20年後微觀實證領域的觀望

我們目前所看到經濟學微觀實證，或者叫做應用微觀計量研究(applied microeconometrics)在國內可謂朝氣蓬勃，欣欣向榮。大約在2008年Angrist and Pischke的MHE英文電子版已經在中國留學生中流傳，2009年這本書的正版刊印。到了大約2013年前後，大陸的年輕學者和一批博士生掌握並開始傳播MHE的操作模式——因為2012年大陸出版了MHE的中譯版。大約到了2015年之後，國內主流期刊的微觀實證部分出現了被「MHE套路」論文佔領的趨勢。這個趨勢從目前看還要持續一段時間，但反思和批判已經開始。

上述內容可能與實際情況有年份上的出入，但大致的發展歷程應該沒有太大問題。MHE並不是一個專項技術，不是DID或者RDD之類具體的操作模式，而是一種流行趨勢或者叫思想方法——這一點其實不少模仿者（追隨者）可能沒有意識到或者沒有太在意。

隨著信息技術的發展和計算機技術壁壘的消除，原本需要5年左右傳入國內並被推廣的微觀計量技術，現在只需要3年甚至更短時間就可以被普及。所以有人提出MHE包含的IV、DID和RDD等識別方法會在未來被取代。

我個人的看法，這些技術還會存在相當長時間，這個周期在國內大約是15-20年。判斷的理由是，不少技術在中國缺乏相應的數據作為推廣基礎，所以在短期內很難取代上述技術。在沒有替代品的情況下，上述技術依然會充斥學術雜誌的版面。

可能會對技術擴散和技術發展走向產生深刻的影響的數據大致為兩類：微觀長期面板（長期追蹤數據）和大數據。長期面板在中國是極度匱乏的，CHNS是目前具備長期潛質的資料庫，但用過的人都知道，它的attrition rate非常高，在未來幾乎無法用來做dynamic panel。所以，更值得期待的是類似CFPS的資料庫。而通常，一個成熟穩定的長期個人追逐資料庫需要10期左右的高質量數據，這麼算起來，CFPS（據說計劃是做20年追蹤，現在已經過去好幾年）未來如此保持質量是可以承擔這項重任的。而等到CFPS數據完成剩餘十多年的追蹤，數據清理完畢並對大部分公眾開放，大約要等15年以上。而這些數據進入學術界動態面板的分析並發表到國內頂尖刊物上，還會耗費幾年時間。所以最樂觀的估計也要等20年後，這項技術才會被中國經濟學主流所接受，成為主要的教學內容就會更晚。 20年之後，我都已經是一個快被淘汰和退居二線的老教師了。讀這篇文字的同行們有一些已經退休，有一些將要退休，最年輕的恐怕也過了科研的黃金年齡。所以，我們能做的是從現在起，自己學好這部分技術，並在本科（最遲是在研究生階段）開始教授微觀長期追蹤數據的動態面板技術——哪怕只教一點點。因為等他們這個年齡段進入科研黃金期，差不多這項技術會成為重點。

而且根據我的判斷，未來一個時間點上一定會出現動態微觀面板研究井噴的情況，這個點大致離開現在20年，但如果CFPS數據質量穩定，可能井噴會提前到距今17-18年的未來。這種井噴現象正如IV和面板在一定時期內井噴一樣。而我們目前所經歷的DID和RDD的井噴，也是一次catch up的過程。這個過程有減弱的趨勢，但應該還沒有結束。

回過頭來，我們看另外一個類型的數據：大數據。大數據其實不完全在經濟學或者說計量經濟學覆蓋的範圍內。起碼，傳統上我們認為大數據更屬於計算機技術的範疇。經濟學家一定要做大數據研究，那麼目前的實證技術就面臨極大的挑戰。參數估計未來要讓位給非參估計，而這一轉變會使非理論計量、非統計、非計算機或工科背景的經濟學博士被大量淘汰。在中國大陸，非上述背景的經濟學博士占絕大多數。從這個意義上說，這個殘酷的轉變不會很快到來。完全淘汰掉這一大批人恐怕需要半個世紀以上的時間，最少需要35年以上的時間。所以，現在已經進入學術圈的人們不用恐慌會被大數據和非參完全取代。

按照最樂觀的估計，半參估計在未來幾年應該會伴隨著大數據進入經濟學研究領域而重新走進我們視野。之所以這麼說，是因為半參估計本來就是微觀實證的一個標準操作，不是完全沒有「群眾基礎」。而且，即使不使用大數據，半參估計也有很大的應用前景。所以結合上述分析，在還能轉型的情況下，年輕學者加強半參和非參學習非常有必要——如果還想在未來的競爭中處於優勢地位。

最後簡單描繪下20年後，中國經濟學主流雜誌的微觀實證論文大概會是何種模樣：

勞動經濟學會出現大量以CFPS或其他長期追蹤數據為基礎、動態隨機效應模型為基準的研究。收入分配、代際傳遞性、人力資本遷移流動、家庭儲蓄及消費行為的動態演變將會是重中之重。運用半參和非參的比例將增加，傳統的參數估計將會逐漸成為輔助手段。

發展經濟學會出現以高頻交易數據和物流數據取代傳統GDP核算的趨勢，並且以整合大數據作為判斷地區經濟發展的基本指標。計量模型的重點轉移到處理大數據與核算地區生產力、交易成本、物流成本等方面。傳統意義上的宏觀發展指標將極有可能匯總自這些微觀大數據。

也許這一天不需要等20年。

所以，無論是目前尚且年輕的從業者，還是未涉足江湖的年輕學子——留給我們更新知識的時間已經不多了。

註：來源於 南半球的雪

Additional note:

著名經濟學家保羅·羅默（Paul Romer）在《美國經濟評論》2015年第5期上發表了一篇題為《經濟增長理論中的數學濫用》的文章（Romer，2015），引起了學術界的廣泛關注。他在文中強調，經濟學中好的數學模型有3個特徵：能夠正確證明自已的想法、數學符號與語言解釋能夠緊密聯繫、經濟變數要有意義且與實際數據能夠較為緊密的對應。然而，現有文獻中，很多數學的使用並不滿足以上3個特徵，存在一定程度的「數學濫用」現象，主要包括脫離理論基礎的非正式用語與符號、不符合現實與直覺的假定以及錯誤的數理模型推演。這種趨勢將會阻礙我們對經濟增長理論的研究和探索①。從整篇文章來看，羅默批判的是「數學濫用」現象，並不反對經濟學研究中使用數學；另外，批判主要指向宏觀經濟學，特別是其所擅長的「增長理論」研究中的數學濫用問題，而較少涉及經濟學的其他領域。保羅·羅默畢業於芝加哥大學數學系，可以說是在經濟學研究中運用數學的「既得利益者」，並且該文用其恩師盧卡斯的兩篇文章（Lucas，2009；Lucas & Moll，2014）中數學模型推導錯誤以及表述與經典結果相背離的現象作為例子進行批判，說明目前在經濟學研究中「數學濫用」的現象比較嚴重，值得反思。

數學在經濟學研究中確有必要，並有積極作用。馬克思認為：「一種科學只有在成功地運用數學時，才算達到了真正完善的地步。」（保爾·拉法格等，1973）。從最近幾十年的諾貝爾經濟學獎來看，數學方法在經濟學研究中的重要性不言而喻，1969~2015年共有76位經濟學家獲獎，其中3/4的獲獎成果都運用了數學方法。13位得主的成就和貢獻是計量經濟學理論、方法或是經濟模型的建立和應用。獲獎經濟學家大多有較強的數學背景，其中博士學位為數學專業的有8人（李永剛、孫黎黎，2016）。經濟學研究中應用數學的必要性正如Romer（2015）所述，「科學是人們對事物形成一致性認識的過程，當理論模型或實證能夠準確地解釋研究對象時，就形成了一致性結論。因此，科學研究需要應用精確的語言來描述，文字和數學符號的緊密聯繫恰好滿足了這一需求」（Romer，2015）。
推薦閱讀：