[论文解读] The Economics and Econometrics of Gene-Environment Interplay

Pietro Biroli, T. J. Galama+4 more|Bristol Research (University of Bristol)|Mar 1, 2022

Intergenerational and Educational Inequality Studies被引用 21

一句话总结

这篇论文回顾如何将基因数据纳入经济分析以研究基因-环境交互作用（G×E），提出一个关于G×E的简化经济模型，并为使用多基因指数及相关遗传指标的实证工作提供实用指南。

ABSTRACT

Economists and social scientists have debated the relative importance of nature (one's genes) and nurture (one's environment) for decades, if not centuries. This debate can now be informed by the ready availability of genetic data in a growing number of social science datasets. This paper explores the potential uses of genetic data in economics, with a focus on estimating the interplay between nature (genes) and nurture (environment). We discuss how economists can benefit from incorporating genetic data into their analyses even when they do not have a direct interest in estimating genetic effects. We argue that gene--environment (GxE) studies can be instrumental for (i) testing economic theory, (ii) uncovering economic or behavioral mechanisms, and (iii) analyzing treatment effect heterogeneity, thereby improving the understanding of how (policy) interventions affect population subgroups. We introduce the reader to essential genetic terminology, develop a conceptual economic model to interpret gene-environment interplay, and provide practical guidance to empirical researchers.

研究动机与目标

• 引入关于经济学领域的基因-环境（G×E）交互作用的关键概念和最新进展。
• 解释如何利用遗传数据来检验经济理论、识别机制，以及异质性治疗效应的分析。
• 发展一个经济模型，展示遗传和环境因素如何通过内生行为选择相互作用。
• 提供测量G和E、解释G×E效应及实证陷阱的实用指南。

提出的方法

• 提出一个带有遗传和环境的行为选择的简化经济模型，以生成G×E交互作用。
• 推导最优选择条件，并讨论在对G和E的响应中的强化或替代效应。
• 将G×E分解为多条路径，包括生产函数交互和选择介导的效应。
• 将一个简单的实证设定线性化，展示内生努力如何影响观测到的G×E关系。
• 通过对结果与福利效应的正式比较，说明G×E在福利方面的相关性。
• 详细说明通过多基因指数来测量G，并解释基于GWAS的分型方法。

实验结果

研究问题

• RQ1 基因因素G和环境因素E如何通过内生选择共同影响经济结果？
• RQ2 在生产、成本或行为中，在何种条件下会产生G×E交互作用，以及它们如何转化为观测结果？
• RQ3 G×E交互作用的机制是什么，经济理论如何指导实证建模与解释？
• RQ4 在存在内生选择的情况下，G×E对可观测结果的效应与对个体福利的效应之间有什么关系？

主要发现

• G×E交互作用可以通过生产函数交互、选择互补以及内生驱动的行为反应而产生。
• 即使底层生产函数简单，内生选择也可能在数据生成过程中产生非线性和高阶项（如G²、E²、G×E）。
• 环境因素或遗传因素可以相互强化或替代，取决于努力的边际收益和成本如何随E和G而变化。
• G×E分析可以检验理论、揭示机制，并评估在人群子群体中的治疗效应异质性。
• 政策含义取决于福利层面的G×E效应，因成本和行为渠道的影响，可能与观测结果层面的G×E效应符号或幅度不同。