爱华网
中国式的经验研究可以简单地称为“回归经济学”，主要是找到关键变量进行回归，正式一点的会有一些工具变量，或者偶尔也使用GMM方法。技术地说，就是使用缩减式（reduced form）方程进行OLS估计或者非线性估计。而另一种估计方程——结构式（structural form）方程，则在国内一流经济学刊物上使用频率不到5％。对比之下，在北美经济学界，据说多数华人其实更擅长结构方程，而很少使用缩减方程，尤其是在发展、卫生、制度和转型等领域。像Shleifer、Acemoglu这样的超级大腕，一般都是使用缩减方程，哪怕是在IO领域。 为什么会出现截然相反的现象呢？我和耶鲁的兄弟讨论了一下这个有趣的问题。肯定不是中国大陆做经验研究的人直接就攀登了经济学的高峰，而更可能是一种“初生牛犊不怕虎”的冒险。其实，使用结构模型有很多好处，包括：可以估计难以观测的一些参数，例如边际成本、需求价格弹性；可以借助理论模型进行政策模拟；可以检验两种相互冲突的理论。不过，结构模型的求解通常比较复杂，尤其是在IO领域。比如，检验最佳非线性定价，在给出生产函数和效用函数之后，由于消费者的选择是离散变量，因此解出边际效应和弹性就变得非常困难，有时需要使用光滑核函数来逼近离散变量。不过，华人的数学通常不差，算法就不是大问题。因此，基于成熟的经济理论模型，只要费心琢磨算法，华人使用结构模型就能体现比较优势。 但是缩减方程就不是那么容易对付了，它的陷阱往往不是数学，而是经济学理论和经济学直觉。首先，在解释变量中放什么不放什么，这是超难的工作，等同于做一个理论模型。其次，如何对变量的系数及其显著性进行巧妙的解释，这也不是一件轻松的事情。最后也是最危险的是，假如别人在你的模型中减少了、增加了一个变量，或者使用了一种工具变量，并且改变了你的结果，那么你的工作可能变得一文不值。因为缩减式本来就没有经济模型做支撑，所以说你错了你就错了。这也是我呼吁应该公布经验研究的程序或过程的原因，重点倒不在于是否公布最终数据。当然，缩减式也有其优点，特别是对于难以刻画黑箱机制的启发式研究而言。 中国经济学自1999年以来已经进步飞快，大家也不必心情如此沉重。我们毕竟一直在进步。让我用一个笑话来结束我的观点。烈日炎炎，只见少数几个老外在沙滩的树荫下乘凉，中国人毅然向大海冲去。水里固然凉快，但是一定要小心鲨鱼！(完)
