數據與策略：經濟學真的變得更「科學」了嗎？

如今的經濟學研究越來越喜歡用數據說話。從“吃辣與貧窮的關系”到“顏值對公司業績的影響”，各種新奇甚至奇葩的課題，紛紛打著「因果識別」和「實證分析」的旗號出現在我們眼前。

有人稱贊，這是經濟學走向科學化的重大進步；也有人批評，這不過是披著科學外衣的“數據游戲”。

21世紀的經濟學，是否真的已經從一門主觀思辨的學問，徹底轉變為靠「數據支持+識別策略」驅動的實證科學？

一、計量經濟學：從“拍腦袋”到“看數據”的革命

經濟學曾經長期處于“公說公有理，婆說婆有理”的狀態。

同一個政策，有學者說是利好，有學者認為是災難，誰也說服不了誰，關鍵原因就在于缺乏統一的、可驗證的方法來判斷觀點真偽。

而計量經濟學的出現徹底改變了這一局面。它通過建立模型、運用統計工具，試圖從復雜現實世界中識別出變量之間的因果關系，而不再只是依賴理論推導或個人經驗。

比方說，我們要判斷“教育水平是否真的能提高個人收入”，傳統上可能只能靠個案或邏輯推理，但如今我們可以借助“工具變量”、“雙重差分”等識別策略，盡可能控制其他干擾因素，從而得到更接近真實的結論。

這種方法論的進步，不僅讓經濟學研究變得更加嚴謹和可重復，也帶動了整個社會科學研究范式的轉變。

社會學、政治學、甚至傳播學等領域，也越來越多地采用類似的定量分析方法，嘗試用數據驗證經典理論或提出新的解釋。

從這個角度來看，計量經濟學的崛起無疑是人文社科領域一次重大的科學化進程。

二、數據的“先天缺陷”與方法的“后天補救”

盡管計量方法賦予經濟學更強的科學屬性，但它依然面臨一個根本性難題：社會科學中的數據，絕大多數是“結果性數據”，即它們記錄的是已經發生的現象，而非在控制環境中主動干預產生的結果。

這和自然科學中的實驗完全不同——物理學家可以控制溫度、壓力反復做實驗，經濟學家卻很難為了研究“最低工資對就業的影響”而真的去操縱一個地區的工資水平。

正因如此，經濟學尤其依賴方法上的創新去“模擬實驗”，也就是所謂「識別策略」。

例如，使用“自然實驗”——比如某個政策突然在A地實施而非B地——或者借助“斷點回歸”，嘗試在非實驗環境下捕捉因果關系。

這些方法的本質，是在缺乏理想數據的情況下，盡可能逼近因果推斷的條件。

計量經濟學這幾十年的發展，正是在不斷嘗試克服數據缺陷、提高識別精度的過程中推動前行的。

三、當“因果識別”被濫用：經濟學研究的怪現象與反思

然而，任何一種方法一旦被推向極端，就容易出現異化。

近年來，隨著大數據越來越容易獲取、計量軟件越來越“傻瓜式”，“跑數據”變成了很多研究的核心甚至唯一動作。

我們不乏看到諸如“本命年是否影響股票收益”“員工星座是否與企業績效有關”這類題目——看似有趣，實則缺乏理論支撐和現實意義。

這類文章通常模式雷同：一個引人注目的標題+一個大型數據集+某種識別策略，最后得出一個似是而非的“因果結論”。

這背后反映的是一種“技術主義陷阱”：過于強調識別方法的精巧，卻忽略了經濟學最根本的任務——理解真實世界中的重大問題和人的行為。

當我們沉迷于數據和技術時，很容易陷入為了識別而識別、為了發表而研究的短視循環。

甚至有些研究雖然在方法上無懈可擊，但問題本身的價值卻極其有限。經濟學不能變成“只有數據，沒有經濟學”的學科。

四、經濟學，是科學更是藝術

它既是一門依賴數據和實證的科學，也是一門需要理論洞察和人文關懷的藝術。計量方法和因果識別為我們提供了前所未有的分析工具，幫助我們更清晰、更準確地理解經濟現象。

但工具終究是工具，不能替代思考本身。

一個好的經濟學研究，不僅需要嚴謹的識別策略和高質量數據，更要提出有意義的問題、扎根于現實的經驗感，以及將結果重新放置于更廣闊理論圖譜中的闡釋能力。

數據可以告訴我們“是什么”，甚至“為什么”，但至于“這又怎樣”“該如何行動”，仍需要人的判斷與價值選擇。

經濟學之所以仍然充滿魅力，正是因為它站在科學與人文的交匯處——既仰望理論的星空，也腳踏現實的土地。