序言 很多时候，最明显的东西反而是最难看到的东西。 至少对年轻时候的我来说，上面这句话真的非常适用。20世纪90年代末，我还是一名年轻的经济学家，而那时的经济学界正处于一个令人兴奋的时代。那段时间，我有幸就读于哈佛大学和麻省理工学院，这两所备受尊敬的学府正是当时经济学新浪潮的中心。 从历史来看，经济学的主流是理论经济学。经济学的最大发展是由一些高智商的家伙推动的，他们建立复杂的数学模型，用抽象的理论来解释世界上种种现象的原理。但是，随着计算机技术的提高和大数据的兴起，20世纪八九十年代，经济学界发生了明显的转型。实证研究——即对现实世界中数据的分析——成了很多经济学家的工作重心。这对年轻时候的我而言可谓一个福音，我早已发现自己并非高智商人士，根本没有什么厉害的理论眼光，因此我决定转身投入茫茫的数据海洋之中，希望能从中发现一些有趣的现象。 但是，当时做实证研究的最大挑战是（其实现在仍然是这样）：如何搞清楚两个变量之间到底是真正的因果关系，还是只存在相关关系。为什么这个问题的答案很重要呢？如果两个变量之间真的存在因果关系，那就意味着我们可以运用这种关系来制定公共政策，对这个世界的运行原理也可以多一分了解。 遗憾的是，因果关系是极其难以证明的。要证明两个变量之间的因果关系，最好的方法是通过“随机实验”（randomized experiments）。正是因为这样，美国食品药品监督管理局才要求所有新药在获批之前必须经过随机实验。但是，经济学和化学不一样，药品可以在实验室里用随机实验的方式来测试，而经济学家感兴趣的问题却很难通过这种方法解决。因此，我们不得不花大量的精力去寻找“偶然实验”（accidental experiments）。所谓“偶然实验”，即现实世界中恰好发生的某种与随机实验性质相类似的事情。比如，飓风摧毁了A城，但是B城却安然无恙，我们可以认为飓风袭击城市是一件随机…