可信性革命改变了经济学所知道的东西吗？
1990年代，经济学界决定不再信任自己核查不了的模型，转而动手做实验。它得到的答案好了很多。它也就此不再去问一些最大的问题。
这场革命让哪些问题变得可以研究
“与教科书模型的核心预测相反……我们没有发现任何迹象表明最低工资的上调减少了就业。”
— 戴维·卡德与艾伦·克鲁格，《美国经济评论》，1994年
1992年，新泽西州上调了最低工资，宾夕法尼亚州没有。卡德与克鲁格在州界两侧数了上调前后的快餐业岗位，发现教科书的预测落空了。这项结果出名，靠的是它得出的结论。更要紧的是它怎样得出这个结论：不用结构式模型，不用无法检验的假设，全靠一次自然实验完成识别。这一步就是可信性革命。而卡德-克鲁格本身，只是劳动经济学领域一条更长的学脉里的一例，那条学脉由它自己的导读来梳理，见从边际生产力理论到可信性转向。
要看清这一步为什么是一次断裂，先看它取代了什么。整个1970和1980年代，应用经济学靠的是结构式模型：写下一个关于行为人如何行动的模型，用观测数据估计它的参数，再从估计出来的结构里读出政策效应。麻烦在于，答案取决于数据核查不了的假设，比如函数形式、误差分布、哪些变量是外生的。LaLonde在1986年把这个麻烦摆到了无可辩驳的地步。他拿来一次真实的随机化职业培训实验，把随机化去掉，再问当时领先的那些结构式估计量能不能从观测数据里把实验的答案还原出来。还原不出来。不同的、都说得过去的设定给出的效应差得很远，而且没有任何内部的办法能判断哪一个是对的。
可信性这一步，是不再试图给整个世界建模，转而去找那种处理分配得近乎随机的场景：一个州上调了最低工资而邻州没有，一次抽签决定哪些学生能入学、哪些不能，资格线在某个随意划定的临界值上出现断点。找到这种场景，你就能用读者可以细究的假设识别出一个因果效应。围绕这一点长出来的那套工具箱，包括做得仔细的工具变量、双重差分、断点回归，有一个共同点：识别赖以成立的假设是摊在明面上的。
这套工具箱所估计的那个形式化对象，比看上去要窄。它是局部平均处理效应，也就是那些因为这次自然实验而处理状态真的发生了变化的人身上的效应。
把 $Y_i(1)$ 与 $Y_i(0)$ 记作单位 $i$ 在接受处理与不接受处理两种情形下的结果，即两个潜在结果，其中永远只有一个能被观测到。设有一个工具变量 $Z$，它推动处理 $D$，除此之外不影响 $Y$，那么要估计的量是
$$\text{LATE} = \frac{E[Y \mid Z=1] - E[Y \mid Z=0]}{E[D \mid Z=1] - E[D \mid Z=0]} = E\big[Y_i(1) - Y_i(0) \,\big|\, \text{compliers}\big]$$分母的意思是：在所有被这个工具变量推动过的人里，按处理状态真正翻转的那部分人的比例放大回去。留下来的是依从者身上的效应，不是全体人口的效应。
你永远看不到同一个人既接受处理又不接受处理，所以个体效应永远无法直接测量。自然实验只对那些被它改变了处境的人给出干净的比较，也就是那些因为这次工资上调而改变了用工做法的新泽西餐馆。于是这套方法交出的答案是：“效应在这里，对这些具体的人，在这个具体的场景中。”这比经济学家过去所声称的要少。它也更站得住。
还有一件事让这场革命站住了脚：推断跟上了识别。Bertrand、迪弗洛与穆莱纳森在2004年表明，双重差分研究里计算标准误的标准做法过分自信，它把相关的观测当成独立的，制造出本不存在的显著性。把这个问题纠正过来，靠的是聚类标准误和诚实对待不确定性，这意味着一个可信的因果估计从此要同时挺过两关：一个可核查的识别假设，以及一个可核查的主张，说明数据到底容许你有多确信。
这是卢卡斯反凯恩斯革命之后的下一步，教科书传统把它讲成一条学脉。反凯恩斯革命那一方攻击凯恩斯模型，说它们依赖的那些关系，政策一旦用上就会失效，他们的答案是更深的微观基础。可信性革命对同一种焦虑给出的是另一个答案：可以核查的识别。《经济思想史》的处理把这两步放进同一章，并直接讲了劳动经济学如何点燃了可信性转向。
形式化的计量部分，即识别问题、工具变量、双重差分、断点回归，以及支撑局部平均处理效应的潜在结果框架，在《经济学》教科书里有完整的论述。这套工具箱按时间顺序走过的那条轨迹，从工具变量到双重差分、到断点回归、到匹配、到合成控制、再到因果机器学习，由它自己的导读来梳理，见可信性革命的方法脉络。
辩护方的理由，以最强的形式
“经验微观经济学经历了一场可信性革命……更好的研究设计，是经验微观经济学可靠性提升中不可分割的一部分。”
— 约书亚·安格里斯特与约恩-斯特芬·皮施克，《经济展望杂志》，2010年
安格里斯特与皮施克并没有说经济学找到了新的真理。他们说的是，经济学找到了一个办法，可以分辨自己的哪些经验主张值得相信。革命之前，审稿人读一篇结构式论文，没有独立的办法去核查那个撑起头条数字的假设。假设和结果缠在一起，分歧最后落到品味上。革命之后，识别假设摆在表面，敌意的读者可以直接攻击它：宾夕法尼亚州这条边界究竟算不算新泽西州的有效对照？资格临界值究竟是不是真的随意？这些都是可以回答的问题。好处在于，因果主张变得可以就事论事地争。2025年一篇能发表的应用微观论文，生死系于一个关于研究设计的论证，而1985年的论文既不必作这个论证，也赢不下来。
而且这门学科把这一步不折不扣地铺开了。这个领域一旦认定可信的识别是入场的门槛，就围绕如何找到干净的变异，重组了研究生培养、期刊审稿，以及应用研究的整套激励结构。成片的文献，比如教育回报率、班级规模的效应、监禁的影响，都被重建在准实验的基础上，交出的答案在复制检验下站得住，而上一代的答案做不到这一点。就其自身的标准而言，辩护方的主张是对的。
目前的结论
可信性革命让一件具体的事变得可见：一个因果主张背后的识别假设，读者能不能核查。这就是今天一篇能发表的应用微观论文与1985年那篇之间的方法论分界线。但它并不解决所问的问题是不是对的问题，而且它买下这份确定性的办法，是收窄自己所回答的范围，从“这项政策的效应”收窄到“这次特定实验恰好推动了的那些人身上的效应”。
就一个具体问题、在一个具体人群上拿到一个干净的因果估计，和知道世界如何运转，是两回事。真把这件事当真的发展经济学家没有只做一次实验。他们做了一千次。他们学到了什么，而这个领域为了学到它又放弃了什么？
什么被照亮了，什么被排挤了
“我们其实并不知道[我们的援助]有没有起到什么好作用……好消息是，我们可以查清楚。我们可以做实验。”
— 转述自埃丝特·迪弗洛，TED演讲，“用社会实验对抗贫困”，2010年
迪弗洛的说法既让人泄气，又很激进：发展经济学花了几十年争论宏大的增长理论，却几乎拿不出可信的证据说明哪些干预真的有用。她的答案是把政策当医学来做，随机化、测量、累积。这是可信性革命被推到最干净的形式。也正是在这里，这种干净的代价开始显形。
班纳吉、迪弗洛与塞德希尔·穆莱纳森2003年在麻省理工创办了贫困行动实验室（J-PAL），建起一套能够大规模开展随机田野实验的基础设施。到2010年代后期，这个研究纲领已经做出了一千次量级的试验，涉及驱虫、小额信贷、有条件现金转移支付、教师出勤、蚊帐、免疫接种激励。2019年授予班纳吉、迪弗洛与迈克尔·克雷默的诺贝尔经济学奖，在建制上认可它是发展研究中占主导的经验范式。发展经济学的学脉，从刘易斯和结构主义者一路到随机对照试验转向，《经济思想史》的处理走的就是这一条。
随机对照试验照亮的，是与这个领域惯常所见不同种类的事实。革命之前的发展文献做的是宏大的结构性主张，比如大推进、平衡增长、两缺口模型，它们要指出的是什么让整个经济体增长起来。试验用另一种东西取代了它们：在特定人群上的、小的、具体的、可证伪的效应。驱虫在肯尼亚某个地区把上学出勤率提高了一个具体的数字；小额信贷远远没有做到它的鼓吹者所许诺的，几乎在每一个受检验的地方都是如此。能够诚实说出口的知识，单位从“什么导致发展”缩小到“这项干预在这里做了什么”。就这套方法能够触及的东西而言，这是一次真实的升级：这个领域不再为自己从未可信测量过的效应虚张声势。
这场革命还挪动了整门学科的重心，别的研究纲领因此失去了阵地。巴罗式的跨国增长回归曾经是一门兴旺的产业，后来变得没有指望，它们的识别假设正如LaLonde所警告的那样无法证伪。校准的结构宏观，以及上一代那种雄心勃勃的政策评估计量，把期刊版面和研究生的注意力输给了干净的田野实验。被排挤的这个研究纲领直接上溯到卢卡斯的理性预期那一步，而可信性转向在应用研究中悄悄削掉了它那份覆盖全学科的雄心。
班纳吉本人在思想谱系图上位于现代多元主义者之列。随机对照试验研究纲领在方法论脉络中的位置，可以在交互式思想图谱上看到。
两件事，都是真的
“做实验这件事，从根本上改变了我们关于如何理解世界的想法……它是一件用来发现什么管用的工具，而不是一条用来印证我们已有信念的路。”
— 转述自阿比吉特·班纳吉与埃丝特·迪弗洛，诺贝尔奖演讲，“田野实验与经济学的实践”，2019年
班纳吉与迪弗洛的主张是，实验产出的是另一种、也更诚实的知识主张：谦逊、依赖具体情境、可以证伪。上一代拿出的则是自信满满、却撑不起来的普遍结论。他们明说这是更谦卑的经济学，并且论证这种谦卑正是收获所在。这个领域过去回答“穷国怎样发展”，靠的是没人能检验的理论；现在它回答“这一项在这里管不管用”，靠的是任何人都能核查的证据，并让答案一点一点累积起来。就它能够触及的问题而言，这是支持“革命让这个领域知道得更多”这一说法的最强理由。
“随机化这个方法……回答不了政策分析者想要答案的许多问题……要外推到实验人群之外，要评估尚未试行的政策，就需要结构式模型。”
— 转述自詹姆斯·赫克曼，《经济文献杂志》，2010年（“架起桥梁……”）
赫克曼是在以最强的形式提出那个关于排挤的论证。结构式纲领生来就是为了做实验研究纲领按其构造做不到的那件事：评估一项还没有试行的政策，在一个还没有接受处理的人群上，办法是把行为模型和假设都写清楚，并接受答案的好坏就到这些假设的好坏为止。一次随机试验没法告诉你一项你还没有立法通过的最低工资，在一个你还没有观察过的劳动市场上会有什么效应。要走到那一步，你需要一个关于人们如何反应的模型，也就是那套被这场革命排挤掉的结构式分析工具。赫克曼承认卡德-克鲁格站住了。他要说的是：一门只能回答实验碰巧提供出来的那些问题的学科，已经放弃了政策需要答案的一整类问题。
目前的结论
两件事同时成立。发展领域的随机对照试验转向，照亮了一类知识，而革命之前的文献对这类知识一直在虚张声势，那就是在特定人群上的、小的、依赖情境的、可证伪的效应，而在此之前只有自信的理论和几乎没有可信的测量。同时，结构式研究纲领被排挤是一项真实的损失：有些问题，比如一项未曾试行的政策的效应、一个没有任何实验触及过的人群的答案，正是结构式纲领当初为之设计的，而可信性革命的工具箱按其构造做不到。
如果这场革命在它所做的事情上如此成功，那么它最有分量的批评者——迪顿、赫克曼、宏观那边做总反思的一群人——为什么花了十五年论证有重要的东西丢掉了？他们提的是三种不同的异议。这场革命还欠着什么账？
至今未了的那些批评
“随机对照试验是有价值的，但它们没有什么特殊地位，而且会遇到许多问题……更深的那个问题，即如何用实验证据去为不在实验中的人作决定，一直没有得到充分处理。”
— 安格斯·迪顿与南希·卡特赖特，《社会科学与医学》，2018年
迪顿用一辈子测量贫困，并因此获得诺贝尔奖，这正是他的批评有分量的原因。可信性革命的主流辩护者与主流批评者，同时在争三件事：外部有效性、结构式模型当初是干什么用的，以及这一切能不能加总到宏观上去。
一个简化式估计，也就是第1阶段那个干净的局部平均处理效应，所用的假设最少，而且内部有效：在它自己的实验之内，这个数字是可信的。一个结构式估计用的假设更多，并在那些假设之下换来更宽的主张，但那些假设恰恰是最难辩护的东西。两边都不可能两者兼得。可信性革命选了内部有效性和最少的假设，而这三种批评，就是为这个选择欠下的三笔不同的账。
外部有效性。一个样本上的干净估计，对另一个人群什么也没说，除非你假定处理效应以某种已知的方式可以推广，而你一旦作了这个假定，你就是在做结构的工作，只是不承认而已。肯尼亚的驱虫效应推广不到比哈尔邦，那里的寄生虫、学校和家庭都不一样，而试验内部再严谨也换不回试验从未观测过的东西。这笔账，得由结构方法来还。
结构方法当初是干什么用的。赫克曼在第2阶段所强调的那一点，在这里锐化成一项批评：向未曾试行的政策和未曾触及的人群外推，正是结构建模生来要做的工作。一门放弃了它的学科，丢掉的是一项功能。
宏观加不起来。一个可信的微观估计，比如靠当期收入过日子的家庭的边际消费倾向，可以为一个宏观模型的校准提供依据，但它替代不了那一整套结构宏观的分析工具，而回答减税对产出有什么影响、加息会不会引发衰退，靠的正是那套工具。可信性工具箱没法从干净的微观效应一路推进到一般均衡问题，这在很大程度上解释了为什么这场革命读起来像是应用微观内部的一场转变。2008年之后的宏观那一边有它自己的、更深的一次总反思，由它自己的导读来处理，见2008年击垮宏观经济学了吗？
在教科书的学脉里，外部有效性批评与可信性革命之后的方法论争论，落在现代多元主义那一章，那一章把 J-PAL 纲领与迪顿-普里切特-罗德里克的反对意见放在一起讲。结构式计量经济学一方的辩护，则沿着计量方法论那次转向往上走，而信息经济学那一章正是把这次转向摆在自己那条测量的脉络旁边。
三位批评者，三笔不同的欠账
“如果不知道事情为什么会发生、人为什么会那样做，我们就冒着作出毫无价值的、随口而来的（‘童话故事’式的）因果理论的风险，而且我们永远不会知道自己的结果能不能推广。”
— 安格斯·迪顿，“工具、随机化与对发展的认识”
迪顿的外部有效性批评，是对这套工具箱结构性限度的一个正确观察。他的指责很精确：一次试验交出一个干净的局部效应，却不交代这个效应为什么发生，那它就是拿理解换来了识别上的可信，而要对不在试验里的人说任何话，你需要的正是理解。产生肯尼亚驱虫效应的那套机制，是唯一能告诉你在比哈尔邦该期待什么的东西，而实验按其设计对它保持沉默。这笔账是真的，十五年过去，大体上还没还：这场革命建起来的政策评估基础设施并没有解决外部有效性，装作已经解决，是这个领域长期的自欺。
“信息量最大的评估把实验方法与结构方法结合起来……不带理论的做法……既不提供解释自身估计的框架，也不提供向新环境外推的框架。”
— 转述自詹姆斯·赫克曼，“计量经济学中的因果性”，《国际统计评论》，2008年
赫克曼为结构式计量经济学所作的辩护，靠的是它的方法论骨架，而这副骨架是对的，哪怕他的经验记录并不总是对的。他在一些具体问题上确实错了，他对卡德-克鲁格的几次重新分析没有通过复制检验，而卡德-克鲁格站住了。但方法论上的主张与他的实证战绩无关：结构式模型是唯一能提供那些参数的东西，有了这些参数，才谈得上解释一个估计，并把它带到新的环境里去，因为它说清楚了是什么行为生成了这个数字。把它抽掉，你剩下的就是一个不解释为什么的测量，对手头这个案例有用，对其他任何案例都无话可说。简化式纲领做不了在明确假设之下的事前政策评估。更干净的工具变量修不好这一点。按其构造，这个纲领就是不做这件事。
“我们正在一步一步，把自己越挖越深，挖进一片幻想之地，那里的经济行为人能解出越来越丰富、含有各种摩擦的随机一般均衡问题。”
— Ricardo Caballero，《经济展望杂志》，2010年（“危机之后的宏观经济学”）
宏观加总这项批评，是在框架层面上讲的。Caballero的质疑是：宏观问题与应用微观问题在种类上就不同。宏观问题落在动态一般均衡里，关心的对象是整个系统的反应，而可信性革命那个等级的证据只能为这个反应提供依据，永远替代不了计算这个反应所需要的结构式模型。你可以用一个漂亮的自然实验，把靠当期收入过日子的家庭的边际消费倾向定得很准；但没有一个关于各部分如何相互作用的模型，你还是读不出一次财政刺激对总产出做了什么。微观证据是宏观的输入，这也正是为什么在一个已被可信性革命改造过的领域里，动态随机一般均衡（DSGE）与校准的结构宏观依然存在。
目前的结论
迪顿与卡特赖特说得对：外部有效性这笔账是真的，而且大体上还没还。赫克曼说得对：结构式纲领当初是为一件事设计的，即在明确假设之下作事前评估，而简化式研究纲领按其构造做不到这件事，丢掉它是真实的损失。Caballero和宏观那边做总反思的那群人说得对：微观经验研究加不到宏观需要回答的那些问题上去。这些都不能推翻第1阶段的裁断：因果主张的标准确实提高了。但它们全都在约束这个裁断能被推到多远。这场革命赢下了它自己挑的那场争论。批评者指的是它不再去打的那些争论。
那么，如果因果主张的标准提高了，外部有效性这笔账是真的，而排挤又有一部分是损失，那经济学现在知道了哪些它过去不知道的东西？而这门学科又在拿这笔账怎么办？
经济学现在究竟知道什么
“就一项政策的效应作推断，金标准是随机对照试验。然而……研究者感兴趣的问题往往……无法用实验来回答。挑战在于把实验方法的可信性与结构方法的可推广性结合起来。”
— Susan Athey与圭多·因本斯，《经济展望杂志》，2017年（“应用计量经济学的现状……”）
因本斯分享2021年诺贝尔奖，靠的正是驱动第1阶段的那套潜在结果分析工具。他点明的是那件还没做完的工作：可信的方法回答的是一类很窄的问题，而要紧的问题往往落在这一类之外，这个领域眼下真正在做的事，就是在这两者之间架桥，同时不退回从前那种虚假的自信。
这门学科对外部有效性这笔账的回应，是一批努力，它们既想守住识别上的纪律，又想把政策上的触及范围拿回来。有三条值得一提。因本斯和他的合作者把潜在结果框架直接推向外推与外部有效性的问题，把“这个结果推得过去吗”当作一个形式化的问题来处理。Susan Athey与圭多·因本斯建起了因果机器学习这条纲领，用灵活的算法去估计处理效应在不同的人和不同的场景之间如何变化，也就是外部有效性所系的那种异质性，同时在底下保住一个可信的识别策略。拉杰·切蒂的大数据研究则把数以百万计的行政记录与因果设计结合起来，以小样本随机对照试验永远达不到的规模和精细程度，回答关于社会流动与机会的问题。
朱迪亚·珀尔的结构因果模型研究纲领，以及双重/去偏机器学习方法，与这些工作并排站在一起，是同一件事上的更多工具。这条前沿把可信性革命那种可核查的识别，与结构式研究纲领的雄心合在一起，而后者要谈的正是任何实验都没有触及的那些情形。现代多元主义那一章把这读作这门学科当下的方法论处境：一批纲领都在同一个取舍上各自作出选择。
几条脉络彼此对照
拿这三个阶段，对着它们始终关乎的那个问题掂量一下：“经济学现在知道什么。”第1阶段的辩护方是对的，而且无人反驳：在劳动、公共、发展和应用微观领域，什么算得上一个可信的因果主张，比1985年严格得多，也透明得多。这一收获是真实的，也是不可逆的。第2阶段所说的排挤同样是真实的：这个领域所追的问题范围在一些方向上收窄了，形状也变了。这种收窄一部分是纠偏，LaLonde说得对，革命之前的结构性主张常常被夸大了；一部分是损失，因为结构式研究纲领做过实在的工作，而这些工作至今没有别的东西接手。
第3阶段的批评者约束了这个裁断，却没有推翻它。外部有效性是一笔没还的账。赫克曼所说的那项职能，即在明确假设之下作事前评估，是简化式纲领执行不了的。宏观基本没有从这套工具箱里加总起来。合起来看，这几条脉络算下来落在一个很精确的地方：经济学知道的是另外一些东西，而且知道得更好。它对一类更窄的因果问题把握得更牢，对那些它过去凭不该有的自信去回答的大的结构性问题，主张变弱了，还留下一个诚实的未解问题，即外部有效性，而这个问题在过去它会含混带过。
裁断
可信性革命改变了经济学所知道的东西吗？改变了，但这个答案是有分寸的。经济学知道的是另外一些东西，而且知道得更好；这算不算知道得更多，取决于你问的是什么问题。撑住这句话的有四条立场。因果主张的标准确实提高了：在应用微观领域，一个可信因果主张的门槛比1990年之前高得多，也透明得多，这一点没有认真的争议。问题的范围在一些方向上收窄了，形状也变了：跨国增长回归、校准的结构宏观反事实，以及结构式计量经济学纲领都失去了阵地，这种排挤有一部分是纠偏，有一部分是真正的损失。外部有效性是一笔真实而未了的账：政策评估的基础设施并没有解决用一个人群的证据为另一个人群作决定这个问题，经济学界应当停止装作它解决了。宏观基本没有加总起来：DSGE与校准的结构宏观依然存在，因为可信性工具箱替代不了它们所做的事，这也正是为什么这场革命读起来更像应用微观内部的一场转变，而不是一场覆盖全学科的转变。
有一点要提防：这种收窄是局部的。把2025年的经济学整体称作“更窄”是错的，这个领域已经进入了它在一代人之前无法可信触碰的因果问题。而可信性革命之后的综合，包括因本斯关于外推的工作、Athey与因本斯关于因果机器学习的工作、切蒂关于大数据因果推断的工作，加上珀尔的结构因果模型和双重/去偏机器学习，正是对这笔账的正面回应。现在就断言哪个方向胜出还太早，因为这个领域自己也还没有作出这个判断，而装作已经有了，恰恰就是这场革命当初所要反对的那种不该有的自信。
可信性革命只是一条脉络，它嵌在一个更大的问题里：经济学是一门统一的科学，还是一个由各专业结成的联邦。关于这个整合，见导读经济学是一门科学，还是许多门？。这套工具箱按时间走过的轨迹，见方法脉络的那篇导读；这场革命基本没有触及的宏观那一边的总反思，见2008年击垮宏观经济学了吗？；而行为经济学自己的准实验时刻是另一个故事，讲在它自己的导读里。
目前的结论
我们从州界两侧的两家快餐店开始，从一个打破了教科书预测的结果开始。让卡德与克鲁格重要起来的是那一步：不再信任你核查不了的模型，去找读者可以细究的变异，并接受一个更窄、更诚实的主张作为交换。发展经济学家把这一步推到最干净的形式，学到了一千件小的、具体的、可证伪的事情，而曾经回答大问题的结构式纲领丢了自己的位置。批评者把代价点了出来：一笔没还的外部有效性欠账，事前政策评估上一项真实丢失的功能，以及一个始终没有从这套工具箱里加总起来的宏观。在前沿这一侧，包括因果机器学习、大数据因果推断、外推的形式化研究，是这个领域正在做的尝试，既要守住那种纪律，又要把触及的范围拿回来。
因果主张的标准升上去了，而且不会掉回来。这个领域有把握去追问的范围在一些地方收窄了，一部分出于好理由，一部分要付出真实的代价。而最难的那个问题，即如何用你从实验里那些人身上学到的东西，去为不在实验里的人作决定，仍然悬而未决，眼下真正的工作也正是在那里进行。下一次有人告诉你可信性革命要么把经济学治好了、要么把它掏空了，你手上已经有工具，可以越过这两句口号，走到它们各自略过的那份分寸上去。