【按】所有做计量经济学分析的学者或学生都应该看看这篇文章，并且主动对号入座。我转发给了自己学生，希望“有则改之，无则加勉”。尽管不是所有计量文章都使用了数学模型，但我想起码应该清楚地阐明背后的机制和经济学理论，而不是看到显著结果就开始反向编故事。本文转载自微信公众号“E校挺好”，作者是葛玉好，中国人民大学劳动人事学院副教授。转载获得作者授权。——聂辉华 2023-1-6

作为一名普通的经济学研究者，我对国内经济学研究的现状和未来充满忧虑。大多数研究成果，对促进经济发展、优化资源配置、提高人民生活水平毫无帮助，“八股文”式的写作技巧禁锢了思想交流，成功优秀的那些学术榜样潜移默化地毒害了很多有志于学术的后来人，事情本不该如此。

经济学研究的第一个乱象就是因果关系识别方法的滥用。经济学研究一般的逻辑顺序是：理论模型---模型结论---使用数据验证结论。模型结论通常可浓炼为某个X对某个Y的影响，验证模型结论时可能会遭受内生性问题的困扰，即X对Y的影响可能包含了各式噪音的影响，为了排除噪音影响、得到X对Y的纯净影响，我们需要使用因果关系识别方法。概言之，因果关系识别方法是服务于“验证模型结论”的，没有了经济模型，因果关系识别方法也就失去了存在意义。但是，我们看到的很多研究，虽然冠之为政策评估研究，实际上就是作者头脑中的某个想法而已，没有任何理论模型。更可气的是，为了使用上因果关系识别方法，还会胡扯一些大饥荒、上山下乡、文化大革命之类内容来实现“自然实验”，极其荒唐。关于这个乱象，我还有很多想法，它们在《计量经济学》的视频教程里面也有所体现，感兴趣的朋友可跟我联系，共同讨论。我的想法很简单：没有理论模型的因果关系识别，就是耍流氓。

经济学研究的第二个乱象就是“基础内容”的简单堆砌。经济学有一些基础内容，很有力量并且也取得了大多数经济学家的认可，例如：竞争带来高效率、比较优势贸易理论、科斯定理等等。这些内容是经济学教材里面的内容，对经济学专业学生而言，它们就类似于1+1=2。对于普通老百姓的知识普及，上述内容是合适的；对于经济学领域的专业研究，不合适。但是，很多经济学研究成果，撇开哪些浮华文字，本质上讲的就是上述基础内容，听起来都对，但毫无价值。我怀疑，上述研究的某些作者，都不一定能真正看懂“竞争带来高效率”的数学证明。我前段时间参加过一个制度经济学的论坛，发现很多研究者还在讨论交易费用、专用性资产之类的内容，跟我二十多年前硕士阶段学习到的内容并无区别，一代人过去了，二代人过去了，讲的还是同样的故事。关于这个乱象，我的想法是：“研究”这两个字本身就隐含了一定高度，基础内容不是“研究”。

经济学研究的第三个乱象就是赶时髦、追热点。最近几年，我经常看到诸如人工智能对***的影响、新冠疫情对***的影响之类的研究。人工智能有严谨定义，它不同于自动化、高级自动化、机器人等概念，严格来说，我们都还没有进入人工智能时代，如何研究人工智能的影响？从技术角度而言，如果对机器学习、深度学习的逻辑不理解，如何研究人工智能的影响？我看到的研究，基本上都混淆了“人工智能”和“技术进步”的区别。新冠疫情还在持续，它对各方面的影响还在“进行时”，目前应该还不是研究相关问题的时候。再者说，新冠疫情所产生的影响，跟国家防疫体制密切有关，相关研究讨论的到底是新冠疫情的影响，还是防疫制度的影响？关于这个乱象，我的想法更简单：不做不看，眼不见为净。

上述想法，有些偏执，甚至有些狂妄，但都是真实想法。面对这些乱象，我都有点想采取“非暴力不合作”，即闭嘴、停写，只不过高校的评价体系不允许我这么做。所以，遇到问题还是要解决问题，下一篇推文，我计划从“AlphaGo对围棋发展影响”的角度，讨论如何解决经济学研究出现的种种乱象。