约书亚·安格里斯特（Joshua Angrist）是那種令研究主題引人入勝，而又有趣幽默的經濟學家。他是能言善辯的演說家兼作家，無論在工作、與同事相處和在經濟學這領域裡，他都享受箇中樂趣 。
安格里斯特说：「我想指出经济学其实非常精彩，我亦想举一些例子证明这点。但是，在过去半个世纪以来，经济学的教导内容几乎一成不变，我们难以在主流的课文中找到好例子。」
那麼安格里斯特到底在这方面作了甚麼？他当然重新撰写过书籍，但这方我们面容后再说。
约书亚·安格里斯特
2021 年瑞典中央銀行紀念阿爾弗雷德·諾貝爾經濟學獎
摘要
摘要
出生：1960 年出生於美國哥倫布
研究领域：计量经济学及劳动经济学
奬项：?2021 年瑞典中央銀行紀念阿爾弗雷德·諾貝爾經濟學獎（共同獲得）
获奖研究：对因果关係分析方法的贡献
并非纸上谈兵：安格里斯特曾研究服军役的影响，自己亦曾在以色列国防军服役
不论晴雨：他每天都踩单车上班，波士顿的寒冬期间亦不例外
功夫奇想：安格里斯特和合著者Pischke 從功夫中取得靈感，創作了一本書，甚至給予各自角色：約書亞師傅（Master Joshua）和斯特夫師傅（Master Steve-Fu）
使用数据来理解经济关係
使用数据来理解经济关係
作為勞動經濟學家兼計量經濟學家的安格里斯特很喜歡使用数据来理解经济关係，對他而言，隨機對照試驗是理想的方法，但未必總是可行。
他说：「我很少有机会进行真正的随机对照试验。我们想使用对照实验来进行研究，而实际上我们通常只能使用自然发生的情况来模仿，或至少我们希望可以这样达到理想效果。」
其中一个往往不可能进行随机对照试验的领域就是教育，而这领域正是安格里斯特研究的重要支柱之一。
这个问题是否令您有所啟发？
獲取最新瑞银诺贝尔视角的資訊。
教育和学校教育的回报
教育和学校教育的回报
安格里斯特说：「教育回报是劳动经济学的一个非常重要研究议题。」
他补充：「我们对人们的收入多寡以及其原因非常感兴趣。影响收入结果有很多随机因素，但亦有些系统性相关因素，而收入的其中一项最重要系统性相关因素就是教育。人们获得教育越多，收入越高。那麼，如果你花一年时间在校学习，之后可增加多少收入？」
教育回报是劳动经济学的一个非常重要研究议题。我们对人们的收入多寡以及其原因非常感兴趣。
使用工具變量(Instrumental Variable, IV) 策略來計算學校教育回報
使用工具變量(Instrumental Variable, IV) 策略來計算學校教育回報
他的研究發現，增加一年教育大約可令工資增加 10% 至 12%，而美國大學畢業生的工資較高中畢業生高 60%。安格里斯特說明，這不僅對個人而言很重要，對政策制定者亦然，因為用於教育的投資遠不止支付學費。然而，在這方面進行實驗很困難，因為教育並非隨機分配。安格里斯特和已故同事亞倫·克魯格（Alan Krueger）當時便著手調查，怎樣才能真正計算出學校教育回報，並制定了工具變量策略。他們利用人們出生的年份，以及美國的強制上學法律來計算。這策略其後變得廣為人知。
他說：「在美國，你基本上可以在 16 歲生日當天起從高中輟學。因此如果你的出生月份較後，你入學時比較年輕，因此需要上學更長時間才能可以輟學。」
安格里斯特和克鲁格研究的对象并非现今这一代，而是他们父母那一代。当时从高中輟学比现今常见得多。
他续说：「例如，他们会輟学以开始工作。他们可参加某些职业培训计划，或投身军队。特别是在那个年代，这是非常重要的渠道。如果他们唸完高中，那就是被逼的。我们发现，被逼唸完高中真的可带来很好的回报。」
使用工具变量来审视军役
使用工具变量来审视军役
在安格里斯特修读博士学位时和其后数年，他研究了服兵役对士兵收入的影响。他尝试针对研究从军可否视為大致不错的职业，在财务方面是否一步好棋。他细看美国参与越战和二战的数据，似乎得出一些见解，但这些结果仍需进一步深入细看。
安格里斯特說：「如果你看看在 1920 年代出生並參與二戰的人，與同年代出生但沒參軍的人，你會看到曾在二戰參軍的人壽命更長。這看似參軍對他們有好處，實際改善了他們的健康。不過如果你再深思一下，要作此定論大概言之尚早。參軍的人壽命更長，是因為有健康問題的人不合資格參軍。這是決定他們日後壽命長短的原因，而非他們參軍與否。」
在此情境中識別相關性與因果關係是很複雜的問題，就如同經濟學中許多範疇都難以使用隨機對照試驗。然而，安格里斯特在其研究中找到一個事例，當中美國作出了他形容為「接近隨機試驗」的行動。在 1970 年代，即越戰時代，他們在徵兵過程中徵召男性，而看他們是否符合資格的方法，是為他們的生日日期配以隨機抽籤數字。
当美国参与在伊拉克和阿富汗的行动时，曾经有关於再次徵兵的讨论。然后我很快就指出那会损害应徵入伍者，因此我们应叁思是否真的要这样做。
他说：「那不太算是随机试验，因為那并非单纯入伍或落选的对照情境，当中牵涉部分随机分配的要素。这些抽籤数字能对谁入伍作一定预测。所以那就成了我的论文题目。基本上我致力於实证式策略，以分析有随机分配要素的那类情境。怎样以此来得出和了解因果效应？我们為此使用的基本工具是项计量经济学工具：工具变量。」
工具变量方法和改进估计结果的解读
工具变量方法和改进估计结果的解读
安格里斯特和諾貝爾經濟學獎共同得主吉多·因本斯（Guido Imbens）獲獎的原因並非創立工具變量，而是找到新方式去使用工具變量方法、解讀結果，以及改進估計結果的解讀。安格里斯特在研究中應用工具變量後，所得結果便清楚得多。
他說：「參軍阻礙了(美國)平民職業生涯。在該段期間服役，實際上帶來頗為重大的負面影響，例如令你三十多歲時的收入減少 15%。在 2000 年初，當美國參與在伊拉克和阿富汗的行動時，曾有關於再次徵兵的討論。我很快就向傳媒和其他感興趣的觀察者指出，從之前的徵兵經驗看，徵兵會損害應徵入伍者，因此我們應三思是否真的要這樣做。」
以更简单幽默的方式研究经济学
以更简单幽默的方式研究经济学
安格里斯特和共同作者約恩-斯特芬·皮施克（J?rn-Steffen Pischke）有令人意想不到的靈感來源：喜劇科幻故事和武術。他們的成果，《Mastering 'Metrics: The Path from Cause to Effect》成為了當時最幽默的計量經濟學書籍，至少據安格里斯特本人所說如是。不過他亦說過他們下一本書《基本無害的計量經濟學》其後將《Mastering 'Metrics: The Path from Cause to Effect》一書推下最幽默的寶座。不過，撇除靈感和詼諧這些因素，安格里斯特指他和合著者撰寫這些書的目的都非常認真。
我们认為，最宝贵的工具就是简单的工具……有模型，但非常简单和易於说明。
约书亚·安格里斯特研究的影響
约书亚·安格里斯特研究的影響
他解釋：「我們當時認為，計量經濟學有很多可能很危險的構想，我們指的是相對複雜並且產生不太透明估計結果的構思。很難說明這些構思從何而來，而我們認為最寶貴的工具就是簡單的工具：回歸 (Regression)、工具變量、雙重差 (Difference-in-differences)、斷點回歸 (Regression discontinuity) 設計，這些全都某程度上旨在非常透明地表現因果效應，讓你可以說：『我實際所做的，是比較徵兵中的合資格和不合資格男性，並由此推論出特定的因果效應。』你在處理數據時無需使用花巧的模型。模型是存在 ，但非常簡單，而且很容易說明。」
安格里斯特知道，叙述故事有助传达更多讯息。他们眼见计量经济学的教导和实践之间有所脱节，因此很想拉近这差距。更好的是，他享受写作这种实践方式，最终觉得整个过程都很欢乐。
他说：「写作的其中一个原因是想获他人理解，但同时亦想留下印象、想发挥影响力。」
亦有人问
為何各国必须找到更好的经济增长方式？
聽聽米高·斯彭斯（Michael Spence）的想法，了解各國如何實現可持續發展，同時產生長期積極影響。
更多诺贝尔经济学奖得主的故事
这个问题是否令您有所啟发？
獲取最新瑞银诺贝尔视角的資訊。