1、2000年诺贝尔经济学奖获得者 詹姆斯赫克曼 James JHeckman,个 人 档 案,全名：詹姆斯约瑟夫赫克曼(Jams Joseph Heckman) 出生：1944年4月19日美国芝加哥市 国籍：美国 星座：白羊座 获奖时间：2000年10月11日，与丹尼尔麦克法登分享 获奖成就；创立了分析选择性样本的理论与方法,主要经历 1970-1973年哥伦比亚大学助理教授 1973-1974年 哥伦比亚大学副教授 1974-1977 年 芝加哥大学副教授 1977年以后 芝加哥大学经济学教授 1985-1995年 芝加哥大学亨利舒尔茨教授 1995年以后 芝加哥大学亨利舒尔茨杰出功勋教授,学
2、位1965年 科罗拉多学院(数学)文学学士1968年 普林斯顿大学(经济学)文学硕士1971年 普林斯顿大学(经济学)哲学博士,公职与荣誉 1980年 经济计量学会资深会员 1983年 美国经济学联合会约翰贝茨克拉克奖 1985年 美国艺术与科学研究院院士 1992午 国家科学院成员 1998年 中西部经济学联合会会长,通信地址 Professor James J. HeckmanDepartment of Economics1126 East 59th StreetUniversity of ChicagoChicago, Illinois 60637-1588 E-mail:j-heckm
3、anuchicago.edu Web page: lily.src.uchicago.edu,自 我 点 评,我致力于探讨样本设计对由那些样本获得的经验估计的重要性，样本选择是严重影响对社会统计学的解释的普遍现象：我帮助把同行的注意力引导到了这个论题。此外，我还探讨了未能说明劳动供给和生产率动态模型中不可察变项的后果，这种不可察变项称为“异质性”严至地影响了人们可从动态数据中所作出的论断：人各有别这一假设可以说明社会科学中极其多样的经验规律性。我的主要目标但也许并非我的主要贡献是为经济学提供一个真空的基础，使它没有形而上学的或政治的倾向性，同时把以经验为根据的试验从不以经验为基础的庞大的经济体
4、中分离出来。我所有的工作就是建立可测试的经济模型，并且要求把可知性的从臆测中分离出来，而不管这些臆测是流行的或广为采纳的。虽然试验中根据经验的内容很少，而且人们对它的发展关注很欠缺，使得许多人觉得它不可预测。但是将经济学建立在以经验为根据的基础上，并且抛弃目前大行其道的那些主观因素，或许我们能在这方面获得长足的进步。,学 术 贡 献 提 要赫克曼由于对微观计量所做出的杰出贡献而与美国经济学家丹尼尔麦克法登一起荣获2000年度诺贝尔经济学奖。根据瑞典皇家科学院公告，他们对经济学所作出的员献主要表现在“经济学理论的发展和计量经济方法论的创新”方面，他们”从根本上改变了微观经济的应用研究”。其中，赫
5、克曼对微观经济计量学的突出贡献主要表现在对微观计量技术及其对劳动力供给和选择理论的研究方面。,一、选择性偏差理论赫克曼将微观计量理论创新与应用性实证研究相融合。他的研究集中在劳动力供给、劳动收益、失业的持续时间和判别分析、劳动力市场的项目与政策评价等、尤其是他使用选择性资料建立劳动力供给模型，以及基于模型研究选择性偏差和对模型进行的二阶段估计等，其思想和方法从根本上改变了经济学的应用研究。计量经济学讨论“选择”问题是从赫克曼（1974）研究已婚妇女自我选择参加工作还是选择不工作既作为家庭主妇开始的。显然选择工作的妇女为一个群体，不选择工作的妇女为另一群体，而市场工资只能从选择工作的群体中观测。
6、因此，这样得到的赤场工资样本就是选择性样本，故这种样本不是随机地从妇女这个总体中抽取，换言之，对选择性样本的统计推断就可能有偏差地反映总体的特征。这种偏差即为选择偏差。类似地，这种非随机生成的微观数据还有诸如是否加入工会，是否作为劳动力，受教育程度的选择，居住地选择和交通工具的选择等。以是否选择作为劳动力为例，作为劳动力还是坐享社会福利是美国工人的一种自我选择，这种选择显然直接决定了劳动力供给。随着70年代社会福利的发展，经济的“滞胀”，工人选择上班即可获得市场工资，亦可能会遭遇解雇而失业，选择不工作可能会获得社会福利和其他收益，即影子收入。,因此，工人必须比较上班与不上班的收益与风险从而决定
7、其选择。要通过计量经济模型来描述选择性经济行为和劳动力供给，显然就必须使用选择性数据资料。由于选择工作的工资和工作时间只能在选择工作的群体中观测，因此，这样的样本是非随机的，且这样的样本也是不完全的，即存在数据丢失(没有观测到不选样工作的群体的数据资料）与经典计量经济模型相比较。以众所周知的消费收入模型为例，消费作入因变量，它的观测值被认为是从总体中随机抽取的消费支出，收人数据也是如此。 因此，在对随机优动合适的假定之下，通过样本数据所估计的消费模型至少能致地反映消费与收入的关系。即通过样本能推断总体特征。 然而，使用选择性样本。如果对模型的设定、估计、检验等方面不进行相应的创新，所估计的模型
8、就不可能致地反映变量之间的关系，通过样本也就不能推断总体的特征。 此外，经典模型中的因变量观测值是组确定的数据、而微观计量模型中的因变量观测值则可能赋值1或0（如选择工作为1，不选择工作为0）。甚至是0、1、2等这样的顺序数据（如对多种选样进行排序并分别记为0、1、2等）、因变量的观测值具有这种特征的模型称为有限因变量或数量反响模型。,类似的问题还有截断（truncation）与过滤（censor） 如果因变量表示参加工作的收人、那么其观测值就从最低收入处以截断低于最低收入即不参加工作的人的收入因无法观测而没有包括进来从而使因变量的分布被截断。由此而引出相应的设定、识别、估计与检验等题。而过滤
9、则是指对因变量观测值，基于某种判别准则进行归并，如满足特定的准则对因变量观测值定义为0，否则为1。利用截断模型和过滤模型也能研究很广泛的微观经济问题。总之，使用上述所及的微观数据的模型的因变量一般都不能直接观测，因此，具有这种特征的模型也成称为潜在（latent）因变量模型。这样一来，研究诸如选择问题的微观计量模型从资料、设定、识别、估计、检验和应用等方面几乎从根本上改变了经典的应用研究。很明显，微观计量研究的是个人或单个厂商的选择。因而是一种典型的经济行为。因此，选择性问题不仅在统计推断与建模方面是一种突破，而且也丰富了微观经济理论。赫克曼正是这种研究的开拓者之一和杰出代表。,二、劳动力供给
10、模型赫克曼研究选择性和选择偏差问题是基于他所建立的已婚妇女的劳动力供给模型（1974），他在研究美国已婚妇女是否选择工作这一现象时提出了选择性问题，由于能直接观测的是选择工作的已婚妇女的市场工资，而选择不工作的妇女可能会因坐享社会福利或从其他渠道而获得的收入不能观测，称其为影子工资，显然市场工资只能从选择工作的群体中观测，这样得到的市场工资样本就是所谓选择性样本，这种样本不是从已婚妇女这个总体中随机抽取，由此导致使用选择性样本来推断总体特征就有可能产生偏差。因此，模型从设定到估计与检验均须考虑这种选择性数据并基于模型分析其偏差。赫克曼主要的工作是将选择性问题内生化，即已婚妇女选择参加工作是效用
11、最大化的结果。这样，他所建立的已婚妇女劳动力供给模型为两个方程所组成的结构模型。其中，第一个方程为观测的市场（工作）工资方程，其外生变量为影响市场工资的因素（常规性外生变量)，第二个方程为影子（储备）工资方程，其中的外生变量除了常规的可观测因素，还包括工作时间。,但影子工资是不能观测的潜在变量，而个人对工作时间的选择可以调节使得市场工资等于影子工资。当工作时间大于0时，说明工人处于工作状态，此时可观测到的内生变量为市场工资和所有外生变量，但影子工资不能观测。因此，与经典模型相比较，赫克曼的劳动力供给模型中某些内生变量为不可观测的潜在变量，对这一模型的估计必须考虑样本是一种非随机的选择性样本，赫
12、克曼利用扰动的正态分布和恰当的变换导出了这种样本的极大似然函数，并由此获得基本结构参数的无偏估计和市场工资方程的估计，然后使用估计的结构参数来预测选择工作和工作时间的概率，以及储备工资和市场工资的概率。赫克曼1978年的工作是对上述模型进行改进，与前述模型相比较，其特点：一是定义虚拟变量，其对应的判别准则是潜在变量大于0时，对虚拟变量赋值1即选择工作，否则为0。与经典模型中反映结构变化或政策变化的虚拟变量相比较，这里的虚拟变量实质上是针对潜在变量而定义的。二是在市场工资（因变量）方程即第一个方程中，被解释变量除原有的外生变量外，还包括潜在变量和虚拟变量，而在影子工资（第二个方程的因变量）中，解
13、释变量除原来的外生变量之外，还包括市场工资和虚拟变量。,这样，赫克曼1978年的模型更直接反映了市场工资和影子工资的交互影响，他通过定义虚拟变量来反映结构变化和虚拟内生变量以揭示这种交互影响。当然，这一模型在估计，检验与识别等方面就更加复杂，但用这种模型所描述的经济行为更为广泛，如是否加入工会，评估某些社会项目（计划或经济政策）的效应等。实际上，这个这个模型稍加改进就可用于评价就业法的效果。赫克曼正是定义与设定了倾向于公平就业法的“情绪”变量与方程，并于兰德斯（Landes,1968）的公平就业方程相联立，以形成评估就业法的效果的结构模型。这一方法亦使用极大似然估计，因此这类模型亦可用于评估经
14、济政策的效应，赫克曼在这方面的工作也是他获奖的重要因素。,三、二阶段估计,赫克曼对微观计量的另一杰出工作是他所提出的二阶段估计。赫克曼1974年是使用极大似然方法估计已婚妇女的劳动力供给方程，当时所使用的极大似然估计没有考虑扰动的截断。稍后，赫克曼于1976年提出了校正截断偏差的二阶段估计。其基本思想是，第一阶段：在扰动为正态扰动的假设下，导出工作时间大于0(即选择工作)的条件下，对市场工资的扰动的条件概率，这一条件概率的条件为工作时间大于0，从而使其由不可观测的影子工资所在方程的参数和市场工资方程的有关参数来表述。这样，这条件概率实质上转化了不可观测的因变量即影子工资。第一阶段即是使用全部样
15、本信息对上述条件概率进行概率极大似然估计。第二阶段：利用第一阶段的结果对市场工资方程进行普通最小二乘估计(OLS)或加权最小二乘估计(WLS)。不难看出，市场工资的扰动的条件概率是以工作时间大于0 为条件，因而这种扰动具有截断分布。即期望不为0，因此，在进行第二阶段估计前，利用第一阶段的估计结果，将这种均值不为0的扰动表述成其期,望和新的0均值扰动之和，并以此替代市场工资方程中的扰动，然后利用观测到的样本对市场工资进行普通最小二乘估计或最小二乘估计 这样就对选择性偏差进行了校正。不难看出，赫克曼二阶段估计的技术突破是证明扰动的期望不为0且用其均值校正偏差而获得一致估计，且这一方法既能对结构式也
16、能对简约式进行估计，这是它与常规的二阶段估计的根本区别。这一估计方法的最大优势在于它能用于任何含有“潜在”（如截断、过滤等）因变量的联立方程系统的估计。因此，后来发展的微观计量模型很多都使用赫克曼的二阶段估计，如赫克曼评价劳动力市场项目（或政策）的模型估计等。不仅如此，这一方法还能用于含有混合性潜在因变量（即有的因变量为截断或过滤，有的因变量为数量反向即取值为0、1、2等）的联立方程系统的估计。总之，赫克曼原创的二阶段估计，其学术价值不仅在于这一估计捕获了扰动的非0均值偏差，而且其应用非常广泛，因而促进了微观计量的应用。因此，赫克曼原创的二阶段估计，是他对微观计量最具影响性的贡献。,赫克曼最初
17、的估计是对简约式进行二阶段估计。通过对模型的适当处理，也可对结构方程直接进行二阶段估计。无论是对简约式还是结构式，二阶段的估计均为一致估计。赫克曼的二阶段估计与经典计量经济模型的普通二阶段估计的主要区别在于，赫克曼的二阶段估计是基于结构方程或简约方程的参数来表述，利用截断来校正偏差。这种二阶段估计的最大优势在于它能用于任何含有截断分布的潜在变量的联立方程组。而普通的二阶段估计无法用于估计这种联立方程组。基于这一思想发展起来的还有概率二阶段和托宾（J.Tobin )二阶段估计。此外，还有用于混合性因变量（如有些因变量为截断，有些为数量反响因变量）的联立方程组的二阶段估计也是基于赫克曼的二阶段估计
18、的思想。由上述可见，赫克曼的二阶段估计不仅成功估计了具有潜在变量的联立方程模型，且基于估计来分析选择性偏差，然后更重要的是，他的思想激起了后续的许多研究和广泛应用。,四、持续时间模型与经济政策评价,赫克曼对微观计量所做的另一具有影响的工作是对持（Duration）时间数据与持续模型的研究。所谓持续时间数据是指不间断延续的时间长度，如失业或就业持续的时间，对某种商品购买的持续时间，经济周期持续时间等等。持续时间模型就是使用持续资料的计量经济模型。在这一方面，赫克曼最先研究了不能观测的异方差效应，如影响失业（或就业）持续时间的不可观测变量之间的差异，以及由此导致的对失业的持续时间的异方差效应。赫克
19、曼对此问题的研究与他所建立的劳动力供给模型相融合而获得高度评价。此外，赫克曼对持续时间模型的识别问题的研究，也具有一定的影响。赫克曼模型的一个自然延伸是基于选择模型对积极的劳动力市场的项目（政策）的评价，如对公平就业法效果的评价等。这里，积极的劳动力市场项目（计划，政策）是指刺激劳动力就业的具体政策如培训，职业援助，就业补贴金等。这类政策评价的经典问题是参与者的收益与就业。而项目或政策评价的两个基本问题是建立评价模型并以此分析项目（政策）效应。,赫克曼是世界上著名的计量经济政策评价的研究者，在这一领域，赫克曼与合作者基于微观经济理论指导模型的结构方程设定和解释实证的结果。如对公平就业法的效应评
20、估就是典型的例子。此外，他与罗伯（Robb，1985）合作，提出了评价项目（政策）效应的模型的识别与估计等等。赫克曼模型设定的发展是用于评价积极的劳动力市场政策的效应，积极的劳动力市场政策是指职业培训、职业援助、就业补助金、公平就业法等等。他在这一方向最初（1978）也是具有影响的工作是公平就业法的效果的评价模型。他的这一工作是源于兰德斯（Landes ,1968)研究公平就业法对黑人工资的效应的研究。赫克曼的评价模型开拓与激发了用微观计量评价社会项目与政策效应研究。但是，他们的评价结论多是悲观的，即他们所评估的项目或政策通常只有很弱的效果。当然，这一现象与迄今为止还没有一个完全正确的评价方法
21、是分不开的。,权 威 点 评,詹姆斯赫克曼因其对分析样本选择理论和方法的发展而获奖。可利用的微观数据经常需要选择样本。例如，要是具备某些特定特征（它们不能被研究者观测到）的个体选择去工作或接受教育，工资方面的数据就难以被随机地抽样。如果没有考虑到这类选择，对经济关系的统计估计就会产生偏倚。赫克曼发展了用适宜的方式处理样本选择问题的统计方法。对于研究人员难以观察到的个体差异的相关问题，他也提出了解决的工具。这类问题相当普遍，例如在评价社会计划或估计失业持续时期对获得工作机会的影响时经常遇到这类问题，同时，赫克曼还是这些领域应用研究的领袖人物。2000年瑞典皇家科学院公告,詹姆斯赫克曼的研究改变了
22、劳动经济学、经济计量学和人口统计学的面貌。他对样本数据和选择问题的研究，为微观经济学中的抽样、时间序列分析建立了标准。他关于动态模型的探讨，阐明了异质与状态关联的显著含义，使我们对经济现象，尤其失业期间的了解加深。在分析妇女工资比率的时候，他首先提出了处理这类问题的方法增加一项估计的偶然价格条款，以弥补干扰变量的非零条件的平均数。如今该方法变得如此普遍，以致经济计量学的学生通常被教知怎样“Heckit”回归方程式。最近，他致力的长期数据分析和非参数问题都是统计学的前沿课题，此举对经济计量学而言具有深刻的意义，它的革新有望在经济与社会科学方面产生持久而重要的影响。1983年约翰贝茨克拉克奖公告,1985年 劳动力市场的纵向分析（与辛格合编）Longitudinal Analysis of Labor Market Data, ed with B. Singer ,Cambridge University Press.1997年 纵向数据分析讲义纲要（与辛格和蒋合著）Lecture Notes on Longitudinal Data Analysis, with B. Singer & G. Tsiang , West view Press.,著 作 选 目,
