无与伦比的随机性

迈克尔·诺顿（Michael I.Norton）

哈佛大学经济学教授，合著有《花钱带来的幸福感》（Happy Money）。

保罗·迈耶（Paul Meier），于2011年离世，他因发明卡普兰–迈耶估计量而闻名遐迩。与此同时，迈耶在另一个不可估量的解释工具随机化实验的广泛应用方面，也是一位有着重大影响力的人物。这个看起来毫不性感的术语，掩盖了其内在所具有的优雅，其在最佳实践者的手中，已趋于艺术珍品。简而言之，随机化实验提供了独特且强大的方式，为跨学科的科学家们试图回答的问题提供着答案：我们如何得知某些事物有用？

举一个每年媒体都会反复问到的问题：红酒对我们的身体有益还是无益？通过调查人们饮用和健康的问题来寻找两者之间的关联性，我们已经充分了解了喝红酒的作用。但要评估红酒对健康的特定影响，我们还需要问人们很多的问题，包括他们吃的一切（食物、处方药、不太合理的用药方式）、他们的习惯（运动、睡眠、性生活）、他们的过去（健康史、他们父母辈和祖父母辈的健康史），等等。然后尽量把控好这些因素，把红酒对健康的影响分离出来。这是一项篇幅多么长的调查啊。

对于我们如何理解红酒的作用，随机化实验构建了完全不同的处理方法。前提是，人们在上述的诸多问题以及其他问题中呈现的差异性，我们需要通过随机指派人们喝或不喝红酒来处理。假设吃甜甜圈和从不运动的人同样可能会在“红酒组”或“控制组”，那我们就可以中规中矩地评估，红酒平均造成的影响等同或超过其他可能的因素影响。这个方法很简单。每次只要通过一个简单的技巧生成许多可观的结论时，我们就会用“优雅”来描述它。

在社会科学领域，随机化实验始于20世纪50年代（包括迈耶的贡献），但在近些年出现了爆炸性的增长，使其适用范围从医学（测试干预，如认知行为治疗）到政治科学（投票率实验）到教育（指定孩子依靠成绩获得报酬）再到经济学（鼓励储蓄行为）。其实验方法也已渗入到公共政策，比如美国前总统奥巴马任命行为经济学家卡斯·桑斯坦（Cass Sunstein）为信息与法规事务办公室主任；英国首相戴维·卡梅伦组建行为研究小组。

随机化实验绝对不是阐释的完美工具，实质上某些重大问题不适合使用随机实验，若是使用者的方法错误还会产生危害，譬如臭名昭著的塔斯基吉梅毒实验⁽²²⁾。但随机实验日益广泛的应用，呈现出该实验的灵活性，从而使得我们知晓，事物是如何运作的以及其背后所存在的原因。