文章题目有标题党的嫌疑,好吧,希望文章的内容能给你一些启发。这篇文章,权当是本人就着在经济学领域仅有的一些见识,来随便写点轻松且不严谨的文章。如有不正确的地方,欢迎各位批评指正。当然,更欢迎大家一起来补充这一猜想。
十年之后,经济学领域一定会发现一些变化,但是是哪些变化呢?本文特别好奇的是十年之后的主流经济学家到底会是怎样的一副模样,比如他们会倾向于研究哪些领域的经济学议题,又会倾向于使用哪些方法进行经济学研究呢?基于现有的一些(其实只是本人所了解)资料,本文试图(无厘头地)来对这一猜想进行研(猜)究(测)。
在进行猜测之前,我想现就经济学学科的发展做个简单同时也是简陋的分析。
很多年前,经济学家是不做实证研究的,当时也没用什么计量这类的工具,那个被叫做古典主义的时代,经济学家通过观察现实(税收制度,水稻价格,制针作坊等),来分析经济现象和人类行为;后来发生了边际革命,新古典时代到来了,数学模型开始进入经济学的教科书,“理性人”也成了经济学家的分析对象。经济学家们假定人类是理性的,他们想要做的就是利益最大化(所谓的maximizer)。他们还将这一假设运用到对企业的分析中去,由此形成了微观经济学;再后来,凯恩斯写了《就业、利息和货币通论》,随着美国新政对治理大萧条的成功,凯恩斯的学说被各种各样的学派被吸收,最终发展成今天的宏观经济学。
经济学的发展经历许多,比如布坎南将“理性人”的假设运用到政府中,由此构建了一套“宪政经济学”,科斯在思考“企业为什么会存在”时提出了“交易成本”,由此将“制度经济学”推到“新制度经济学”的高峰等等,但是它们最终都没能霸占主流经济学的征地,也是将经济学领域,同时也是将千千万万年轻一代的经济学家交给了依靠强大的计量方法而异军突起的实证研究。
在这之后呢?经济学领域又会有哪些发展呢?虽然面临着不确定性,而且本人不认为经济学家应该去做一些预测方面的分析,但是基于本人现有的一些了解,大致可就经济学学科发展的趋势谈下个人的一些想法。因此,本文将就研究领域,研究方法和不确定性三个方面,猜想下经济学领域可能存在的发展。这仅是本人自己的理解,但也许可以给同行朋友提供些许有用的讯息,比如同行将来或可在哪些领域进行深入学习,需要掌握哪些技能等。
1. 研究领域
1.1 劳动经济学和发展经济学领域的崛起
忘了在哪里看到,但我记得MIT的经济学家Joshua Angrist曾经建议经济学的学生要在发展经济学或劳动经济学领域进行学术训练。Angrist是著名的《基本无害的计量经济学》的合著者之一,同时也是计量经济学领域的大家,他曾在一期的EconTalk访谈中称自己是一名劳动经济学家(labor economist)。如果没记错,Angrist推荐经济学专业的学生在这两个领域进行学术训练的原因,或许是因为这两个领域中计量方法的运用最为成熟,也就是说,在两个领域有着许多的内容可以进行实证分析,同时也有许多的文献可以提供给经济学专业的学生进行参考学习。
就我个人的感觉而言,劳动经济学领域存在许多优质的微观数据,所以不管是研究劳动力,家庭收入,还是家庭健康,你都能够找到你想要的微观数据,由此便能运用计量进行更细致和深入的研究;而在发展经济学领域,由于现在许许多多的经济学家都在关心发展中国家的各种议题,从最初对援助资金(foreign aid)的关心,发展到现在的关心发展中国家的经济发展,低收入者的储蓄投资,人口健康,甚至政治选举等议题,而且经济学家还从中收集各项微观数据,由此使得发展经济学领域可进行研究的内容大为增加,而且使得这些研究变得更加有意义。这都得益于J-PAL的诞生,所以可以说发展经济学领域已经发生了翻天覆地的变化。
也就是说,保守估计,将来会有越来越多的经济学家研究劳动经济学和发展经济学领域,因为这个领域可研究的议题多,而且所使用的研究方法也较为成熟。
1.2 研究领域涉的扩张
其实很早就存在“经济学帝国主义”的说法,而这种似乎带有威胁和挑衅意味的说法正日渐成为一种事实而不是仅仅停留在人们的口头之间。芝加哥大学似乎也很鼓励这类的研究,从将经济学领域扩张到就业歧视和家庭早期的加里·贝克尔(Garys Becker,劳动经济学领域的先驱),到后来将研究领域扩张到犯罪的史蒂芬·列维特(Steven Levitt),再到将研究领域扩张到媒体的马修·根茨科(Matthew Gentzkow),以及当下运用田野实验研究行为经济学的John List,这四位经济学家都是芝加哥大学的教授。其中,前三者都是克拉克奖的获得者,获奖年份分别是1967,2003和2014(就是去年!)。贝克尔还于1992年获得了诺贝尔经济学奖。而对于John List,虽说他40岁的时候(2008年),克拉克奖没有授予给他(克拉克奖旨在表彰对经济学领域做出贡献的,40岁以下的美国经济学家),但是他也是前途无量,对此下文将会提到。
这里我谈下根茨科(Matthew Gentzkow)。根据2014年美国经济学会荣誉与奖励委员会(American Economic Association Honors and Awards Committee)提供的信息(美国经济学会是克拉克奖的颁奖方),根茨科的获奖理由是“马修·根茨科为我们理解经济力量对媒体产品创造的影响,数字环境中媒体角色的变化,以及媒体在教育和公民参与中所起到的作用方面所做出的基础性贡献”。
但接下来的一句话引起了我的注意,“He has thus emerged as a leader in a new generation of microeconomists applying economic methods to analyze questions that were historically analyzed by non-economists”。也就是说,在新生代的微观经济学家中,根茨科已然成为了他们的领域,而这些微观经济学家们,正在用经济学的方法研究那些以前并不为经济学家所研究的问题。由此可见,经济学领域也在鼓励扩张研究领域的行为,特别是鼓励那些掌握了强大的量化工具的微观经济学家们对其他领域的扩张。
根茨科对媒体的研究很有意思,我了解的也不多,这里就说一点我了解的内容。以往我们都会认为媒体在进行报道时都是保持的客观中立的态度,但是根茨科等人(2010)①发现,媒体在进行报道时也会有自身的立场,而在对影响媒体立场选取的可能因素进行研究之后,根茨科和他的合作者发现,是媒体目标读者的爱好影响了该媒体的立场选取,而媒体主管的品味并不会显著影响媒体立场的选择。
根茨科的创新之处在于,他通过分析美国的共和党和民主党的议员在参议院发言稿中所使用的词语区别,比如同是一件事情,“共和党议员倾向于使用‘死亡税’、’税收减免’、‘个人账户’、‘反恐战争’等,而民主党议员则倾向于使用‘遗产税’、‘减税’、‘私人账户’、‘伊拉克战争’等”②,然后再分析各家媒体在进行报道时会使用哪一类的词语,由此对这些媒体进行分类,并将它们分为亲共和党和亲民主党的媒体。这使得对媒体的分类变得可行,而且也许是能够进行分析的样本大为增加。他们最终发现,报纸报道会产生倾斜,更多地是受需求方(读者)的影响,而不是受供给方(报纸老板)的影响。
也就是说,将来的经济学研究会扩张到越来越多的以往的经济学家并不进行或不感兴趣的领域。而这些领域,很可能会显得极为有趣。如果你想了解一些优秀的年轻经济学家的研究领域,我之前翻译了一篇文章《新世代经济学家》,或许可以给你提供一些你感兴趣的内容。
2. 研究方法
2.1 越来越多的RCT,越来越多的田野实验
其实仅仅用实证领域传统研究方法的成熟(各种对计量和对数据的运用),还不足以说明为什么将来劳动经济学领域和发展经济学会崛起,因此,还需要提及的内容是,经济学研究领域研究方法的进步。
RCT原本只是被用作于医学上的药物测试,而后来被大量运用到了经济学领域,这完全得益于J-PAL的RCT方法上运用的成功。RCT的全称是Randomized controlled trial,中文名可以翻做“随机试验”。在医学领域,为了测试药物的有效性,研究者往往对病人进行随机地分组,然后对不同组别的病人进行不同药剂的服用,然后观察这些药品各组病人的作用。简单来说,就是模仿自然科学中的随机试验方法,将想要研究的对象分为“控制组”(control group)和“实验组”(treatment group),并通过随机取样的方法决定哪些人分入“控制组”,哪些人分入“实验组”。在样本足够大的前提下,观察政府实施的某一政策或NGO实施的某一援助方法,对“控制组”(不是是该政策或援助)和“实验组”(实施该政策或援助)进行一段时期的不同干预后,看这些组别中分别会产生什么后果,以达到评估的效果。
这里有本书,详细地介绍了J-PAL中的RCT是如何操作的,Running Randomized Evaluations。两位作者本身也是J-PAL的成员。
另外就是,会有越来越多的经济学家使用田野实验的方法进行研究。John List率先兴起用田野实验方法来进行各种研究,以至于他能在经济学五大顶级期刊上狂发文章,并从一个非常春藤的毕业生华丽转身为芝加哥大学的经济学教授,可谓独领风骚。对List的研究感兴趣的同学,可以参见他之前出版的《The Why Axis》,而对“田野实验”感兴趣的同学可以看下豆瓣上的这篇书评《经济学家的新工具:田野实验》。
其实这些都还不是重点,重点在于,为什么说将来会有越来越多的经济学家用RCT和田野实验的方法进行研究呢?
这还得从经济学家如何收集数据说起。以往经济学家都是根据现有的一些数据来进行研究,之后便学会建立各种项目收集更优质的微观数据,这些微观数据库往往特别庞大,研究人员所需要的并不是该数据库里面所有的数据,而是依据他们的研究需要而对这些数据进行筛选,然后再进行分析;J-PAL则是为了评估某一政策而直接进行随机试验,然后跟踪收集任何所需要的数据,但不收集那些与他们研究无关的数据。也就是说,J-PAL显示出一种新的能力,即经济学家可以根据自己想要研究的内容来收集对应的数据。同理,田野实验也是如此,
RCT和田野实验另外一个超然之处在于它们在研究变量之间“因果关系”方面有着独特的优势,这得先说下变量之间的“相关关系”(correlation)和“因果关系”(causality)。变量之间如果存在“相关关系”,比如说有人发现,“雾霾越严重的城市,经济发展越好”,所以经济学家会依此推断,“工业化有助于经济发展,我们应当大力推进工业化,虽然可以会带来雾霾这一副作用”吗?不是的,经济学家可没有那么蠢。经济学家会指出,这一发现存在内生性问题,或者说“互为因果”的问题,即完全有可能因为一个城市经济发展越好,说明这所城市工业越发达,由此带来越严重的雾霾,而不是反过来说“雾霾促进经济发展”。也就是说,“雾霾”和“经济发展”这两个变量之间存在正向的“相关关系”,但是它们之间到底是谁因谁果,还不得而知,也就是变量之间的“因果关系”还不清楚。
以往的经济学家都在进行实证研究的时候,鉴于数据的局限,大多都是研究变量之间的“相关关系”问题,而只有少数的经济学家能通过巧妙地构建“准试验设计”(Quasi-Experimental Design),在现有数据的基础上,进行“因果关系”的研究,比如兰小欢的博士论文,这里有篇他写的文章《博士后的困境》介绍了他的这一研究(内有福利,不要错过)。而现在,通过J-PAL的RCT方法,和List的田野实验方法,经济学家能够通过构建各种实验,来对变量之间的“因果关系”进行研究。
总得来说,由于RCT和田野实验在收集数据和进行“因果关系”研究之间的优势,使得它们将会在未来被越来越多的经济学家所使用。
2.2 从线上(online)挖掘数据
经济学家似乎正变得越来越无所不能,他们不单单要学习经济学知识和运用在经济学领域的数理知识,还要自学LaTeX来为自己的论文进行排版或制作幻灯片,还要学习编程等(因此人们吐槽说经济学家就是不爱看书)。经济学家越来越不像是一名社科学者,反而越来越像一名十项全能的参赛选手。
将来的经济学家会怎样呢?有一个趋势是会有越来越多的经济学家想着从线上挖掘数据,因此如果你看到有经济学家写了一本《如何用Python挖掘数据》之类的指导手册或者书籍,你也不用觉得奇怪。
为什么会是从线上挖掘数据呢?答案很简单,因为网络上到处都是(数据)金矿。现实生活中也会产生很多数据,比如我们如果要知道医改的实施对提升病人健康到底有没有作用,我们可以收集医院的数据来做一些可能的研究,但是院方并不是为经济学家可能进行的研究而为他们提供专业而且详细的数据,事实上,医院会很正常地拒绝对外提供病人的数据。所以说,线下虽然存在很多数据,但是收集起来会有很多限制,但是线上的情况就不同了。要知道互联网本身就是一个数据库,每天跟互联网打交道的人都是在“生产”各式各样的数据,而挖掘这些数据并且分析它们,将会可以做出一些很好玩的研究。
但是挖掘线上数据的一个要求是你需要掌握一定的编程能力,或者你有个计算机系的合作者。我的编程能力不是很强(不然很多想要做的研究早就可以做了。。。),但是我注意到Python能较好地实现爬虫性能,即将Python比作一只蜘蛛,让它在互联网这张大网上爬各个页面,没日没夜地抓取各种数据,单程地爬,多程地爬,想想也怪可怕的。。。
不管怎样,将来利用线上的数据进行的研究会越来越多,就像现在的经济学家普遍会掌握一两个统计软件一样。到时候也许会存在越来越多的操作简便的软件更好地帮助经济学家实现这些功能吧,以解放经济学家的双手,让他们能有更多时间去研究数学(#误)。。。
3.不确定性
当然,最后要讲的内容就是不确定性了。经济学学科将来会怎么发展,面临着许许多多不确定的地方。也许有一天,一个像凯恩斯一样的天才人物就出现了,彻底地改变了经济学的发展轨迹;而更可能地来预测,也许计量领域会出现其他很棒的工具,这样经济学家做更多的研究了。
注:
①Gentzkow, Matthew, and Jesse M. Shapiro. “What drives media slant? Evidence from US daily newspapers.” Econometrica 78.1 (2010): 35-71.
②引自 《亚洲周刊》的《經濟學家撥開媒體客觀公正性迷霧》一文,http://www.yzzk.com/cfm/content_archive.cfm?id=1399520706128&docissue=2014-19
欢迎各位批评指正。
如想转载,请联系我。:)