加里 · 塞德曼（Gary Seidman）介绍了斯坦福大学的经济学家吉多 · 因本斯（Guido Imbens），后者重塑了研究人员在现实世界中建立因果关系的方式
加里 • A. • 塞德曼（GARY A. SEIDMAN），驻西雅图记者，曾为《经济学人》、《纽约时报》、路透社、美国有线电视新闻网（CNN）和微软全国广播公司（MSNBC）撰稿。
文章和其他材料中所表达的观点均为作者个人观点，不一定反映IMF的政策。
在人生的某些阶段，吉多·因本斯曾被严重低估。少年时代在荷兰求学时，这位勤奋好学的学生竟因与老师就教科书发生的一场争执，被粗暴地赶出了他的第一节经济学课程，数周未能回到课堂。多年后，在哈佛大学的一次教师招聘面试中，一位爱争论的副教授投票反对聘用他，而这位副教授后来成为了因本斯最亲密的朋友，并与他共获诺贝尔经济学奖。“他认为我毕业论文的研究内容乏善可陈，”因本斯回忆说。“那篇论文文字干涩又很技术，”30年后，乔舒亚·安格里斯特（Joshua Angrist）带着笑意回忆说。
在生活与经济学中，总有些人们无法完全洞悉的奥秘。2021年，因本斯和麻省理工学院的安格里斯特以及加利福尼亚大学伯克利分校的劳动经济学家戴维·卡德（David Card）共同荣获诺贝尔奖，表彰他们革新了经济学家理解因果关系的方式。因本斯和安格里斯特开发的工具能够回答生活中“如果……会怎样”这类问题，它不仅可以解释实际发生的情况，还能利用自然实验推演不同情境下可能发生的事情。以一个基本问题为例：攻读大学学位真能提升职业生涯的收入吗？我们无法进行完美的实验，让同一个人同时走上升学、辍学的两条不同道路以观察结果。这显然不可能。同时，也不能单纯为了实验而将两个人推向不同的人生轨迹，这违背伦理准则。
于是，因本斯和同事们设计并测试了更敏锐的工具，用于处理现实世界中杂乱、不完善的观测数据，从而估计那些无法直接观测的结果。他们开创了因果推理方法，例如，比较因偶然性或环境因素不同而作出不同选择的相似群体。
例如，在越南战争期间，征兵抽签随机分配年轻人的征兵号码。号码靠前的人更有可能被征召入伍。许多年轻人则通过攻读大学免服兵役。因此，征兵抽签形成了自然实验场景，使研究人员能够比较相似个体（一些人服兵役，一些人没服兵役）的结果（如收入），这主要取决于随机分配的征兵号码及其对被征召概率的影响，而非完全取决于个人意愿。为什么这很重要？因为相关性不足以说明问题。如果政府想要扩大教育机会并提高收入，就必须知道上大学是否真的会带来更高的收入，而非仅确认二者具有相关性。如今，这些方法帮助政策制定者、医生、企业和研究人员基于现实证据作出更优决策。
友谊带来丰硕成果
因本斯职业生涯的转折点出现在20世纪90年代初的哈佛大学。尽管开局并不顺利，他还是与安格里斯特建立了合作关系和持久的友谊。这段伙伴关系的缔造地并非教室，而是当地的一家洗衣房。两人当时都是初级教师，经常在周六早上伴着烘干机翻滚的嗡嗡声，一边叠衬衫，一边交流思想。“与朋友共事乐趣无穷，”安格里斯特说道。他还在诺贝尔奖网站的采访中打趣道：“我告诉学生们，要像选择配偶一样仔细和慎重地挑选合作者。”这种友谊催生了他们最具影响力的贡献——局部平均处理效应（LATE）框架。该框架为评估干预措施（如上大学）对特定群体的影响提供了严谨方法，这些群体因某些偶然情况（如获得奖学金）才接受该干预措施。
如今，LATE框架已成为将杂乱的数据转化为可信见解的标准工具。因本斯将其描述为这么一种方法：其重点关注那些因外力（法律、规则或环境变化）而改变选择的人群，而非关注所有人。例如，政策制定者可以利用该方法评估65岁依法获得政府付费医疗保险如何影响医疗资源使用，以及义务教育法延长就学年限对收入的影响。在产业界，硅谷通过随机推送新功能的方式，运用该框架评估技术平台的新功能。通过重点关注受现实事件影响而改变行为的群体，LATE框架帮助经济学从理论模型转向实用的以证据为基础的政策。
因本斯将他和安格里斯特对因果关系的思考，归功于另一位哈佛大学的同事和朋友，统计学家唐纳德·鲁宾（Donald Rubin）所做的基础性工作。他还认为，这种方法建立在早期研究的基础上，包括安格里斯特与已故先驱劳动经济学家艾伦·克鲁格（Alan Krueger）的合作。两人于1991年发表的论文利用人们的出生季度和美国入学法估算了教育对收入的因果效应。因本斯强调，这篇论文对因果经济学的发展“具有深远影响”。这些早期的自然实验为20世纪90年代经济学的可信度革命奠定了基础，当时研究人员开始质疑假设，并坚持比较必须可信。他们开始问，如果情况不同，会发生什么？因本斯利用新工具和更敏锐的识别策略，定义了这一实证转向。
卡德因在劳动力市场中使用自然实验而与因本斯和安格里斯特同获诺贝尔奖，他指出，因本斯罕见地融通了理论和实践之间的中间地带。“我更像是一个实践者。他更像是一个方法论者。但在方法论者中，他是最关注应用研究人员所做工作的，”卡德表示。他们所做的工作有助于缩小“世界上发生了什么”和“我们如何可靠地了解事情为何发生”之间的差距。因本斯说：“我们希望以一种我们认为还未实现的方式，让计量经济学对实证人员有用。”
但鲁宾说，因本斯给团队带来的远不止知识贡献。“他天性友善。”鲁宾说，因本斯沉着冷静，具有合作精神，能够化解紧张气氛，把大家的注意力带回到工作上。“在很多方面，他对生活的态度都与众不同。”
求知欲的开端
因本斯于1963年出生于荷兰南部的海尔德罗普。他的父母并非学者，在因本斯小时候还未大学毕业，但他们却悉心培育子女的求知精神。“父母鼓励我们探索知识，”因本斯说。他的父亲给他和两个兄弟姐妹出数学题，让他们解题消遣。因本斯回忆说：“我们乐在其中。”这激发了他的好奇心和对逻辑思维的热爱，这些技能塑造了他多年后对经济学的态度。“因此，我和兄弟姐妹们最后都考入了大学。事实上，我哥哥还获得了数学博士学位。”
因本斯从小痴迷国际象棋，这反映了他对策略和分析性思维的热爱。他还从母亲安妮·因本斯-弗兰森（Annie Imbens-Fransen，后来成为了一名女权主义神学家和作家）那里继承了独立精神和些许固执。他记得他的母亲不随大流的天性。“我们住在飞利浦公司提供的房子里。”飞利浦是一家荷兰跨国电子公司，因本斯的父亲曾在这家公司工作。“公司每年都会把房子前门刷成难看的亮黄色，”因本斯回忆道。“我母亲不喜欢。所以在公司把门涂成黄色的第二天，我们就会把门重新涂成黑色。那是一排联排房屋，其中总有一栋房子的门不是黄色的。”
高中毕业后，因本斯选择进入鹿特丹伊拉斯姆斯大学，在那里，对他早期有影响的人之一，荷兰经济学家、诺贝尔奖获得者简·丁伯根（Jan Tinbergen）开设了一门计量经济学课程。随后，他于1986年在英国赫尔大学获得硕士学位，师从安东尼·兰开斯特（Anthony Lancaster），后者最终说服因本斯跟随他转赴布朗大学，因本斯于1991年在布朗大学获得博士学位。因本斯的妻子、斯坦福大学得经济学教授苏珊·埃赛（Susan Athey）说：“进入布朗大学攻读博士学位，对吉多而言如同彩票中奖。”
兰开斯特引领因本斯进入贝叶斯计量经济学领域，并为他提供了知识工具，也许更重要的是，帮助因本斯开启在美国的学术生涯关系网。
在哈佛大学短暂执教后，因本斯在加利福尼亚大学洛杉矶分校和伯克利分校担任教职，并最终在斯坦福大学任教至今。因本斯在加利福尼亚大学洛杉矶分校时，与鲁宾和哈佛大学博士生布鲁斯·萨切尔多特（Bruce Sacerdote）共同开展了一项具有里程碑意义的因果推理应用研究。他们利用彩票数据研究了突如其来的意外之财如何影响人们的工作和支出决策。研究结果表明，人们在获得意外之财后不一定会辞职，但很多人确实会减少工作量。该结果有助于改变围绕基本收入和养老金的争论，同时也将因果推理的范围从教育、医疗拓展至更广阔的领域。
破解难题
因本斯坦然承认机缘在自己人生中的重要作用。“我确实感到非常幸运。我非常幸运，才能够在正确的时间出现在恰当的地点，这种机缘堪称奇迹。”不过，他坚信，与同代顶尖经济学家建立深厚关系与拥有技术能力同等重要。如今，他尤其重视培养青年学者的责任。“我试图推动整个学科朝着有意义的方向发展，让计量经济学家研究对实证工作非常重要的问题，”他说。“我试图向我的学生灌输这种思想：计量经济学并不总是关于数学，而是关于有趣的问题。”
2025年3月，因本斯被任命为斯坦福数据科学系主任，该计划通过全校数据驱动的发现和数据科学教育来支持研究和学术。将此视为鼓励青年研究者、深化跨学科联系、推动数据科学与现实世界政策进行更密切对话的契机。
经济学合作是家庭生活的一部分。因本斯的妻子埃赛曾获得约翰·贝茨·克拉克奖，以其在技术、经济学和机器学习交叉领域的开创性工作而闻名。“苏珊是一位涉猎广泛的经济学家……她总是为我研究的问题类型提供灵感，”因本斯说。“一路走来，我们一直真正做到了分担重任，分享快乐，”埃赛说，尽管工作繁重，但因本斯过着踏实的生活，周末和同事们一起骑行，打理花园，邀请学生们来家里参加活动，并在时间允许的情况下（现在很少有这种机会），还会烹制令人难忘的佳肴。
但因本斯最重要的成就是帮助经济学家重新思考证据、政策和不确定性。在此过程中，他让那些曾看似无解的问题变得清晰起来，并为更可信的社会科学打开了大门。在一个往往奖励确定性的领域中，因本斯始终耕耘于杂乱的中间地带，这里数据往往不完善，而学术诚实至关重要。这何尝不是也一种优雅的形式。当诺贝尔奖博物馆邀请每位获奖者捐赠一件对其研究有意义的物品时，因本斯选择了一罐洗衣粉，这是对与安格里斯特共度的那些一边叠衬衫一边交流想法的清晨的无声致敬。没有什么比这件物品更能体现其研究精神——严谨、协作，并牢牢扎根于现实世界。《金融与发展》
加里·塞德曼（Gary Seidman），驻西雅图记者，曾为《经济学人》、《纽约时报》、路透社、美国有线电视新闻网（CNN）和微软全国广播公司（MSNBC）撰稿。
© 2026 International Monetary Fund. All rights reserved.
