因此，我们能否得出这样的结论：多接受一年教育，你的收入就会增加7%？ 这个问题的答案是否定的——选择长期教育的人在许多方面有别于那些选择短期教育的人。例如，有些人可能在学习和工作方面很有天赋。这些人可能会继续学习，但他们仍然会可能有更高收入，尽管他们没有。也可能是这样的情况，只有那些期望为教育买单的人选择学习更长时间。
很容易相信就能够发现，进行自然实验的情况是非常不寻常的，尤其是那些可以用来回答重要问题的自然实验。过去30年来进行的研究表明，情况并非如此：自然实验频繁发生。例如，它们之所以发生可能是由于一个国家某些地区的政策变化，高等教育的录取门槛降低，或者税收和福利体系中的收入门槛调整，这意味着部分群体会受到影响，而另一部分则不会。因此存在意外的随机性将人们分为控制组和治疗组，为研究人员提供了揭示因果关系的机会。
卡尔德和克鲁格指出，邻近的宾夕法尼亚州就没有增加。当然，这两个州之间存在差异，但劳动力市场很可能会在靠近边境的地方发生类似的变化。因此，他们研究了两个相邻地区——新泽西和宾夕法尼亚州东部——的就业影响，这两个地区有相似的劳动力市场，但边境一侧的最低工资有所提高，而另一侧没有。没有明显的理由认为，除了最低工资的提高之外，任何因素(如经济形势)会对边境两边的就业趋势产生不同的影响。因此，如果在新泽西州观察到雇员人数出现变化，而这与边境另一侧的任何变化都不一样，就有充分的理由将这解释为最低工资上涨的影响。
因果关系研究的新框架在所有现实场景中，干预的效果——例如，额外教育对收入的影响——因人而异。此外，个体受到自然实验的影响也不同。16岁离开学校的机会几乎不会影响那些已经计划上大学的人。类似的问题出现在基于实际实验的研究中，因为我们通常不能强迫个人参与干预。最终选择参与的亚组可能由相信他们将从干预中受益的个人组成。然而，分析数据的研究人员只知道谁参与了，而不知道为什么——没有关于谁参与的信息，仅仅是因为他们有机会，这要归功于自然实验(或随机实验)，以及谁会这样做。如何建立教育和收入之间的因果关系？
约书亚·安格里斯特和吉多·因本斯在20世纪90年代中期的一项深入研究中解决了这个问题。更具体地说，他们问了以下问题：当实验结果因人而异以及我们无法完全控制谁参与时，在什么条件下我们可以使用自然实验来评估特定干预(如计算课程)的结果？我们如何估计这种影响，并应该如何解释？
稍微简化一下，我们可以想象一个自然实验，就好像它随机地将个体分成了治疗组和对照组。治疗小组有权参加一个方案而对照组没有。安格里斯特和因本斯的研究表明，有可能通过采用一个两步骤的过程(称为工具变量法)来评估该计划的影响。第一步，调查自然实验如何影响项目参与的概率；第二步，在评估实际项目的效果时考虑这种可能性。给定几个假设，这些假设是因本斯和安格里斯特详细阐述和讨论的， 因此，即使没有这些信息，研究人员也可以估计到谁会真正被自然实验所影响。一个重要的结论是， 只有当在自然实验下改变了他们的行为的群体才能够评估影响。这意味着安格里斯特和克鲁格关于收入影响的结论——额外的一年教育可以影响的收入水平——他们估计是9%——只适用于那些一旦当有机会出现时，选择了离开学校的人。无法确定这个群体包括哪些人，但我们可以确定它的规模。该组的结果也被评为当地平均治疗效果。
实证研究的革命
20世纪90年代初的获奖者的贡献表明，使用自然实验来回答关于因果的重要问题是可能的。他们的贡献互相补充、相互强化：约书亚·安格里斯特和吉多·因本斯关于自然实验的方法论见解，卡尔德将这种方法应用于重要问题，为其他研究人员开辟了道路。我们现在有了一个连贯的框架，这意味着我们知道这类的研究结果应该来解释。获奖者的工作彻底改变了社会科学的实证研究，并且显著提高了研究团体回答对我们所有人都很重要的问题的能力。
校对：丁晓
