手段与目的

也许很多人会感到很奇怪,为什么经济学专业的学生要那么关心敲代码这件事情,为什么经济学专业的学生要数学学得好。敲代码,是为了利用统计软件(Stata, R ,SAS等等)来分析数据,从而进行实证研究;而学习数学则是为了便于建模和模型推导。

其实,如果一个经济学专业的学生想要获得同行的肯定,或者说想要在经济学专业深造,一般都得关心计量和建模。当然,也不是所有的经济学专业的学生都关心这些东西。但是对于这些人来说,他们如果还想要继续深造的话,往往得转读其他专业。

但是不管如何,我觉得,计量和模型都只是帮助我们更好地理解这个社会的两种手段,而并非目的。也就是说,我们收集(或挖掘),敲代码,分析数据,运用计量知识进行实证研究等,和我们学习数学,建立数学模型和对模型进行推导等,都是为了“我们能够更好地理解这个社会”这一目的,这些内容本身并不构成我们所追求的目的,它们仅仅是手段。

我也知道听过有经济学专业的博士,毕业之后就转行去计算机公司,或者转做数据分析师。就像也可能会有经济学的博士毕业生毕业后选择用定性研究和案例分析等方法来研究经济史,制度变迁,经济思想等。这些都是很正常的事情,不可能一个专业的毕业生都是做的一个职业。所以这篇文章讲述的对象,还是做为知识生产者的主流的经济学家。

但是我认为,对于一个想要更好地理解这个社会的经济学家来说,不可以将手段与目的弄混。

这时也许有人会问,“为什么一定要借由建模和计量的方式来学习经济学?经济学界的鼻祖——亚当斯密也不会那么倾向于使用数学来理解这个社会呀。”

对于这个疑问,首先我想消除他对经济学学科的理解偏差,然后再来回答这个问题。

什么叫“对经济学学科的理解偏差”?我们假设有一个非经济学专业的学生,他想要通过阅读来理解经济学,但是发现读的经济学的著作越多反而越不理解数学在经济学领域的运用。我觉得这是一个很普遍的状况,如果遇到这样的情况,就可以说这个人对经济学学科不了解,或者说对其了解有偏差。

为什么会出现这种有趣的状况呢?其实这个问题很简单。我们再假设经济学书籍分为两类,A类是经济学教材,上面铺满了模型;B类是没有数学内容的经济学著作。那么对于上面提到的人来说,他读的经济学方面的书籍是很多,但是由于他自己的一种对“在经济学领域大量运用数学”的排斥,他会倾向于阅读许许多多的B类书籍。如果我们将一本本书籍比做一个个样本,经济学家便会说,他的取样是有偏差的,因此这必然导致了他对经济学学科的理解是有偏差的。

如果消除了这个人对经济学学科的理解偏差,这个人便会这样想:“原来经济学学科并不是一个只用定型分析或案例研究等方式来研究经济现象或者人类行为的学科,它更多的还会用数学模型和实证研究来理解这个社会。”而在消除了这种偏差之后,我们回过头再来看下上面的那个问题,即研究经济学有那么多的手段,为什么你们要偏偏选择偏数学而不是偏人文的手段呢?

其实这个问题并不能够成问题,真正构成问题的是经济学家可能会将手段与目的弄混,或者在大量运用数学知识之后,经济学学科的发展是否会产生不良影响。对于后者我还是挺乐观的,而对于前者,我觉得提问者是没有意识到数学工具的强大力量。

我们不能总是抱着亚当斯密的书来理解经济学学科的发展,要知道,在亚当斯密的年代是没有个人电脑的。在今天,大多数年轻的一代习惯于每天都跟网络接触,而这些人的父母一辈,年轻的时候可不曾接触过个人电脑是什么。正是因为计算机的进步才使得将统计学的潜藏力量运用到经济学乃至其他社会学科变得可能。在以前,人们只能做些简单的统计分析:柏拉图在《理想国》对接触到的政体进行分析归类;韦伯的《新教伦理与资本主义精神》这本书的出发点也在于对一个统计分析结果的探究,即对其学生奥芬巴赫在论文《信仰与社会分层》中对德国巴登州不同信仰群体的课税和教育状况的统计学分析(在此推荐下郁老师的Coursera课 “《新教伦理与资本主义精神》导读”)。但是在今天,就像互联网、个人电脑、智能手机等全面地改变了人们的生活习惯一样,这些科技的进步也可以说是深远地影响了经济学学科的发展。

在去年出版The Why Axis 的序言处,畅销书Freakonomics一书的合著者之一,同时也是在The Why Axis 一书的合著者之一的J. List在芝加哥大学的同事Levitt,这样写道:

“Historically, economics had been a discipline dominated by theory. The big advances had mostly come from impossibly smart people writing down complicated mathematical models that generated abstract theorems about how the world worked. With the explosion in computing power and big data sets, however, the economics profession was transformed in the 1980s and 1990s. Empirical research—the analysis of real-world data—increasingly became the focus of many economists. It became respectable for a young economist like me, having figured out I was not nearly smart enough to come up with fancy theoretical insights, to spend my time toiling in the data looking for interesting facts.”

我看到这里也不得不感叹,正如Levitt在上文所说的,如果不是因为计算机的进步(个人电脑都能做统计分析了!)和大规模数据的出现,这才使得想我这种非数学天才同时也对建模无感的经济学专业的学生在进行研究工作时有了更多的选择。(其实这里还要感谢各个天才经济学家为计量工具的进步所做的贡献)当然,对建模无感,这仅仅是我个人的感受。客观来说,经济学教科书上的每一个模型,都是经过了许许多多的竞争和质疑,及同行评议等才留下来的产物,可以说是数学天才的作品。经济学学科中的数学模型为我们更好地理解这个社会有着其特有的贡献。

就数学建模这一手段而言,我无法多谈些什么,但是我可以谈下实证研究正在如何帮助我们更好地来理解这个社会。

上面提到的两本书,The Why Axis和Freakonomics,以及Levitt后来的Superfreakonomics等,都是实证研究的产物。

在The Why Axis中,两位作者通过巧妙地构建各种田野实验来获取他们想要的数据(这不是天然的数据,而可以说是对相应变量进行控制值后的实验数据),然后他们在对这些数据进行实证分析。举个书中的例子,他们为了研究男女性别差异如何地导致了今天社会上男性的工资和社会地位普遍要比女性高这个问题,他们通过在网站发布两份虚假的招聘信息,而这两份招聘信息唯一的差别在于前者寻求的报道娱乐信息的新闻助手,而后者寻求的是报道体育赛事的新闻助手。而在收到将近7000份感兴趣的申请后,他们告知一些人他们的工资是按照每小时15美元付费,而告知另一些人他们的工资是按照每小时12美元付费,但是他们的活做比他们对应的那一位处于竞争关系的同事好的话,他们还会有额外的6美元奖金收入。他们发现,申请体育类新闻助手工作的女性只有53.8%,而娱乐信息类的女性占比为80.5%,这并不让人感到奇怪。真正有趣的地方在于,在告知了工资的支付规则之后,他们发现,相较于男性,女性并不喜欢竞争型的工资支付规则。事实上,男性比女性选择在选择竞争型的工资支付规则的意愿上大强70%。他们还发现,在申请竞争型的工作的女性相较于申请该工作的男性,她们的履历往往更优秀。

我没有看过Levitt的Freakonomics,但是曾经在斯托克和沃森写的《计量经济学》教材上看到过Levitt对犯罪的议题的一个研究。Levitt(1996)研究的内容是将罪犯关入监狱会减少犯罪吗?即研究各州的监狱人口与犯罪率之间的关系。因为这里存在互为因果(或内生性)问题,即你想要研究的是监狱人口对犯罪率的影响,但是你会发现犯罪率也会对监狱人口反过来造成影响,因此Levitt在此用“针对减少监狱过分拥堵的诉讼”作为工具变量,来研究这个问题。(这里解释起来比较复杂,感谢的同学可以具体去看下这篇论文,文章结尾处有这篇论文的具体信息。)我想要在此说的是,正是因为实证研究这一手段的强大,使得经济学学科可以研究的议题增加许多,这也使得经济学领域的研究充满乐趣。而对于实证研究兴起之前的传统的经济学家来说,他们是不会对犯罪这种议题产生研究兴趣的,当时能研究的内容要较现在狭窄得多。

对于The Why Axis和Freakonomics,还有去之前看过的Poor Economics,Why Nations Fail等书籍,都可以说是经济学家的通俗版的论文集。为什么这么说呢?经济学家一般都是通过先对自己感兴趣的领域进行实证研究,然后将这些论文投递给各大期刊(由于优秀的经济学期刊审稿周期很长,为了将最新的研究内容呈现给人们,顶尖的经济学家一般都会先将这些论文当做working paper发布出去。据我所知,好像working paper也是可以引用的),最后等到一篇篇的研究统一领域但是不同议题的论文发表在期刊上之后,经济学家们为了将他们的研究发现介绍给非专业的读者,他们便会将这些研究通俗化之后(一般都是配上一些吸引人的小故事),写成一本书进行出版;或者先出版一本严肃的论文集,然后在通俗化这本论文集(正如Acemoglu和Robinson的Economic Origins of Dictatorship and Democracy与Why Nations Fail;NYU几个政治学教授写的The Logic of Political Survival和The Dictator’s Handbook)。

这里说明的两件事情:一是对于经济学家来说,发表论文的激励要大于出版书籍,所以如果你想要研究当下经济学研究的前沿内容,一般都会选择看他们的working paper或者发表的论文,而不是看滞后了一段时间才出版的书籍。而且这种书籍的内容都写得很简单且啰嗦,书籍风格跟他们干脆利落、逻辑严谨的论文风格形成鲜明对比;二是,当下很多经济学家(也有不少其他社科学科的学者)写的书籍,都是实证研究的结果,由此可以看出实证研究对经济学的影响之大。当然,如果你不看这些书籍,你就不会感受到经济学学科正在发生的极具活力的变化,这又一个书籍的选取偏差问题。

在文章的结尾,还需要提下Poor Economics,这本书的作者Banerjee和Duflo夫妇(同是MIT的教授)和由Duflo领导的成立于2003年的J-pal。直到今天,J-pal已经在全球五大洲建立了将近600个评估项目,具体参见J-pal官网的Evaluation Map。这些评估项目,是学者,NGO和当地官员三方所进行的一种合作,致力于用更科学的方法来对某一政策的有效性进行评估。比如今天中国政府面对着对土地流转,户籍改革等政策进行评估的需求,而且中国的省份那么多,完全可以用随机实验的方法来进行政策评估(估计有些地方已经在做类似的政策评估了)。但是由于不选在讨好选民的需要,中国的地方官员不会存在激励去对自发地对其所欲施行的政策进行评估。而J-pal的成功在很大程度上归功于实证研究,Duflo也由于J-pal的成功以及其各种评估项目的成果而获得了克拉克奖(小诺贝尔经济学奖,颁给40岁以下的杰出经济学家)。

经济学人也曾经写过一篇文章介绍这个项目,见Random Harvest。另,这里有一篇文章发表在《新知》上的文章《贫困的细节》,可以借此更加了解下J-pal这个机构和他们所使用的随机试验(RCT)方法。

综上所介绍的经济学家做研究的手段我们可以知道,一昧反对在经济学领域运用数理知识,不客气地说,这可以说是一种反智的体现。而这些手段最终会帮助我们更好地达到我们的目的吗?还是会像马克思的资本论模型一样对人类造成伤疤累累的巨大影响?我也不知道会是怎样的一种结果。但是我认为,具体的内容应该具体分析,很难用一个结论来进行粗暴地好坏划分;而且以往的许多对在经济学领域运用数理知识的批评都是建立在误解或者说不理解的基础之上,其实这是完全不必要的。

就我个人而言,我完全不反对定性的研究作品,我也乐于学习非经济学学科的其他社科知识。正如这篇文章所要表明的那样,不管是定性还是定量,文字资料还是大型数据,都仅仅是我们借由来更好地理解这个社会的手段,而不是目的。

而那些经典的非定量研究的著作,曾经给过我们人类巨大的思想启发,也给人类带来因对其的理解不一而产生的巨大争论,但这些都使得这个社会变得更加开放多元。我相信,他们不仅仅曾经冲击过我们,将来也会成为人类巨大的思想武器。而那些伟大的思想,就如凯恩斯所说,我们这些平庸的人类最终会发现自己终将受到它们的影响。

文中提到的文献:
Levitt, Steven D. “The Effect of Prison Population Size on Crime Rates: Evidence from Prison Overcrowding Litigation.” The Quarterly Journal of Economics 111.2 (1996): 319-351.

 

 

欢迎各位批评指正。

如想转载,请联系我。:)

联系我

Share

发表评论

电子邮件地址不会被公开。 必填项已用*标注