The Economics and Econometrics of Gene-Environment Interplay

遗传因素（nature）和环境因素（nurture）在人类特质发展中的相对重要性是社会科学最古老的争论之一。随着基因数据的日益可及和「多基因指数」（polygenic indices, PGI）技术的发展，经济学家开始将遗传信息纳入经济社会学研究。然而，如何正确估计基因与环境的互动效应（G×E）在方法上存在诸多挑战。

该研究系统地阐述了 G×E 互动的经济学和计量经济学方法论。研究论证 G×E 分析可服务于三个关键目标：(1) 评估处理效应的异质性——识别哪些人群从特定政策干预中受益更多；(2) 检验理论预测——经济学模型关于禀赋与环境互动的理论含义可被基因数据所检验；(3) 揭示机制——G×E 互动可帮助识别环境通过何种渠道影响个体结果。

在实证层面，研究使用英国的 ALSPAC 出生队列数据，分析了入学年龄对教育获得遗传倾向的调节效应。核心发现是：相对于同龄人年龄较大（old-for-grade）且遗传教育倾向较高的儿童，在学校评估测试中获得了额外的优势，这种优势随着年级增长而扩大。进一步分析揭示了一个重要的政策含义：家庭环境倾向于放大遗传不平等——高遗传倾向的儿童在家庭中获得更多的教育投资——而学校环境倾向于缩小遗传不平等。这一发现表明，学校作为制度化的环境干预，具有降低先天禀赋不平等的潜在作用。

研究还讨论了 G×E 分析中的关键方法论问题——包括基因指数的构造偏差、环境变量的内生性、以及多基因指数在不同人群中的可移植性——为经济学中日益增长的基因经济学（genoeconomics）文献提供了方法论指南。