詹姆斯·赫克曼（James J.Heckman，1944年4月19日—），生于美国伊利诺伊州的芝加哥，曾就读于科罗拉多学院数学系，1971年获普林斯顿大学经济系博士学位。他曾在哥伦比亚大学、耶鲁大学和芝加哥大学任教，是微观计量经济学的开创者，因对分析选择性抽样的原理和方法所做出的发展和贡献，与丹尼尔·麦克法登一起荣获2000年诺贝尔经济学奖。
学术创新及主要贡献
1.个体经济计量研究
赫克曼和另一位2000年诺贝尔经济学奖得主丹尼尔·麦克法登的主要贡献在于建立和发展了个体计量经济学，在微观计量经济学理论与方法上做出了突出贡献。他们设计出研究人们生活方式决策的分析方法，已经在经济学及其他社会学科中广泛地用于对个人、家庭与企业的统计分析。这些理论与方法对于教育训练计划、城市运输系统和老人住房等社会经济问题的研究具有重大现实意义。
要对他们的贡献有所了解，必须先对个体经济计量研究有一些认识。所谓个体经济计量学是指对家庭、厂商等经济个体行为进行的计量研究，研究对象范围很广，主要有劳动经济学的课题：劳动供给、薪资决定、教育选择、失业期间、移民、职业选择、生育选择、性别歧视、种族歧视等；公共经济学的课题：租税政策及社会福利的效应；消费行为研究的课题：商品需求、品牌选择；都市及运输经济学的课题：住房租购选择、区位选择、交通工具选择；产业经济学的课题：生产形式选择、生产要素需求、生产效率评估等。
值得一提的是，过去数十年来对经济个体的计量研究之所以有突飞猛进的发展，一个重要的原因是在这段时间中有多个大型个体资料的资料库问世。所谓个体资料就是以家庭、厂商等经济个体为样本收集单位的资料，一般为横断面形式，即在某个时点对许多经济个体进行普查集样，但近年来追踪资料，即连续在多个时点对同一批经济个体进行普查集样，也越来越普及，而追踪资料中又以美国密歇根大学在1960年末开始的“所得动态追踪研究资料库”（简称PSlD）最为著名。这个资料库除了进行无数的实证研究外，也成为许多国家建立追踪资料库的典范。
这些大型个体资料库的推出，除了有助于更精确严谨地验证既有的经济理论外，还引出许多新的计量课题，主要是围绕个体资料本身的特点，在对这些新课题分析讨论的过程中，计量方法也因此有了长足的发展，个体经济计量研究就这样随着个体资料库的普及而茁壮成长。此外，由于计算机的普及以及计算能力的速增，大量个体资料的处理变得可行，这也是个体经济计量研究得以进步的重要原因。
2.微观经济计量学
简单地说，微观计量经济学是一门介于经济学与统计学之间的边缘学科，包括经济学理论和用于分析微观数据的统计方法。也就是说，用经济学理论和统计学方法分析反映个体、家庭和企业的微观数据，并从中获得反映社会更为本质的经济信息。微观数据一般有两种表现形式：一种称为截面数据，表现为同一时点上不同情况的集合；另一种称为经度数据，即同一观察单位在不同时点（如年份）上的连续情况的集合。近30年来，微观计量经济学领域由于产生了包括微观数据的大型数据库，获得了迅速扩展。此时，微观数据越来越容易的可获得性和不断增强的计算能力，为实证分析检验微观经济理论提供了全新的便利和可能。在此基础上，研究人员具备了检查分析关于“个体”的许多新问题的能力。随着经济计量学的发展，微观数据的应用随之也产生了许多新的统计问题。特别是由于那些非实验性数据本身所固有的限制，研究者通常只能观察某些变量的特定个体。因此，这一不是随机抽样的样本不可能在总体中具有代表性。即使样本有代表性，影响个体行为的一些特征仍然不能够被观察到，这使得解释个体之间的某些差异变得困难甚至不可能。而詹姆斯·赫克曼的理论填补了这些空白，他提出了与这类微观数据分析相关的一些基本统计问题的解决方法，推动了经济计量学理论与方法向前发展。
个体资料的收集大多是在一个不是完全随机抽样的状况下进行的，而抽样之所以不随机，是因为个体资料的样本观察值都是来自家庭、厂商等经济个体，而这些经济个体本身（或是它周围的其他经济个体）都具有选择判断的能力，因此它们很可能会采取一些影响抽样的行动，以致抽样失去随机性，造成收集到的样本不能够准确地代表母体。例如，我们只能从有工作的人那里获得工作时间以及薪资的资料，但总人口中总有不小比例的人没有工作，任何资料库都不可能包括这些人的工时或薪资，不论抽样过程是如何的客观随机，所得到的工时或薪资的资料严格说来均不具有真正的代表性，如果使用传统的经济计量方法来分析这样的资料，得到的任何推论都只能代表有工作者的行为，而不能说是对全体人口的行为描述。若仍然将实证结果解释为放之四海而皆准的发现，当然是犯了以偏概全的错误。这种错误就是所谓的“样本选择误差”。
赫克曼除了对个体经济计量学的理论有重大贡献外，还进行了许多深入的实证研究，在劳动供给、薪资决定、失业期间、劳动市场辅导计划的效益评估、生育多寡、性别歧视等课题上，获得相当丰硕的实证研究结果，也提供了不少独到的见解。
3.劳动供给和薪资决定
赫克曼对样本选择问题的分析始于20世纪70年代初期他对劳动供给的实证研究。在劳动供给领域中，赫克曼开创了所谓的第二代劳动供给模型，将一般计量模型必有的随机干扰项直接融入劳动供给者的效用极大化过程之中，由此直接推导出劳动供给计量模型。这种计量模型较传统劳动供给模型更为贴切地描述劳动供给者的心路历程，也能够同时用于分析劳动供给者“要不要工作”以及“每天要工作多少时间”两种决定。更值得称道的是，第二代劳动供给模型一并解决了劳动供给资料中的样本选择问题。赫克曼在1974年的一篇论文中提出相关的论述，他指出，根据个体经济理论，工作与否是由劳动供给者（尤其是妇女）的效用极大化过程来决定的，而这个过程可以如下的方式解释：劳动供给者根据自身的需求拟定出一个“保留工资”，他只有在找到薪水大于这个保留工资的工作后才会开始工作，也就是说一个人是否工作完全是根据保留工资和真正可拿到的薪水的比较来决定的。这个解释不仅描述了劳动供给的决策过程，同时也回答了劳动供给资料为什么会有样本选择的问题。只有在搞清楚样本选择问题的肇因后，才有可能提出解决的方法。这正是赫克曼从个体经济理论出发，逐步处理样本选择问题的做法。
4.劳动市场辅导计划
诸如在职训练、就业辅助、员工津贴等劳动市场辅导计划，在许多国家都行之有年，评估这类计划的效益当然是一个很重要的问题。赫克曼对这个课题的重大贡献仍然是在于指出样本选择问题的存在：当我们试图测量某一劳动市场辅导计划对参与者的帮助有多大时，我们只能比较计划参与者和非参与者之间的差异。但是由之前对样本选择问题的讨论中我们可以了解，每一个计划参与者之所以加入计划都是经过一番评估的，只有在认定对自己有帮助时才会选择加入，也就是说，是否要参与计划绝不是随机决定的。所以计划参与者和非参与者的样本资料都有样本选择问题，要比较两者之间的差异必须采用类似赫克曼两阶段法的计量处理方式。赫克曼在一连串的后续研究中更进一步地指出，一般处理样本选择问题的计量方式，可能还都不能完全消除计划评估的样本选择误差。他因此曾建议采用实验方式收集资料以根本地避免样本选择问题，并对此建议进行详尽的理论分析。总结赫克曼以及其他学者过去20多年来的研究，我们发现不太可能只根据单一的计量方法来评估所有的辅导计划，计划效益的评估必须逐案个别处理。而从赫克曼做过的大量个案中我们也可以发现，大多数劳动市场辅导计划对参与者的帮助都不明显，不同形式的计划对不同的参与者也会有很不相同的影响。
5.持续期间
所谓“持续期间”是指某一事件延续时间的长短，持续期间的计量分析在经济学中的应用包括失业期间、罢工时间、景气循环周期、消费者购物时点以及人口学的许多课题，诸如婚姻、生育、寿命、迁徙等的持续期间。赫克曼对持续期间的研究也有相当大的贡献，他特别重视持续期间资料的“隐性差异”问题，以对失业期间的分析为例来说明隐性差异的影响：在失业者中，素质较优的失业者比较容易找到新工作，因而有较短的失业期间，相对而言素质较差的失业者当然会有较长的失业期间，因此“长失业期间样本组”和“短失业期间样本组”之间的差异可能不完全是随机的，而是属于在素质上有根本差异的两个不同群组之间的差异。这两个群组之间的差异到底是什么，通常也无法完全确认，所以便以“隐性差异”称呼这些无法确认的素质差异。换句话说，失业期间之所以会长短不同，很可能是由于无法确认之隐性差异造成的。若有太多的隐性差异无法确认，则人们当然无法正确分析失业期间的决定因素。
在这个讨论中我们应可看出，隐性差异对持续期间分析的影响类似于样本选择问题，而对样本选择问题的处理一直就是赫克曼的兴趣所在。为解决隐性差异问题，赫克曼提出一些无母数的计量方法，为持续期间的实证研究者所广泛采用，赫克曼本人也对失业期间和生育期间课题做了许多的实证研究。
6.抽样问题
抽样问题是计量经济学中的基本问题，而抽样偏差和自选择问题则是微观计量经济研究中最基本的问题。如果一个样本不能随机地代表其总体，则抽样偏差就可能发生。一般来说，一个样本要么是数据收集规则的结果，要么是经济人自我行为的结果。后者就是一个自选择的过程。赫克曼在自选择方面的研究突破主要发生在20世纪70年代中期。这些理论上的突破，与他本人对劳动力个体决定劳动参与和工作时间的潜心研究密切相关。当只考察那些已经选择工作的个体的工作时间变化时，就可能遇到带有自选择问题的样本。在1974年发表的一篇文章中，赫克曼研究已婚妇女的劳动供给问题时，设计出一种解决自选择问题的计量经济学方法。这份研究现在已成为将微观经济理论与微观计量方法结合起来研究的一个极好例证。
赫克曼在随后的研究工作中又提出了另一解决自选择问题的方法，即著名的赫克曼矫正法，又称“两阶段方法”或“赫克曼方法”。这个方法应用起来极为方便而且影响十分深远。赫克曼矫正法分两个步骤进行：第一步骤，研究者根据经济学理论设计出一个计算个体工作概率的模型，该模型的统计估计结果可以用来预测每个个体的概率；第二步骤，研究者将这些被预测的个体概率合并为一个额外的解释变量，与教育、年龄等变量结合起来矫正自选择问题。这样，估计出的工资关系在统计意义上就很适当了。
重要论著
《评估福利状况》（与史密斯合著，1998）；
《相关性随机系数模型的具变量方法》（1998）；
《社会项目的计量评估》（2002）；
《因人而异的教育回报估计》（2002）。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
