张宏亮介绍，今年的诺贝尔经济学奖可以与2021年的随机试验的联系在一起来看。诺奖这次为什么希望强调“自然实验”的重要性，因为在自然科学中，可以做很多科学实验， 2021年的诺奖表彰的是将随机实验（randomized control trial）应用到发展经济学的研究中。随机试验在医学上有很多应用，比如在测试新药时，可以把病人随机分配到对照组（使用大家原来普遍使用的药）和实验组（使用新药），再看实验组的治愈率是否高于以及在多大程度上高于对照组。经济学家将随机实验应用到研究经济社会问题中，比如对接种疫苗选择某些区域提供补助和激励机制，再与那些维持现状的区域进行对比来看相关机制对疫苗接种率的影响。但是在很多经济学的问题上，不一定有条件做完全的随机试验。这个时候就需要凭借现有的数据来评估已经发生的事情，构建一个自然实验——通过观测到的数据，而不是去做田野实验收集的数据来进行因果推断。
得知获奖后，因本斯（中）与家人的合影。安格里斯特与因本斯相识于职业生涯初期，二人分别于1989年和1990年毕业后到哈佛大学经济学系任教，很快一拍即合，乐于一同做研究。
20世纪90年代中期，安格里斯特和因本斯对如何评估平均干预效应做出了挑战。他们将经济学中常用的工具变量(IV)框架和统计学中常用于因果推理的“反事实结果”（counterfactual outcome）框架相结合，分析了在现实场景中，如何识别和评估可以明确解释的干预效果，即局部平均干预效应(local average treatment effect, LATE）。安格里斯特和因本斯的研究表明，使用工具变量，即与是否受到干预相关而与其他影响结果的因素无关的变量，可以识别出针对依从实验或准实验分配的个体(compliers to the assigned treatment)的局部平均干预效应。在上面提到的测试新药的实验为例，工具变量就是实验组/对照组的分配，而依从分配的个体指的是无论分配到实验组或是对照组都会遵从医嘱服药的患者，即分配在实验组会服用新药而分配在对照组会服用旧药。瑞典皇家科学院点评称，在经济学还是其他社会科学领域他们的LATE框架成为准实验性和实验性研究，的主导框架。而且，由安格里斯特和因本斯提供的LATE框架也用于检测包括断点回归设计和双重差分识别在内的其他因果推断方法的条件。
瑞典皇家科学院认为，今年三位获奖者的贡献彼此互补，综合起来的整体贡献大于他们各自贡献之和。卡德在20世纪90年代初的研究展示了如何利用自然实验揭示因果效应，将使用观察数据的实证研究的焦点转向依赖准实验变化来建立因果效应。安格里斯特和因本斯则极大地改变了研究人员使用由自然实验或不完全依从（imperfect compliance）随机实验产生的数据来研究实证问题。因此，所有获奖者的贡献加在一起，他们为经济学建立基于研究设计的实证方法发挥了核心作用。他们的方法旨在模拟随机实验通过可观察的数据（observed data）来回答因果问题，大大提高了研究人员使用可观察的数据来回答对经济和社会政策具有重大意义的因果问题的能力。
1994年，安格里斯特与因本斯共同发表的《局部平均干预效应的识别和估计》（Identification and Estimation of Local Average Treatment Effects，Econometrica, March 1994.)将LATE这一因果推断框架模型正式发表，网易，也是诺奖这次表彰他们的最主要的贡献。
张宏亮介绍，安格里斯特对自然实验的研究与贡献集中体现在他的两篇代表作中。第一篇可以追溯到他的博士论文《终生收入与越战时期抽签征兵制度：来自社会保障行政记录的证据》（Lifetime Earnings and the Vietnam Era Draft Lottery: Evidence from Social Security Administrative Records , The American Economic Review , June 1990.），他研究的是在越战期间，因为按照生日进行随机抽签而服兵役对未来的收入产生的影响。第二篇就是他在1994年和因本斯共同发表的《局部平均干预效果的识别和估计》这篇论文。这篇论文通过严谨的数学推导出了LATE理论模型。张宏亮指出“基于LATE因果推断模型的经济学实证论文，最大的优势研究设计干净利落（clean and neat），因果推理方法、所基于的事实数据、以及从中推断出什么样的结论都可以清晰地解释给即使是没有经济学背景的非专业人士。”
LATE的数学推导
MIT经济学系问问题最尖锐的老师