埃斯特·迪弗洛

在全球仍有近7亿人生活在极端贫困中的今天，一个问题折磨着每一个关心人类命运的人：我们能做什么？更准确地说，什么真正有效？埃斯特·迪弗洛的工作给出了一个方法论上的回答：不要相信宏大叙事，不要依赖意识形态，而是用严格的随机对照实验来检验每一个具体的干预措施。 她与班纳吉共同创立的J-PAL实验室已经评估了超过1000个随机实验，影响了全球超过4亿人的政策环境。 2019年，46岁的迪弗洛成为历史上最年轻的诺贝尔经济学奖得主，也是第二位获此殊荣的女性。

破除误解#

迪弗洛最常被误解为"将医学实验方法引入经济学的人"，仿佛她的工作只是简单地将临床试验移植到了社会科学领域。 这种理解既低估了随机对照实验（RCT）在社会科学中应用的复杂性，也忽视了迪弗洛在方法论上的真正创新。 在医学中，实验对象是人体生理，变量相对容易控制；在发展经济学中，实验对象是社区、学校和家庭，面临溢出效应、伦理约束和一般均衡效应等独特挑战。 迪弗洛的工作不仅仅是"做实验"，而是系统地回答了什么类型的干预在什么条件下对什么人群有效（Banerjee & Duflo, 2011）。

另一个误解是认为迪弗洛主张"用实验取代理论"。 事实上，迪弗洛的方法论立场是理论与实验的互补：理论提供假设，实验检验假设；实验的发现反过来修正和丰富理论。 她在诺贝尔演讲中明确表示，RCT不是万能的，它最适合回答"这个具体干预是否有效"的问题，而不适合回答"为什么有效"或"在其他环境下是否也有效"。

还有一个被忽视的方面是迪弗洛对政策设计细节的高度重视。 她反复强调，反贫困政策的成功往往取决于执行层面的细节——表格的格式、提醒短信的措辞、补贴的发放方式——这些"微小"的因素可能比政策本身的目标更重要。

生平与时代#

埃斯特·迪弗洛于1972年出生在巴黎一个知识分子家庭，父亲是数学家，母亲是儿科医生。 她在巴黎高等师范学校学习历史和经济学，1990年代中期赴麻省理工学院攻读经济学博士，师从阿比吉特·班纳吉（Abhijit Banerjee）等人。 1999年获得博士学位后，迪弗洛直接被MIT聘为助理教授，2002年晋升为终身教授，年仅29岁——是MIT经济学系历史上最年轻的终身教授。

迪弗洛与班纳吉共同创立了阿卜杜勒·拉蒂夫·贾米尔贫困行动实验室（J-PAL），这是一个致力于通过随机对照实验来评估反贫困政策效果的全球研究网络。 J-PAL的研究已经影响了全球超过4亿人的政策环境——从印度的教育干预到肯尼亚的疟疾防治，从印度尼西亚的现金转移到墨西哥的营养项目。

2019年，迪弗洛与班纳吉以及迈克尔·克雷默（Michael Kremer）共同获得诺贝尔经济学奖，获奖理由是"在全球减轻贫困方面的实验性方法"。 迪弗洛是历史上最年轻的诺贝尔经济学奖得主（46岁），也是第二位获此殊荣的女性。 目前她仍在MIT任教，并继续领导J-PAL的工作。 在诺贝尔演讲中，迪弗洛用一个简单的框架概括了她二十年的研究：贫困的根源不是懒惰或愚蠢，而是信息不完全、市场不完善和制度缺陷——而每一个具体缺陷都可以通过精心设计的实验来识别和修复。

迪弗洛的研究风格体现了法国知识分子传统与美国实用主义的独特结合：她既有对宏大问题的理论关怀（贫困的本质是什么？如何打破贫困的代际传递？），又有对具体干预效果的严格实证检验。 这种"大处着眼、小处着手"的方法论，使她的研究兼具学术深度和政策影响力。

核心思想#

迪弗洛和班纳吉在《贫穷的本质》中提出了一个核心问题：为什么穷人会做出看似"不合理"的决定——不为孩子接种免费疫苗、借钱买电视机、不使用蚊帐？ 传统解释要么归咎于穷人的"文化"或"偏好"（贫穷文化论），要么归咎于制度障碍。 迪弗洛提出了第三种解释：穷人的决定是在极其严苛的信息和资源约束下的理性反应。

穷人不是不理性，而是他们犯错的代价远高于富人——富人买错一瓶酒最多损失几天工资，穷人买错种子可能意味着全家挨饿（Banerjee & Duflo, 2011）。

这一观察蕴含着深刻的政策含义：如果穷人不是"非理性"的，那么简单地"教育"他们改变行为是不够的；我们需要改变他们面临的选择结构——例如，将疫苗接种站设在更方便的位置、用默认选项而非强制要求来推动健康行为、以更灵活的方式发放贷款以适应穷人的收入波动模式。

迪弗洛的核心方法论工具是随机对照实验（RCT）。 其原理与药物临床试验相同：将研究对象随机分为"处理组"（接受干预）和"对照组"（不接受干预），通过比较两组的结果来评估干预的效果。 随机化消除了选择偏差——我们不需要担心"本来就更努力的家庭才会使用蚊帐"这一混杂因素，因为随机化确保了两组在所有可观测和不可观测特征上的分布相同。

克雷默在肯尼亚的学校实验和迪弗洛在印度的教育干预实验是这一方法的经典应用。 在印度的一系列教育实验中（如拉贾斯坦邦/孟买的 Pratham "Balsakhi" 补习项目），迪弗洛团队测试了雇佣临时辅导员（balsakhi）对学生成绩的影响：结果表明，仅仅安排一名低成本的辅导员帮助落后学生，就能显著提高其数学和阅读水平，效果远大于单纯提供更多教材或改善学校硬件。 这一发现直接影响了印度政府的教育政策（Banerjee, Cole, Duflo & Linden, 2007）。

迪弗洛的工作还挑战了发展经济学中的宏大叙事。 关于"贫穷陷阱"（poverty trap）——即贫穷本身阻碍了进一步发展——的争论持续了几十年。 迪弗洛用微观实证数据表明，贫穷陷阱不是全有或全无的：它可能在某些领域存在（如健康和教育），在其他领域不存在（如微型金融）。 更重要的是，即使贫穷陷阱存在，也不意味着穷人需要一个"大推动"（big push）才能摆脱贫困——有时一个设计良好的小干预（如提醒接种时间的短信、免费送上门的蚊帐、有条件现金转移）就能产生显著效果。

迪弗洛还对"微型金融"（microfinance）的热潮进行了冷静的评估。 她与班纳吉等人的RCT研究表明，微型金融虽然对某些群体有用，但并没有像其倡导者所宣称的那样能够"终结贫困"。 这一发现对发展政策界产生了重要影响，促使人们更谨慎地看待"银弹"式的解决方案。

RCT 方法论的详细机制#

随机对照实验在发展经济学中的运作比药物试验复杂得多。 一个典型的发展经济学RCT包含以下步骤：首先，识别一个明确的研究问题（如"免费蚊帐是否比收费蚊帐的使用率更高？"）；其次，确定随机化的单元——可以是个人、家庭、学校或整个村庄，选择不同单元会产生不同的统计效力和溢出效应；然后，设计干预方案和数据收集计划；最后，通过意向处理分析（ITT）或工具变量估计来评估效果。

随机化的关键优势在于它同时消除了所有可观测和不可观测的混杂因素。 观察性研究（如回归分析）只能控制已知变量，而RCT通过随机分配确保处理组和对照组在所有特征上（包括研究者未想到的特征）的分布相同。

这一"无须假设"的因果识别能力是RCT被发展经济学青睐的根本原因。 迪弗洛特别强调，RCT的核心价值不在于"随机化"本身，而在于它迫使研究者在实验设计阶段就明确自己的因果假设——这种"预先承诺"（pre-commitment）机制大大降低了事后"讲故事"（p-hacking、选择性报告）的风险。

然而，RCT也面临"部分识别"问题：它能告诉我们"什么有效"，但往往不能告诉我们"为什么有效"。

迪弗洛通过设计多臂实验（multiple-arm experiments）来部分弥补这一缺陷——在同一实验中测试多种干预机制，通过比较不同臂的效果来推断因果机制。 例如，在测试教育干预时，可以同时设置"增加教师"、"提供教材"和"改善学校设施"三个处理臂，通过比较哪个臂最有效来推断瓶颈在哪里。

具体实验发现#

迪弗洛和合作者的RCT研究产生了若干出人意料的发现。 在教育领域，克雷默在肯尼亚的实验表明，提供教科书对学生成绩几乎没有影响，但提供额外的教师培训或在课堂中引入"教学助理"却能产生显著效果。 迪弗洛在印度拉贾斯坦邦的实验进一步发现，在极度资源匮乏的环境中，最有效的干预不是增加硬件投入，而是改变教学方法——将学生按当前水平而非年龄分组（"分层教学"），可以显著提高学习效果。

在公共卫生领域，关于免费蚊帐的经典实验（Dupas, 2014）挑战了"人们不珍惜免费物品"的假设：免费发放的蚊帐的使用率与以市场价格购买的蚊帐几乎相同，但覆盖率大幅提高。 这一发现直接影响了全球疟疾防治策略。

在农业领域，迪弗洛和合作者在肯尼亚测试了"土壤测试+定制化肥建议"的效果，发现仅仅向农民提供简单的土壤检测服务和个性化建议，就能将农业收入提高约10%——成本极低但效果显著。 这一发现挑战了"农民不愿意采纳新技术"的假设，表明信息障碍而非偏好可能是阻碍农业生产力提升的关键因素。

在微型金融领域，班纳吉等人在海得拉巴的随机实验表明，微型贷款对家庭收入和消费的平均影响很小——它没有像穆罕默德·尤努斯所宣称的那样"终结贫困"，但确实帮助了一部分有创业能力的群体。 这一发现促使发展政策界对微型金融的期望进行了务实的调整（Banerjee et al., 2015）。

诺贝尔奖与后续影响#

2019年诺贝尔经济学奖授予迪弗洛、班纳吉和克雷默，标志着经济学界对实验方法的正式认可。 迪弗洛在诺贝尔演讲中强调了"关注极端贫困"的道德紧迫性，并呼吁经济学回归"改善人类福祉"的初心。

她指出，全球仍有近7亿人生活在极端贫困中，而现有的反贫困工具——从现金转移到教育干预——的效果已经可以通过严格实验来评估和优化。 她在演讲中还分享了一个个人轶事：小时候在印度旅行时看到街头的贫困儿童，那一刻的感受促使她最终选择了发展经济学作为终身事业。

迪弗洛和班纳吉在后续著作《好的经济学：艰难时代的明智选择》（Good Economics for Hard Times, 2019）中，将RCT方法论的洞见应用于更广泛的政策议题——移民、贸易、气候变化和不平等——论证"好经济学"的核心是在证据而非意识形态的基础上做决策。 该书对每一类政策议题都采用了相同的方法：首先呈现公众的普遍看法，然后用严格的实证证据来检验这些看法是否成立。 例如，在移民议题上，迪弗洛和班纳吉用多个国家的RCT和准实验证据表明，移民对本地劳动力市场的影响远小于公众想象，而移民本身在融入新社会时面临的信息和制度障碍是可以通过政策设计来降低的。

迪弗洛还对"有条件现金转移"（Conditional Cash Transfers, CCT）项目进行了系统评估。 墨西哥的"进步计划"（Progresa，后改为Oportunidades）是全球第一个大规模CCT项目——它向贫困家庭发放现金，条件是孩子必须定期上学和接受健康检查。 迪弗洛和合作者利用该项目的随机分阶段实施设计来评估效果，发现CCT显著提高了入学率和健康指标，同时没有减少成人的劳动供给。 这一评估为全球数十个国家的类似项目提供了方法论模板。

争议与批评#

迪弗洛和J-PAL的方法论引发了经济学界最激烈的辩论之一。 最核心的批评是外部有效性（external validity）问题：在一个村庄有效的干预是否在另一个村庄也有效？在印度有效的政策是否在非洲也有效？RCT的内部有效性（消除选择偏差）虽然很强，但它无法保证结果的可推广性。 批评者（如Deaton, 2010）认为，过度依赖RCT会导致经济学碎片化——我们积累了大量"在X地对Y人群的Z干预有效/无效"的结论，但缺乏将这些结论整合为一般性理论的机制。

此外，RCT面临伦理问题：随机将一部分人排除在可能有益的干预之外是否正当？迪弗洛和J-PAL对此的回应是：当资源有限、无法覆盖所有人时，随机分配是一种公平的方式；而且，不进行严格评估就推广一个可能无效的政策，在伦理上更成问题。

在理论层面，一些发展经济学家（如拉詹和苏布拉马尼安）批评RCT方法过于关注"微观修补"而忽视了制度、治理和宏观经济等结构性因素。 他们认为，贫困的根本原因不是缺蚊帐或缺疫苗，而是糟糕的制度——而制度变迁无法通过RCT来研究。

遗产与影响#

无论学术争论如何继续，迪弗洛已经永久地改变了发展经济学的研究和实践方式。 J-PAL的全球网络已经评估了超过1000个随机实验，影响了从教育到公共卫生、从农业到金融包容的广泛政策领域。 在方法论层面，她使"证据"成为发展政策的核心标准——在J-PAL的影响下，越来越多的政府和国际组织要求政策提案附带严格的评估计划。

在思想层面，她对穷人的尊重——将他们视为在约束下做出选择的理性主体，而非需要被拯救的被动对象——重新定义了发展经济学的伦理立场。 迪弗洛的工作证明了：理解贫困需要的不是宏大理论，而是对每一个具体问题的耐心、细致和严格的研究。

迪弗洛还在新冠疫情期间展现了经济学家的公共责任感。 她与班纳吉在2020年发表文章，呼吁各国政府在疫情封锁期间直接向最贫困的家庭发放现金转移支付，并用RCT证据论证现金转移不会导致人们减少工作意愿。 她还参与了多项关于疫情对全球贫困影响的研究，估计新冠大流行可能使全球极端贫困人口增加超过1亿人。

为什么今天仍然重要#

在新冠大流行使全球极端贫困人口增加超过1亿人的背景下，迪弗洛的循证方法比以往任何时候都更具紧迫性。 疫情暴露了全球公共卫生体系的脆弱性，也凸显了用证据而非意识形态来指导政策的重要性。 迪弗洛和班纳吉在2020年发表的文章中，用RCT证据论证现金转移不会导致人们减少工作意愿，呼吁各国政府在封锁期间直接向最贫困家庭发放现金。

迪弗洛的方法论在发达国家同样具有应用价值。英国的"行为洞察团队"（Nudge Unit）将RCT方法应用于税收征缴、器官捐献和节能行为等领域，取得了显著效果。美国教育部也开始要求教育项目附带严格的评估计划——这直接源于J-PAL的影响。

关键洞察#

**"贫困的根源不是懒惰或愚蠢，而是信息不完全、市场不完善和制度缺陷。 "** 这句话概括了迪弗洛对贫困本质的理解。 穷人不是不理性——他们是在极其严苛的约束下做出最优决策的理性主体。 富人买错一瓶酒最多损失几天工资，穷人买错种子可能意味着全家挨饿。 这一认识要求我们以尊重而非怜悯的态度来设计反贫困政策。

跨域连接#

• 助推与自由主义家长制：如果穷人是在严苛约束下理性行动，改变约束就比改变偏好更有效——把接种点搬近、换掉默认选项、调整表格格式。同一信息用不同默认值呈现会改变行为，这是偏好未变而选择改变的直接证据，也是"教育他们"为何常常无效的原因。
• 临床试验伦理：把一部分人随机排除在可能有益的干预之外，其辩护是资源不足时随机分配本身是公平程序，且不评估就推广一个可能无效的政策会造成更大伤害。推论是这条辩护只在两个前提下成立——资源确实不足、效果确实未知；任一不成立，随机化就失去伦理依据。
• 预注册与注册报告：随机化的价值有一半在于它迫使研究者在设计阶段写下因果假设，事后挑选结果的空间被压缩。可检验推论是预注册普及后，同领域显著结果的比例应下降而重复成功率上升——这是方法论主张少见地能自我检验的地方。
• 实验与自然实验：越干净的局部随机化，越依赖当地的具体条件，内部效度与外部效度往往此消彼长。这给出一个度量外推风险的办法：同一干预在多点重复时的效应方差，本身就是可推广性的估计量。
• 认识正义：随机化解决了内部有效性，却不自动解决议题选择的偏斜——谁的问题被研究、由谁设定终点，决定了证据的分布。若研究地点集中在少数国家，所谓证据基础本身就是有偏样本。

参考文献#

1. Banerjee, A. V., & Duflo, E. (2011). Poor Economics: A Radical Rethinking of the Way to Fight Global Poverty. PublicAffairs.
2. Duflo, E. (2001). Schooling and Labor Market Consequences of School Construction in Indonesia. American Economic Review, 91(4), 795-813.
3. Banerjee, A. V., & Duflo, E. (2019). Good Economics for Hard Times. PublicAffairs.
4. Deaton, A. (2010). Instruments, Randomization, and Learning about Development. Journal of Economic Literature, 48(2), 424-455.
5. Kremer, M. (2003). Randomized Evaluations of Educational Programs in Developing Countries: Some Lessons. American Economic Review, 93(2), 102-106.
6. Banerjee, A. V., Duflo, E., Glennerster, R., & Kinnan, C. (2015). The Miracle of Microfinance? Evidence from a Randomized Evaluation. American Economic Journal: Applied Economics, 7(1), 22-53.
7. Dupas, P. (2014). Short-Run Subsidies and Long-Run Adoption of New Health Products: Evidence from a Field Experiment. Econometrica, 82(1), 197-228.
8. Banerjee, A. V., Cole, S., Duflo, E., & Linden, L. (2007). Remedying Education: Evidence from Two Randomized Experiments in India. Quarterly Journal of Economics, 122(3), 1235-1264.
9. Duflo, E., Dupas, P., & Kremer, M. (2011). Peer Effects, Teacher Incentives, and the Impact of Tracking: Evidence from a Randomized Evaluation in Kenya. American Economic Review, 101(5), 1739-1774.

延伸阅读#

1. Banerjee, A. V., & Duflo, E. (2019). Good Economics for Hard Times. PublicAffairs.
2. Duflo, E. (2017). The Economist as Plumber. American Economic Review, 107(5), 1-26.
3. Karlan, D., & Appel, J. (2011). More Than Good Intentions: Improving the Ways the World's Poor Borrow, Save, Farm, Learn, and Stay Healthy. Dutton.
4. The Royal Swedish Academy of Sciences (2019). Scientific Background on the Sveriges Riksbank Prize in Economic Sciences 2019: Understanding Development and Poverty Alleviation.