如何走出經濟學研究的怪圈？
詳細講一下，我認為現在的經濟學研究缺乏指導意義。就我本身而言，是學產業經濟學的。經濟學的研究一般都是用面板數據來對過去的事情進行分析，試圖尋找一種趨勢，拋開純理論研究不談，實證分析中往往都是不斷地嘗試各種數據變數組合來得到自己想要的擬合最好的回歸方程。但是這樣得到的結果真的是反映了真實情況么？而且同樣的數據變換了方法得到的答案可能是截然相反的，所以也就有所謂的專家對產業和國家發展說出甚至根本違背常識的結論？經濟學的研究意義和發展到底要何去何從？
這樣的研究好似盲人摸象，它很常見，但並不是一種好的研究方法。
1，數據分析能幫助你接近事實，但並不是事實本身。
每一次回歸，你看到的結果只是數據空間上的一個投影——在數十萬條數據中投影出一條向量，你省略掉的信息比你得到的信息多得多。
「又大又薄，這一定是大象耳朵，我摸的是大象！」
「你摸的是蒲扇。」
2，每一個回歸方程，背後都是截然不同的假設。
在回歸之前，先討論它背後的假設，不僅是計量上的假設，比如什麼樣的分布，異質性怎麼處理，內生性強不強，數據結構是不是合適回歸方程；更包括你要驗證的理論的運行機制所需要的假設，每一步都要仔細推敲。
「假設這是大象，大象頭朝前，那麼我從這摸應該能摸到象牙……哦不我沒有摸到象牙所以這不是大象」
「大象頭朝後，你在摸它的屁股。」
3，每個真相都是局部的真相。
看似相互矛盾的結論，其適用範圍必定不相同。這個適用範圍包括數據和不同的假設。一個嚴謹的經濟學研究，不會試圖聲明自己是一個包容宇宙萬物的理論，這些理論的適用範圍只存在於抽取樣本的群體中，都屬於局部的真相。發達國家的實證結果，在發展中國家可能會有不同；在城市顯著的結論，在農村可能不顯著；十年以前被驗證的理論，在現在可能就會被推翻……
要麼找到造成不同的原因，要麼就老老實實地聲明自己的結論的適用性限於哪裡。如果真的在某個局部上，在同一種假設下出現了兩個矛盾的結論，那其中肯定有一個是錯的，甚至可能兩個結論都是錯的。
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」
「你們都沒錯」
丙：「大象很光滑」
丁：「大象很粗糙」
「……」
舉兩個例子。
一）
一名研究人員想要研究收入分配有多麼不均等。
老闆說，你就去研究一下「20/20 ratio」指標吧，這個指標度量了最高20%收入和最低20%收入的比值。
於是研究員將整個社會所有人的收入收集起來，排序，再看前20%高收入的人口收入，以及最後20%低收入的人口收入，並計算兩者的比值作為不平等的指標。
這種演算法的假設是：所有人的收入不相等，都屬於某種意義上的收入不均等，包括不可能有收入的小孩。此時一個完全平等的，但沒有收入的青少年總數超過20%的社會也會得出極高的不平等指數。
研究員：「那那我該怎麼辦……」
老闆：「把小孩和老人全都去掉啊！」
該研究人員在受到訓斥後，修改了自己的方案，他將不可能有收入的退休老人和小孩去掉，還是按個人排序，重新計算前20%和最後20%的比例。
這種演算法的假設是：所有勞動年齡人口的收入不平等都屬於收入不均等。但在這個假設下，不平等指數仍然相當高，因為在他的計算中，前20%高收入人口和最後20%收入的人口有不少甚至屬於一個家庭。前者屬於高收入行業，每天幹活打工，而後者是他們的配偶，因為前者收入較高且無暇顧家而選擇在家做家務，收入為零。於是該指標變成了度量家庭內部的收入不平等，和整個社會的收入不平等仍然沒多大關係。
研究員：「我我我是不是要把所有的沒收入的人都去掉……」
老闆：「放屁！失業的人也沒有收入，你要把他們也去掉嘛！按家庭來計算！」
該研究人員在經過更嚴厲的訓斥後，把老人和小孩去掉，以家庭為最小單位，計算家庭總收入，用前20%的家庭以及最後20%家庭的總收入比值來度量不平等。
這種演算法的假設是：只有家庭總收入的不平等才屬於社會不平等。但結果看起來還是太高了，因為在他劃分的前20%高收入家庭中，每戶有4個人在工作，公公婆婆兒子媳婦；而最低20%收入家庭，都是一人吃飽全家不餓的單身漢。這兩者的總收入比值，更多地體現出的是家庭人口的差別。
研究員：「老闆……」
「板」字還沒說完，老闆將研究員一頓暴揍，丟下三個字
「取平均！」
該研究人員在經過暴打後，又修改了自己的方案，他用家庭的人均收入來代替個人收入，並以個人為單位，按照新計算出的個人收入排序，計算前20%和最後20%的比例。
老闆這才勉強把報告從遍體鱗傷的研究員手中接過來。
（這只是個例子，老闆接受的報告不一定是最正確的報告，而且老闆一般沒有那麼暴力）
一個月後，媒體上出現了新聞：《多家機構發布不平等指標，指數遠高於官方公布》。網民們在下面回復「zf就知道隱瞞真相！」
其實，大家都沒隱瞞什麼，這些數字之間也沒什麼矛盾，只不過他們使用了不同的假設，壓根就是不可比的。
Acemoglu寫Why Nations Fail，想說好的制度對經濟增長有好處。Subramanian寫了一篇文章反駁他，其中有這麼一幅圖
橫坐標是民主指數，縱坐標是人均GDP。那根紅線是用144個國家擬合出的人均GDP與民主之間的關係，這根線顯得陡峭又顯著，他體現了越民主的國家經濟發展越好。
但問題是，這個回歸是按照國家為單位計算的，那麼他背後的假設就是：民主對經濟的經濟影響是在國家單位上體現出來的，因此所有的國家在回歸中擁有同樣的權重，不管是100萬人的小國還是10億人的大國，儘管後者的人口是前者的1000倍。
在大部分情況下，以國家為最小單位的假設不會出什麼問題。但在這個問題中，中國和印度這兩個總人口之和佔全世界人口近40%的國家光榮地成了回歸的outlier。更不幸的是，如果把這個回歸重新按照人口加權——此時我們假設民主對經濟的影響是在個人單位上體現出來的——那結果就反了，越民主的國家經濟發展越不好。
還好不顯著。
這就是題主的問題中「同樣的數據變換了方法得到的答案可能是截然相反的」一個例子，雖然看起來相反，但是他們並不是說了兩套完全相反的理論——他們並不是矛盾的——而是根據兩種截然不同的假設，說了兩個故事。
選擇說哪一個故事，選擇相信哪個故事，取決於你採信哪一種假設。一些人常常有誤解，認為經濟學就是鑽在數據堆中研究數據，但其實更重要的是研究他們背後的假設。
@chenqin ， @徐惟能的答案已經很詳細了，我看到有人提及了黑天鵝，覺得很有意思，所以也就班門弄斧說兩句。必不可少的個人聲明：一，我是偏題黨；二，我是懶得查資料黨，想到什麼說什麼，all errors are mine。
很多人認為所謂做經濟做金融研究就是抓出兩組變數，加上不少控制變數，然後做個回歸，如果統計顯著，那太完美了，又完成了一個新的研究。然而這樣的研究本身就是有問題的。在做研究的時候我們往往需要問自己這樣一個問題，我們想研究的是什麼，為什麼要抓出這樣的兩組變數，背後的理論依據是什麼。很多時候，我們應該辨析清楚什麼是data mining，什麼是真正的經濟學研究。不講theoretical的東西，如果僅局限於empirical research，我們往往要做的是根據一個已知的理論，運用現實的數據去證實該理論是否成立或有效。任何沒有理論依據的沒有理論支持的研究都可能被人找茬說是在data mining。
回到黑天鵝的話題，我很喜歡的一個研究者叫Taleb，他寫了一本書叫做《黑天鵝》，銷量很好，引起轟動。根據他的想法，很多現在現行的金融模型，經濟研究都是垃圾，都是沒有任何價值的東西，而問題的根源在於平均斯坦和極端斯坦。
首先什麼是黑天鵝理論，如果我看到了一萬隻白色的天鵝，我能不能得出一個結論說世界上所有的天鵝都是白色的呢？只要我看見一隻黑天鵝，那我之前的理論就被完完全全推翻了，所以一個極端的observation如果它絕對的極端，能導致整個理論系統的奔潰。
什麼是極端斯坦和平均斯坦，平均斯坦是指一組變數是不具有突破性的；而極端斯坦是指一組變數具有突破性。舉個例子，如果火星人來到地球，想研究一下人類的一些數據，比如人類有多高，於是火星人抓了一萬個地球人，然後分別測量他們的身高，然後算出平均值，方差，最大最小等等。火星人得出的結論平均而言應該是有效的，因為身高這個變數是不具有突破性的，人類再高再高也不可能突破兩米五或者三米，所以他們一萬個隨機選取的樣本中哪怕混入了一兩個極端的例子，最後的結論也不至於太離譜。這個是平均斯坦。假設火星人想研究一下地球人有多富，同樣隨機抓了一萬個人調查財產狀況，一不小心比爾蓋茨君被抓進來了，這樣所得出的結論就是完全不真實的。因為財富這個變數是有突破性的，你永遠不知道一個人可以富到何種程度，所以如果有一兩個極端數據被混入，那最後的結果將非常的biased。這個是極端斯坦。
然後回到為什麼現行的金融模型都是垃圾的問題上來，首先，最主要的問題，金融資本市場是平均斯坦還是極端斯坦？至少我認為是極端斯坦。其次，很多模型都會對於一些變數進行分布的假設，通常假設正態分布，或者更嚴謹的態度是，抓個一組歷史數據，然後去檢驗一下他們服從什麼分布。然而他們真的是正態分布嗎？說穿了，我們只不過是看了一組歷史數據，然後用一個我們熟知的概率分布套了上去，他們真正的分布是什麼我們並不清楚。所以這些模型的本身或許就不是這麼的精確。然後，tail risk，就是極端情況。或許許多模型本身確實考慮了極端情況的發生，比如VaR，max one-day loss之類的，但是我們在乎的是極端情況的嚴重性而不是極端情況出現的概率，例如，在2008年之前許多投資者都知道整個金融系統似乎有問題，可能市場會崩盤，然後等金融危機真正發生了，他們垂頭喪氣說，我知道有危機，但沒想到會這麼巨大。同樣的，我知道第二次世界大戰可能發生和我知道第二次世界可能會死幾千萬個人哪個更重要呢？顯然，極端情況的嚴重性大於極端情況的可能性。
其實，在做任何研究的時候，我們以為我們知道在做什麼但是我們真的知道我們在做什麼嗎？概率分布，歷史數據，計量工具，我們看似有很多東西，但是真正重要的還是我們的本身，如何去運用，如何去解讀，如何去說服自己，其實我們知道的很有限很片面。
偷偷猜測一下，題主應該已經被計量折磨的快崩潰了，反而其中一些基本的經濟思想還不熟悉？關於計量本身的內容，@徐惟能已經說得很全面了，我對另外兩個問題略作補充。
關於「這樣得到的結果真的是反映了真實情況么？」
沒有任何經濟學的模型，當然也包括計量模型，能完全的反映真實世界的情況。但是這並不意味著這些模型沒有加深我們對真實世界的理解。
跨個專業，以物理學為例，初級的很多模型都是說的無摩擦時如何如何？反映真實世界的情況么？沒。所以他們都沒用么？恰恰相反，他們很有用，作為對照，加深了我們對真實世界的認識。
當然，經濟學是研究人的學問，不可能像物理學那麼準確無誤，但是在探索未知，加深對世界的理解這方面，我想至少方向和物理學是一致的。
關於「所謂的專家對產業和國家發展說出甚至根本違背常識的結論？」
第一，專家未必真的是專家。我國的情況是，經濟新聞工作者的數量遠大於經濟學研究者~
第二，專家也許真是研究者，碰上個新聞工作者來解讀，然後。。。就不知道到哪去了~
第三，違背常識未必就是錯的。研究者的工作，不會是去證明常識，而是依據手頭的數據，來尋找潛在的規律。
所以，這一點和題主所說的計量的問題，似乎不具有顯著的因果關係，或者相關性~
英文過硬的話，請看昨天彭博的這篇評論，直指經濟學研究中過於注重理論、簡潔性和完美的弊病：
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
謝邀。
在做實證研究之前，把你要做得工作認真理一遍。確定你要研究什麼問題，根據現有理論和你自己的想法，問題的結論應該會是怎麼樣的。
然後你再按照自己的想法，確定計量方法，選取適當數據，再進行實證檢驗。
重要的是你對問題的想法，其次才是實證結果的好壞。就算實證結果不好，你也可以從中獲得啟發，改進你對問題的看法。
至於專家的結論違背常識什麼的，那沒關係，你也可以從中獲取有用的信息。一個學科悲哀的是沒有人討論，而不是有人說了些「傻話」。
謝邀，談一點淺見，請指正。計量經濟研究的意義不在於說隨便找兩個變數，A和B，回歸一下，發現是顯著的於是就斷言「A導致了B」或者「B導致了A」。這不是經濟學，經濟學是社會科學，數字能幫助理解，但不能斷言因果。計量經濟學必須以人類的經濟活動規律和邏輯作為前提，換言之A和B之間存在顯著的統計學關係，並不一定代表A和B之間存在顯著的經濟學關係。
題主所說的「不斷地嘗試各種數據變數組合來得到自己想要的擬合最好的回歸方程」，不錯，這的確是一種方法，但要注意如何運用。在經濟學實證研究中講究穩健性（Robust），這也是很多一流的實證學術文獻通常要不停地做穩健性檢驗的原因。也就是說，如果你要讓人信服A確實導致了B的發生，你必須要用各種模型檢驗出，不管我的控制組怎麼變化，我用何種變數來描述A和B，最終的結果都顯示A對B具有顯著的因果關係（Causality），而並非只是相關性（Correlation）。因此，回到題主的問題，如果說「同樣的數據變換了方法得到的答案可能是截然相反的」，那隻能說明要麼之前的結果只適用於某一個特定的情形，而不具有廣泛性，要麼就說明模型本身是有偏的（Biased）。前者雖然可能具有科學性，但是對於實證研究的貢獻範圍有限，而後者本身的模型就不具有說服力，需要重新定義。對於題主說的「專家意見」，實在不願做過多評論。
總之，基於計量方法的經濟學研究，應當以理論和邏輯作為基礎，在此之上，運用數學和統計的方法，對經濟社會中的某些現象作定量分析，尋找相互之間內在的關係，並且要經得起各種數理和非數理的檢驗，才能稱之為一個可信的研究成果。題主所說的研究只是經濟學的一個分支：計量經濟學的研究方法。我不是專門學計量的，一般用它做為工具而已，這樣的研究其實本身並沒有什麼問題，問題在於數據之下的邏輯在什麼地方？
正確的方法不應該是拷打數據得出我們需要的結論，而是首先進行理論思考、邏輯推理、公式推導，得出結論之後再使用數據去驗證。如果數據驗證的結果與推導結果相符，那麼很好，你的理論可以拿到實踐中去進一步檢驗了。如果數據驗證的結果與前面的推導不相符，那麼不要著急去拷打數據，首先應該看下是否理論和公式推導有誤，再決定是修正理論還是重新擬合數據。在整個過程中，前提假設、推理過程、公式推導應該佔有更重要的地位。
經濟學的本質其實是人，因為經濟是人造就的，人是複雜且不確定的存在，研究它當然就會有很多不確定的結果，這也是外界對於經濟學一直詬病的原因。人本來就是矛盾的：它會易子而食，也會捨身取義，那你怎麼可能對經濟這種東西得出確定的、像物理學定律一樣的結論呢？
所謂怪圈（對這個判斷我持保留意見），我不知道如何解決，但我相信絕不是數學的應用，即使是隨機數學的引入也無法刻畫人類這個物種的複雜與不確定性。可能經濟學會像發展了幾千年的哲學一樣，總體上會成為一種不斷爭論的學科，其下各個分支倒是有可能發展得更精微。推薦閱讀弗里德曼的文章《實證經濟學方法論》和《經濟學中的價值判斷》。
建議讀《經濟運行的邏輯》
經濟運行的邏輯 (豆瓣)建議樓主看看李俊慧老師的《經濟學講義》上下冊。
本人一直被一件事困惑：某人在賣衣服標價20元/件，買者寥寥。將標價改為200元/件，銷量火爆。有人說這是越貴越買，否定了需求定律。
李老師在《經濟學講義》上冊中的解釋：
1. 蜂擁去買標價200元/件衣服的人，一定不知道這衣服以前標價20元。如果有人一直密切關注此衣服，在20元/件時不買，見標價升為200元/件就敢著去買，那就否定了需求定律。
2.一般消費者不太擅長辨別商品的實際質量，於是採用「以價定質」的手段。例如：你去醫院看一位可能成為你女朋友的患者，先去買一點禮品。對著不同價格且你不熟悉的禮品，你會在經濟能力內選一種較貴的禮品。對不對吶？你選貴的禮品就是你預估貴的質量會較好。
3.因為消費者有「以價定質」的行為，難免有商家會對低質量商品標高價。也可能短時成功。長期來說，市場會淘汰掉這種商品。
4.商家這種標高價行為短時成功還有一個必要條件：在這個商家的顧客群中，需要20元/件價位衣服的很少，需要有200元/件價位衣服的很多。因此，可以將衣服價位提到200元/件，卻不可能將衣服價位提到20000元/件。其實，對商家來說，價格是越高越好。
5.這樣的商家遲早被淘汰。
李老師在《經濟學講義》上下冊中 解釋了很多實際的問題！
補充：在李老師的QQ博客內，討論過：
1. 礦泉水瓶為什麼多數是圓的，紙盒裝牛奶為什麼是方的？（此問題知乎上也有）。李老師處的討論比知乎的內容和深度強多了。
2.路面上的井蓋有圓形和方形，為什麼有圓形和方形？
當然另有很多具體問題的經濟分析。
樓主覺得這樣的問題是否有意義？
我的觀點是：目前的經濟學還遠不是科學，至多是數學，可能只是神學。經濟學要成為科學，必須從對現實的觀察出發重構整個理論體系。
微觀經濟學的理論體系常常被經濟學家所津津樂道。然而，這不過是建立在「看不見的手」信仰基礎上的一套數學理論。依賴數學，你可以建立美好的市場，也可以建立糟糕的市場，數學本身並不管你能得出什麼結論，也不管結論是否符合經驗世界，它只要求你選擇一套相容的公理（獨立性和完備性通常做不到，也不必要），加上嚴謹的邏輯推理，得出相應的定理即可。儘管在一本「現代」的微觀經濟學教科書中，你能夠看到信息經濟學揭示的「不完美」市場，還有早就存在的福利經濟學或公共經濟學中所謂「效率和公平的重大權衡」，但其潛台詞還是「市場是完美的，不完美的是現實狀況」，恰如那句經典名言：市場做不好的，其他手段如政府干預也未必做得好。然而，曼昆十大經濟學原理的第一條：人們面臨權衡（tradeoff）。對市場的先驗信仰恰恰違背了這一條原理。
所謂「現實世界的經濟學」，有多少人是從現實去思考經濟學理論、模型是否成立呢？我看大多數不過是用現成的經濟學理論去「套」現實問題，而且不少還是拙劣的套用。如果我們把經濟學看成是研究各種選擇行為的學科，那麼其研究範式可以概括為：確定目標函數，找齊約束條件，求解最大化方程。現有的微觀經濟學體系中提供了若干現成的目標函數和約束條件，然而，它們未必符合現實問題的情況。比如春運火車票是否應該漲價的問題，一大批所謂的「經濟學家」紛紛站出來大談特談應該漲價。實證上來說，他們是對的，因為漲價確實可以把超額乘客排除在外，大家既不用通宵排隊買票或網上搶票，也不用忍受車廂中污濁的空氣。可是，僅僅憑著這樣的分析就對「春運火車票是否應該漲價」這一公共決策問題下結論，是不是太武斷太草率了呢？至少我想，比起回家，大多數農民工是不在意擁擠和排隊的吧？我們連目標函數和約束條件都沒有搞清楚就打著「經濟學」的旗號大放厥詞，這是在侮辱經濟學。
經濟學要想真正成為科學，那就必須遵循科學的範式，即觀察、推理、實驗，而不是從先驗的信仰出發，去尋找一套能證明信仰的假設條件然後建立完美的數學模型。否則，就不要標榜自己是科學。
任何假設的條件，
請先到實際的市場里看看，
看什麼呢，
價格，交易者，心態，
最好自己體驗下多少錢，和誰交易，交易後的心態。
套用過時且死板的理論和公式，
加上自以為是的解答思路和技巧，
結論不錯，
很難。
作為學科學的 我只能說經濟學的建立基礎太不牢靠 自洽性太差 經濟學家真的理論功底不行 大多是搞不動數學才去玩經濟 nash這樣的除外 因為人家沒想玩經濟 一不小心而已
//假設-數學模型-實證 這是對的邏輯 物理學或說科學不是變數少而精準 是假設夠基本 才能做預測 經濟學假設太差
有一種觀點：現有經濟學體系是仿照物理學的體系構建的。我覺得很有道理，的確，經濟學都是按照數理邏輯，構建假設，運用數學邏輯推導，得出結論。物理學這樣做是基於物理學假設的穩定性，可經濟學的假設具有穩定性嗎？
這個問題，我在提出我的觀點前將它拋出，希望讓大家在反駁我的時候，先想想這個問題。
經濟學的假設，包括理性人、稀缺性等假設，都不是能夠用數學直接表示的。換句話表達，這些假設，作為標準，都是受人為意識影響的。比如有人覺得市場是理性的，有人覺得市場是非理性的，又比如，在我們認為產能過剩的時期，還有很多人吃不飽飯，穿不暖，沒房居住，缺乏交通工具。
經濟學，絕對不是科學！絕對不是科學！絕對不是科學！重要的事情說三遍。
經濟學的標準，如何衡量理性，如何衡量短缺，如何計量貨幣供應量，如何衡量通貨膨脹率，如何衡量經濟增長。其實，這這些指標和概念都是人為建立的。有用嗎？可能有用吧，至少看起來讓人相信而已。
可你們看看有這麼多的研究成果，以及這麼多著述頗豐的美聯儲專家，他們在最終決定關係到經濟發展的貨幣政策時，他們怎麼做的？
投票！我去，如果研究有用，他們還投票幹嘛，直接照著研究成果做不就得了。就像自然科學，工程學做的那樣。
這是西方經濟學最大的笑話！
既然如此，他們在幹嘛？他們玩的，只是政治。一方面要讓他們的結論更能穩定人心，另一方面，他們做的。只是表達自己對形勢的判斷。美聯儲已經建立了一套關於經濟形勢作出不同調整的政策體系：過熱的冷一下，過冷的熱一下。僅此而已。
既然不是科學，不能用數理方法簡單套用，我們人類面對經濟問題，乾的只能是平衡！
我們發展過快，重量不重質，那麼就該減速，重質不重量，進入新常態。
經濟過熱了，我們就加息，經濟過冷了，就減息。
窮人沒錢了，夫人財富過多，那麼就「劫富濟貧」。
窮人不勞動，待遇還不錯，那就劫貧濟富，拉大貧富差距，提高效率。
千百年來，我們乾的經濟，僅此而已！
美聯儲投票，只是想讓大家的判斷更加準確。所有的經濟學研究，只是想讓我們對經濟現狀判斷更加準確。
可你們有必要整那麼多唬人的模型幹嘛？
數據造假很簡單，數據不準也很簡單。圍繞著數據轉，你以為你就可以得到答案？
紮根現實，發掘經濟現象，才是真正的王道。數字的遊戲，耽誤了多少有志之士。經濟學的未來，不在數據之中，而在於你看到現象了沒，分析透了現象沒，有沒有真正的經濟價值觀，有沒有真正的政策體系。一葉障目，學而無用，浪費國家資源！
說到底，經濟學只是一個價值體系，人們只要過得舒服，不要經濟學理論，甚至不要經濟部門都可以。過得不好，你再多的經濟學理論，也是白搭！簡單點說。
第一，現在的經濟學家，特別是計量經濟學家，有一種傾向是，試圖通過複雜的數學公式來預測經濟，但越複雜的數學模型的限制條件就越多，也越嚴苛，這樣與現實脫節也越大，那麼結果就顯而易見了。借用我們西經老師的觀點，最簡單的模型才是最符合現實的，其他模型都是為了滿足科研的需要。你覺得人類的心理能做一個模型嗎？最起碼現在還沒人做的出來。
第二，經濟學家通常只習慣通過經濟學思維來思考經濟。就好像其實誰都知道謝國忠很多觀點都是有道理的，經濟理論上也的確應該按照一般規律來發展，但謝國忠的預測都錯了。為什麼？因為謝國忠只是一個經濟學家而已。經濟基礎決定上層建築，但經濟也只是基礎，而遠非全部。
第三，作為一個社科類學科，閉門造車是絕對不行的，現實的決策才是最終的去處，現實中選的這條路對了，也絕不能說明另一條路就不對，這也是現在的經濟學所偏離的一個方向。
因果關係並不是數理邏輯上的概念。邏輯推導中，我們只談A是B的充分條件，而不說因為A所以B。因果關係是難以用邏輯語言描述的。數學證明中的所謂因果其實只是等價變換的概念，是強調思路上的先後性。
經濟學研究現在比較依賴計量的手段，從數據出發。計量手段建立在概率統計等數學模型之上，因此計量經濟學本身很難回答因果關係。時序分析中比較著名的Granger因果，也是特彆強調它不是我們平時討論範疇中使用的因果概念。
經濟學研究的客觀現象中，存在很多複雜的因果關係（我們平時討論使用的範疇），比如A和B都是C的原因，再比如A和B都是C的結果，再比如A是B的原因，B又是C的原因。如果不加區分地應用計量進行分析，則不可避免地會導致很多謬論。因此，計量研究背後一定要有一個合理的經濟學理論模型支撐，同時要避免自選擇、共線性等問題。能否將計量的結論準確合理地應用到我們平時討論的因果關係範疇，實際上是非常有挑戰性的工作。
此前出現的一些經濟學家的荒誕的結論，可能是由於以下幾種情況：一是專家的結論只是在其設定的一些特定的假設前提下成立，而且其實計量的結論都是一種概率性的表述，因此媒體在引用的時候未必具有足夠的專業性來解讀；二是可能專家將數據上的相關性或者充分必要關係簡單理解為了因果關係，或者計量的數據樣本本身存在比較嚴重的自選擇問題。
以上，供各位參考。幾個大V都說的很對，Lucas對計量方法也有過深刻的批判，但是恕我直言，具體到題主所說的問題，一定程度上是國內一些經濟研究者對計量方法的無知和濫用造成的，對他們來說，所謂的實證研究就是把數據丟到統計軟體里，各種方法試一試，方法越新越好，最後找個結果最好看的當作結論放到論文里（一些搞宏觀研究的人居然認為R方不到90%以上是不能見人的）， 至於這些工具方法得到結果的過程，對他們來說就像黑箱一樣。這就意味著他們並不知道結果上的差異到底是如何形成的，更不知道這種差異的理論影響。這樣做出來的研究結果，怎麼能有穩健性。
說到底計量是基於統計的研究工具，結論對方法確實有敏感性，比如選10%還是選5%可能會得到完全不同的結論，但作為研究者心裡要清楚，我在這裡選擇10%還是5%到底意味著什麼，是否really matter。有時候計量真正的用處是告訴我們，這件事情 「肯定不是什麼」，而對於它告訴我們 「大概是什麼」 的部分，我們應該更加慎重的考慮其結論的理論含義，它們有可能都對（就想前面一位答主說的，看起來矛盾，實則講了兩個不同的故事），也有可能都不對（方法錯誤或者數據不對或者根本理論假設就是錯的）。計量只負責告訴我們它從數據中看到了什麼，那並不等同於一個問題的答案。
安利《基本無害的計量經濟學》
確實部分公司治理方面的研究有這樣的問題，但主要問題也是企圖證明的理論本身不夠嚴密。現在多數研究都是理論—實證—穩健性檢驗（所謂櫓棒性，我對這個音譯好無語。。。）你所謂嘗試多種變數達到最佳擬合的方法很少見。因為實證主要都是對理論的檢驗，不會單純試圖從數據中去尋找關係，這樣的文章也不會受認可。再者，純粹數據挖掘是過不了穩健性檢驗的。
經濟學是服務於社會制服的，沒有什麼怪圈，也沒有對錯，我國有我國的經濟學，彼國有彼國的經濟學。所謂違背常識，大都是違背了眼下的大環境。所以，先要了解當前的社會鼓勵什麼樣的經濟，比如我們眼下，說是開放經濟，本質是計劃經濟。國企把控了所有的上游產業，能源，資源，土地，交通，甚至是人力資源，我們只能在國企沒有控制的行業里開放，還要面對地方保護和跨區域的各種限制，真正看不見的手，是權利之手。
經濟模型不是物理模型永遠不變。
它的深層原理來自人性。
然而我們不研究人性，只試圖描述表層。
表層隨著時代不停變化。
如果用物理去比喻，許多經濟理論是試圖假設一大一小兩個質量一樣的小球會先後落地一樣。
有空氣阻力，鉛球總比氣球快一點，經濟學可以解釋。
然而經濟學永遠無法發現真空時的情況（計量里去除各種因素後xxoo簡直是數學遊戲，經濟模型是線性是拋物線是立方是對數，全靠人自己判斷。）。
因為我們面對的不是真空狀態，而且可能永遠不會面對。
所以我們也不在乎真空情況下情況如何，所以空氣密度變一下，甚至空氣變成了水，經濟學就傻眼了，除了告訴你球會下沉，沒有任何指導意義。
說不定球還吹飛了呢？無法預測……
到經濟最發達的地方去，到經濟最不發達的地方去，你就能發現經濟學
這問題很簡單，不學經濟學不就得了。自己從頭觀察發生在身邊的經濟現象，再去思考總結。
經濟學的幾本所謂「經典」，比如亞當斯密的《國富論》、薩繆爾森《經濟學》、凱恩斯的古典經濟學等等，知道怎麼來的嗎？是有人出錢給作者做出的命題作文。目的就是攪亂大家的腦子，讓大家走向錯誤的方向。
換位思考一下，如果是你家幾代人努力制訂的全球經濟、貿易、政治規則，你願不願意讓別人學透、吃透？這等於讓人家來搶你的搖錢樹，你這麼有錢，當然會想方設法讓外人永遠不了解真正的經濟運行規則。
類似的命題的作文還有《進化論》，沒錯，就是達爾文寫的那個。
推薦閱讀：
※如何區分環比、同比？
※3D《泰坦尼克號》為什麼在中國大陸票房大勝？
※在「失去的二十年」經濟衰退中，日本民眾的生活水平和日本經濟的國際競爭力（資本、技術）真正受到影響了嗎？