爱华网当前的经济学研究，有一股“经验研究”潮流。只需随手翻一翻那些重要的经济学杂志，上面充斥着的各种回归方程就足可以证实这一点。
我不是要反对经验研究。恰恰相反，我认为经验研究大有必要，还待加强。但是当前的很多“经验研究”实在大有问题。
拿那大行其道的回归分析来说吧。姑且不说样本的选取，只说那回归方程的设定。为什么回归方程的设定是这样的而不是那样的呢？似乎很少有人在这方面做思考。
举个例子，当人们要检验初始条件和转轨方式是否影响经济绩效，以及二者对于经济绩效的相对重要性时，很“自然”地设定如下的回归方程：
经济绩效=α0＋α1·改革速度＋α2·初始条件＋ε
其中，乘积项可以是向量的内积。然而很少有人关心：为什么把回归方程设定为线性的而不是非线性的呢？用这样的线性方程去模拟真实现实，精确度如何？改革速度和初始条件各自的分量之间彼此独立吗？改革速度和初始条件之间独立吗？如果不是独立，而是强相关，这样设定回归方程妥当吗？所有这样的问题，那些“经验研究”是很少关心的。
本来，转轨方式并不独立地决定经济绩效，而是与初始条件一道才能决定经济绩效；而初始条件呢？应该一分为二，一类不依赖于转轨方式而直接地决定经济绩效，另一类则与转轨方式一道才能决定经济绩效。因此，究竟是初始条件重要还是转轨方式重要是一个模糊不清的问题。究竟是第一类初始条件重要还是转轨方式重要勉强可问，究竟是第二类初始条件重要还是转轨方式重要则是一个没有意义的问题。可是，你要是粗心地使用上述回归方程的话，就会得出初始条件更重要或转轨方式更重要的结论。
回归结果不仅高度依赖回归方程的设定，也高度依赖你所使用的数据。但是现在的情况是，只需要收集收集数据，往计算机里一输，便得出所谓的经验结论。这难道不是经济学的悲哀吗？这不仅仅是经济学的悲哀，也是计算机的悲哀吧！
似乎有一种说法：做理论模型难，做经验研究易。这实在是天大的误会。做理论模型，你总可以假设其它因素不变，你总可以选择从一定的角度来观察，这就容易多了。做经验分析，你却不能不仔细地甄别所有重要的变量，判断它们之间的因果关系，或者控制其它变量以保持不变，然后建立模型，这是相当不容易的事情。而且，经验分析也是离不开理论模型做指导的。试问，没有理论模型做指导，凭什么把回归方程设定成这样的而不是那样的呢？凯恩斯说得好：朴素的事实本身无能为力，只有透过理论的棱镜才能看清事实！
世间的事情就是这样有趣，理论模型需要经验来证明，但是没有理论模型做背景，又根本不知道如何把握经验数据。而经验结果毕竟是经验结果，统计关系说明不了因果关系。经验结果又是需要得到理论说明的。这是相当寓意深刻的。这也是我们不能不慎待“经验研究”的重要原因。
