下面这句话有“半真半假”的成分——“经济学本质就是历史数据分析统计学”。
哪些地方说得对
- 现代经济学非常依赖数据:计量方法、面板数据、因果识别、政策评估都离不开统计工具与(往往是)历史数据。
- 好的经济研究需要测量与检验:估计价格弹性、评估税收/补贴/最低工资等政策效果,确实要做严谨的数据分析。
但它忽略了什么(也是更关键的)
- 研究对象与核心任务:经济学研究的是稀缺条件下的选择、激励、制度与均衡,以及由此带来的机制与反事实。统计学是工具,机制与反事实推演才是目标。
- 不仅仅是“历史”:除历史数据外,经济学还用随机对照试验、自然实验、结构模型、仿真与代理人模型等方法来评估未来政策的效果。
- 理论的独立价值:博弈论、机制设计、契约/拍卖/匹配理论等很多结论并不依赖已有数据就能提出可检验的预测与可用的设计。
- 规范性分析:福利经济学、社会选择与分配公平涉及价值取舍,统计描述无法单独回答“该不该”的问题。
- 稳定性与可迁移性:仅靠历史相关性容易失效(例如政策改变后行为规则变了,历史关系就会崩——正是 Lucas critique 所强调的问题)。
一眼能懂的例子
- “柠檬市场”:信息不对称如何导致市场失败是先由理论刻画,再用数据与实验验证,而非从历史统计“读”出来。
- 频谱拍卖设计:是机制设计把制度“造出来”,随后才用数据与仿真来校准与优化。
- 最低工资研究:优秀的实证不是“堆历史数据”,而是用识别策略(如自然实验/断点/双重差分)去接近因果与反事实。
更准确的表述
经济学是研究在稀缺与激励下,人们如何选择、互动并形成制度与均衡的科学;它用形式化模型刻画机制,用数据(包括历史数据)检验与量化,并通过实验、结构建模与反事实分析进行政策评估。统计学是核心语言与工具,但不是经济学的本质。
一句话结论:把经济学等同为“历史数据统计”低估了理论、因果识别、制度设计与规范分析在经济学中的分量。