2000年：丹尼尔-L-麦克法登和詹姆斯-J-赫克曼

丹尼尔-L-麦克法登

詹姆斯-J-赫克曼

詹姆斯-J-赫克曼(James Heckman ) (1944-)

2000年的诺贝尔经济学奖授予两位美国经济学家詹姆斯-J-赫克曼和丹尼尔-L-麦克法登，以奖励他们发展广泛应用在经济学以及其他社会科学中对个人和住户的行为进行统计分析的理论和方法。尤其是，对赫克曼奖励他对分析选择性样本的理论和方法的发展，对麦克法登奖励他对分析离散抉择的理论和方法的发展。

这两位经济学家所从事的学科领域可称为微观计量经济学。如所周知，早年计量经济学主要都用在宏观经济学上，即主要研究以国民经济为主体的经济行为。微观经济学问题，即个人、住户和企业的经济行为问题；例如，决定个人在教育、就业、住房等方面选择的经济因素是什么，不同的劳动市场和教育计划对个人收入和就业有什么激励影响等等。这类问题以前很少有人研究。其原因之一是这方面的统计数据不容易找到。近三十年来，微观统计数据开始越来越丰富，使得微观计量经济学研究就有了可能。但是这里有许多新的统计上的问题要解决。例如，个人或住户行为的统计样本不一定是随机的，从而不一定有代表性；影响个人行为的某些特征是不可观察的等等。

詹姆斯-J-赫克曼，美国公民，56岁，生于伊利诺斯州的芝加哥市。

从1995年起，赫克曼就在芝加哥大学获任亨利-舒尔茨杰出成就经济学教授。赫克曼在经济学领域的研究内容涉及诸如社会项目评估、非连续选择和纵向数据的计量经济学模式、劳工市场经济学以及收入分配的模式选择等等。此次他以“对分析选择性抽样的原理和方法所做出的发展和贡献”获奖。

赫克曼的主要贡献是提出对统计数据的选择偏差进行纠正的简单可行的理论和方法。所谓选择偏差是指在样本选取时因数据的局限或取样者的个人行为而引起的偏差。例如，考虑受教育程度与个人收入之间的统计关系问题。一般来说，数据来源总是有偏差的。教育程度高的人群的数据容易得到，而教育程度低的数据就不容易得到，因为他们的工作可能不固定，甚至常常失业。这样仅仅以搜集到的数据来作统计分析，受教育程度对个人收入的影响就会被低估。赫克曼为此提出著名的赫克曼修正法。这种方法分为两个步骤。第一步先构造一个基于经济理论的工作概率模型，并由此对每个个人预测其工作的概率。第二步再把这些预测概率加到原来的模型中去，作为新的解释变量，由此就得到更确切的受教育程度与个人收入之间的统计模型。赫克曼用这样的方法处理了许多类似的问题；例如，失业者再就业的时间间隔问题(观察到的数据往往带有个人特征的影响)，职业培训的估价问题(未经职业培训的个人数据不易得到，赫克曼得到的结论是许多职业培训的作用被高估)等。

丹尼尔-L-麦克法登(Daniel McFadden ) (1937年-)

丹尼尔-L-麦克法登，美国公民，生于北卡罗莱纳州的罗利市。

1962年获得美国明尼苏达大学博士学位，现为加州大学伯克利分校经济学教授和计量经济学实验室主任。

他的研究领域包括：计量经济学及经济学理论以往研究课题：隐含变量模式、选择模式及应用、大规模抽样计量经济学、抽样理论、经济生产理论以及消费理论。目前正在研究的课题有老龄化趋势经济学、储蓄行为，人口统计学趋势、住房流动性、健康和死亡比例研究、利用计量心理学数据进行的消费者需求分析以及计量经济学模拟方法研究。此次他以“对分析离散选择的原理和方法所做出的发展和贡献”而获奖。

麦克法登的所谓离散抉择分析是指个人在有限种可能中作出抉择的行为分析。例如，个人对职业、住地、交通工具等等的选择，都是有限的离散抉择。在麦克法登以前，对这种抉择的研究都缺乏经济理论基础。麦克法登的理论从经典的微观经济学出发，即个人都有一个以备选物为自变量的效用函数，抉择的原则是使效用函数达到极大。但是由于人们不可能观察到影响抉择的所有因素，因此，统计数据也都是有偏差的。麦克法登意识到观察上具有同样特征的个体群中还有随机变化，于是在模型中作了处理。由此可以预测人口中选择不同的备选物的人群比例。麦克法登更为系统的贡献是他发展了所谓条件logit分析理论。这一理论可以用下列例子来说明。假设人口中面临若干种备选物，例如，备选的是交通工具：自行车、汽车、公交车、地铁等。每种备选物都有一定的特征，例如，各种交通工具的费用、所需时间等等；每个个人都有一系列特征，例如，年龄、收入、教育程度等。有关数据都可以通过统计调查得到。但此外，还有一些不可观察的特征被处理为随机“误差项”。麦克法登假定这些随机误差都有一些特殊的分布特征。

詹姆斯-J-赫克曼和丹尼尔-L-麦克法登显然又都是经济学家中的数学家。事实上，赫克曼有数学学位，而麦克法登有物理学位。他们的研究工作即使从数理统计的角度来看，也都有重大突破。就如Tobin (1981年诺贝尔经济奖获得者)因为在宏观计量经济学中提出一种估计方法以后，就出现了Tobit这个术语，赫克曼修正法也被后人称为Heckit法。它与麦克法登的条件logit分析都已经成为计量经济学和数理统计学中的经典。

詹姆斯·赫克曼(James J.Heckman， 1944)

微观计量经济学的开创者,因对分析选择性抽样的原理和方法所做出的发展和贡献，而获2000年诺贝尔经济学奖。

2000年的诺贝尔经济学奖授予两位美国经济学家詹姆斯·赫克曼和丹尼尔·麦克法登，以奖励他们发展广泛应用在经济学以及其他社会科学中对个人和住户的行为进行统计分析的理论和方法。尤其是，对赫克曼奖励他“对分析选择性抽样的原理和方法所做出的发展和贡献”获奖。对麦克法登奖励他对分析离散抉择的理论和方法的发展。这两位经济学家所从事的学科领域可称为微观计量经济学。早年计量经济学主要都用在宏观经济学上，即主要研究以国民经济为主体的经济行为。微观经济学问题，即个人、住户和企业的经济行为问题；例如，决定个人在教育、就业、住房等方面选择的经济因素是什么，不同的劳动市场和教育计划对个人收入和就业有什么激励影响等等。这类问题以前很少有人研究。其原因之一是这方面的统计数据不容易找到。近三十年来，微观统计数据开始越来越丰富，使得微观计量经济学研究就有了可能。但是这里有许多新的统计上的问题要解决。例如，个人或住户行为的统计样本不一定是随机的，从而不一定有代表性；影响个人行为的某些特征是不可观察的等等。

詹姆斯·赫克曼简介

詹姆斯·赫克曼(James J.Heckman)1944年生于美国芝加哥，曾就读于科罗拉多学院(Colorado College)数学系，1971年获普林斯顿大学经济系博士学位。曾在哥伦比亚大学、耶鲁大学、和芝加哥大学任教。从1995年起，赫克曼就在芝加哥大学获任亨利-舒尔茨杰出成就经济学教授，现为芝加哥大学的教授。赫克曼在经济学领域的研究内容涉及诸如社会项目评估、非连续选择和纵向数据的计量经济学模式、劳工市场经济学以及收入分配的模式选择等等。

与麦克法登合作的学术研究及成就贡献

赫克曼和麦克法登的主要贡献在于“个体经济计量学”(Microeconometrics)的建立和发展。所谓个体经济计量学是指对家庭、厂商等经济个体的行为所进行的计量研究，研究对象范围很广，较主要的有劳动经济学的课题：劳动供给、薪资决定、教育选择、失业期间、移民、职业选择、生育选择、性别歧视、种族歧视等；共经济学的课题：租税政策及社福政策的效应；消费行为研究的课题：商品需求、品牌选择；都市及运输经济学的课题：住房租购选择、区位选择、交通工具选择；产业经济学的课题：生产形式选择、生产要素需求、生产效率评估等。

“个体经济计量学”中赫克曼的贡献：

个体资料的收集大多是在一个不是完全随机抽样的状况下所进行的，而抽样之所以不随机，是因为个体资料的样本观察值都是来自于家庭、厂商等经济个体，而这些经济个体本身(或是它周遭的其他经济个体)都具有选择判断的能力，因此很可能会采取一些影响抽样过程的行动，以致抽样失去随机性，造成所收集到的样本不能够比例的代表母体。例如我们永远只能从有工作的人那里获得工作时间以及薪资的资料，但总人口中总会有不小比例的人选择不工作，任何资料库都不可能包括这些人的工时或薪资，也就是说不工作者工时或薪资之无法观察的本质，造成资料库结构性的缺失，不论抽样过程是如何的客观随机，所得到工时或薪资的资料严格说起来均不具真正的代表性，如果使用传统的经济计量方法来分析这样的资料，所得到的任何推论都只能代表有工作者的行为，而不能说是对全体人口的行为描述，若仍然将实证结果解释为放诸四海皆准的发现，当然是犯了以偏概全的错误，这种错误就是所谓的“样本选择误差”(SelectionBias)。

“样本选择”问题在个体资料中实在是很常见，比如：试图收集高中毕业者和大学毕业者的薪资资料以研究大学教育对薪资的贡献(粗略来说即是大学毕业薪资高出高中毕业薪资的部分)，不论抽样过程是如何的客观随机，资料都一定会有样本选择问题，因为进不进大学是一种选择，每一个人都会谨慎评估它的成本和效益，而不太可能以丢铜板完全随机的方式来决定是否要进大学，影响所及，所有高中毕业者和大学毕业者的样本都不会是完全随机的，若仍然采用传统的计量方法来比较高中毕业者和大学毕业者的薪资，就会导致选择误差。赫克曼最大的贡献便是明确的点出这个问题，并提供解决的计量方法。赫克曼对选择误差问题的分析，不仅影响经济学，更从根本上改变了许多其他社会科学的实证研究。更难能可贵的是，赫克曼开创性的以个体经济理论来解释个体资料之样本选择问题，关于这点我们应该注意到，个体经济学本身可说就是一种分析经济个体如何选择的科学，以个体经济理论来解释个体资料之样本选择问题事实上是相当自然的，而赫克曼则是严谨精准的表达这种看法的第一人。

赫克曼自己的学术研究及成就贡献

赫克曼在经济学领域的研究内容涉及诸如社会项目评估、非连续选择和纵向数据的计量经济学模式、劳工市场经济学以及收入分配的模式选择等等。

提出对统计数据的选择偏差进行纠正的简单可行的理论和方法

所谓选择偏差是指在样本选取时因数据的局限或取样者的个人行为而引起的偏差。例如，考虑受教育程度与个人收入之间的统计关系问题。一般来说，数据来源总是有偏差的。教育程度高的人群的数据容易得到，而教育程度低的数据就不容易得到，因为他们的工作可能不固定，甚至常常失业。这样仅仅以搜集到的数据来作统计分析，受教育程度对个人收入的影响就会被低估。赫克曼为此提出著名的赫克曼修正法。这种方法分为两个步骤。第一步先构造一个基于经济理论的工作概率模型，并由此对每个个人预测其工作的概率。第二步再把这些预测概率加到原来的模型中去，作为新的解释变量，由此就得到更确切的受教育程度与个人收入之间的统计模型。赫克曼用这样的方法处理了许多类似的问题；例如，失业者再就业的时间间隔问题(观察到的数据往往带有个人特征的影响)，职业培训的估价问题(未经职业培训的个人数据不易得到，赫克曼得到的结论是许多职业培训的作用被高估)等。

对劳动供给和薪资决定的研究

赫克曼对样本选择问题的分析肇始于一九七零年代初期他对劳动供给的实证研究，而在劳动供给领域中，赫克曼开创了所谓的“第二代”劳动供给模型，将一般计量模型所必有的随机干扰项直接融入劳动供给者的效用极大化过程之中，由此直接推导出劳动供给计量模型，这种计量模型较传统劳动供给模型更为贴切的描述劳动供给者的“心路历程”，也能够同时处理劳动供给者“要不要工作”以及“每天要工作多少时间”两种决定，更值得称道的是，第二代劳动供给模型一并解决了劳动供给资料中的样本选择问题。

赫克曼是在1974年的一篇论文中提出相关的论述，他指出根据个体经济理论，工作与否是由劳动供给者(尤其是妇女)的效用极大化过程来决定，而这个过程可以如下的方式解释：劳动供给者根据自身的需求拟定出一个“保留工资”(ReservationWages)，劳动供给者只有在找到薪水大于这个保留工资的工作后才会开始工作，也就是说一个人是否工作完全是根据保留工资和真正可拿到的薪水的比较来决定的，这个机制不仅描述了劳动供给的决策过程，也同时解释了劳动供给资料为什么会有样本选择问题。只有在搞清楚样本选择问题的肇因后，才有可能提出解决的方法，而这也正是赫克曼由个体经济理论出发，逐步处理样本选择问题的做法。赫克曼在其后一系列论文中对处理样本选择问题提出了一个非常简单的计量方法，也就是著名的“赫克曼两阶段法”(或称为赫克曼修正法)，采用这种计量方法的实证研究可说是汗牛充栋，例如，中央研究院院士李龙飞在1978年的一篇论文中研究工人加入工会是否有助于薪资的提升，由于工人不是随机性的加入工会，而是会经过一番审慎的选择，因此工会资料也有样本选择问题，所以必须采用赫克曼两阶段法加以处理。类似的研究还包括公营机关和民营企业薪资的比较，跨国移民对所获薪资的影响，以及之前提到过之教育报酬率的估计等等。

劳动市场辅导计划的评估：诸如在职训练、就业辅助、员工津贴等劳动市场辅导计划，在许多国家都行之有年，评估这类计划的效益当然是一个很重要的问题，赫克曼对这个课题的重大贡献仍然是在于指出样本选择问题的存在：当我们试图测量某一劳动市场辅导计划对参与者的帮助有多大时，我们只能比较计划参与者和非参与者之间的差异。但是由之前对样本选择问题的讨论中我们应可了解，每一个计划参与者之所以加入计划都是经过一番评估的，只有在认定对自己有帮助时才会选择加入，也就是说，是否要参与计划绝不是随机决定的，所以计划参与者和非参与者的样本资料都有样本选择问题，要比较两者之间的差异必须采用类似赫克曼两阶段法的计量处理方式。赫克曼在一连串的后续研究中更进一步的指出，一般处理样本选择问题的计量方式，可能还都不能完全消除计划评估的样本选择误差，他因此曾建议采用实验方式收集资料以根本的避免样本选择问题，并对此建议进行详尽的理论分析。总结赫克曼以及其他学者过去二十多年来的研究，我们发现我们将是不太可能只根据单一的计量方法来评估所有的辅导计划，计划效益的评估必须逐案个别处理。而从赫克曼所做过的大量个案中我们也可发现，大多数劳动市场辅导计划对参与者的帮助都不明显，不同形式的计划对不同的参与者也会有很不相同的影响。

对持续期间(Duration)的研究

所谓“持续期间”是指某一事件延续时间的长短，持续期间之计量分析在经济学中的应用包括失业期间、罢工时间、景气循环周期、消费者购物时点、以及许多人口学的课题，诸如婚姻、生育、寿命、迁徙等的持续期间。赫克曼对持续期间的研究也有相当大的贡献，他特别重视持续期间资料的“隐性差异”(UnobservableHeterogeneity)问题，现以失业期间的分析为例来说明隐性差异的影响：在失业者中，素质较优的失业者比较容易找到新工作而有较短的失业期间，而素质较差的失业者相对的当然会有较长的失业期间，因此“长失业期间样本组”和“短失业期间样本组”之间的差异可能不完全是随机的，而是属于在素质上有根本差异的两个不同群组之间的差异，我们对这两个群组之间的差异到底是什么通常也无法完全确认，所以便以隐性差异称呼这些无法确认的素质差异，换句语说，失业期间资料之所以会有长短不同，很可能是由无法确认之隐性差异所造成的，若有太多的隐性差异无法确认，则我们当然无法正确分析失业期间的决定因素。在这个讨论中我们应可看出，隐性差异对持续期间分析的影响相当类似样本选择问题，而样本选择问题的处理一直就是赫克曼的兴趣所在。为解决隐性差异问题赫克曼还提出一些无母数的计量方法，为持续期间的实证研究者所广泛采用，赫克曼本人也对失业期间和生育期间课题做了许多的实证研究。

赫克曼除了对个体经济计量学的理论有重大贡献外，还进行了许多深入的实证研究，在劳动供给、薪资决定、失业期间、劳动市场辅导计划的效益评估、生育多寡、性别歧视等课题上，获得相当丰硕的实证结果，也提供了不少独到的见解。

丹尼尔·麦克法登(DanielMcFadden)简介

麦克法登(DanielMcFadden)1937年生于美国北卡罗来那州的瑞雷(Raleigh,NC)，在明尼苏达大学(Universityof Minnesota)物理系获得学士学位后改念经济，1962年于同校获得博士学位。曾在匹兹堡大学、耶鲁大学、麻省理工学院、和加州大学柏克莱分校任教，1990年后是柏克莱加州大学的讲座教授，现为加州大学伯克利分校经济学教授和计量经济学实验室主任。

丹尼尔·麦克法登的学术研究领域

包括：计量经济学及经济学理论以往研究课题：隐含变量模式、选择模式及应用、大规模抽样计量经济学、抽样理论、经济生产理论以及消费理论。目前正在研究的课题有老龄化趋势经济学、储蓄行为，人口统计学趋势、住房流动性、健康和死亡比例研究、利用计量心理学数据进行的消费者需求分析以及计量经济学模拟方法研究。2000年，他以“对分析离散选择的原理和方法所做出的发展和贡献”而获诺贝尔经济学奖。

与詹姆斯·赫克曼合作的学术研究及成就贡献

赫克曼和麦克法登的主要贡献在于“个体经济计量学”(Microeconometrics)的建立和发展。詹姆斯·赫克曼和丹尼尔·麦克法登显然又都是经济学家中的数学家。事实上，赫克曼有数学学位，而麦克法登有物理学位。他们的研究工作即使从数理统计的角度来看，也都有重大突破。就如托宾(1981年诺贝尔经济奖获得者)因为在宏观计量经济学中提出一种估计方法以后，就出现了Tobit这个术语，赫克曼修正法也被后人称为Heckit法。它与麦克法登的条件logit分析都已经成为计量经济学和数理统计学中的经典。

“个体经济计量学”麦克法登最主要的贡献

对诸如不同交通工具或不同职业等的“类别选择”(DiscreteChoices)问题上，发展出一套完整的理论和实证方法。和赫克曼一样，麦克法登也很擅长于将经济理论和计量方法紧密结合起来，并将之应用到许多不同领域(例如生产经济理论、运输经济学、环境经济学等)的实证研究中。在一九七零年代以前，经济理论和计量经济学的分析都局限于数值连续的经济变数(像消费、所得、价格等)，类别选择的问题虽然是无所不在，传统上却没有一个严谨的分析架构，麦克法登填补了这个空隙，他对类别选择问题的研究在很短的时间内就发展成为一个新兴领域，大大的扩充了经济理论和计量经济学的范围和适用性，许多其他社会科学的学门也因此获得一个十分有用的实证研究工具。

麦克法登对类别选择问题的分析可简单介绍如下：在类别选择问题中，不论要选的类别是什么，每一个类别对做选择的经济个体来说都有或多或少的效用(没有效用的类别当然不会被考虑)，一个类别的脱颖而出必然是因为该类别能产生出最高的效用。麦克法登将每一个类别的效用分解为两部份，第一个部分受“类别本身的特质”以及“做选择之经济个体的特质”所影响(了解这些特质是如何影响各个类别的效用便是实证分析的主要目的)，而第二个部分则是一个随机变数，用以总结所有其他无法观察到的影响。也就是因为效用包含了这么一个随机变数，所以每一个类别的效用本身也都是随机的，影响所及各个类别之效用的大小不是固定不变，而是随机变动的，换句语说经济个体不会固定的选择某一类别，我们最多只能说某个经济个体选择某某类别的机率是多少，这套想法麦克法登称之为“随机效用模型”(RandomUtilityModel或简称RUM)，它让习惯于传统非随机效用理论之经济学家的眼界为之大开，更大大扩展了效用理论的适用范围。

麦克法登接着对随机效用做出一些巧妙的分配假设，使得选择各类别的机率(乃至于整个概似函数)都可以很简单的公式表示出来，我们因此可用标准的统计方法(最大概似估计法)将“类别特质”以及“经济个体特质”对类别选择的影响估计出来，麦克法登将这种计量模型取名为“条件Logit模型”(ConditionalLogitModel)，由于这种模型的理论坚实而计算简单，几乎没有一本计量经济学的教科书不特设专章介绍这种模型以及类似的“多项Logit模型”MultinomialLogitModel)。

多项Logit型虽然好用，但和所有其他的计量模型一样都有某些限制，多项Logit模型最大的限制在于各个类别必须是对等的，因此在可供选择的类别中，不可有主要类别和次要类别混杂在一起的情形。例如在研究旅游交通工具的选择时，可将交通工具的类别粗分为航空、火车、公用汽车、自用汽车四大类，但若将航空类别再依三家航空公司细分出三类而得到总共六个类别，则多项Logit模型就不适用，因为航空、火车、公用汽车、自用汽车均属同一等级的主要类别，而航空公司的区别则很明显的是较次要的类别，不应该混杂在一起。在这个例子中，主要类别和次要类别很容易分辨，但在其他的研究中可能就不是那么容易，若不慎将不同层级的类别混在一起，则由多项Logit模型所得到的实证结果就会有误差。为解决这个问题，麦克法登除了设计出多个检定方法以检查这个问题是否存在外，还发展出一个较为一般化的“阶层多项Logit模型”(NestedMultinoimalLogitModel)，不仅可同时处理主要类别和次要类别，尚保持多项Logit模型的优点：理论完整而计算简单。

麦克法登本人对Logit模型的实证研究

麦克法登本人也进行了许多利用多项Logit模型的实证研究，例如都市交通工具的选择、家庭用电需求、电语需求、老人住家需求等等。麦克法登曾更进一步的发展出可同时处理类别和连续型经济变数的混合模型，并将之应用到家庭对电器类别以及用电量(连续型变数)需求的实证研究上。毫无疑问的，多项Logit模型体系的建立和应用的普及，确定了麦克法登在计量经济学中宗师的地位。在不对等类别选择的问题上，文献中也还可找到一些可同时处理主要类别和次要类别的不同模型，但这些模型的估计都牵涉到多重积分以致计算繁复到几乎没有实用价值，麦克法登针对这个问题也发展出一种充分利用电脑计算能力的“模拟动差估计法”(MethodofSimulatedMoments)，这个方法开创性的将应用数学中的数值方法和计量经济学紧密结合，又再次开启了一个崭新的跨领域研究课题。

麦克法登在成大名之前的一九六零年代，对个体经济学中的生产理论也曾做过相当深入的研究，对生产函数和成本函数之间的“对偶性”(Duality)有很详尽的分析，这些研究成果直到一九七零年代末期才以专书的形式发表，这本专著发表后立刻产生广泛的影响，一九八零年代以后的个体经济理论教科书纷纷将对偶性分析列为主要课题。对偶性分析不仅有重要的理论价值，对计量分析也很有助益，麦克法登自己就曾将这套分析工具应用到对租税之资源扭曲效果的实证研究上，对偶性分析因而成为公共经济学研究中一个不可或缺的工具。

近十年来麦克法登将兴趣转移到环境经济学，研究人们利用自然资源时所愿意支付的价格(Willingness-To-Pay)，用以计算各种自然资源的“存在价值”，并评估自然资源受损时所造成的福利损失。麦克法登将这套研究方法应用到对美国阿拉斯加州休闲资源的评价上，还尝试计算1989年“艾克桑福尔第号”超级油轮漏油对阿拉斯加州所造成的损害。麦克法登在这个领域的研究也再次证明他整合经济理论和计量方法并将之应用到实证研究的大师级功力。