2018年6月27日，波士顿大学经济学系Arthur Lewbel教授做客我院第102期seminar，分享了题为“Causal Reduced Form vs Structural Model Identification”的工作论文。

Arthur Lewbel教授

讲座现场

 文章对计量经济学文献中出现了二十几项不同的“识别”概念作了回顾和比较，包括点识别、部分识别、因果识别等，并针对点识别构建了一个新得框架以整合现有的点识别定义。在报告中，Arthur Lewbel教授首先回顾了计量经济学中识别的历史，并着重对结构模型和简约模型中的识别概念进行了分析。他以三角模型为例（triangular model）为到场师生讲解了结构模型与简约模型中为达到识别所需要的不同假设条件，进一步阐明了两者的区别，概括的说，识别一个结构模型所做的假设往往基于个体的行为表现，而识别简约模型中的因果关系所做的假设往往与处理效应(treatment effects)相关。

       Arthur Lewbel教授最后对未来的经济学论文进行了建议和展望，他认为将结构模型与简约模型相结合的文章是未来的趋势，因为在简约模型应用的具备随机性的数据中往往也会出现测量误差、选择性偏误、样本污染与退出的问题，如果能结合结构模型的优势进行分析，往往能得出更丰富和稳健的结果。另外，结构模型还能够以简约模型的分析结果作为基准参照。Arthur Lewbel教授强调，两类模型不应是互相排斥，而应该是相辅相成的，并希望以后能看到更多两类模型相结合的优秀文章。