如何走出经济学研究的怪圈？

使用CN2/CN2GIA顶级线路，支持Shadowsocks/V2ray科学上网，支持支付宝付款，每月仅需 5 美元

## 加入品葱精选 Telegram Channel ##

知乎用户 chenqin​ 发表

这样的研究好似盲人摸象，它很常见，但并不是一种好的研究方法。

1，数据分析能帮助你接近事实，但并不是事实本身。
每一次回归，你看到的结果只是数据空间上的一个投影——在数十万条数据中投影出一条向量，你省略掉的信息比你得到的信息多得多。
“又大又薄，这一定是大象耳朵，我摸的是大象！”
“你摸的是蒲扇。”

2，每一个回归方程，背后都是截然不同的假设。
在回归之前，先讨论它背后的假设，不仅是计量上的假设，比如什么样的分布，异质性怎么处理，内生性强不强，数据结构是不是合适回归方程；更包括你要验证的理论的运行机制所需要的假设，每一步都要仔细推敲。
“假设这是大象，大象头朝前，那么我从这摸应该能摸到象牙…… 哦不我没有摸到象牙所以这不是大象”
“大象头朝后，你在摸它的屁股。”

3，每个真相都是局部的真相。
看似相互矛盾的结论，其适用范围必定不相同。这个适用范围包括数据和不同的假设。一个严谨的经济学研究，不会试图声明自己是一个包容宇宙万物的理论，这些理论的适用范围只存在于抽取样本的群体中，都属于局部的真相。发达国家的实证结果，在发展中国家可能会有不同；在城市显著的结论，在农村可能不显著；十年以前被验证的理论，在现在可能就会被推翻……
要么找到造成不同的原因，要么就老老实实地声明自己的结论的适用性限于哪里。如果真的在某个局部上，在同一种假设下出现了两个矛盾的结论，那其中肯定有一个是错的，甚至可能两个结论都是错的。
甲：“我在摸大象的牙，它很光滑”
乙：“我在摸大象的屁股，它很粗糙”
“你们都没错”
丙：“大象很光滑”
丁：“大象很粗糙”
“……”

举两个例子。
一）
一名研究人员想要研究收入分配有多么不均等。
老板说，你就去研究一下 “20/20 ratio” 指标吧，这个指标度量了最高 20% 收入和最低 20% 收入的比值。
于是研究员将整个社会所有人的收入收集起来，排序，再看前 20% 高收入的人口收入，以及最后 20% 低收入的人口收入，并计算两者的比值作为不平等的指标。
这种算法的假设是：所有人的收入不相等，都属于某种意义上的收入不均等，包括不可能有收入的小孩。此时一个完全平等的，但没有收入的青少年总数超过 20% 的社会也会得出极高的不平等指数。

研究员：“那那我该怎么办……”
老板：“把小孩和老人全都去掉啊！”

该研究人员在受到训斥后，修改了自己的方案，他将不可能有收入的退休老人和小孩去掉，还是按个人排序，重新计算前 20% 和最后 20% 的比例。
这种算法的假设是：所有劳动年龄人口的收入不平等都属于收入不均等。但在这个假设下，不平等指数仍然相当高，因为在他的计算中，前 20% 高收入人口和最后 20% 收入的人口有不少甚至属于一个家庭。前者属于高收入行业，每天干活打工，而后者是他们的配偶，因为前者收入较高且无暇顾家而选择在家做家务，收入为零。于是该指标变成了度量家庭内部的收入不平等，和整个社会的收入不平等仍然没多大关系。

研究员：“我我我是不是要把所有的没收入的人都去掉……”
老板：“放屁！失业的人也没有收入，你要把他们也去掉嘛！按家庭来计算！”

该研究人员在经过更严厉的训斥后，把老人和小孩去掉，以家庭为最小单位，计算家庭总收入，用前 20% 的家庭以及最后 20% 家庭的总收入比值来度量不平等。
这种算法的假设是：只有家庭总收入的不平等才属于社会不平等。但结果看起来还是太高了，因为在他划分的前 20% 高收入家庭中，每户有 4 个人在工作，公公婆婆儿子媳妇；而最低 20% 收入家庭，都是一人吃饱全家不饿的单身汉。这两者的总收入比值，更多地体现出的是家庭人口的差别。

研究员：“老板……”
“板” 字还没说完，老板将研究员一顿暴揍，丢下三个字
“取平均！”

该研究人员在经过暴打后，又修改了自己的方案，他用家庭的人均收入来代替个人收入，并以个人为单位，按照新计算出的个人收入排序，计算前 20% 和最后 20% 的比例。

老板这才勉强把报告从遍体鳞伤的研究员手中接过来。

（这只是个例子，老板接受的报告不一定是最正确的报告，而且老板一般没有那么暴力）

一个月后，媒体上出现了新闻：《多家机构发布不平等指标，指数远高于官方公布》。网民们在下面回复 “zf 就知道隐瞒真相！”
其实，大家都没隐瞒什么，这些数字之间也没什么矛盾，只不过他们使用了不同的假设，压根就是不可比的。

二）
Acemoglu 写 Why Nations Fail，想说好的制度对经济增长有好处。Subramanian 写了一篇文章反驳他，其中有这么一幅图

横坐标是民主指数，纵坐标是人均 GDP。那根红线是用 144 个国家拟合出的人均 GDP 与民主之间的关系，这根线显得陡峭又显著，他体现了越民主的国家经济发展越好。
但问题是，这个回归是按照国家为单位计算的，那么他背后的假设就是：民主对经济的经济影响是在国家单位上体现出来的，因此所有的国家在回归中拥有同样的权重，不管是 100 万人的小国还是 10 亿人的大国，尽管后者的人口是前者的 1000 倍。
在大部分情况下，以国家为最小单位的假设不会出什么问题。但在这个问题中，中国和印度这两个总人口之和占全世界人口近 40% 的国家光荣地成了回归的 outlier。更不幸的是，如果把这个回归重新按照人口加权——此时我们假设民主对经济的影响是在个人单位上体现出来的——那结果就反了，越民主的国家经济发展越不好。
还好不显著。

这就是题主的问题中 “同样的数据变换了方法得到的答案可能是截然相反的” 一个例子，虽然看起来相反，但是他们并不是说了两套完全相反的理论——他们并不是矛盾的——而是根据两种截然不同的假设，说了两个故事。
选择说哪一个故事，选择相信哪个故事，取决于你采信哪一种假设。一些人常常有误解，认为经济学就是钻在数据堆中研究数据，但其实更重要的是研究他们背后的假设。

知乎用户 Jun Duanmu 发表

@chenqin

，

@徐惟能

的答案已经很详细了，我看到有人提及了黑天鹅，觉得很有意思，所以也就班门弄斧说两句。必不可少的个人声明：一，我是偏题党；二，我是懒得查资料党，想到什么说什么，all errors are mine。
很多人认为所谓做经济做金融研究就是抓出两组变量，加上不少控制变量，然后做个回归，如果统计显著，那太完美了，又完成了一个新的研究。然而这样的研究本身就是有问题的。在做研究的时候我们往往需要问自己这样一个问题，我们想研究的是什么，为什么要抓出这样的两组变量，背后的理论依据是什么。很多时候，我们应该辨析清楚什么是 data mining，什么是真正的经济学研究。不讲 theoretical 的东西，如果仅局限于 empirical research，我们往往要做的是根据一个已知的理论，运用现实的数据去证实该理论是否成立或有效。任何没有理论依据的没有理论支持的研究都可能被人找茬说是在 data mining。
回到黑天鹅的话题，我很喜欢的一个研究者叫 Taleb，他写了一本书叫做《黑天鹅》，销量很好，引起轰动。根据他的想法，很多现在现行的金融模型，经济研究都是垃圾，都是没有任何价值的东西，而问题的根源在于平均斯坦和极端斯坦。
首先什么是黑天鹅理论，如果我看到了一万只白色的天鹅，我能不能得出一个结论说世界上所有的天鹅都是白色的呢？只要我看见一只黑天鹅，那我之前的理论就被完完全全推翻了，所以一个极端的 observation 如果它绝对的极端，能导致整个理论系统的奔溃。
什么是极端斯坦和平均斯坦，平均斯坦是指一组变量是不具有突破性的；而极端斯坦是指一组变量具有突破性。举个例子，如果火星人来到地球，想研究一下人类的一些数据，比如人类有多高，于是火星人抓了一万个地球人，然后分别测量他们的身高，然后算出平均值，方差，最大最小等等。火星人得出的结论平均而言应该是有效的，因为身高这个变量是不具有突破性的，人类再高再高也不可能突破两米五或者三米，所以他们一万个随机选取的样本中哪怕混入了一两个极端的例子，最后的结论也不至于太离谱。这个是平均斯坦。假设火星人想研究一下地球人有多富，同样随机抓了一万个人调查财产状况，一不小心比尔盖茨君被抓进来了，这样所得出的结论就是完全不真实的。因为财富这个变量是有突破性的，你永远不知道一个人可以富到何种程度，所以如果有一两个极端数据被混入，那最后的结果将非常的 biased。这个是极端斯坦。
然后回到为什么现行的金融模型都是垃圾的问题上来，首先，最主要的问题，金融资本市场是平均斯坦还是极端斯坦？至少我认为是极端斯坦。其次，很多模型都会对于一些变量进行分布的假设，通常假设正态分布，或者更严谨的态度是，抓个一组历史数据，然后去检验一下他们服从什么分布。然而他们真的是正态分布吗？说穿了，我们只不过是看了一组历史数据，然后用一个我们熟知的概率分布套了上去，他们真正的分布是什么我们并不清楚。所以这些模型的本身或许就不是这么的精确。然后，tail risk，就是极端情况。或许许多模型本身确实考虑了极端情况的发生，比如 VaR，max one-day loss 之类的，但是我们在乎的是极端情况的严重性而不是极端情况出现的概率，例如，在 2008 年之前许多投资者都知道整个金融系统似乎有问题，可能市场会崩盘，然后等金融危机真正发生了，他们垂头丧气说，我知道有危机，但没想到会这么巨大。同样的，我知道第二次世界大战可能发生和我知道第二次世界可能会死几千万个人哪个更重要呢？显然，极端情况的严重性大于极端情况的可能性。
其实，在做任何研究的时候，我们以为我们知道在做什么但是我们真的知道我们在做什么吗？概率分布，历史数据，计量工具，我们看似有很多东西，但是真正重要的还是我们的本身，如何去运用，如何去解读，如何去说服自己，其实我们知道的很有限很片面。

知乎用户 bayes 发表

偷偷猜测一下，题主应该已经被计量折磨的快崩溃了，反而其中一些基本的经济思想还不熟悉？关于计量本身的内容，

@徐惟能

已经说得很全面了，我对另外两个问题略作补充。

关于 “这样得到的结果真的是反映了真实情况么？”
没有任何经济学的模型，当然也包括计量模型，能完全的反映真实世界的情况。但是这并不意味着这些模型没有加深我们对真实世界的理解。
跨个专业，以物理学为例，初级的很多模型都是说的无摩擦时如何如何？反映真实世界的情况么？没。所以他们都没用么？恰恰相反，他们很有用，作为对照，加深了我们对真实世界的认识。
当然，经济学是研究人的学问，不可能像物理学那么准确无误，但是在探索未知，加深对世界的理解这方面，我想至少方向和物理学是一致的。

关于 “所谓的专家对产业和国家发展说出甚至根本违背常识的结论？”
第一，专家未必真的是专家。我国的情况是，经济新闻工作者的数量远大于经济学研究者~
第二，专家也许真是研究者，碰上个新闻工作者来解读，然后。。。就不知道到哪去了~
第三，违背常识未必就是错的。研究者的工作，不会是去证明常识，而是依据手头的数据，来寻找潜在的规律。
所以，这一点和题主所说的计量的问题，似乎不具有显著的因果关系，或者相关性~

我们得承认，经济学研究比起自然科学来，还有相当的差距，这是学科性质所决定。因此，不可能指望经济学研究像自然科学一样，可以直接的，精准的指导实际工作。但是考虑一下其社会科学的分类，我觉得目前来看，经济学研究，在社科中算是比较严谨和符合科学范式了。

知乎用户 张栋 发表

英文过硬的话，请看昨天彭博的这篇评论，直指经济学研究中过于注重理论、简洁性和完美的弊病：
Wall Street Shorts Economists

In 1986, when the space shuttle Challenger exploded 73 seconds after takeoff, investors immediately dumped the stock of manufacturer Morton Thiokol Inc., which made the O-rings that were eventually blamed for the disaster. With extraordinary wisdom, the global market had quickly rendered a verdict on what happened and why.

Economists often remind us that markets, by pooling information from diverse sources, do a wonderful job of valuing companies, ideas and inventions. So what does the market think about economic theory itself? The answer ought to be rather disconcerting.

Blogger Noah Smith recently did an informal survey to find out if financial firms actually use the “dynamic stochastic general equilibrium” models that encapsulate the dominant thinking about how the economy works. The result? Some do pay a little attention, because they want to predict the actions of central banks that use the models. In their investing, however, very few Wall Street firms find the DSGE models useful.

I heard pretty much the same story in recent meetings with 15 or so leaders of large London investment firms. None thought that the DSGE models offered insight into the workings of the economy.

This should come as no surprise to anyone who has looked closely at the models. Can an economy of hundreds of millions of individuals and tens of thousands of different firms be distilled into just one household and one firm, which rationally optimize their risk-adjusted discounted expected returns over an infinite future? There is no empirical support for the idea. Indeed, research suggests that the models perform very poorly.

Economists may object that the field has moved on, using more sophisticated models that include more players with heterogeneous behaviors. This is a feint. It isn’t true of the vast majority of research.

Why does the profession want so desperately to hang on to the models? I see two possibilities. Maybe they do capture some deep understanding about how the economy works, an “if, then” relationship so hard to grasp that the world’s financial firms with their smart people and vast resources haven’t yet been able to figure out how to profit from it. I suppose that is conceivable.

More likely, economists find the models useful not in explaining reality, but in telling nice stories that fit with established traditions and fulfill the crucial goal of getting their work published in leading academic journals. With mathematical rigor, the models ensure that the stories follow certain cherished rules. Individual behavior, for example, must be the result of optimizing calculation, and all events must eventually converge toward a benign equilibrium in which all markets clear.

A creative economist colleague of mine told me that his papers have often been rejected from leading journals not for being implausible or for conflicting with the data, but with a simple comment: “This is not an equilibrium model.”

Knowledge really is power. I know of at least one financial firm in London that has a team of meteorologists running a bank of supercomputers to gain a small edge over others in identifying emerging weather patterns. Their models help them make good profits in the commodities markets. If economists’ DSGE models offered any insight into how economies work, they would be used in the same way. That they are not speaks volumes.

Markets, of course, aren’t always wise. They do make mistakes. Maybe we’ll find out a few years from now that the macroeconomists really do know better than all the smart people with “skin in the game.” I wouldn’t bet on it.

http://www.bloomberg.com/news/2014-01-21/wall-street-shorts-economists.html

知乎用户 Hao Li 发表

我的观点是：目前的经济学还远不是科学，至多是数学，可能只是神学。经济学要成为科学，必须从对现实的观察出发重构整个理论体系。

微观经济学的理论体系常常被经济学家所津津乐道。然而，这不过是建立在 “看不见的手” 信仰基础上的一套数学理论。依赖数学，你可以建立美好的市场，也可以建立糟糕的市场，数学本身并不管你能得出什么结论，也不管结论是否符合经验世界，它只要求你选择一套相容的公理（独立性和完备性通常做不到，也不必要），加上严谨的逻辑推理，得出相应的定理即可。尽管在一本 “现代” 的微观经济学教科书中，你能够看到信息经济学揭示的 “不完美” 市场，还有早就存在的福利经济学或公共经济学中所谓“效率和公平的重大权衡”，但其潜台词还是“市场是完美的，不完美的是现实状况”，恰如那句经典名言：市场做不好的，其他手段如政府干预也未必做得好。然而，曼昆十大经济学原理的第一条：人们面临权衡（tradeoff）。对市场的先验信仰恰恰违背了这一条原理。

所谓 “现实世界的经济学”，有多少人是从现实去思考经济学理论、模型是否成立呢？我看大多数不过是用现成的经济学理论去“套” 现实问题，而且不少还是拙劣的套用。如果我们把经济学看成是研究各种选择行为的学科，那么其研究范式可以概括为：确定目标函数，找齐约束条件，求解最大化方程。现有的微观经济学体系中提供了若干现成的目标函数和约束条件，然而，它们未必符合现实问题的情况。比如春运火车票是否应该涨价的问题，一大批所谓的 “经济学家” 纷纷站出来大谈特谈应该涨价。实证上来说，他们是对的，因为涨价确实可以把超额乘客排除在外，大家既不用通宵排队买票或网上抢票，也不用忍受车厢中污浊的空气。可是，仅仅凭着这样的分析就对 “春运火车票是否应该涨价” 这一公共决策问题下结论，是不是太武断太草率了呢？至少我想，比起回家，大多数农民工是不在意拥挤和排队的吧？我们连目标函数和约束条件都没有搞清楚就打着 “经济学” 的旗号大放厥词，这是在侮辱经济学。

经济学要想真正成为科学，那就必须遵循科学的范式，即观察、推理、实验，而不是从先验的信仰出发，去寻找一套能证明信仰的假设条件然后建立完美的数学模型。否则，就不要标榜自己是科学。

知乎用户 小迪刘 发表

谢邀。

在做实证研究之前，把你要做得工作认真理一遍。确定你要研究什么问题，根据现有理论和你自己的想法，问题的结论应该会是怎么样的。

然后你再按照自己的想法，确定计量方法，选取适当数据，再进行实证检验。

重要的是你对问题的想法，其次才是实证结果的好坏。就算实证结果不好，你也可以从中获得启发，改进你对问题的看法。

至于专家的结论违背常识什么的，那没关系，你也可以从中获取有用的信息。一个学科悲哀的是没有人讨论，而不是有人说了些 “傻话”。

知乎用户 徐惟能​ 发表

谢邀，谈一点浅见，请指正。计量经济研究的意义不在于说随便找两个变量，A 和 B，回归一下，发现是显著的于是就断言 “A 导致了 B” 或者“B 导致了 A”。这不是经济学，经济学是社会科学，数字能帮助理解，但不能断言因果。计量经济学必须以人类的经济活动规律和逻辑作为前提，换言之 A 和 B 之间存在显著的统计学关系，并不一定代表 A 和 B 之间存在显著的经济学关系。

题主所说的 “不断地尝试各种数据变量组合来得到自己想要的拟合最好的回归方程”，不错，这的确是一种方法，但要注意如何运用。在经济学实证研究中讲究稳健性（Robust），这也是很多一流的实证学术文献通常要不停地做稳健性检验的原因。也就是说，如果你要让人信服 A 确实导致了 B 的发生，你必须要用各种模型检验出，不管我的控制组怎么变化，我用何种变量来描述 A 和 B，最终的结果都显示 A 对 B 具有显著的因果关系（Causality），而并非只是相关性（Correlation）。因此，回到题主的问题，如果说 “同样的数据变换了方法得到的答案可能是截然相反的”，那只能说明要么之前的结果只适用于某一个特定的情形，而不具有广泛性，要么就说明模型本身是有偏的（Biased）。前者虽然可能具有科学性，但是对于实证研究的贡献范围有限，而后者本身的模型就不具有说服力，需要重新定义。对于题主说的 “专家意见”，实在不愿做过多评论。

总之，基于计量方法的经济学研究，应当以理论和逻辑作为基础，在此之上，运用数学和统计的方法，对经济社会中的某些现象作定量分析，寻找相互之间内在的关系，并且要经得起各种数理和非数理的检验，才能称之为一个可信的研究成果。

知乎用户 desp ulti 发表

题主所说的研究只是经济学的一个分支：计量经济学的研究方法。我不是专门学计量的，一般用它做为工具而已，这样的研究其实本身并没有什么问题，问题在于数据之下的逻辑在什么地方？

正确的方法不应该是拷打数据得出我们需要的结论，而是首先进行理论思考、逻辑推理、公式推导，得出结论之后再使用数据去验证。如果数据验证的结果与推导结果相符，那么很好，你的理论可以拿到实践中去进一步检验了。如果数据验证的结果与前面的推导不相符，那么不要着急去拷打数据，首先应该看下是否理论和公式推导有误，再决定是修正理论还是重新拟合数据。在整个过程中，前提假设、推理过程、公式推导应该占有更重要的地位。

经济学的本质其实是人，因为经济是人造就的，人是复杂且不确定的存在，研究它当然就会有很多不确定的结果，这也是外界对于经济学一直诟病的原因。人本来就是矛盾的：它会易子而食，也会舍身取义，那你怎么可能对经济这种东西得出确定的、像物理学定律一样的结论呢？

所谓怪圈（对这个判断我持保留意见），我不知道如何解决，但我相信绝不是数学的应用，即使是随机数学的引入也无法刻画人类这个物种的复杂与不确定性。可能经济学会像发展了几千年的哲学一样，总体上会成为一种不断争论的学科，其下各个分支倒是有可能发展得更精微。

知乎用户 astro yao 发表

推荐阅读弗里德曼的文章《实证经济学方法论》和《经济学中的价值判断》。

知乎用户 拉尔文 发表

建议读《经济运行的逻辑》

经济运行的逻辑 (豆瓣)

知乎用户 chunyi zhao 发表

建议楼主看看李俊慧老师的《经济学讲义》上下册。
本人一直被一件事困惑：某人在卖衣服标价 20 元 / 件，买者寥寥。将标价改为 200 元 / 件，销量火爆。有人说这是越贵越买，否定了需求定律。
李老师在《经济学讲义》上册中的解释：
1. 蜂拥去买标价 200 元 / 件衣服的人，一定不知道这衣服以前标价 20 元。如果有人一直密切关注此衣服，在 20 元 / 件时不买，见标价升为 200 元 / 件就敢着去买，那就否定了需求定律。
2. 一般消费者不太擅长辨别商品的实际质量，于是采用 “以价定质” 的手段。例如：你去医院看一位可能成为你女朋友的患者，先去买一点礼品。对着不同价格且你不熟悉的礼品，你会在经济能力内选一种较贵的礼品。对不对呐？你选贵的礼品就是你预估贵的质量会较好。
3. 因为消费者有 “以价定质” 的行为，难免有商家会对低质量商品标高价。也可能短时成功。长期来说，市场会淘汰掉这种商品。
4. 商家这种标高价行为短时成功还有一个必要条件：在这个商家的顾客群中，需要 20 元 / 件价位衣服的很少，需要有 200 元 / 件价位衣服的很多。因此，可以将衣服价位提到 200 元 / 件，却不可能将衣服价位提到 20000 元 / 件。其实，对商家来说，价格是越高越好。
5. 这样的商家迟早被淘汰。
李老师在《经济学讲义》上下册中 解释了很多实际的问题！
补充：在李老师的 QQ 博客内，讨论过：
1. 矿泉水瓶为什么多数是圆的，纸盒装牛奶为什么是方的？（此问题知乎上也有）。李老师处的讨论比知乎的内容和深度强多了。
2. 路面上的井盖有圆形和方形，为什么有圆形和方形？
当然另有很多具体问题的经济分析。
楼主觉得这样的问题是否有意义？

知乎用户 李伟 发表

任何假设的条件，
请先到实际的市场里看看，
看什么呢，
价格，交易者，心态，
最好自己体验下多少钱，和谁交易，交易后的心态。

拿着错误的统计数据，
套用过时且死板的理论和公式，
加上自以为是的解答思路和技巧，
结论不错，
很难。

知乎用户 Witting 发表

几个大 V 都说的很对，Lucas 对计量方法也有过深刻的批判，但是恕我直言，具体到题主所说的问题，一定程度上是国内一些经济研究者对计量方法的无知和滥用造成的，对他们来说，所谓的实证研究就是把数据丢到统计软件里，各种方法试一试，方法越新越好，最后找个结果最好看的当作结论放到论文里（一些搞宏观研究的人居然认为 R 方不到 90% 以上是不能见人的）， 至于这些工具方法得到结果的过程，对他们来说就像黑箱一样。这就意味着他们并不知道结果上的差异到底是如何形成的，更不知道这种差异的理论影响。这样做出来的研究结果，怎么能有稳健性。

说到底计量是基于统计的研究工具，结论对方法确实有敏感性，比如选 10% 还是选 5% 可能会得到完全不同的结论，但作为研究者心里要清楚，我在这里选择 10% 还是 5% 到底意味着什么，是否 really matter。有时候计量真正的用处是告诉我们，这件事情 “肯定不是什么”，而对于它告诉我们 “大概是什么” 的部分，我们应该更加慎重的考虑其结论的理论含义，它们有可能都对（就想前面一位答主说的，看起来矛盾，实则讲了两个不同的故事），也有可能都不对（方法错误或者数据不对或者根本理论假设就是错的）。计量只负责告诉我们它从数据中看到了什么，那并不等同于一个问题的答案。

安利《基本无害的计量经济学》

知乎用户 不二 发表

对经济学研究而言，你对经济世界的看法直接决定了你的研究结论，某种程度上说，理论模型、实证分析都是工具，让你的论文看起来很 “科学”、严谨、高大上的工具而已，你的“故事” 才是最吸引人的。

对经济学研究而言，核心结论都在假设里。

凯恩斯学派的 IS-LM 模型，多么简洁明了！货币扩张，利率下降，产出上升。那是因为不考虑物价变动。货币学派说长期来看，货币供应量上升，物价会同比例上升，放在 IS-LM 模型中，货币市场均衡方程式的左边就变成了常数，无论你怎么推导，也是得不出凯恩斯的结论的。

弗里德曼说，财政政策没有用，所以模型中压根没有相关变量出现，所以，当然也不会得出财政政策有用的结论。

理论模型是你自己构建的简单世界，在你抽掉了你认为是噪音的东西之后，剩下零件的运转也自然是按照预想的方式进行的。当然，这其中也会有惊喜的情形出现，这是因为数学运算结果有时会以你意想不到的方式呈现出来，但它仍然跳不出你最初的核心假设。如果出错，不是运算错误的话，那一定是你的假设出错了。

除了理论，也可以用实证。如果实证结果不感人，那请你调整一下变量，你一定是忽略了某个因素，尽管我们也难以考虑到所有的因素，但某些因素的组合大概率会让你得到满意的结果，除非你想考察的变量之间真的压根没有关系。基本上，最初的逻辑自恰就很大程度上决定了你能否找到这一组变量，使得模型拟合完好。

所以，请多关注理论逻辑，讲一个漂亮的故事。世界上有经济运行的真理吗？不知道。但凡研究中涉及到人，规律被揭示的瞬间，似乎就是规律被打破的开始。

知乎用户 aida wong 发表

作为学科学的 我只能说经济学的建立基础太不牢靠 自洽性太差 经济学家真的理论功底不行 大多是搞不动数学才去玩经济 nash 这样的除外 因为人家没想玩经济 一不小心而已
// 假设 - 数学模型 - 实证 这是对的逻辑 物理学或说科学不是变量少而精准 是假设够基本 才能做预测 经济学假设太差

知乎用户 李 jackson 发表

简单点说。
第一，现在的经济学家，特别是计量经济学家，有一种倾向是，试图通过复杂的数学公式来预测经济，但越复杂的数学模型的限制条件就越多，也越严苛，这样与现实脱节也越大，那么结果就显而易见了。借用我们西经老师的观点，最简单的模型才是最符合现实的，其他模型都是为了满足科研的需要。你觉得人类的心理能做一个模型吗？最起码现在还没人做的出来。
第二，经济学家通常只习惯通过经济学思维来思考经济。就好像其实谁都知道谢国忠很多观点都是有道理的，经济理论上也的确应该按照一般规律来发展，但谢国忠的预测都错了。为什么？因为谢国忠只是一个经济学家而已。经济基础决定上层建筑，但经济也只是基础，而远非全部。
第三，作为一个社科类学科，闭门造车是绝对不行的，现实的决策才是最终的去处，现实中选的这条路对了，也绝不能说明另一条路就不对，这也是现在的经济学所偏离的一个方向。

知乎用户 李明雨 发表

有一种观点：现有经济学体系是仿照物理学的体系构建的。我觉得很有道理，的确，经济学都是按照数理逻辑，构建假设，运用数学逻辑推导，得出结论。物理学这样做是基于物理学假设的稳定性，可经济学的假设具有稳定性吗？

这个问题，我在提出我的观点前将它抛出，希望让大家在反驳我的时候，先想想这个问题。

**经济学的假设，包括理性人、稀缺性等假设，都不是能够用数学直接表示的。换句话表达，这些假设，作为标准，都是受人为意识影响的。**比如有人觉得市场是理性的，有人觉得市场是非理性的，又比如，在我们认为产能过剩的时期，还有很多人吃不饱饭，穿不暖，没房居住，缺乏交通工具。

**经济学，绝对不是科学！绝对不是科学！绝对不是科学！**重要的事情说三遍。

经济学的标准，如何衡量理性，如何衡量短缺，如何计量货币供应量，如何衡量通货膨胀率，如何衡量经济增长。其实，这这些指标和概念都是人为建立的。有用吗？可能有用吧，至少看起来让人相信而已。

可你们看看有这么多的研究成果，以及这么多著述颇丰的美联储专家，他们在最终决定关系到经济发展的货币政策时，他们怎么做的？

投票！我去，如果研究有用，他们还投票干嘛，直接照着研究成果做不就得了。就像自然科学，工程学做的那样。

这是西方经济学最大的笑话！

既然如此，他们在干嘛？他们玩的，只是政治。一方面要让他们的结论更能稳定人心，另一方面，他们做的。只是表达自己对形势的判断。美联储已经建立了一套关于经济形势作出不同调整的政策体系：过热的冷一下，过冷的热一下。仅此而已。

既然不是科学，不能用数理方法简单套用，我们人类面对经济问题，干的只能是平衡！

我们发展过快，重量不重质，那么就该减速，重质不重量，进入新常态。

经济过热了，我们就加息，经济过冷了，就减息。
穷人没钱了，夫人财富过多，那么就 “劫富济贫”。
穷人不劳动，待遇还不错，那就劫贫济富，拉大贫富差距，提高效率。

千百年来，我们干的经济，仅此而已！

美联储投票，只是想让大家的判断更加准确。所有的经济学研究，只是想让我们对经济现状判断更加准确。

可你们有必要整那么多唬人的模型干嘛？

数据造假很简单，数据不准也很简单。围绕着数据转，你以为你就可以得到答案？

扎根现实，发掘经济现象，才是真正的王道。数字的游戏，耽误了多少有志之士。**经济学的未来，不在数据之中，而在于你看到现象了没，分析透了现象没，有没有真正的经济价值观，有没有真正的政策体系。**一叶障目，学而无用，浪费国家资源！

说到底，经济学只是一个价值体系，人们只要过得舒服，不要经济学理论，甚至不要经济部门都可以。过得不好，你再多的经济学理论，也是白搭！

知乎用户 杜宁 发表

因果关系并不是数理逻辑上的概念。逻辑推导中，我们只谈 A 是 B 的充分条件，而不说因为 A 所以 B。因果关系是难以用逻辑语言描述的。数学证明中的所谓因果其实只是等价变换的概念，是强调思路上的先后性。

经济学研究现在比较依赖计量的手段，从数据出发。计量手段建立在概率统计等数学模型之上，因此计量经济学本身很难回答因果关系。时序分析中比较著名的 Granger 因果，也是特别强调它不是我们平时讨论范畴中使用的因果概念。

经济学研究的客观现象中，存在很多复杂的因果关系（我们平时讨论使用的范畴），比如 A 和 B 都是 C 的原因，再比如 A 和 B 都是 C 的结果，再比如 A 是 B 的原因，B 又是 C 的原因。如果不加区分地应用计量进行分析，则不可避免地会导致很多谬论。因此，计量研究背后一定要有一个合理的经济学理论模型支撑，同时要避免自选择、共线性等问题。能否将计量的结论准确合理地应用到我们平时讨论的因果关系范畴，实际上是非常有挑战性的工作。

此前出现的一些经济学家的荒诞的结论，可能是由于以下几种情况：一是专家的结论只是在其设定的一些特定的假设前提下成立，而且其实计量的结论都是一种概率性的表述，因此媒体在引用的时候未必具有足够的专业性来解读；二是可能专家将数据上的相关性或者充分必要关系简单理解为了因果关系，或者计量的数据样本本身存在比较严重的自选择问题。

以上，供各位参考。

知乎用户 汪藏海 发表

这问题很简单，不学经济学不就得了。自己从头观察发生在身边的经济现象，再去思考总结。

经济学的几本所谓 “经典”，比如亚当斯密的《国富论》、萨缪尔森《经济学》、凯恩斯的古典经济学等等，知道怎么来的吗？是有人出钱给作者做出的命题作文。目的就是搅乱大家的脑子，让大家走向错误的方向。

换位思考一下，如果是你家几代人努力制订的全球经济、贸易、政治规则，你愿不愿意让别人学透、吃透？这等于让人家来抢你的摇钱树，你这么有钱，当然会想方设法让外人永远不了解真正的经济运行规则。

类似的命题的作文还有《进化论》，没错，就是达尔文写的那个。

知乎用户 吴小瑞德 发表

确实部分公司治理方面的研究有这样的问题，但主要问题也是企图证明的理论本身不够严密。现在多数研究都是理论—实证—稳健性检验（所谓橹棒性，我对这个音译好无语。。。）你所谓尝试多种变量达到最佳拟合的方法很少见。因为实证主要都是对理论的检验，不会单纯试图从数据中去寻找关系，这样的文章也不会受认可。再者，纯粹数据挖掘是过不了稳健性检验的。

知乎用户 江湖路远 发表

经济学是服务于社会制服的，没有什么怪圈，也没有对错，我国有我国的经济学，彼国有彼国的经济学。所谓违背常识，大都是违背了眼下的大环境。所以，先要了解当前的社会鼓励什么样的经济，比如我们眼下，说是开放经济，本质是计划经济。国企把控了所有的上游产业，能源，资源，土地，交通，甚至是人力资源，我们只能在国企没有控制的行业里开放，还要面对地方保护和跨区域的各种限制，真正看不见的手，是权利之手。

知乎用户 匿名用户 发表

经济模型不是物理模型永远不变。
它的深层原理来自人性。
然而我们不研究人性，只试图描述表层。
表层随着时代不停变化。

如果用物理去比喻，许多经济理论是试图假设一大一小两个质量一样的小球会先后落地一样。
有空气阻力，铅球总比气球快一点，经济学可以解释。
然而经济学永远无法发现真空时的情况（计量里去除各种因素后 xxoo 简直是数学游戏，经济模型是线性是抛物线是立方是对数，全靠人自己判断。）。
因为我们面对的不是真空状态，而且可能永远不会面对。
所以我们也不在乎真空情况下情况如何，所以空气密度变一下，甚至空气变成了水，经济学就傻眼了，除了告诉你球会下沉，没有任何指导意义。
说不定球还吹飞了呢？无法预测……

另外，就我国的数据真实度…… 分析的时候真的没啥参考价值。

知乎用户 刘方 发表

到经济最发达的地方去，到经济最不发达的地方去，你就能发现经济学

最简单好用的 VPS,没有之一，注册立得 100 美金