍然不足,数据的开放程度不高。国家统计局近年来与几家高校共建数据中心,一定程度促进了政府调查数据的开发和使用,但潜在的空间不言而喻。

最近一段时间以来,国际学界对政府行政数据、卫星数据、网络大数据等的使用不断深入,相关数据的可获得性也在增强,大大推动了相关的经验研究和方法论进展,我们在这方面的差距非常明显。

经验证据在政策研究中必不可少

此次获奖的三位学者在对推动经济学经验研究的可信性起到了巨大的作用。更好的计量经济学和统计学方法、更有效的研究设计、更细致严谨的数据分析不仅对学术研究十分重要,对经济政策研究更是如此。在政策研究中,理论的逻辑推演固然重要,但厘清政策的效果和可能影响,分析政策的成本和效益,经验证据必不可少。

例如戴维·卡德最有名的一项研究是分析最低工资政策对就业的影响,但提高最低工资对就业产生何种影响在理论上并不明确。在完全竞争的劳动力市场中,最低工资标准如果高于市场出清水平,理论预测会导致劳动需求的减少和劳动供给的增加,进而造成部分劳动力的失业。但是,当最低工资制度没有完全覆盖整个劳动力市场时,最低工资将减少覆盖部门的就业量,进而增加未覆盖部门的劳动供给,压低未覆盖部门的工资水平,从而扩大收入差距。在卖方垄断的劳动力市场中,劳动者或者工会的力量能够左右工资水平,最低工资制度的作用有限。在买方垄断的劳动力市场中,最低工资对就业的影响不确定。再加上政策的短期影响和长期影响会有不同,最低工资不仅会影响到员工,也会影响到企业等等,这些都会造成理论预测和理论推理的困难,凸显了经验研究和经验证据在制定最低工资政策时的重要性。

经验研究的重要性,不仅仅在于政策制定前研究,也在于政策实施后的评估。在劳动经济学领域,对因果推断的研究很大程度上与评估劳动力市场政策的有效性,尤其是就业培训项目相关。2000年经济学诺奖得主詹姆斯·赫克曼(James J. Heckman)在上个世纪七十年代研究美国妇女劳动供给行为时,发明了纠正样本选择性偏差的赫克曼模型,1980巴诺、凯恩和戈尔德格(Barnow, Cain Golderger)三位学者把赫克曼模型扩展后用于评估美国再就业培训项目的效果。1982年美国出台《职业培训合作法案》(Job Training Partnership Act, JTPA),基于该法案,美国联邦政府每年花费大量的经费用于职业培训。经费支出和培训项目的效果如何,就必须通过严谨的经验研究进行评估。事实上,美国国会要求通过随机试验的方式对JTPA的效果进行评估。

政府的作用在我国更加重要,事前的政策研究和事后的效果评估都可以从此次经济学诺奖得主的贡献中得到不少启示,同时也可从中挖掘出不少值得研究的课题。例如如何评估政府产业政策的效果,是我国十分重要的问题,但也是约书亚·安格里斯特吉多·伊本斯所采用的潜在效果因果推断分析框架不能很好解决的问题。

我国劳动经济学发展有巨大空间

劳动经济学不是一门象牙塔的学问,美国和我国的劳动力市场不尽相同、相关的制度和政策存在差异,加上经济结构和发展水平的不同,显然把戴维·卡德对美国劳动力市场研究得出的经验证据直接套用到我国是不恰当的,更不用说美国和我国劳动经济学中的重要问题也不尽相同。对我国劳动经济学中重要问题的研究,重要经验事实的积累,需要研究我国劳动经济学问题的学者不断努力。

当然,用于经济学经验研究的计量经济学和统计学方法,经验研究中科学的方案设计,基于严谨细致的分析得出可靠结论的研究范式是相同的。从我自己从事的劳动经济学领域看,不论是方法论的使用还是具体的经验研究,都取得了长足的进展,但我国的劳动经济学也存在不足之处。

从学科发展上看,劳动经济学在国际经济学界长期以来都是主流学科,美国每年毕业的经济学博士中,从事劳动经济学研究的博士毕业生数量仅次于宏观经济学。我国目前经济社会的很多重大问题,例如就业、收入分配、共同富裕、农民工、人力资本投资、劳动者权益、社会保障等等,都与劳动经济学相关。我国劳动经济学学科的发展还处在比较边缘的地位,既与国际经济学学科现状存在差距,也不能满足我国社会经济发展的需要。   

 

(文章仅代表作者观点。责编邮箱:yanguihua@jiemian.com。)

未经正式授权严禁转载本文,侵权必究。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

赵忠:今年诺奖对我国劳动经济学的政策启示和学科意义

与发达国家相比,我国的大型调查仍然不够,投入仍然不足,数据的开放程度不高。

图片来源:人们视觉

文丨赵忠(中国人民大学劳动人事学院教授

   今年的诺贝尔经济学奖颁发给了加州伯克利大学的戴维·卡德(David Card),麻省理工学院的约书亚·安格里斯特(Joshua D. Angrist)和斯坦福大学的吉多·伊本斯(Guido W. Imbens)三位经济学家。

此次授予戴维·卡德诺奖的理由是他对劳动经济学中经验研究的贡献。显然,戴维·卡德的贡献不是提出或发展了新的经济学理论,而更多是在经济学经典框架下对美国劳动力市场进行严谨细致的分析。他的研究,使我们对美国劳动力市场的重要方面有了更深刻、更全面的了解,也使得相关的政策制定有了更科学的基础。授予约书亚·安格里斯特吉多·伊本斯诺奖的理由是因为他们对因果推断方法论的贡献,即他们为劳动经济学乃至经济学,甚至社会学科学工作者提供了更好的进行经验研究的工具。

对三位学者研究贡献的评述已经很多,本文不再赘述,而是想谈一谈此次诺贝尔经济学奖的启示,在我看来,更重要的是如何借鉴国际学界的经验,促进我国劳动经济学的经验研究和政策分析。

高质量、可获得的数据是经验研究工作的基础

对美国劳动力市场经验研究的贡献是戴维·卡德此次获奖的理由。但再好的经验研究学者,没有高质量的数据也难为无米之炊,戴维·卡德和约书亚·安格里斯特诸多已成经典的劳动经济学论文,都离不开高质量的数据。

高质量的数据不仅是经验研究必不可少的基础,也推动了方法论的创新和发展。微观计量经济学的发展就与上个世纪六十年代以来美国收入动态面板调查(Panel Study of Income Dynamics, PSID)和全国青年调查调查(National Longitudinal Survey of Youth, NLSY)等几个大型数据调查的实施密不可分。PSIDNLSY分别从1968年和1979年开始实施,这些调查数据为研究美国经济和社会提供了丰富的素材,劳动经济学者使用这些数据时,一方面推动了美国劳动经济学研究的发展,丰富了美国家庭和劳动力市场的的经验证据,另外一方面,为更好地分析和处理这些新出现的大型调查数据,微观计量经济学得到了蓬勃发展,例如面板数据模型的研究与发展与PSID的出现息息相关。

从我国的情况看,如果没有从1988年开始至今的中国家庭收入调查(China Household Income Project, CHIP)和数据的开放,我们对我国收入的相关知识会少很多。2008年开始的中国家庭追踪调查(China Family Panel Studies, CFPS)2011年开始的中国健康与养老追踪调查(China Health and Retirement Longitudinal Study, CHARLS),虽然开始时间不长,但也成为研究我国家庭和老龄人口的宝贵资源。

但是与发达国家相比,我国的大型调查仍然不够,投入仍然不足,数据的开放程度不高。国家统计局近年来与几家高校共建数据中心,一定程度促进了政府调查数据的开发和使用,但潜在的空间不言而喻。

最近一段时间以来,国际学界对政府行政数据、卫星数据、网络大数据等的使用不断深入,相关数据的可获得性也在增强,大大推动了相关的经验研究和方法论进展,我们在这方面的差距非常明显。

经验证据在政策研究中必不可少

此次获奖的三位学者在对推动经济学经验研究的可信性起到了巨大的作用。更好的计量经济学和统计学方法、更有效的研究设计、更细致严谨的数据分析不仅对学术研究十分重要,对经济政策研究更是如此。在政策研究中,理论的逻辑推演固然重要,但厘清政策的效果和可能影响,分析政策的成本和效益,经验证据必不可少。

例如戴维·卡德最有名的一项研究是分析最低工资政策对就业的影响,但提高最低工资对就业产生何种影响在理论上并不明确。在完全竞争的劳动力市场中,最低工资标准如果高于市场出清水平,理论预测会导致劳动需求的减少和劳动供给的增加,进而造成部分劳动力的失业。但是,当最低工资制度没有完全覆盖整个劳动力市场时,最低工资将减少覆盖部门的就业量,进而增加未覆盖部门的劳动供给,压低未覆盖部门的工资水平,从而扩大收入差距。在卖方垄断的劳动力市场中,劳动者或者工会的力量能够左右工资水平,最低工资制度的作用有限。在买方垄断的劳动力市场中,最低工资对就业的影响不确定。再加上政策的短期影响和长期影响会有不同,最低工资不仅会影响到员工,也会影响到企业等等,这些都会造成理论预测和理论推理的困难,凸显了经验研究和经验证据在制定最低工资政策时的重要性。

经验研究的重要性,不仅仅在于政策制定前研究,也在于政策实施后的评估。在劳动经济学领域,对因果推断的研究很大程度上与评估劳动力市场政策的有效性,尤其是就业培训项目相关。2000年经济学诺奖得主詹姆斯·赫克曼(James J. Heckman)在上个世纪七十年代研究美国妇女劳动供给行为时,发明了纠正样本选择性偏差的赫克曼模型,1980巴诺、凯恩和戈尔德格(Barnow, Cain Golderger)三位学者把赫克曼模型扩展后用于评估美国再就业培训项目的效果。1982年美国出台《职业培训合作法案》(Job Training Partnership Act, JTPA),基于该法案,美国联邦政府每年花费大量的经费用于职业培训。经费支出和培训项目的效果如何,就必须通过严谨的经验研究进行评估。事实上,美国国会要求通过随机试验的方式对JTPA的效果进行评估。

政府的作用在我国更加重要,事前的政策研究和事后的效果评估都可以从此次经济学诺奖得主的贡献中得到不少启示,同时也可从中挖掘出不少值得研究的课题。例如如何评估政府产业政策的效果,是我国十分重要的问题,但也是约书亚·安格里斯特吉多·伊本斯所采用的潜在效果因果推断分析框架不能很好解决的问题。

我国劳动经济学发展有巨大空间

劳动经济学不是一门象牙塔的学问,美国和我国的劳动力市场不尽相同、相关的制度和政策存在差异,加上经济结构和发展水平的不同,显然把戴维·卡德对美国劳动力市场研究得出的经验证据直接套用到我国是不恰当的,更不用说美国和我国劳动经济学中的重要问题也不尽相同。对我国劳动经济学中重要问题的研究,重要经验事实的积累,需要研究我国劳动经济学问题的学者不断努力。

当然,用于经济学经验研究的计量经济学和统计学方法,经验研究中科学的方案设计,基于严谨细致的分析得出可靠结论的研究范式是相同的。从我自己从事的劳动经济学领域看,不论是方法论的使用还是具体的经验研究,都取得了长足的进展,但我国的劳动经济学也存在不足之处。

从学科发展上看,劳动经济学在国际经济学界长期以来都是主流学科,美国每年毕业的经济学博士中,从事劳动经济学研究的博士毕业生数量仅次于宏观经济学。我国目前经济社会的很多重大问题,例如就业、收入分配、共同富裕、农民工、人力资本投资、劳动者权益、社会保障等等,都与劳动经济学相关。我国劳动经济学学科的发展还处在比较边缘的地位,既与国际经济学学科现状存在差距,也不能满足我国社会经济发展的需要。   

 

(文章仅代表作者观点。责编邮箱:yanguihua@jiemian.com。)

未经正式授权严禁转载本文,侵权必究。