拆掉經濟學學習的高牆

政見CNPolitics | 拆掉知識的高牆是知乎社科領域的一個高人氣專欄。他們翻譯、改寫學術論文，向中文讀者介紹政治科學的知識。他們的口號——拆掉知識的高牆——是互聯網普及後開始流行的一種價值觀。人們開始把自己的知識整理成講義和示例並免費分享。這個風氣最早應該是CS的人帶起來的。早在我們還需要敲碗等機械工業出版社出經濟學類的影印版教材的時候，做軟體開發的人已經可以在網上搜到大量代碼了。現在，免費分享知識的風氣在經濟學圈子裡也足夠興盛。利用好免費資源，或許能讓你更容易跨越本科學校教學資源的限制。

這篇專欄的目標讀者是經濟類、金融類、商科、統計類的本科生。其他感興趣的讀者請根據自己和目標讀者的差別判斷哪些內容有用，哪些內容沒用。

大鎚80，小錘40

首先，我需要明確一件事：漢語母語者學習經濟學，有兩種解決方案。一種是純中文方案，一種是中文+英文方案。這兩種方案在時間成本的分配上有區別。純中文方案不需要你把英語學到足以無障礙地看英文講義的程度（可以換算成托福90分或雅思6.5分），但中文+英文方案需要。一個高考英語在100~110/150的人，學到無障礙地看英文講義的程度需要半年到一年，每天三小時以上專心學習英語。這個時間投入相當於2到5門本科專業課學懂，考試能拿A所需要的投入。

如果你沒法在兩個方案之間做出權衡取捨，那麼有這麼一條原則供你參考：

如果你對於進入研究生院沒有興趣，也不希望去一線城市大機構工作，那麼你可能會偏愛中文方案。因為花那麼多時間學英語，對你來說價值並沒有學好專業課大。但是如果你希望進入研究生院，或者希望本科畢業後去一線城市大機構工作，那麼把英語學到托福90/雅思6.5的水平對你的價值會很大。

原因是，如果你要進入研究生院，那麼你基本上會有三種選擇：

1. 讀碩士，畢業後工作
2. 讀碩士，畢業後讀博士
3. 直接讀博士

對於1，你幾乎必然會在碩士畢業前考出CFA一級或者FRM一級，除非你能考過一半以上的注會科目。前兩個證的講義都是英文的，考試也用英文出題。所以你基本繞不開學英語。對於2、3，不管你考不考證，讀博士期間必定要讀英文文獻。如果讀不了，很可能畢業都困難。

而你本科畢業就要去一線城市大機構工作，CFA（一級起跳）幾乎是標配。而且備考CFA的過程中會學到和鞏固不少筆試面試用得上的知識。往回推一步，你還是得學英語。

方案是什麼

好，方案的選擇說完了。下面來說說兩個方案分別是什麼。

中文方案我不熟，只知道考研可能是中文方案的頂點了。對於選擇中文方案的人，我只能建議找考研經驗和考研學習方案，然後根據自己的情況做減法。

中文+英文方案是我自己用的。我的建議是，根據你自己的需求，和你畢業要遵照的培養方案，設計你自己的學習方案。所以接下來我會告訴你怎麼設計。

設計自己的學習方案，需要問自己兩個問題：

1. 學什麼
2. 用什麼學

對於第一個問題，首先要參考自己的培養方案。大學的培養方案一般是分模塊的。不過可惜的是，很多時候模塊的名字叫什麼「專業必修課」「專業選修課」。這種叫法，簡單粗暴，不攜帶太多的有效信息。如果你的培養方案上是這麼寫的，那麼我強烈建議你換一種方式分模塊。金融專業的人，你可以直接用我分好的，見讀金融專業的本科，你可能會學些什麼？經濟、商科、統計的人，我們的培養方案里重合的部分不少。重合的部分你依然可以直接用我分好的。對於不重合的部分，你可能得諮詢一下本專業的老師或者研究生。我分塊的原則很簡單：這門課的知識屬於什麼性質。舉個例子：對於一個金融系的學生來說，應用隨機過程和利率模型在學校提供的培養方案里可能都算「專業選修課」。但是應用隨機過程我歸到「數學進階與應用」里，利率模型我歸到「資產定價」里。

當然，僅僅完成培養方案，不一定滿足的了你的胃口。根據自己的發展目標，學一些自己培養方案以外的課程也不錯。如果你想學培養方案以外的金融課程，你可以看我前面那篇專欄。如果你想學非金融的課，建議你找一個相關專業的，本科也是同專業的研究生諮詢。轉專業的人和本科生很可能自己也沒學完一遍，所以不一定能給你特別明確的建議。

除了課程以外，我們還需要學一些技能。市面上可以選擇的技能很多，本科階段學不過來，需要做減法。對於我的目標讀者來說，我的建議是，圍繞一個詞來學技能。這個詞是數據。

對於數據，我們可以做五件事：

1. 獲取
2. 處理
3. 分析
4. 解釋
5. 展示

那麼好，我們知道，分析和解釋是培養方案里那些課要教的。但是獲取、處理、展示，要麼在各種助教課里教，要麼直接不教讓你自己學。所以你要學技能，最好首先考慮跟獲取數據、處理數據、展示數據相關的技能。

獲取數據有三個來源，一是從現成的資料庫里下載，二是從網上或者電子化的文本里抓取，三是自己編寫和發放調查問卷。

用資料庫是最簡單的了。每個學校都買了一些資料庫，弄清楚你的學校買了哪些，這些資料庫里大概都有些啥，要下載的時候現學都來得及。

從網上或者電子化的文本里抓數據，需要用爬蟲。爬蟲可以自己寫，也可以買別人寫好的，還可以從github等地下載別人寫好的代碼來改。具體用哪種，看你個人的需求。

發放調查問卷一般屬於體力活，智力活主要是設計問卷。當然，如果你不是發問卷叫別人填寫，而是採取訪談的形式，那麼設計訪談方案和執行也屬於智力活。

處理數據包含的內容很多。包括頻率不同的數據如何填充，篩查和剔除異常值等等。具體如何處理數據，跟你的用途密切相關。記住一個關鍵詞：data cleansing。用這個搭配你的用途，可以搜到相應的材料。

展示數據有兩方面，一個是展示原始數據的統計特徵和動態，一個是展示你分析出來的關聯性或者因果關係。記住一個關鍵詞：data visualization。

你需要知道，這些事情，大部分都有現成的軟體幫你干。而且在這些事情上，「軟體」和「編程語言」的分野是比較模糊的。下面我來介紹一下哪些軟體或者編程語言是可以優先考慮學的。

總共六個：Stata，SAS，R，python，MATLAB，LaTeX

Stata、SAS、R是統計軟體，都能進行編程。它們可以用來處理數據和分析數據。如果你願意用它們的數據可視化功能，也可以用。其中，Stata最傻瓜，可以點菜單完成大量基礎操作，SAS適合處理較大的數據（GB級），R是三者中唯一一個正版不要錢的。

Python，MATLAB也可以用來處理數據（比統計軟體麻煩）和分析數據。二者的優勢在於可以進行科學計算和建模。MATLAB在矩陣處理上的性能優良。而python也有大量科學計算包可供下載，更新比MATLAB快。用python寫爬蟲可以幫你獲取數據。另外，python的正版也是免費的。

LaTeX是文本編輯語言。有很多優秀的模板可以直接拿來用。學術界寫論文/講義和做幻燈片，經常使用LaTeX。

除了這些東西，你也可以沿用你可能已經熟悉的MS office系列。如果你願意學C++、JAVA等別的編程語言，當然也會有用。不過它們的用途並不限於經濟學類。相應地，在經濟學類中應用起來要比我前面說的軟體/編程語言更麻煩一些。

現在我們來回顧一下「學什麼」這個問題。其實就三條：培養方案里的課，培養方案外的課，對付數據的技能和相應的軟體。下面我們來回答「用什麼學」這個問題。

一句正確而無用的話是：用網上的資料學。有用的是這麼三個問題：

1. 有哪些資料

2. 如何找到資料
3. 如何選擇資料

我們一個一個來解決。

有哪些資料

對於我們要學的三類東西，有這麼一些資料可以在網上找到：

• 教科書/textbook
• 講義/lecture notes/tutorial
• 手冊/handbook
• 論文/paper
• 百科/xxxpedia

那麼，它們分別是幹什麼的？

教科書可能是大家最熟悉的東西了。怎麼在網上找它我就不明說了。給新浪微盤或者springer link做廣告總感覺不太合適。

notes和tutorial是兩種不同的講義。前者是給你講知識點的，也就是分析和解釋數據用的方法。後者是教你操作軟體的，一般都會給你講解一下命令，並且有示例代碼。notes和教科書的區別在於前者一般比較短，而且大白話的比例偏高。英美的教科書，很多都是由講義發展而來的。一般來說，一個講義會講個5~10年才會出成教科書，甚至根本就不出。所以你如果想看一些比較新鮮的知識，尤其是研究生課程，那麼找notes會比找教科書效率高得多。

手冊是給研究者（具有博士學位從事研究工作的人或者博士生）用的。它的大部分章節是某一個研究領域的一個具體話題，由這個話題的一位或幾位領軍學者撰寫。本科生很少會真的用到手冊。研究者的常見用法是想了解哪一個話題，找能找到的最新的手冊章節看。

論文分兩類。一類是research paper，一類是文獻綜述。前一類不適合本科生拿來學習（元培或同等級的本科生除外）。後一類適合高年級本科生閱讀。文獻綜述一般會比手冊章節寫得更簡略一些，內容平均來看也會更前沿一些。當然，也有大佬們本來想寫個綜述，趕上大大佬組織寫新手冊，就直接寫個手冊章節的情況。這種情況下，最新的手冊章節本身就是最前沿的文獻綜述。但這得趕趟。

百科比較適合用來查定義，比從notes/教材里翻要快一點。另外，百科也可以用作完全不了解的話題的切入點。查定義比較簡單，直接搜索關鍵詞就好。作為話題切入點時，除了百科本體的內容，最底下的參考文獻、外部鏈接等也包含很多有效信息。對於這篇專欄的目標讀者來說，用好三個就夠了。它們分別是：

1. wikipedia（英）

2. investopedia

3. Stanford Encyclopedia of Philosophy

英文維基目前還沒有被牆，條目平均質量高，講解比較細。你在上面可以查到幾乎所有東西。換句話說，如果你不知道你查的東西屬於什麼領域。輸入關鍵詞+wiki能得到的結果，平均質量是最高的。

investopedia是財務、金融類的專業百科。它的優勢在於會把這些領域的概念掰開用大白話講。比起風格更嚴謹的維基，更容易吸收理解。

斯坦福哲學百科是幫你避雷用的。經濟學類的各種文本有時會用到一些哲學上的概念。如果你對它感興趣，最好去看這個百科，而不是找經濟學家的解釋（因為他們解釋不清楚）。當然，你看不懂這個百科裡的條目，倒是並不影響你學習經濟學。

至於某度百科和MBA智庫百科等中文網路百科，我建議你盡量躲開。不是說沒有好條目，只是比例太低，不值得你花時間去排查。在英文百科裡，躲開wikia（和wikipedia不是一個東西）。這是愛好者自建百科。查查遊戲資料什麼的還行（wikipedia這方面比較弱雞），查學習的東西還是算了。

如何找到資料

特別簡單，你只需要知道兩個搜索引擎：谷歌和雅虎即可。

雅虎在國內沒有被牆，搜索英文內容的質量和谷歌相仿，比某度某狗高一萬倍。

谷歌在國內被牆了，它的學術搜索功能有鏡像站。適合拿來找論文。但是反過來說，如果你人在國內，並且不需要找論文，那麼雅虎就夠用了。

找資料最快的辦法是用「話題關鍵字+類型」格式。例如你想知道怎麼用stata做因子分析，你可以搜「stata factor analysis tutorial」。如果你想找一個伊藤積分的講義看，你可以搜「Ito calculus notes」。stata factor analysis和Ito calculus是話題關鍵詞，tutorial和notes是類型。

如何選擇資料

這得根據資料類型來。不過大體上，選擇資料相當於問兩個問題：

1. 這個東西是不是給本科生用的
2. 這個東西好不好

先回答第一個問題：

• 對於教材，在preface裡面或者附近一般會寫。

• 對於notes，建議看對應的課號。美國大學裡，1和2開頭的課號一般是本科生課程，對應的notes自然也是給本科生用的。至於研究生課號最小的是哪個，每個學校不一樣。有些學校3開頭的就是研究生課，有些學校5甚至8開頭的才是研究生課。當然，也不是所有1和2開頭的都是本科生課。比如你看到一個notes上的課號是什麼GSB105，那它很可能也是研究生課，因為GSB很可能是graduate school of business的縮寫。

• 對於tutorial，一般不需要擔心課號問題。反正都是教軟體，在經濟金融領域很少有本科生看不懂的情況。

• 手冊和論文我已經說了，大部分不是給本科生拿來學慣用的。

• 對於百科，取決於你查的是什麼。不過大部分百科條目是適合本科生看的。如果看不懂，可能是因為你某門先修課還沒學，不要太擔心。

對於第二個問題，我們要多利用統計歧視來減少自己的試錯時間。事實上，同一話題不同的英文教材之間的選擇，有很多中文帖子討論。你可以直接搜這些帖子來幫助自己選擇教材。還有一個辦法是找一個教這門課的老師諮詢。

對於notes，以下兩條原則雖然粗糙，但足夠保證你找到的notes的平均質量。如果一個notes的作者滿足

1. 供職於專業排名美國前30/世界排名前50，或者美國綜排前60/世界綜排前100的大學，或者獲得過諾貝爾獎/克拉克獎
2. 有終身教職

那麼這個notes很可能不差。大學排名方面，你喜歡哪個就用哪個。

對於tutorial，其實基本沒得挑。撞上啥就是啥吧。我自己搜到過美國不知名州立大學的tutorial，拿來用也沒問題。

對於百科，我已經教過你怎麼挑了。記住不跑出那三個就行。

寫到這裡，有效信息已經說完了。總結一下做決定的流程：

1. 花不花時間把英語學到托福90/雅思6.5
2. 培養方案重新分塊
3. 學哪些培養方案外面的課程，學哪些技能
4. 找資料、選資料

這些東西，在沒有信息的時候，需要自己摸索。看完這篇專欄，你耗在摸索上的時間應該減少了。當然，花在學習上的時間還會是那麼多。我只是告訴你怎麼拆牆。拆掉牆，跨過去的工作，要靠你自己來做。

推薦閱讀：