社会科学研究的核心是因果关系

在人文社会科学研究成果的评价标准中，创新思想是评价的核心指标，研究规范是评价的基础指标，学术价值与社会价值则是评价的重要指标。研究规范是科研成果科学性的保障，研究方法规范化不代表成果的创新性。倘若我们的主要学术建构方式是引用别人的论述，那么，加了注的引用与不加注的引用在学术效果上并不具有本质性的区别。加了注的引用依然是引用，其学术效果并不因为符合学术规范而获得实质性的增强。　　在人文社会科学研究成果的评价标准中，创新思想是评价的核心指标，研究规范是评价的基础指标，学术价值与社会价值则是评价的重要指标。目前，这些基本上已经在我国学界取得了一定共识，因为，科学性、创新性与价值性基本上可以代表研究成果评价的三个维度。但是，具体到科研成果的科学性、创新性与价值性及其间关系的准确判断，则是一个非常复杂的处理过程。

首先大家应该一下子就能想到，计量经济学首先有两个大的门派，微观计量和宏观计量。前者一般从微观个体出发，后者更多应用时间序列数据。当然，宏观经济学用到的方法，除了计量经济学的估计和识别之外，还有校准，这个我不是很熟，就不多说了。而无论是哪个门派，下面又有很多宗派。比如在宏观计量里面，传统的matching moment、MLE和现在非常流行的Bayesian显然是两个不同的宗派。而在微观计量里面，则区分了structural-form和reduced-form两个宗派。题主问的是因果识别，那我们就先来说一下不同门派、宗派之间因果识别的差别。首先说我最不擅长的宏观计量。宏观方面，最popular的概念应该是格兰杰因果了。但是，相信大家都听说过，格兰杰因果不是真的因果。格兰杰意义上的因果仅仅是看滞后的变量能不能预测当期的变量，这里面问题就很多了。在这一领域，传统的方法是VAR，以及相应的VECM等，格兰杰因果也是在这个框架里面的东西。但是如果真的想要识别因果，特别是有当期影响的时候，就需要用SVAR了。微观计量呢？微观计量的因果识别好玩的多。结构和简约两个门派总在相互竞争中不断发展新的想法。两者的区别在于，结构模型有有力的理论模型作为支撑，目的是估计模型的结构参数。而简约派则是避开复杂的经济理论建模和结构参数的估计，通过使用自然实验、工具变量等方法直接找到想要的参数（这个有点像唯识宗给你丝丝分析宇宙人生，而禅宗则是明心见性，直指人心）。在举例子之前，我先总结一下以上答案提到的方法：OLS、实验：最基本的办法，除非有理论支撑，或者数据来自与实验数据，一般会失败。IV：当存在内生性的时候普遍的解决办法，很多方法，比如RD、LATE都可以看作是IVDID：自然实验，实验组和控制组有共同趋势RD：自然实验，外生的断点以上的这几个方法都是reduced-form最经常用的。其中OLS和IV因为太general，所以structural model也会大量使用（在structural模型里面，IV经常是系统内部就可以找到的）。当然，对于structural model中足够复杂的模型，MLE、GMM以及许许多多其他估计方法都是非常多的。为了更直观的给大家说清楚两个宗派的差别，我举个例子，如何识别peer effects。这套文献说白了就是想要看人和人之间的交互影响，比如你努力学习会不会影响到你的朋友也努力学习。