Ep27 方汉明：Structural Or Reduced-Form? We Need Them Both.
50:50 Share

大家好,我是老徐今天很高兴给大家请来了宾夕法尼亚大学经济学系的方汉明教授来给我们做一场讲座那么熟悉经济学的同学们应该对方老师很熟悉了对于不太熟悉的听众我简单介绍一下方汉明老师 1993 年毕业于复旦大学经济学系 1995 年获得弗吉尼亚大学硕士学位 2000 年获得宾夕法尼亚大学经济学博士学位 2010 年至今任宾夕法尼亚大学经济学系教授兼任沃顿商学院医疗管理系的教授

方老师的主要研究领域是公共经济学和劳动经济学在应用微观领域也就是我们说的 Apply Micro 领域建树非常多方老师的研究兴趣非常广泛尤其在医疗保险市场房地产经济学歧视经济学这几个方面他的研究成果影响非常大今天我还请了另外两位采访人他们也都是方老师的粉丝了一位是我们熟悉的紫飞鱼的 Garrett 老师他目前在普林斯顿大学做博士后

另一位是约翰霍普金斯大学经济学系的博士生邓欢同学我们今天活动开始之前我首先要向大家推荐方老师最近接受的一个采访采访人是哈佛大学验金学社的威尼艳教授我把这个视频的链接放在留言区了在这个访谈当中方老师谈了许多他对中国经济的看法大家可以去看一看非常有见地

那么今天对我们经济学或者社会科学的学子来说机会非常难得也是因为差异化的原因我想我们把讨论的重心放在方老师的经济学研究和他对年轻学者的建议这一块好的 方老师作为开场白能否请您简单介绍一下您的职业经历和研究的路径谢谢

好的谢谢益勤谢谢邓欢和常光宇我很高兴有这么个机会来和大家在网上进行这么一个交流益勤开始说了就是我是复旦大学本科世界经济系本科毕业以后 94 年来到美国留学已经 28 年了再过两个月就是真的是在美国的第 28 个年头我到美国一开始是在去申请的是弗加利亚大学当时呢

这个申请福建联合大学也是因为这个 90 年代初中国经济改革的时候大家都很关心的就是那种制度改革来这个当时的公共选择学派 Public Choice School 来这个以布卡南公共选择那个学术学术在国内呢也是有很多益助我们在复旦读书的时候呢也就读了这些刚刚翻译过来的那种诺奖的作品啊那个以后呢就就

想到申请到那个布卡南先生在书里面署名的那个大学就是弗吉尼亚大学

当时呢根本就不知道在美国这个高校里面事实上这个 faculty 啊流动性挺大的所以我 94 年申请 93 年申请那个美国学校的时候以为不可能教授还在弗吉尼亚大学任教所以呢因为这个当时中国发音的书上就写的 1965 年写于夏日次表然后就在我们我就申请了弗吉尼亚大学到了以后第一个礼拜这个 new student orientation 就问起说

人家问我为什么要申请弗吉尼亚大学我就说我想与普罗菲尼尔大学合作

接着才知道布坎南教授早就离开了福建大学但是在福建大学我再待了一年以后那边也是得到了很多老师的关心那里面尤其有一位叫 Charles Holt 教授教我们微观的那个博士的微观经济学的他在我大概读了大半学期的时候跟我说他说啊

因为当时实际上在国内总有个

那种误解以为微观的东西都已经做成熟了问题没有什么剩下的问题可以研究了倒是宏观经济学我们当时在复旦的时候用的是 Taylor and HallJohn Taylor 和 Bob Hall 的一个终极宏观经济学的本书也是当时福特班的同学翻译过来的中文版里面讲到各个学派

所以我们当时中国学生都觉得哎呀宏观还有很多各种学派都有很多那种 unsettled research questions 所以我当时是想做宏观的接着那个 Charlie Holt 的教授他就说你如果想过做教授的话也许可以考虑转个学他说我们福建年大学虽然很喜欢有你在这边读书但是他觉得你要是未来要找那个 top academic job 的话还是去一个好点的学校更好他就给我写了一封信

写了一封信接着呢我事实上之前就有宾夕凡法尼亚大学的录取通知书的但是没有奖学金后来那个 Charlie Holt 又给我写了一封信以后呢第二年我就来又来到了弗吉尼亚大学弗吉尼亚大学读博士从 95 年来到弗吉尼亚大学那个 Pan 呢当时宏观也很好但是 Pan 的宏观老师呢等我上读那个博二的时候都到 Minnesota

去 take a leave in Minnesota 因为当时 Minnesota 是新古典宏观经济学的卖家所有的老师有机会就往 Minnesota 跑所以等我博鳌的时候

所以红冠老师都在美索的所以当时弗吉尼亚的一个做红冠老师叫 Bob King 他可能那个现在读 King Plus 的 Libello 大家还知道 Liobian Cycle 里面有一个很经典的文章叫 King Plus 的 Libello 那个 Bob King 呢是当时在弗吉尼亚大学任教他到冰大来访问的时候告诉我说那如果这样的话你是不是可以考虑转一下转到你们系里老师更多的专业所以我就转加了卫官开始那个做卫官

那 Penn 当时的微观经济学呢是一个我们刚刚招来了 Ken Warby 教授是一个这个做 structural labor 的一个大牛这个我就上了他的课接着慢慢就开始一边做应用理论一边跟 Ken Warby 做 structural labor 好

所以 Penn 我觉得在我们整个美国的各个经济系当中研究风格是偏理论和 structural 所以是个 very cohesive department 不管做哪个领域

做卫官也好,做宏观也好,做时政也好,Everyone speak the same language, we talk about theoretical model, we estimate structural model, we do a series of econometrics 所以我们在,我觉得 Penn 呢,我当时的那个 dissertation committee 就又有 theorist,我有 Andy Postowitz,是我的 main advisor,Ken Wolbin 和 George Maynard,是我的三个 committee member,是一个,you know, some, one of those

其实现在做理论的 Andy 和 George 都是理论家,Ken 当然是研究研究研究家所以我在 Penn 我就学到了这个理论与研究研究的重要性

接着我毕业以后呢就去了第一份工作去了耶鲁大学耶鲁大学呢跟 Penn 有相似的地方他们也有很强的理论和很强的应用微观但是最强的应用微观方面呢是在 IO Industrial OrganizationLabor 和 Public 呢相对来说是偏 reduce form 的现在慢慢耶鲁和耶鲁的 Labor 也是 structure 但是当时是偏 reduce form 的等我去了以后耶鲁

又遭到了 Michael King 所以我跟 Michael King 就是大家比较熟悉的 King 我比那个 Michael KingKing 呢跟我也是好朋友我们也合作了几篇文章我从他那边学到对那个整个经济学的施政研究方法那个学到很多我跟他谈的时候基本上会谈

一种科学哲学方面的东西可能从他身上学到很多等一下大家可能会问一些问题就是说关于时政研究的各个各个类型的时政研究有什么关系我可以跟大家分享一些就是 Michael King 那边学来理解到的一些各类的事件的东西在耶鲁我工作了七年也是学到有的时候大家可能会在一个自己跟自己毕业的那个博士学位的

那个学校比较接近的系里面比较舒适但是我觉得在耶鲁呢正是因为他们的工作和公众跟我在 Penn 的风格有点不一样呢我是觉得是让学到很多东西 Penn 有当时有一个其实是对于缺乏形式的敌意对

在耶鲁呢慢慢就 appreciatereduce form and structural methodscan complement each other 这个就是说我们现在 PEN 当然越来越多的学生事实上就是 will do both reduce formyou know as a motivationand structuralyou know to do counterfactual 这个 combination 现在也是越来越普及了但是当时我从博士刚毕业的时候以为所有的 reduce form 的东西都是 not

但是慢慢我实际上是 over time 改变了这个我觉得这个观点有点想下载等一下我会讲讲为什么离开耶鲁以后我在杜克工作了两年接着 2009 年回到了并大论教所以

研究方面的话我一开始是想跟大家说过了就是我原来刚来美国的时候想做宏观的是因为这个也是偶然的原因吧就是那个 Bob King 教授的指点他就说你宏观老师都不在那么 What's the strongest field in the department

接着他就说他自己本人在布朗大学读博士的时候也是本来想做 Io 的后来做了宏观是因为当时就说也是就说是布朗的宏观最好

接着我就转到了微观当然 Pan 的宏观还是非常强只是我当时做读博的时候那个宏观老师有一阵子年轻老师都在 Minnesota 接着我一开始的时候也是偏理论的慢慢慢慢更倾向于那个 Empirical Research 我还是对理论非常感兴趣

在那个我们系里的 Seminar 的话我一般会去听那个 Theory Seminar 和 Empirical Microseminar 这个我觉得想做好的 Empirical ResearchYou have to know theory 我最后讲为什么 Theory 那么重要很多学生做 Empirical 的他们觉得可能理论就不用

可以就不用去上理论课了这个我是觉得是个错误等一下我会给大家具体展开一下所以我一开始呢主要的研究呢也是偏向于美国方面的研究关于美国的 labor market 美国的 health care reform 美国的 racial profiling 都是偏美国的啊

中国的第一篇我做中国的第一篇研究是跟蔡红冰老师和徐立新老师那个 World Bank 徐立新老师一起合作的这个所谓的吃喝玩乐就 Eat Drink and Firm 那篇文章当时呢也是一个偶然的机会我跟蔡红冰老师是

认识呢是我到耶鲁的第一年吧那个蔡老师在耶鲁访问所以我们那时就认识了跟徐立新老师呢是因为他的一个同学是我在宾大的一个朋友所以我们也就在互相 talk 以后就开始做这么一篇文章就是说是我做中国的第一篇研究这个刻画了一个 city level 的 corruption index

用那个差旅费里面财务报表里面差旅费那一项里面来那个刻画这个某个城市它的那个政府的 corruption 有多厉害这个呢就是说最后也会提到提到中国经济那一块我想也会展开一下说中国经济有很多有意思的地方就需要对中国咱们中国人有一个啊

advantage 就是对中国整个社会的运转比较了解当时我们为什么会想到用那个差旅费去寻找这个关于政府的那个腐败的那个信息呢是因为我们大家都中国回国的话你都知道就是好像他们经常会要发票

你吃个什么东西有觉得这东西不应该去报啊他要个发票发票以后回去呢就会去报销作为这个吃喝费用去报销这些呢就是说对中国了解的话后来大家还有买发后来当然大家知道也有买发票的这方面的东西所以我们一提起说那这个里面吃喝玩乐这一块那个差旅费那里面都应该留下蛛丝马迹来这个是不是可以寻找从那里去探寻

这个政府腐败的信息我们正好是试航它有一个中国的 Investment Climate Survey 有 70 多个城市的每个城市大概有 100 家企业左右都问了这些信息不是问了而且是收集了他们财务报表上的这些信息所以我们就做了这方面研究

后来呢就是我对中国的研究越来越感兴趣也是因为自己作为中国人就觉得首先对中国经济就是感兴趣第二个呢就我觉得中国经济有很多有意思的现象值得研究这个我先在这里打住一下这个以后因为你们还有别的机会展开一下所以我的职业经历和研究经历就基本上这样

好我们感谢方老师的介绍今天线上除了我们之外还有很多听众我们大概说一下今天我们想涉及的几方面的议题其实主要是想向方老师请教两方面的内容第一方面其实是作为青年学者也包括很多博士生主要是从一些偏抽象化的研究的方法论以及对于学术职业生涯的规划的角度另一方面其实也是想借这个机会向方老师请教一下关于您具体的几方面研究领域

特别是一个是关于保险和健康经济学的还有关于中国经济的以及还有就是我们看您的 publication 非常感兴趣就是和歧视等等相关的这样一些问题这也是最近不光是中国世界各国从社会政策的角度和经济学家的角度都很关注的问题

我先来抛砖引玉了我还是先问一下关于研究方法问题正好也是承接您刚才提到的我自己其实主要做 ReduceFoam 的研究然后一直以来我们就会面临这种讨论比如说 Structural 人会认为 ReduceFoam 太简单

都是在搞 DIDRedefoam 的同学认为 structural 你需要很多假设写着写着你自己也不一定信你这个假设到底都是些什么了所以说您刚才其实有提到您是对这两种方法其实都是有应用我们也在您文章看到了它的结合所以可能从您视角出发来谈这两种方法就可以不仅是从某一方面的拥护者的角度来谈这是一方面

另一方面其实对于学生和青年科研工作者而言始终就面临磨刀和砍柴的问题一种思路就是说大家就要不停地学方法我学完 reduce form 学 structural 然后把方法武装完全了再去做研究但另一方面大家肯定会着急你不可能说我一直不做研究学方法而且方法是无穷无尽永远学不完的所以说也想了解一下您对于这些方法的掌握应该也不是说一蹴就一次性全学完了那么怎么在做研究的过程里面

嗯

我开始提到的就是在 PEN 这个经济系训练出来,尤其是我们年代末,那个 2000 年初期的时候,咱们系 PEN 的经济系是非常 structural,我们的学生出去给 job talk 的话,基本上就一上来就是简单的 motivation,就是 model,就是 estimation。

所以我开始说到就是我刚刚出道的时候吧也是有在这么一个咱们在 Pen 有一个 pride 这个去了以后就是不是 structural 的文章就觉得好像有点不那个但是慢慢我也改变了我觉得现在我感觉上去呢实证研究呢事实上有好几个 style 一个至少有三个吧我可以总结为三个 style 的 empirical research 一个就是就事实上是 descriptive 阐述性第二个呢就是 reduce form

第三个呢是 structure 这个 rank order 呢也没有什么 rank order 我就三种不同的 style 的 research 每个 style 都有价值我首先讲到 descript 很多人可能觉得 descript 的东西这个有意思吗值得做吗我觉得我想解释一下就是说 descript 的东西我现在跟我的学生讲他们一般大家做那个 implicable 一上来数据讲完以后都要有一个 descript statistics 我

大家可能当时一般人会觉得 discrete statistic 就是 stater 里面做个这个 summary tab 这个就放上去算了我跟学生说千万别这样千万别这样你要先想好这个每一个变量你要放在 discrete table 里面

都要想过的 whywhy is this variableworth describing 我想说的就是说就算那个那个阐述性的研究也是要有一个理论框架在那里打个比方吧你说牛顿做实验他

做一个实验把球从某个地方抛下来这个它可以收集的数据是无数的收集的变量是无数种变量都可以收集它可以收集那天天气的 visibility 怎么样风又怎么样这个 humidity 怎么样为什么它没有收集这些信息或者它只是为什么只是 focus 最后这个某几个变量呢因为它在做这个实验之前已经有了一个理论模型它做的 description

就已经有一个理论的框架在那边了,所以我想说 Discretion statistics 事实上是 serve the purpose of illustrating important variables related to a model in the mind of the researcher 这个 model 也许没有这个 researcher,没有直接写下来但是脑子里面就算做 Discretion statistics 有好的 Discretion table 要 serve the purpose of a model in your mind

所以就说 descript 的东西也很重要,你说咱们做宏观研究的,你们上宏观课的时候一般都上来就有一张,就 stylized facts,in macroeconomics,stylized facts in growth,这些 stylized facts play important roles in deciding what kind of model to write,所以我就说 descript 的东西也很重要。

但是好的这些东西呢也许没有非常仔细的但是肯定有一个

理论框架在哪里所以我下次如果说这边同学们在这里年轻人在这边的话下次你们做那个 discrete table 的时候稍微要多想想这个变量有用吗为什么放在这里能够未来接下来你脑子里面有的理论模型或者 hypothesis 里面有起到什么作用那个跟你的理论框架没有用的变量不用去 describe 如果跟你理论框架有用的变量一定要 describe 所以这是一个

第二个就是 reduce formreduce form 大家关于你一开始也提到就是说 DID 这个好像就是说比较简单或者是 stata 里面有很多那种 can 的 procedure 但是对我来说 reduce form 和 structure 它们事实上是 complementaryreduce form 一般是就是说

可以提供重要的测试,为了根据的理论模型的预测。硬减法也是最后要合作的目的,就是要合作预测一些理论模型的预测。它这个减法能够提到,就是说,验证这个理论模型的基本的预测的这么一个功能。

但是 reduce form 有些问题它没法解决就比如说你要研究 welfare effect 那 reduce form 就没法用如果说你想知道这个 reduce form 最擅长的是给你一个 overall policy effect 但是接下来各种 mechanism 也想把它分开

那就 Reduceform 没法用但是 Reduceform 它这个如果有 clean source of identification 的话呢比较 easy to understand 比较 easy to convince the readers that an effect is there that is consistent with some broadcast of the model prediction 所以这些都很有用我们一般觉得如果说那个学者呢他有这个背景接下来做 structural research 的话呢 Reduceform can play an important role to motivate

structured model 不是所有的文章都需要有 structured model 我觉得如果说你有一个 clean experiment 已经有 randomized control trial 的话那你就 estimate 一些 causal effect 你就不需要 structured model

建筑物的模式,通常是基于建筑物的模式所需的,是一个代替于缺乏的数学价值的数据。有的时候,数据越糟糕,越缺乏信息,你越需要建筑物来弥补。建筑物是建立建筑物的。

所以

在我心目中就是这样子的就是 structural model 它有能够 do something that other reduced form cannot dobut the most important thing for meto judge whether a paper is a high quality paper or notis whether the authorshypothesize a clean theoretical hypothesiswhether it's for reduced form or structural 你最后就是说我们写文章的话不能够就是把一

把一大堆的 regression results 放上去你看嘛你们 run 很多 regression 但是如果说最后没有一个 plausible storythat you can tell 那个 editor 也不会接受这样的文章所以最后还是就是说 distill from a set of factsabout some theoretical mechanism 我们整个时政研究是自然科学也好社会科学也好最后都是目标都是能够挖掘这么一个

一个机制这个牛顿他做那么多实验最后也是想就是说用几个就一个一培训来解释很多现象因为他挂透了最后的那个仅能够解释一大堆实验的这种机制我们经济学

比自然科学来说复杂很多因为我们研究的是人的行为人的行为没有像自然自然界的规律那么就是说是 homogeneous 人因人而异所以这个关系更加复杂一点但总的来说目标还是你做理智数据研究也好做实证研究也好做 discretion statistics 也好都想挖掘最后就是说有一些这种变量之间的那种那种生存式的关系

当然了我们再具体一点讲比如说你关于你开始提到 structural research 这个假设也很难不一定能 credible plausible 有的时候 researcher need to make somestrong assumptionsthat's hard to validate

那么现在事实上跟我们那个 Penn 的几个教授研究有关像 Todd and Wolpin 他们就 push for model validation 就是说你 structure model estimate 好以后 structure model estimate 好以后有很多 strong can predict a lot ofout of sample predictions

这个 out of sample prediction 可以用 reduce form 去验证是不是跟那个 hold out sample 或者是里面的 prediction 是不是符合所以 reduce form 和 structural 的东西可以结合在一起 reduce form can motivate structural researchand can also validateout of sample predictionsof the structural modelto lend more plausibility to the structural model 方老师您刚刚讲了这个

不管是描述性的、化学式的、结构式的、估计这三种都需要理论来指导这个我很同意但是我还想追问一个问题就是您在 approach 一个问题的时候这个研究的过程是怎么样我的意思就是说比如说你想研究这个问题我最终是想一个有 structural、有 reduce form 的文章但您看数据从描述到

做做化约到做结构这个 sequence 是怎么样的对我我我是特别喜欢就看数据啊这个看数据真的就是说不是说就直接就把那个 data 打开我至少是数据要看个 100 个 observation 这个他的里面每个变量他这个他到底的 data structure 到底怎么样啊就是我是喜欢看就是真的是看了 law data 这个我觉得呃因为大家都

经常是这个也是 Michael King 教我他就说你不能够一上来就把就是立刻就用 Stata 去或者是用那个软件去处理数据就

就 open the data and take a look 每一个行之间每一个 option chain 之间它的不同的变量之间 do they make sense 这个 data quality 怎么样我们经常当时一起写文章的时候经常坐在一起就花个一上午就看这个数据接下来我们会做 descriptive 的那些东西肯定要做 descriptive 的东西肯定要做接下来就是说一般会做一些 basic data pattern

如果说 the pattern interesting enough 而且那个 data 里面有 interesting sources of policy variation 或者是 exhaustions variation 的话 that could itselfbe give you enough results to

to write a paper 但有的时候呢你会发现就是 ok 那些 reduce form 也好 disgroup 的东西也好 they are not enoughto answer the questionyou want to answer 比如说我等一下会讲到那个我跟我一个学生做的那个关于奥巴马一改那篇文章我们当时的主要的问题就是说奥巴马一改是一个 very big healthcare reform 这个东西是是个 national nationwide reform right

所有的 employer 都受到影响那个对 labor market 肯定会有一个 equilibrium effect 我们当时就知道这 equilibrium effect 而且我们知道如果我们不去做 equilibrium effect 基本上没有人会去做因为这个做 structural 的人就这么多绝大多数人可能会登记年有数据以后做些 reducible evaluation 所以我们的 compatibility advantage 是做 structural 的 equilibrium policy evaluation 这是一个第二个呢

当时我们在写文章的时候 2010 年那个奥巴马的那个一改他要到实现的时候一直到 2013 年才开始 implement 所以这个到底奥巴马一改会有什么影响这个要

需要有一个叫做 exemptive policy evaluation 这些问题就这个问题的时候我们当时就知道这个东西肯定需要 structure 来做结构模型来做所以我们一上来就事实上找数据的时候就已经要考虑到这个数据这个结构能不能让我们估计我们脑子里面已经想好的一个 dynamic equilibrium

model of the labor market 我们脑子里面已经想好一个 extension ofBernetta Mortensen 的一个 equilibrium labor market model 来做这个研究的所以直接回到你的问题那个疫情就是一般来说我们都会先看数据做些 descriptive 做些 reduce form 我们现在我也是让我们的学生让我们所有的 Penn 的学生不要像以前一样就一上来就做 model 还是要 describe 一些 data 让大家知道

What's interesting in the data?Why is the structural model?最后技术上做,因为我们 PAN 的学生基本上最后还会做一个 structural model 在 job market paper 里面,但是我们一般也会现在 push 他们说,you know, motivate the structural model better,why is reduced formula not enough?

What questions you want to ask that cannot be answered by reduced form 所以我们这个问题一上来就是会问我们的学生让他们 make sure they have a good answer to these questions 如果是 reduced form 能解决的 do the reduced formthere is nothing wrong with it

所以说基本上就这样吧还有开始那个光宇问到的是魔刀和凯蝉的权衡来这个我是觉得读博士期间是最好的学习技能那个 skill 的时间来一旦找到工作以后 10 o'clock 还是 tick 这个还是有压力的还有 you want to spend most of time writing papers

但是我事实上把每个项目每个研究项目都当成我自己的学习新的新的东西的机会来这个做一个中国问题研究我也就是每次觉得自己从这个研究当中从我的学生从我的合作者当中学到很多东西来有些项目呢就是做的研究进去的时候我就

我就知道就是说我 I need to learn something new 这个比如说我我在杜克的时候当时正好杜克那边 Research Triangle 那边有一很强的那个 community 我在那边就去听那个统计系的一些讲座的时候他们那一年的 theme 就是 Sequential Monte Carlo Methods 其实我就想着这个东西好像在我们进那个 Dynamic Discrete Choice Model 里面也应该非常有应用

所以我当时就想学这东西最后呢就做了一个 projectto learn and then apply this methodin a research paper 所以我是把做研究和学习新的那个技能结合在一起我从学生那边学到很多从那个去听讲座学到很多反正就是你有的时候就是需要学习一直在学习吧

所以磨刀和砍柴好像也没有说一定有 trade off 大家就是把那个每一个研究都是一方面是解决一个研究问题同时也提高你的研究技能

好的刚才方老师也提到了您那一篇关于奥巴马 care 的一篇论文那篇论文我是做 structural labor 那篇论文已经是我们的 reading group 的必读篇目了所以对这篇论文对对对我们是必读的而且同学们还会做非常精美的 slides 然后来专门讲这篇 paper 因为这篇 paper 有一个非常好的模型然后它的 structural estimation 非常的 sophisticated 所以是需要用一个 slides 来好好讲的就是不是说口头上就能说清楚所以我想问一下您在这篇文章中呃

有一个非常有趣的可能的 factual analysis 就是说如果我们以减少未保险率为目标就想更多的人都拥有保险那么其实这个 mandate 就强制购买呢其实远远是没有 subsidized 有效的然后我们也知道为了 Obamacare 的争议中呢就是 mandate 似乎是争议性一直很大的一个条款

所以您的这篇论文的发现就对于医保政策的设计有非常非常强的政策意义我想说您一开始的时候就想到要做这个吗还是在研究的过程中发现这个很有趣所以把它提到比较重要的位置以及您是怎样就是判断哪些方面的发酵有趣或者重要所以值得咱们就是花很大力去做一个 structure model 来说就您能聊聊您写作这篇论文的背景和心路历程吗好的好的那这篇文章呢是

很有意思这篇文章从写到发表真正十年所以大家千万别信了如果文章那个投稿时间长了这个千万别信了其实是这样子的这篇文章 2019 年我到 PEN 以后我教了一个两年级的博士生课程是

事实上是 topics in social insurance 那当时正好是 Obamacare 还是在就是还没有 pass 正好在 debatelegislation is being debated 但是就是说大家基本上知道了就是说这个 Obamacare 那个 bill 里面这个法律法案里面大概有哪些主要条款大家就说是最主要的就一个就是邓华你提到的那个 individual mandate 所有美国人都需要有一个有医疗保险要不然就要付罚款

还有就是雇主也有一个强制的需要给他们员工提供医疗保险 50 个员工以上的雇主不然也要交罚款第三个就是美国即将建立以州为 State-based health insurance exchange 就是大家都可以去 exchange 上面买保险如果没有雇主提供保险的话

第四个就是 premium subsidy 就是你买不起保险的话政府给你补贴那我们当时写的时候我开始提到就是我们当时开始做文章的时候事实上主要想研究就是说这个 equilibrium effect 就是现在好企业有面对这个 Obamacare 有 employment mandate 企业会怎么演变我知道就是说政府官员他们最最不能理解的

就是 equilibrium fact 他们会讲说你看现在你看 75%的企业都是提供给他们员工提供保险的他们以为有了 Obamacare 这样的那个法案以后还是所有的原来提供保险的雇主还会给他们的雇主提供保险

连 President Obama 自己也会也犯了一个错误他不是说过了吗他有在一次那个电视上说 If you like your current insuranceyou can keep the current insurance 他没想到一个 Obama care 一旦通过以后

也连那个保险公司提供的医疗保险都有可能变化所以他最后得到就是因为很多人他们原来有某种保险等着奥巴马执行以后他们原来的保险他们保险公司不再提供了所以

所以说 insurance company employers they all react to the enactment of this law 所以我们一开始是主要想研究的 equilibrium effect 企业会怎么演变也许他们面对这个 employment mandate 的 50 人以上的企业必须要给那个职工提供保险那会不会出现一个情况就是说那企业他就说我不雇 50 我就雇个 49 个人行吗

就可以不用受那个 implementary 的那个影响当然就是说这个企业到底能雇多少人这个东西都需要去模型企业它要有个 objective functionmaximize profit 所以我们一开始是针对的 equilibrium effect 但是因为这文章时间写得很长一旦那个 structural model 估计好了以后这个 structural model 那个用试完全显示出来了你可以做各种各样的 counterfactual 我们可以估计 equilibrium effect

也可以就说是估计说如果奥巴马 K 里面的 individual mandate 被 supreme court 被最高法院给批掉因为他们当时有 lawsuitall the way to the supreme courtso individual mandate is unconstitutional 如果说 individual mandate 被那个 supreme court 的 law 成 unconstitutional 那会出现那奥巴马 K 似乎会倒掉

这是一个问题吧大家挺感兴趣的 哎 咱们不知道你可以说是空手无凭谁跟我说哎呀 那奥巴马肯定垮掉了或者说不会那到底会不会呢我们这个 structure 模型里面就可以可以 implement Obamacare without individual mandate 我们也可以 implement Obamacare without employment mandate 我们最后发现

把那个 employment 的去掉对奥巴马 K 的影响基本没有没有影响 individual penalty 去掉呢有点影响但是影响不是很大奥巴马 K 不会垮台最最重要的就是 premium subsidy 就是我们这里面说最后我们研究以后当然最后的结果也算比较 intuitive 这个要让大家买保险有两种方法一种是 carat 你给你给你个甜头你买我给你

补贴啊那你就算你有点不想买你有了补贴以后就可能买了或者就是给你一个 stick 说你不买我要罚你款我们就是 carat 或者 stick 补贴或者是罚款呢它们事实上是 subjects

你可以让他罚的厉害点那人家会去买吧你给他补贴厉害点他也会去买用甜头或者苦头都可以让人家买所以我们他的甜头那个是不是非常厉害最后医保市场里面买奥巴马 Care Insurance 的

85%的那个 Health Insurance Exchange 那个 Inruria 都拿到了政府的补贴把那个 Premium 那个 Mandate 去掉呢影响不大后来我们那个 Trump 上台以后他的确把那个 Mandate 去掉了

他没有说 mandate 完全去掉但是说法盘我们就不实际不 enforce 所以就相当于没有那个 mandate penalty 没有 mandate 现在 Obama care 不是也挺好的吗所以我们在一定程度上我们的研究发现也验证了这个也 predict 了就是说 mandate penalty 去掉没有那么可怕没有那么可怕但是当时我们也不是这文章写了十年这个最后到发表之前写了十年

有一陣子不是奧巴馬 K 快被取消了嗎我們當時有點擔心我們開始寫的時候奧巴馬 K 還沒有通過寫著寫著還沒發表奧巴馬 K 都有可能被 Rapido 了我們當時擔心的不得了我們都怕成為歷史研究你知道嗎還好奧巴馬 K 沒有被 Rapido 接著大家反思一下感興趣那奧巴馬 K 沒被 Rapido 還在

可能未来欧巴马肯肯定会被 reformreform 的欧巴马肯 improve 的欧巴马肯所以我那个 Rap Free 最后对我们的各种 counterfactual 反而非常感兴趣所以我就说这个回过头来我当时觉得这篇文章的那个 counterfactual 反事实分析一上来就是很自然的就说我们需要有一个 structural model 来做 equilibrium effect 来做那个 evaluate different variations

所以还真是因为这篇文章我还甚至跟国会的很多那种 Congressional Staff 开过一个电话会议因为我们当时那篇文章写出来以后兵当有一个 Pan-Water Public Policy Institute 接着当时特朗普刚上台的时候

不是整个那个 Republican Congress 都在想 repure Obamacare 吗所以他们有各种各样的那种 alternative bill being proposed 其实我们没想到这个还挺有意思的就是我们那个文章出来以后我给那个 Pan-Water Public Policy Institute 写了个 policy briefbased on the research paper 就讲了就是说那个 mandate

去掉 mandate 有影响但是不会 collapse ObamacarePremium subsidy 千万不能丢那个东西的话就 Obamacare 完全就完全就会 collapse 这个 employment mandate 可有可无各种非常 robust 的 funding

接着甚至是我们甚至说如果说把那个 Tax exemption of employer sponsored premium 这个去掉会有什么影响都有这种很有意思结果我给那个 Congressional staff 在写 bill 的那些 Congressman 的那些 staff 呢做了大概一个小时的 conference call 他们

大概三十几个人打电话进来我给他们讲讲这个研究结果他们问了些问题我不知道对最后他们的那个 bill writing 有没有影响但是 that's my attempt to make my research relevant 我写文章呢就是并

当时并没有任何 objective 就是说影响 policy 但是我觉得既然这个文章是 topicalrightthe result should be knownnot just to academic economistsbut also toyou knowto people who are interestedwho's in Washingtonright 所以我我还是花了点时间给他们做了一个 conference call

我觉得那篇文章给我就说十年时间还好啦我的学生最近他的文章出来正好赶到在他的 tenure review 之前也挺好的但是这个 structural 文章就关于你问的话这个 structural 文章就发表中心非常长你每一轮改这个 Referee 教你改一下最后就是

改一下说的轻巧来这个这改一下就是一年一年多来这个当时我们 JP 的 EditorProfessor James Ackman 给了我们 12 个修改的要求了我们做了 10.5 个 0.5 个就做了

做了有点相关的动作但是不是完全按照就是那个 editor 想要的这个但是最后还好吧这个没有一篇文章能够十全十美所以大家呢也做研究也就是最后不能拿 perfection 作为 standard 这个 research 呢都是一步一步的跟进的所以我也希望就是说以未来有这边在座的学生或者那个年轻老师能够在我们那文章上面做更好的研究吧这个

寻找的方法是一种加密的研究方法

感谢方老师这个成绩您刚才讲的是两部分的内容其实我感觉您其实很强调的几个点一个是就是研究的理论性就是我们不能单纯的做那种 regression monkey 就把一堆那个回归破到一起来要堆一个文章出来然后同时您比如说刚才奥巴马开尔这个文章您还很强调他的这种政策性就是要基于事实它和这个现实有相关我由此有两个小问题一方面就是嗯

想向您请教一下在研究里面特别是不做理论的研究的人而言他对于理论应该怎么样去把握和应用这个其实我是切身有很深的困惑这个问题也很好就是说有的时候你会感觉到那个我

我为什么需要写个模型这个 reduce form 这个 result 它的 hypothesis 已经很清楚了我就用嘴巴讲一讲就能够把这个 hypothesis 讲清楚两个变量 y 变量和 x 变量之间应该有什么样的关系如果要写个模型的话也是一个 very intuitivevery simple model 这个有没有必要写这么一个模型

我的观点就是说如果说你已经 verbal 的完全能够讲清楚把你的理论的分母讲清楚的话而且跟你的实证 regression 完全就已经结合很紧密了那这种情况下面理论模型你用符号表达出来或者就用文字讲没啥区别

在这种情况下如果你要写一个模型的话这个模型必须要 deliver some unexpected predictions 就是说如果说你这模型写下来以后在这之前没有这模型比如说有另外一个变量 Z 变量和 X 变量之间的关系一点都不 intuitive 是通过这个模型推导以后说不光 Y 和 X 之间有关系 Z 和 X 之间有另外一个关系我们之前都没想到的

如果有这样的情况,这个模型就会提供一些相似的预测,相似于 Y 和 X 之间的关系,但是也会提供一些相似于 Z 和 X 之间的关系。

这个之前没想到的那这种情况下面呢如果 data 也是 support 这个 additional predictionsthat you derive from the modelit can lend credibility 给你的那个原来的这个实证结果呢 y 和 x 之间的关系这个实证结果呢提供更加的可信度

总结一下就是说有些如果说你这个模型用符号表达出来和用文字阐述没啥区别这个最后就是说 Y 和 X 之间有一个正相关就是这样那你写个模型没必要写如果有写个模型一定要想着说 What is the value added of the model?That's beyond what you already know by verbal description

我会把它做成 Auxiliary Predictions of the Modelthat was previouslybefore you write the modelit was not obvious 接着你再去拿那个数据去验证这个 Auxiliary Prediction 这样能够辅助就是说实际上是增加那个原来的那个 Y 和 X 之间这个关系的可信度

另外有些这种结构性模型的话我说就是跟你的研究问题有关你如果的研究问题涉及到机制的涉及到这个 welfare 的涉及到这个 counterfactual 的那种那种 policy analysis 的那你就一定要找个模型这找模型也是说不是说随便找个模型一定要说我这个 data 里面在 before the policy experimentdata 里面有很多 relevant pattern 比如说我们奥巴马一看那篇文章

我们知道 labor market 里面有一个 well known facts 这个邓欢你提到读过这篇文章的话我们实际上有一个 section 就是说 there are three well known facts in the labor marketin the US labor market 比如说大的企业越大那个雇主越多他更有可能 offer health insurance to their employees 这是一个 well known facts 大的企业越大不光是更有可能 offer employee health insurance 而且他们工资也越高

这个叫 size premium 第三个就是说是企业大他们那个 worker 的 turnover rate 更加低还有一个就是说大的企业给员工提供医疗保险这些企业他们员工的健康水平更高

所以就是这些 well-known facts 我们这个 baseline model 我们 propose 那个 structure model 一定能够 replicateall the well-known facts in the data 所以就是说这样的也是 our attempt to make 那个关于你说的就是说这个 structure modelmake so many assumptionsis it credible 当然我们没法完全证明就是说这个 modelcredible or not 我们做 structure 的人总是说啊

它需要另一个模式来成为这个模式。你说我的模式不够好,你给我一个更好的模式,我会相信你。所以我们总是有的时候我们需要有一些信心,就是说我们尽力尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽力地尽

你不能就说我不喜欢你的 model

那咱们就没法交流了,你既然说我的模型不够好,那你给我一个 ordinary model 我们到目前还没有用去 counter the other's critique 但是我们 advisor Ken Wilping 有的时候他就会说,ok,what you propose,if you want to propose a better model,you should write that paper

但是总的来说就是说 research is a cumulative process 我们从来没有说我们这篇文章 the end of the storywe have tounderstand that the modelthe paper can be improvedby other researcherswhen there is better datawhen there ispost reform data 你都可以回过头来来验证我们的文章我们的文章已经在发表了发表在那个期刊上面我们有很那种很 explicit prediction 好现在

那 mandate 去掉了,特朗普真的把 mandate 去掉了现在有这个没有 mandate 的这个 Obamacare 的数据啦我们的 model prediction 是不是 validated by the post data 那个 mandate 去掉以后的 data 我们基本上还是 line up 所以这个很有意思这个我们 structural model laid out very strong predictionsthat can actually be checked by the data sometimes

你错了就错了这只能承认错了如果正确的那 you know that gives you someconfidence in the framework you proposed 还有一个问题我没有问那个政策问题我做研究事实上

很少就是我一直有个观点就是说学术研究和政策研究是有区别的我们经济系的人还是基本上做的是学术研究有的时候学术研究呢有政策建议 Policy implications 我们可以把它拎出来但真正是要去影响那个政策的不是我们的我不觉得是我们每个人做那种研究的人那个学术研究的人的职责在美国的话他这个还是分得挺清楚的这个 Public Policy School 对不对

他们在执行政策的贡献我们做学术研究的我们尽力尽力的询问公众政策他们也许可以读我们的文章以后把我们的一些发现投入到他们的政策上去但是基本上我们学者还是专注于学术有个分工

好的那么时间长度的关系我们把这次访谈剪成了两期节目在下期节目里面汪老师将讲述他对研究歧视精力学的心得以及对精力学博士生们的一些建议欢迎您的收听