作者:
Akiba48 (西裝什麼的太吸引人了。)
2022-07-07 14:04:25※ 引述《Epimenides (No.13)》之銘言：
: 法定最低工資升高
: -> 依照供需法則，對勞工的需求會減少
: -> 失業率增加，最終對經濟造成負面影響
: 經濟學的教科書一直是這麼教的
: 在1990年代，普林斯頓大學兩位學者挖了一堆資料出來研究
: 因為在美國，聯邦政府規定的基本工資，地方政府可以進一步調高
: 所以有些地方，會有最低工資不一樣的狀況
: 像是紐澤西把最低工資從 4.25 調升到 5.05 (增加了 18% 以上)
: 同時隔壁賓州保持不變
: 這兩位學者 David Card 和 Alan Krueger 就對這樣的東西進行研究
: 卻得到很不一樣的發現....
: 有興趣可以看這影片
: https://www.youtube.com/watch?v=8H4yp8Fbi-Y
: 或者這篇文章
: https://www.economist.com/schools-brief/2020/08/15/what-harm-do-minimum-wages-do
: 簡單的說，供需原則的假設之一是效率市場
: 但真實世界的市場效率，離理想很遠
: 加上雇主，就是資方，談判籌碼一直遠超過勞方
: 所以會有實際薪資低於理想供需平衡線之下的狀況
: 只要基本工資調整沒有突破這個平衡線
: 對總體經濟的影響不但不會是負面的，還很可能是正面的
: 因為，拿基本工資的勞工獲得加薪時，這些金額
: 通常會直接用在改善生活上，直接促進經濟
: 但同樣的錢流入資本家的口袋裡時，他們不一定會把它拿來進一步投資
: 所以，在90年代，如果你問經濟學家，
: 調漲基本工資會不會對經濟造成負面影響，七成以上會跟你說 yes
: 但是現在，說 yes 的已經不到五成了
: 從他們兩個人的研究之後，持續相關的研究一直在做
: 而學界的看法也一直有分歧的地方
: 不過，基本工資跟通膨同步，這部份的問題比較小
: 美國的話，基本工資是討論調整的，像拜登是把 15 塊美金的基本工資作為政見
: 歐洲國家例如法國(沒記錯的話)，則是直接把基本工資直接每年依據通膨調整
: 其實我覺得這樣的做法滿不錯的
: 減少很多不必要的麻煩
: 如果除了依照通膨，還需要更進一步的調整，那時候再討論就好
看到有人拿這篇充滿問題的論文出來支持最低工資，
我只好寫個來龍去脈讓大家理解一下這篇的問題是什麼。
Card 和 Alan Krueger（已自殺身亡，搖滾經濟學的作者），
在1994年寫了一篇關於最低工資的論文。
他們比較紐澤西州和賓夕法尼亞州在不同最低工資下的就業分別。
在一般實證研究中，計量經濟學家只會用統計學方法去控制其它因素。
但Card採用了另一種方法。他們只挑選兩州相鄰地區內的快餐店作為研究對象。
為什麼要這樣選？因為他們相信兩個州相鄰地區內的快餐店的其它因素會
「在平均統計上相同」。那麼兩個州裡快餐店的分別只有不同最低工資這個因素。
這就是一種「自然實驗」。
他們通過電話訪問那些快餐店的人取得數據，並寫成論文發表。
他們發現不同的最低工資並不影響相鄰邊界快餐店的就業情況。
當然他們的原文不會這麼直接。他們在原文只是說：
「現在的經濟理論無法解釋無就業差別的狀況。」
但這篇論文引來大量的反駁。
首先，他們依靠打電話訪問得出來的數據和後來取得的真實數據相差很大，
而結論也和他們完全相反。所以 Card 和 Krueger 的這篇論文，
經常被很多經濟學家拿出來做反面教材。
這種自然實驗對統計學家來說當然很有意義，
例如研究雙胞胎的分別就可以排除先天基因差別的因素。
但在經濟學上就沒那麼簡單容易。
兩個州接鄰地區內的快餐店的其它因素是否統計上相同？
這是一個很難證明對錯的假設。
但一篇論文的結論是否可靠，卻非常受到這個「其它因素相同」的假設影響。
而更大的問題在於，這個結論是否能用於其它地方？
如果人的行動像石頭的行為一樣恆定不變，這個結論當然可以用於其它地方。
但可惜的是人的行動並不像石頭一樣。石頭的運動在同樣的環境條件下必定一樣，
所以才有數據之間的因果關係。
如果我們知道石頭的質量。假設在真空無重力和阻力的環境下，我們可以知道用多少力把
石頭加速到某個速度。所以才能建立力與石頭加速的因果關係。
這就是奧派經常說的「數據之間的因果關係」。
但如果石頭有意識：
心情好時用很少的力就加速快一些、心情不好時用很大的力也加速很慢。
那麼要建立數據之間的因果關係就變得很空中樓閣。
所以從奧派來看，經濟學是不可能建立數據之間的因果關係的。
Card 和那些大數據分析派都是在做一個邏輯上不可能完成的夢幻任務。
當然計量經濟學家都不會同意，
因為他們隱含地假設現實裡的人都是一個「標準人」的正態分布。
而這個假設是否成立只有天知道。
但只有這個隱含假設成立才可以建立數據之間的因果關係。
至於「標準人」是什麼？其實沒人知道。