Chapter 20: Labor Supply of New York City Cab Drivers: One Day at a Time
Colin Camerer, Linda Babcock, George Loewenstein & Richard Thaler
From: Choices, Values, and Frames (Cambridge University Press, 2000)
📖 总结
1. 标准劳动供给理论的清晰预测与长期困境
传统劳动供给理论（以跨期替代为核心）认为：当工资出现“暂时性”上升时，劳动的机会成本提高，个体应当在高工资时段供给更多劳动、在低工资时段多休闲（Lucas & Rapping 的思路）。但经验研究长期难以稳定检验这一点，原因在于现实中的工资变化往往并非纯暂时冲击，且需要附带假设（冲击持续性、预期形成、跨期效用可分等），使得证据含混。
2. 纽约出租车司机：近乎“理想实验场”的制度条件
纽约市出租车司机具备两个关键特征，使得跨期替代理论的预测可以被直接检验：
- 日内：费率受管制，但“忙闲程度”决定寻找乘客的空驶时间，从而决定小时收入；同一天内的小时工资具有显著正自相关（开局忙通常整天都忙）。
- 日际：由天气、地铁故障、节假日、会议等需求冲击驱动，日与日之间相关性弱，因而可视为相对“暂时性”的工资波动。
同时，司机多为租赁/自营模式，可在连续 12 小时上限内自主决定当日工作时长，规避了多数岗位“工时外生”的问题。
3. 反常模式：日收入目标与负劳动供给弹性
作者的动机源自田野访谈：不少司机自述“每天挣到一个目标数就收工”。该“日收入目标”规则对劳动供给做出与跨期替代相反的预测：
- 高工资日：更快达到目标 → 更早下班 → 工作时长下降。
- 低工资日：为“够到目标”延长劳动 → 工作时长上升。
实证结果支持这种反常性：多数估计得到的工资弹性为负（工时对工资的百分比反应/工资的百分比变化），不少样本中接近 -1，意味着“工资涨 1%，工时反而降约 1%”。这对应“达到目标即退出”的参照依赖型劳动供给。
4. 心理机制：窄域框架（narrow bracketing）与损失厌恶的联合作用
要产生稳定的负弹性，仅有“目标”还不够，还需要两组心理假设：
- 窄域框架：司机以“一天”为决策括号，将每天视为独立账户；若规划视野更长（哪怕两天），跨期替代空间就会让弹性趋向正。
- 损失厌恶/参照点依赖：目标收入成为参照点，低于目标被体验为“损失”，从而在目标附近出现强烈的边际效用非线性（对短缺更敏感），驱动低工资日“硬撑更久”。
作者将该机制与多个行为金融/消费异常并置：例如权益溢价之谜、处置效应、价格上涨对需求的非对称冲击等，强调“隔离决策 + 对损失更敏感”是跨领域的可迁移解释框架。
🧪 关键实验与发现
1. 数据来源：三套行程单（trip sheets）样本
研究使用纽约出租车行程单与计价器记录构造“日工时—日工资”数据，形成三套样本：
- `TRIP`（1994 春）：从车队公司复制 192 份行程单，基于“行程单记录趟数与计价器趟数差距不超过 2”筛选后保留 70 份（13 名司机）。优势在于有逐趟信息，可刻画日内工资序列。
- `TLC1`（1990）：来自 TLC 抽样汇总，筛选后 1,044 份行程单、484 名司机（含重复观测），包含日租（fleet）、周/月租（lease）、自有（owned）等支付结构。
- `TLC2`（1988 年 11 月初为主）：筛选后 712 份，司机不重复；费率略低。
核心变量构造：
- 工时：首位乘客上车至最后一位乘客下车的时间差。
- 日收入：行程单中各趟计费（不含小费）加总。
- 日平均小时工资：日收入/工时。
2. 识别关键：测量误差为何会“伪造”负弹性
作者强调一个重要的计量陷阱：小时工资是“收入/工时”的比值。如果工时测量存在随机误差，那么工时被高估会机械地导致工资被低估，形成负相关，从而在 OLS 中偏向负弹性。这一段是全文最具方法论价值的部分之一：它说明了为何必须使用工具变量来净化“由比值构造带来的共误差”。
3. 工具变量（IV）：用“同日同班次其他司机工资分布”作为外生工资冲击
为消除上述偏误，作者使用极自然的工具变量：同一天、同一班次“其他司机”的小时工资分布摘要（25/50/75 分位）作为某司机当日工资的工具。这一工具：
- 与个体工资高度相关（共同受当日需求冲击影响）；
- 与个体工时记录误差不相关（误差是个体层面的）。
并在回归中控制天气（雨、温度）与班次虚拟变量，TRIP 与 TLC1 还使用固定效应或面板稳健标准误处理重复观测。
4. 核心结果：负工资弹性、且新手更“目标化”
- 简单相关：三套样本的 `log(hours)` 与 `log(wage)` 相关系数均为负（约 -0.50、-0.39、-0.27）。
- IV 回归：除个别规格外，弹性显著为负；两套 TLC 样本的估计接近 -1，贴合“日目标”预测。
- 经验异质性：按经验分组后，新手弹性显著为负且接近 -1；老手弹性更大（更不负/更接近 0 或转正），暗示学习、选择退出或规划视野扩展。
5. 支付结构异质性与制度约束
在 TLC1 中按支付结构分组：
- 日租车队（fleet）弹性较小且不显著；
- 周/月租（lease）与自有（owned）弹性约为 -0.9 且显著。
作者给出技术解释：日租司机受 12 小时上限约束，因变量截断会把斜率往 0 推，从而“削弱”负弹性。
6. 反事实模拟：改变规则即可多赚
利用 TLC1 中有多日记录的 234 名司机做模拟：
- 若司机每天固定工作其样本平均工时（不随工资波动），平均净收入可提高约 5%（对收益者约 7.8%）。
- 若在保持平均工时不变下，像“弹性 +1”那样把工时向高工资日重新配置，平均增收约 10%（对收益者约 15.6%）。
该结果强调：目标化退出并非“效率最优”，更像一种启发式或自我控制装置。
🧩 核心概念与模型
1. 日收入目标（Daily Income Targeting）
“目标”可以是租金之上的某个净额，或租金的倍数等。其关键不是目标数值本身，而是：当累计收入接近目标时，停止劳动的边际倾向急剧上升。
2. 参照依赖的劳动供给：把“达到目标”当作效用曲线的折点
在标准劳动供给模型中，个体在“边际收入—边际闲暇效用”处做连续权衡，跨期替代要求对未来工资有预测并进行动态优化。
参照依赖模型则把日收入与参照点比较，形成类似前景理论式的价值函数：
- 低于目标：被编码为损失区间，边际效用陡峭（损失厌恶），推动继续工作；
- 高于目标：边际效用变平，继续工作的吸引力下降，促使退出。
因此，当日工资更高时，更快从“损失区”跨过参照点，触发退出，出现负弹性。
3. 窄域框架（Narrow Bracketing）：决策括号决定弹性的符号
作者的论证很强：若司机以多日为括号，就可以通过跨日替代来平滑收入—休闲，暂时性工资上升应引致正弹性。因此，观察到负弹性反过来指向“日括号”的存在。
4. 与标准跨期替代模型的对照
- 标准模型预测：暂时性工资 ↑ → 工时 ↑（替代效应占主导）。
- 日目标模型预测：暂时性工资 ↑ → 更快达标 → 工时 ↓。
两者的经验区分非常“戏剧化”，使该研究成为行为经济学田野检验的范例：不是微弱的系数差异，而是系数符号相反。
5. 机制补充：启发式与自我控制
作者给出多条并行心理机制，使“目标化”在生态上合理：
- 计算简化：只需跟踪累计收入，不必估计未来工资与边际闲暇。
- 输出型承诺：以收入目标替代“时间目标”，对抗随时可退出的诱惑。
- 现金诱惑与保存问题：高工资日带来更多现金，沿途消费诱惑更强；日目标可能减少“多赚多花”的自控失败。
经验更丰富者弹性更接近正，可能是学习到更长视野/固定工时规则，或是低自控者退出行业导致选择效应。
💡 现实启示
1. 对劳动经济学：劳动供给不必然遵循跨期替代
该章对教科书直觉构成挑战：即便在“工资暂时波动、工时高度自主”的场景，仍可能出现系统性负弹性。它提示研究者：
- 需要把参照点、损失厌恶与决策括号纳入劳动供给建模；
- 计量上要特别警惕“比值变量 + 测量误差”带来的机械相关，并优先寻找外生工具变量。
2. 对零工经济与平台设计：目标、反馈与激励的交互
网约车、外卖骑手等同样面临“当日可自由延长/缩短工时 + 收入波动”的环境。平台若强调日收入目标（例如“再跑 X 单就达成”徽章）可能强化窄域框架与目标化退出，从而在需求高峰期反而诱发更早离线，降低供给弹性。相反，若希望高峰期供给增加，可考虑：
- 强化跨日/跨周目标与平滑账户（例如周目标、连续奖励）；
- 设计把“高峰延长在线”与“未来休息”绑定的承诺机制。
3. 对个人工作策略：固定工时 vs. 目标工时
该研究的模拟提示：在收入波动且可自主排班的工作中，“每天固定工时”可能同时提升收入与休闲效用（若休闲效用凹）。对个人而言：
- 若目标化导致在忙日过早收工、闲日无效加班，固定时长或“高峰加时、低谷收缩”的规则更接近效率。
- 若自控是主要问题，短周期目标也可能有益，但应意识到它可能牺牲长期收益。
4. 研究延伸：用退出风险模型与随机激励检验机制
作者提出的后续方向值得沿用：
- 用 hazard model 建模“在 t 时刻退出”的概率，比较其对“累计收入（非线性）”与“平均工资/预期未来工资”的依赖。
- 通过“异常大额小费”这类自然实验/现场实验检验：若单次大额收入显著提前退出，更支持日目标而非标准财富效应。