{
  "id": "natural-experiment",
  "title": "自然实验",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "自然实验利用外部因素造成的暴露差异研究因果效应，而不由研究者控制暴露分配。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/natural-experiment/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/natural-experiment/",
      "json": "https://aiwiki.page/en/natural-experiment.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "自然实验是指某个事件、制度规则或政策造成暴露差异，研究者利用这些差异考察因果关系，但并不控制暴露的分配。与研究者设计的实验不同，这种变异产生于研究本身之外。因此，“自然”并不意味着原因必须是自然现象：立法、行政决定和抽签也可以形成自然实验。核心问题在于，由此产生的比较能否支持可信的因果推断，而不只是记录某种关联。(ukri.org)"
    },
    {
      "heading": "定义与范围",
      "text": "这一术语没有公认的明确边界。在狭义用法中，自然实验要求分配机制可以合理地视为如同随机分配：暴露与未暴露的研究单位之间之所以存在差异，是出于与其潜在结果无关的原因。在人群健康研究中常见的广义用法中，自然实验也包括由外部引入的干预，只要研究采用有充分依据的比较设计来考察其效果，即使暴露分配并不近似随机。(ukri.org)\n\n因此，自然实验与准实验有所重叠，但二者并非完全同义。准实验可以由研究者有意组织，只是不采用随机分配；自然实验则强调变异来自外部。两者都不同于随机对照试验，后者在研究设计中有意纳入随机分配。不过，自然实验也可以利用出于非研究目的实施的真正随机分配，例如行政抽签。(ukri.org)\n\n这一名称描述的是变异的来源，既不保证研究有效，也不指某一种特定的统计技术。政策变化并不会自动成为有用的自然实验：它必须形成一种比较，使研究者能够将该政策的效应与其他因素的影响区分开来。(nber.org)"
    },
    {
      "heading": "因果识别的逻辑",
      "text": "根本困难在于反事实：在其他条件完全相同的情况下，不可能同时观察同一个人、组织或地区处于暴露和未暴露两种状态。因此，研究者要寻找其他研究单位，或其他时期的观测结果，以代表没有这种暴露时本来会发生的情况。只有当比较与缺失的反事实之间存在有充分依据的关系时，结果差异才能得到因果解释。(nobelprize.org)\n\n普通的相关关系可能因混杂而产生误导。例如，受教育较多的人与受教育较少的人，在家庭资源或其他同样影响收入的特征上可能存在差异。自然实验寻求的是由外部规则或事件造成的受教育程度变异，而不是依赖观察到的全部教育程度差异。(nber.org)\n\n有说服力的分析需要解释：\n\n- 暴露差异是由什么造成的；\n- 哪些研究单位受到影响，哪些用于比较；\n- 为什么分配机制能够为这种比较提供依据；\n- 能够识别哪一种因果效应；\n- 哪些其他解释可能使结果失效。\n\n自然实验方法强调明确且可供审查的假设，这使它有别于将拟合的统计模型视为因果关系充分证据的做法。(nber.org)"
    },
    {
      "heading": "主要分析设计",
      "text": "外部机构实施的抽签\n\n用于分配参与机会、资格或义务的抽签，可以在无需研究者安排分配的情况下形成随机化比较。必须区分分配结果与实际参与：有些获得资格的人可能并未参与，而有些未获得资格的人可能通过其他途径获得暴露。因此，获得资格的因果效应未必等于实际参与的因果效应。(nber.org)\n\n双重差分法\n\n双重差分法将暴露组的变化与比较组的变化进行比较：\n\n\\[\\widehat{\\tau}_{\\mathrm{DiD}} = (\\bar Y_{T,\\mathrm{after}}-\\bar Y_{T,\\mathrm{before}}) - (\\bar Y_{C,\\mathrm{after}}-\\bar Y_{C,\\mathrm{before}}).\\]\n\n其中，\\(T\\) 表示处理组，\\(C\\) 表示比较组，\\(\\bar Y\\) 表示各组的平均结果。核心的平行趋势假设是：如果没有处理，两组的平均结果会以相似的方式变化。两组最初的结果水平不必相等。当不同群体在不同时间实施某项政策时，常规回归估计可能变得难以解释，尤其是在处理效应随时间变化的情况下。(nber.org)\n\n断点回归\n\n断点回归设计利用决定是否接受处理或是否具备资格的阈值，例如录取分数线。在适当的连续性假设下，刚好高于和低于阈值的研究单位可以形成局部比较。主要威胁包括对分配变量的精确操纵，以及在同一阈值处发生的其他变化。所得效应通常适用于阈值处或其附近，而非整个人群。(arxiv.org)\n\n工具变量\n\n工具变量利用一个能够改变暴露的外部变量，识别该暴露的因果效应。有效的工具变量必须影响处理，与潜在结果之间具有适当的独立性关系，并且只能通过处理影响结果——这就是排除性限制。这些条件需要实质性依据；不能仅仅因为工具变量来自研究之外，就认定它们成立。(nber.org)\n\n在工具变量为二元变量、并非所有人都遵从分配结果，且满足包括单调性在内的其他假设时，分析可以识别局部平均处理效应：即参与状态因工具变量而改变的那些人的平均效应。它未必等于所有暴露者的效应，也未必等于整个人群的效应。(nber.org)"
    },
    {
      "heading": "历史发展与实例",
      "text": "约翰·斯诺对19世纪伦敦霍乱的调查，经常被视为早期自然实验研究的例子。这一研究传统利用外部因素造成的环境暴露差异来考察疾病的原因，而不是有意让人接受有害暴露。此后，自然实验在流行病学和公共卫生中发挥了重要作用，包括用于评估环境监管措施和面向整个人群的干预。(ukri.org)\n\n在经济学中，一些具有重要影响的研究利用州法律的变化、征兵机制及其他制度安排，获得可以合理视为外生的变异。这种方法越来越重视分配过程，以及支持因果解释的明确、透明的假设。(nber.org)\n\n一个著名例子是戴维·卡德和艾伦·克鲁格对新泽西州于1992年4月1日提高最低工资的研究。他们在政策变化前后调查了新泽西州和宾夕法尼亚州的410家快餐店，并以最低工资未发生变化的宾夕法尼亚州作为比较对象。这个案例展示的是由政策形成的双重差分设计，而非由研究者控制的分配。(nber.org)\n\n2021年诺贝尔经济学奖表彰了卡德对劳动经济学的实证贡献，以及约书亚·安格里斯特和吉多·因本斯对因果关系分析的方法论贡献。该奖既突出了自然实验的运用，也强调了厘清自然实验能够支持哪些因果结论的重要性。(nobelprize.org)"
    },
    {
      "heading": "优势、局限与解释",
      "text": "当有意实施随机分配不切实际、不合伦理，或与干预的实施方式不相容时，自然实验拓展了可研究问题的范围。其应用包括全国性立法、教育政策、交通基础设施和环境暴露。自然实验是否有用，取决于具体的研究机会和可获得的证据，而不只是取决于是否缺乏可行的随机试验。(ukri.org)\n\n几类局限经常出现：\n\n- **选择性暴露：**受到影响的研究单位与用于比较的研究单位，可能在影响结果的特征上有所不同。\n- **同期变化：**另一项干预或另一个事件可能解释观察到的差异。\n- **测量问题：**记录不一致或数据收集方式的变化，可能呈现出类似处理效应的现象。\n- **局部解释：**基于阈值和工具变量的估计，可能只涉及某个特定子群体。\n- **推广性有限：**在一种制度环境中可信的效应，未必能原封不动地推广到另一种环境。(nber.org)\n\n因此，评估需要将对制度背景的了解与实证检验结合起来：考察干预前的变化模式，考虑其他比较组，检验预期不会受干预影响的结果，并比较基于不同假设的方法所得到的结果。这些检验可以揭示弱点，却不能证实所有识别假设。研究应区分分配机制的不确定性与抽样不确定性，并准确说明估计结果所描述的人群和干预。(ukri.org)"
    }
  ],
  "links": [
    "causation",
    "experiment",
    "causal-inference",
    "quasi-experiment",
    "randomized-controlled-trial",
    "counterfactual",
    "correlation",
    "confounding",
    "difference-in-differences",
    "regression-discontinuity-design",
    "instrumental-variables",
    "epidemiology",
    "public-health",
    "economics",
    "nobel-memorial-prize-in-economic-sciences",
    "education"
  ],
  "sources": [
    {
      "title": "Using natural experiments to evaluate population health interventions: guidance for producers and users of evidence",
      "url": "https://www.ukri.org/wp-content/uploads/2021/11/NERC-301121-NaturalExperimentsGuidance.pdf"
    },
    {
      "title": "Natural and Quasi-Experiments in Economics",
      "url": "https://www.nber.org/papers/t0170"
    },
    {
      "title": "Instrumental Variables and the Search for Identification: From Supply and Demand to Natural Experiments",
      "url": "https://www.nber.org/papers/w8456"
    },
    {
      "title": "Natural experiments help answer important questions",
      "url": "https://www.nobelprize.org/uploads/2021/10/popular-economicsciencesprize2021-2.pdf"
    },
    {
      "title": "Difference-in-Differences with Variation in Treatment Timing",
      "url": "https://www.nber.org/papers/w25018"
    },
    {
      "title": "Regression Discontinuity Designs",
      "url": "https://arxiv.org/abs/2108.09400"
    },
    {
      "title": "Wanna Get Away? RD Identification Away from the Cutoff",
      "url": "https://www.nber.org/papers/w18662"
    },
    {
      "title": "Identification and Estimation of Local Average Treatment Effects",
      "url": "https://www.nber.org/papers/t0118"
    },
    {
      "title": "Minimum Wages and Employment: A Case Study of the Fast Food Industry in New Jersey and Pennsylvania",
      "url": "https://www.nber.org/papers/w4509.pdf"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}