在实证研究中，因果推断方法的革新曾极大提升了研究结论的严谨性，但约翰·科克伦（John Cochrane）2025年发表于 The Grumpy Economist 博客的研究，却为这一领域提出了警示：“因果关系不意味着足够的变动”（Causation Does not Imply Variation）（Cochrane, 2025）。这一观点并非否定双重差分（DID）、工具变量（IV）等因果识别方法的价值，而是明确指出当前研究中普遍存在的认知偏差——将“变量x对因变量y的显著因果效应”等同于“x是y变动的主要来源”，忽略了多数y的变动实则由未被关注的其他因素主导。
核心观点：区分两大因果推断基本原则
科克伦（Cochrane, 2025）的核心观点可概括为“因果关系≠变动解释”，这与经典的“相关性≠因果关系”原则共同构成实证研究的重要认知框架，该框架在因果推断领域具有基础指导意义。前者聚焦“从因果到变动的过度推论”，即即便通过严谨方法证明x对y存在因果效应（如Δx→Δy），也不代表x是y变动（Var(y)，y的变动）的主要驱动因素；后者则聚焦“从关联到因果的错误跳跃”，避免将变量间的同步变化误读为因果关系（Cochrane, 2025）。两者共同作用，旨在推动实证研究从“识别因果”向“精准解释变动”转变转变，避免陷入方法主义的误区。
因果识别的“变动丢弃”特性与现实局限
因果推断方法为排除反向因果、遗漏变量等干扰，往往通过“丢弃变动”实现精准识别，但这一过程也导致变量对因变量的解释力大幅弱化（Cochrane, 2025）。具体表现为：
双重差分（DID）仅关注“处理组与控制组的差异变化”（Δy处理组 - Δy控制组），丢弃地区、时间层面的水平变动；
固定效应模型中，地区固定效应会丢弃变量跨读取层面的变动（Var(x跨州)，x的跨州变动），时间固定效应则丢弃跨时间变动（Var(x跨时间)，x的跨时间变动）；
固定效应模型中，地区固定效应会丢弃变量跨地区层面的变动（Var(x跨地区)，x的跨地区变动），时间固定效应则丢弃跨时间变动（Var(x跨时间)，x的跨时间变动）；
工具变量（IV）仅利用工具变量z预测的x变动（x̂=f(z)），舍弃与z无关的x变动部分。
这种“为因果而牺牲解释力”的特性，使得即便因果效应显著，变量对y整体变动的贡献也往往微乎其微（Cochrane, 2025）。
多领域实证案例：效应显著≠变动主导
科克伦（Cochrane, 2025）通过多领域案例验证了核心观点，清晰呈现因果效应与变动解释力的脱节：
资产定价领域：1%的意外股票抛售（Δx）可导致1%-2%的股价下跌（Δy），因果效应明确，但股价日均波动已达1%，年波动更是超过50%，且多数波动由盈利公告、市场整体趋势等无交易压力因素驱动，买卖压力仅解释股价变动的极小部分；
宏观经济领域：向量自回归（VAR）模型识别的未预期货币政策冲击（Δx政策），对产出（Var(y产出)，产出的变动）、价格（Var(y价格)，价格的变动）变动的解释力近乎为0，因市场对多数政策变化已提前预期，未预期冲击的影响范围极为有限；
会计研究领域：约翰·汉德（John Hand，北卡罗来纳大学（UNC））的追踪数据显示，1995年至2024年，关键自变量（Key Independent Variable, KIV）对因变量的解释力从1.8%降至0.04%，降幅达50倍，印证了因果推断方法下变量解释力持续弱化的趋势（Cochrane, 2025）。
Follow-ups：研究启示与实践建议
基于科克伦（2025）的研究结论，实证研究需在“因果严谨性”与“变动解释力”间建立平衡：
避免结论过度外推，明确区分“x对y存在因果效应”与“x主导y变动”的差异，不将小范围因果结论直接用于指导宏观决策；
拓展研究方法组合，宏观经济学与增长理论可结合历史案例分析（如萨金特（Tom Sargent）对德国恶性通胀结束的研究），补充因果推断方法的局限；
强化变量解释力报告，在呈现因果效应显著性的同时，明确披露变量对因变量变动的解释比例（如R²值），为结论的实际意义提供参考（Cochrane, 2025）。
参考文献
Cochrane, J. (2025, November 10). Causation does not imply variation. The Grumpy Economist. https://www.grumpy-economist.com/p/causation-does-not-imply-variation