返回上一页 文章阅读 登录

姚洋:如何做好经济学研究?

更新时间:2022-07-14 00:31:54
作者: 姚洋 (进入专栏)  
既然有意外就需要给出解释,别人可能会觉得很新颖。在我看来,这是一种做理论的捷径,关键需要从现实中不断发现这种“意外”,这并不是一件容易的事,但青年学者可以注意培养自己这方面的能力。

   (3)应用现有理论解释现象

   更多的时候,我们用现有理论来解释现象,以此检验现有的理论、前人没有检验过的理论,新的数据和新的计量学方法。现在中国人做的最多的是应用微观计量学进行研究,即用微观经济学理论解释现象,并用数据做出证明。

   例如研究“新型农村合作医疗是否降低了农民信教的概率?”首先需要弄清楚一般人为什么信教。信教者一般都会对不确定的未来感到焦虑,因此宗教都会对来世有所描述。正是因为来世不可证伪,很多人才会相信。倘若农村地区引进合作医疗,未来的不确定性可能因此大大降低,生病之后有保障,老百姓对未来也可以少一些焦虑。这样一来,农民信教的概率是否会降低?这是一个比较重要的问题,如果能找到比较好的数据加以研究,一定可以出一篇好文章。

   4、哪些是不好的选题

   一是修改别人模型的假设,这是年轻人特别爱犯的错。别的学者做出一个理论模型,其中的假设不能随意修改,否则可能导致整个模型土崩瓦解。此外,修改假设后的一系列推导也很有可能产生错误。

   二是生套理论模型。不管模型是否适用,拿起来就用,这样肯定行不通。

   三是“稻草理论”。19世纪末20世纪初的欧洲,曾有一本杂志向当时欧洲的知识分子提出一个问题——在过去一千年的时间里,什么是人类最伟大的发明?有人认为是马料,即马吃的稻草。在这些人看来,没有马料,人们就不可能养马;如果没有马,欧洲人就不可能战胜北方的蛮族,也就不可能有欧洲文明。

   这一论断乍一看没毛病,我们也知道,欧洲文明的进程是从南向北逐渐推进,但马料真的如此重要吗?我看未必。只要养马就会知道马需要什么饲料,自然而然会想到搭配马料,这是一种职业本能。在我看来,很多年轻人做学问都是“稻草学问”。诸如此类逻辑上看起来成立,但在现实中没有太大实际意义的问题,只做回归分析的经济显著性也比较低。这种学问没有太大价值。

   四是为了研究中国而研究中国。此类研究一般仅描述中国的现象,并不考虑其研究可能对经济学理论做出何种贡献。

   五是缺乏政策含义的经验研究。此类研究的特点是:方法好、做得好、成果发表也很好,但就是缺乏政策含义。比如有人做了“测度配置效率”方面的研究,文章发表得很好,很多人就跟风研究。这种研究不能说没用,至少可以知道中国的配置效率还有多大改进空间。但我认为更好的研究应该是如何改进配置效率?

   综上所述,想要发现好选题,需要学会联想。青年学者要学会多种联想,从现实到理论,理论到现实,要学会构建一个经济学问题,这一点非常重要。现在有很多学者,特别是做经验研究的学者,找到一个X,再找到一个Y,接着就跑回归,跑完之后再回头来解释。这样的研究缺乏理论支撑,纯粹是在跑回归。一旦Y确定了,就换不同的X继续做;或者X固定下来,把Y换一下,这样可以出好多篇,甚至是一个系列的文章。

   在我看来,既然决定做研究,就要做点有经济学含量的,有经济学逻辑推导的研究。如果青年学者或博士生不能完成这一跨越,他在经济学研究领域就尚未入门。缺乏经济逻辑和理论支撑的经济学研究,在我看来毫无意义。经济学有理论大厦,这是经济学和社会学的重要区别。我知道现在很多青年学者喜欢跑回归。“跑回归”的门槛很低,读完本科就能做到,但如果读博期间仍在跑回归,那博士阶段接受的学术训练意义何在?即便是“跑回归”,也需要有经济学理论的支撑,否则跑出来的回归也没有意义。

   还有一些年轻学生不喜欢参加学术会议,其实参加学术会议的好处很多,我们可以从别人的文章中获得联想和学习动力,不仅要学习别人的研究方法,还要学习如何发现和界定一个问题,进而跟进一个领域的发展。

   中国研究的陷阱

   在我看来,当下的中国研究存在两种不好的倾向。一是跟随式研究,即用中国的数据把文献里已有的成果复制一遍,做一些边际上的改进。二是讨好式研究,即刻意迎合西方对中国的刻板印象,暴露出中国“不好”的一面,以此获得更多发表机会。

   中国人要建立自己的学问,必须要学会设立自己的研究议题。我知道这很难,因为大家都是在国际刊物上发表,在这样的客观条件下,建立中国自己的议题确实有难度。作为中国经济学年会的理事长,我正在推动这方面的工作。我想只有整个经济学界一起努力,才能把这个事情做起来。

  

   论文写作三部曲之二:技巧

  

   一、关于理论

   1、如何做理论?

   同学们在教科书和论文中读到的模型,基本都是从假设开始一步步推导。如果同学们就此认为做学问也应该延续这种套路,就完全错误了。教科书上出现的模型已经打磨了无数遍,写的时候一定是按顺序写,但其构思过程一定是反向,即先构思一个符合直觉的“故事”,然后用日常语言表达出来。对同学们而言,这一过程颇有些挑战性。有的同学能写出理论模型,但不会用日常语言表达。如果出现这种情况,我觉得是对理论模型理解不到位。

   我认为,写一篇理论文章好比讲一个故事,先构建一个符合直觉的框架,然后找到相应的经济学理论,最后用严谨的数学语言表达出来。

   如何把你的理论成功“推销”给期刊审稿人?这其实是“一锤子买卖”。多数时候,审稿人审稿只看整个“故事”是否合理,即文章的推导是否有问题,至于文章的假设正确与否,审稿人通常很少在意。这样的审稿标准可能放过一些错误,导致很多名人发表的文章也存在逻辑错误。我们常说做理论难,难就难在这里。论文作者既需要讲好故事,还需要确保假设合理,模型运用得当。大家切忌从现成的假设出发,用标准的模型来研究现实问题。

   2、做理论模型的步骤

   1) 确定理论和因果关系。简单说就是先把理论这个“故事”讲起来。

   2) 构造一个可以产生预期结论的经济机制。在这个过程中一定要防止“短路”。我反对大家做那种X影响Y的回归分析,因为X影响Y太直接,也是“短路”的一种。好比用一顶帐篷来隔绝蚊子,然后讨论会产生什么结果,这样的研究有什么意义?

   3)确定模型和假设。以上步骤可能需要重复很多次,最后确定的假设一定是通过模型的机制能够得到想要的、结论最少的假设。

   在美国威斯康星大学读书时,我也曾陷入写不出理论模型的困境。当时我咨询一位数学系博士该如何解决这个问题,他的回答让我醍醐灌顶。他说,任何结论都可以推导出来,关键看假设是什么。

   不难看出,理论都是建构出来的,不是必然的东西。很多人在发表文章时都会提到“我在这里做一个技术性假设”。对理论文章而言,假设能否推导很重要,但使用“技术性假设”这样模棱两可的词汇,就可以一笔带过。由此可见,经济学比较仁慈,给了研究者一些假设的空间,但也不能太离谱,不能从假设直接推导到结论。倘若别人看到假设就知道结论,这样的研究也没有意义。

   理论很奇妙,有时我们自己构建了一个理论模型,推导到最后发现有如此多的命题可以证明,这是一种令人兴奋的经历。我建议年轻同学们不要怕,要勇于尝试。我虽是农经系出身,但我也写理论文章,直到现在还在写,马上要出版的一篇文章就是聚焦“中国选拔制度里忠诚与能力的平衡”这一问题。这是一篇经验研究文章,但也有一个理论模型,指导后面的计量研究。在写理论模型的时候,如果你的模型很复杂,可以先用一个简单的模型把直觉告诉读者。

   3、如何检验理论模型的好坏?

   在这一点上,我们往往被Friedman迷惑了。Friedman认为,只要模型和现实吻合,这个模型就是对的。我曾经问过芝加哥联储的主席,研究宏观的学者怎么知道采用的模型是对的?芝加哥联储的主席表示,如果模型能推导出来,并且和现实的数据都能吻合,就相信这个模型是对的。

   这就是典型的Friedman标准,我觉得这个标准不够完善。除了数据,我们还要看机制是不是合理,假设是不是合理,模型是不是应用得当。这样的要求可能让我们这些做新政治经济学的人更发愁,因为新政治经济学缺乏一个广为接受的模型,又如何能用模型去说服别人,证明模型应用得当?所以说经济学不是纯粹的科学,科学不会在意模型是否精巧。我认为经济学多少还有点像文学,还有点理论物理的意思。在经济学的范畴里,找到一个理论模型并不意味着成功,还要看结论是否符合直觉,是否比现存理论得到更多、更一般化的结论,以及结论是否经得起数据的检验。这些都非常重要。

   二、关于经验研究

   1、好的数据是第一要务

   如果只用省级数据或者国家层面的数据做研究,除非论文立意特别好,否则很难发表。

   还有一种方法是自己收集数据。博士生们一定不要怕自己收集数据,我有好几位博士生都这样做。自己收集数据虽然辛苦,但此后很长一段时间的研究都可以吃这些数据的“老本”。因此,博士生要注意给自己建一座“城堡”,在获取独一无二的“垄断”地位的同时,也让别人无法“攻破”你的“城堡”。在我看来,“城堡”可以是独家数据,也可以是超强的研究能力,比如特别擅长写模型,熟练运用各种方法等。

   作为一名研究者,以上这些学术素养,至少要具备一样,不然如何在学术界立足?

   2、做经验研究也要讲一个故事

   研究者必须找一个好的经济学问题。这或许是我的个人偏见,因为我不喜欢那种X怎么影响Y的简单逻辑。如果你的选题背后没有经济学内容支撑,那平日里接受的经济学训练意义何在?

   我建议大家先用图表把数据看一遍,主要因果关系必须在平均意义上显著。这一点我曾反复强调,如果数据在平均意义上都不显著,你就别做了,那你是在拷问数据。你做的就是“稻草学问”,没有意义。

   做经验研究最好也要有个理论模型,不是构建一个理论,而是要提出一个分析框架,分清解释变量和控制变量。否则等这个结论出来时,再回过头做合理化的解说就有可能走不通。

   我们还要学会用回归来讲故事。只做一条回归远远不够,你可能要做一万个回归,最后从中挑选出十个,讲一个逻辑自洽的故事。切记不要放太多的回归结果,这样做容易暴露自己的逻辑漏洞,哪怕结论是显著的,有些逻辑链条可能接不上。

   写文章有个诀窍,你给读者呈现什么,读者就会沿着你的思路去思考,因此没必要去把旁枝末节也放到文章里,你的文章应该只突出一个核心问题。

   在这一过程中,我们也要避免cherry picking。所谓cherry picking就是对自己有利的都讲出来,对自己不利的就不讲。大家可能会说,刚才说的挑选十个回归,这难道不是cherry picking?我想说的是,如果这里面有cherry picking,那这个故事本身就有问题,你要重新选一个故事。

   3. 关于估计方法

在计量研究中,通常有三种方法,即简化式估计、结构式估计和结构化估计。(点击此处阅读下一页)


爱思想关键词小程序
本文责编:admin
发信站:爱思想(http://m.aisixiang.com)
本文链接:http://m.aisixiang.com/data/135267.html
收藏