我想建议阅读最近的诺贝尔经济学奖获得者安格斯·迪顿 (Angus Deaton) 的采访，以坦率地评估 OP 的“渠道”问题提出的关于他们“测试和比较”的问题……链接如下：

https://medium.com/@timothyogden/experimental-conversations-angus-deaton-b2f768dffd57#.jr9a1ea8w

这是一个报价：

人们转向 RCT（随机对照试验），因为他们厌倦了关于外生性、仪器和样本选择性等观察性研究的所有争论。但所有这些问题在随机对照试验中都以不同的形式出现。所以我看不出证据质量或有用性方面的差异。有各种各样的坏研究。

迪顿的观点是对解开（“测试和比较”）混淆信息的困难进行诚实的评估。这也是许多其他人在其他情况下提出的观点。例如，优秀的 Cosima Shalizi 在一篇批评 James Fowler 和 Nicholas Christakis 的社交网络分析的论文 ( http://smr.sagepub.com/content/40/2/211.abstract ) 中指出，由社会理论家普遍感到困惑：

同质性，或由于匹配个体特征而形成的社会联系；社会传染，也称为社会影响；以及个人协变量对其行为或其他可测量反应的因果影响。

类似地，在老龄化研究中，已经注意到与解开年龄、队列和时间周期效应的混杂影响相关的挑战几乎是不可克服的。

计量经济学在这方面没有什么不同。指标或“渠道”可能已经改变，但可靠和准确地分解与教育、健康、贫困、地位、财富、收入等相关的混杂效应仍然存在困难。迪顿在整个采访中的讽刺之处在于，随机对照试验——对许多人来说天真的想象中的“灵丹妙药”和黄金标准——并不能解决问题。正如该帖子的一位发帖者所指出的那样，在这一点上，“理论”成为您最好的指南。当然，多种不同的理论都可以为相同的数据提供足够的拟合。

如果你有一个回归模型，那么。在这方面，您可以看到作为通过变量的一部分，如果变量之间的协方差很低。$y=b_0+b_1 x_1 +b_2 x_2 + e$$\sigma^2_y=b_1^2\sigma^2_{x_1}+b_2^2\sigma^2_{x_2}+b_1b_2\sigma_{x_1,x_2}+b_1\sigma^2_e$$\sigma^2_{x_1}\beta^2_1$$\sigma^2_y$$x_1$$\sigma_{x_1,x_2}$

它类似于频谱密度，但在频谱分析中，您的波是单调的。在计量经济学中，您的变量很少是正交的。但是，你尽量不要有多重共线性，所以这种分离通道的方式还是有一定意义的。