俞立平博客——邗上居分享 http://blog.sciencenet.cn/u/yuliping 科技评价、技术创新、信息经济 镜像博客:http://www.yuliping.com

博文

[转载]智技术重塑经济学研究范式

已有 1799 次阅读 2022-5-25 22:33 |个人分类:技术经济|系统分类:观点评述|文章来源:转载

按:这是中国社科网的一篇稿子,内有记者对我的采访。   

原文链接:https://baijiahao.baidu.com/s?id=1733760017064067869&wfr=spider&for=pc


     

        随着智能技术的发展,基于大数据的分析处理技术,为社会科学研究创造了发展新契机。大数据强化了经济学“实证革命”的研究范式,引起了经济学研究范式与方法的创新,重塑了经济学发展方向。



  研究范式演变



  任何学科的发展都离不开研究方法及其知识生产与积累方式的进步。一门学科是否具有科学性,关键在于是否具有与时俱进的科学研究范式。研究范式就是学科的学术共同体进行科学研究时所遵循的模式与框架,是学科知识生产与积累的基本研究方法的总和。历史上,自然科学的每一次重大理论突破,都伴随着研究范式的革命和研究方法的创新,经济学亦是如此。经济学研究范式的科学性,是影响经济学研究质量的关键因素。



  从学科发展史来看,经济学的研究范式经过了一系列变革。最初,大学中没有独立的经济学系,经济学在当时被称为政治经济(学),大致属于史学、哲学或法学学科中的研究方向,归属古典经济学范畴,属于史观学术范式。1890年,英国经济学家马歇尔所著的《经济学原理》标志着西方新古典经济学的产生,就此经济学从史学、法学和哲学的学术体系中脱离出来,成为一门独立学科,从此西方经济学的研究走向了以“假设—推论”为范式的发展道路,其学术范式成为以抽象经济人微观主体为逻辑起点的“微观—宏观”范式。



  中国社会科学院学部委员、中国社会科学院工业经济研究所原所长金碚表示,依据这种范式,微观经济主体的行为以自身利益最大化为唯一目标,自主决策会达到局部以至全局均衡,即使市场中发生偏离均衡的现象,也可以通过宏观经济学的宏观政策调控来实现平衡。虽然这种西方主流经济学是学术高地,但其研究成果越来越力图从基于假设的“建模”,通过“推演”而获得“结论”,一旦在现实世界中需要观察解决实际问题时,这种“微观—宏观”范式就显得缺乏可应用性和预测力,甚至连重大的经济危机也无法预计。



  20世纪80年代以来,随着计算机技术的发展和可获得数据的不断增加,以数据为基础,验证经济理论及探索数据间相关性和因果性的“实证研究”成为经济学最主要的研究范式。实证革命是指经济学以数据作为基础,以计量经济学为主要研究方法解释经济变量间的逻辑关系。相比前两种研究范式,实证研究更符合现代科学的研究范式。



  当前,大数据、人工智能、机器学习技术正在改变人类的生产与生活方式,在数字经济时代,数据随时随处产生并被记录。相对于传统数据,海量的大数据具有规模性、高速性、多样性和准确性的特点,其可获得性和机器学习的应用,必将再一次引起经济学实证研究范式与研究方法的创新。总体来看,数字经济和智能技术的发展将推动经济学研究范式向强化定量研究的方向发展。



  通常,传统计量经济学分析的是结构化数据,来源主要是微观、宏观的调查数据,而大数据来源多样,包括了结构化、半结构化以及非结构化等数据形式,具有高维、高频、实时、收集成本低等特点。对此,中国社会科学院数量经济与技术经济研究所研究员张延群认为,未来,如何运用智能分析技术从大数据中提取有用信息来强化传统统计模型和计量经济学模型,是经济学定量研究的一个重要方向。



  大数据和机器学习会推动经济学与统计学、人工智能、计算机科学等自然科学学科,以及人文社会科学领域其他学科的交叉融合。张延群表示,首先,储存和处理海量大数据的理论和方法,需要经济学、统计学、人工智能、计算机科学等领域人才的合作研究。其次,大数据具有的规模性、高速性、多样性、准确性特性,使数据包含了更丰富的信息。通过运用机器学习、文本处理、自然语言处理等技术,可以从文本或者社交平台提取到有关情绪、情感、心理预期、满意度等传统数据中难以获得的信息,并通过构建指数等形式,将有关心理和文化等之前难以定量的变量定量化。这些量化指标为经济学家更好地理解经济与文化、历史、政治、法律等人文因素之间的相互关系提供了重要参考。



  在数字经济的发展背景下,经济学研究必然走向多维叙事结构的域观范式。金碚认为,面对当前多样化的社会,经济学研究仅使用价格作为调节系统远远不够,还必须同时了解数量信号等要素,才能更好认识当前社会经济发展规律。而大数据智能技术可以帮助经济学家掌握更多信息,从而更好揭示经济社会系统的运行规律。



  大数据助推研究范式变革



  目前,大数据在经济学分析方面已经展现出优势。比如,可以利用机器和算法来搜集在线交易的商品和服务价格,与传统CPI数据的搜集方式相比,明显具有实时、高频、分类精细等特点。在中国科学院大学经济与管理学学院院长洪永淼看来,大数据对经济学研究范式的改变体现在:微观主体从完全理性到非完全理性、从孤立经济人到社会经济人、从代表性经济人到异质性微观主体、从经济分析到经济社会系统研究。大数据如何深刻改变了经济学实证研究方法,可以从九个维度具体说明:从模型驱动到数据驱动、从参数不确定性到模型不确定性、从无偏估计到正则化估计、从样本内拟合到样本外预测、从低维建模到高维建模、从低频数据到高频数据、从结构化数据到非结构化数据、从传统结构化数据到新型结构化数据、从人工分析到智能化分析。



  洪永淼认为,大数据的可获得性,特别是大量互相关联的异质性微观经济主体行为的高频大数据,使经济学实证研究有望突破现代西方经济学中的孤立理性经济人假设,通过文本数据使得测度情感、情绪、价值判断等社会心理变量和文化变量成为可能,使经济学的实证研究能够将社会科学的“反身性”特点纳入定量实证研究框架,从而将原来只能进行定性分析的问题转变为严谨的定量分析,并通过跨学科交叉研究将经济学研究置于更大的人类经济社会系统中,以系统观念及方法研究经济与人类社会系统中其他子系统的互动关系。



  浙江工商大学统计与数学学院教授俞立平表示,智能技术改变了传统经济学研究的微观基础和基本假设,同时提高了传统经济学研究的效率、速度和结果展现水平,拓展了传统经济学的研究范围。未来,经济学不仅可以进行假设检验,还可以进行问题分析、政策模拟,经济学应用的深度与广度将大大提高。比如,在政策效果评估方面,经济学研究的一个主要目的是推断经济变量之间的因果关系,从而对政策效果进行评价。在进行因果推断或者检验政策干预效果时,常常通过构建“反事实”,即通过比较实际发生的事实和构建的反事实来对政策效果进行评估,而机器学习方法正好可以用来构建、预测和估计反事实。此外,经济学家还可以利用高频价格变动数据,研究不同商品价格和服务对货币政策冲击的短期反应和冲击传导机制,拓展和补充传统计量经济学使用结构向量自回归模型,来识别宏观经济变量对货币政策冲击的中长期反应,为政府精准实施宏观经济政策提供依据。



  构建中国特色经济学理论



  当前,中国经济发展进入新时代,构建中国特色社会主义经济学,最重要的是研究中国经济的根本性域观特征。金碚认为,经济学研究社会现象,必须坚持史观范式,致力于识别和发现经济学研究对象的共性及个性所具有的现实质态,这样才能大大增强经济学的现实解释力。按照这样的思维,中国特色社会主义经济学学术体系的逻辑起点,不能是某个抽象概念,只能是经济关系和经济现象的“中国事实”。



  所谓“中国事实”,即具有自我利益和自主决策能力的个人和各类企业作为微观经济主体,同时由市场机制发挥调节微观经济主体行为和经济资源配置决定性作用的社会主义市场经济制度。这种制度不仅体现市场经济的一般规律,而且具有中国经济现实的强烈域观特征。政府通过经济、法律和行政等手段规范市场竞争秩序。党和政府作为集体理性的代表和决策力量中心,引导整个社会经济活动的实施方向,并在必要时做出体现集体理性和维护全社会共同利益的全局性重大决策。



  改革开放以来,我国经济取得的巨大成就证明了中国特色社会主义市场经济体制是成功的,即市场在资源配置中发挥决定性作用的同时,政府也发挥着重要作用。因此,我们需要从中国改革开放的成功实践中抽象出能够刻画中国经济发展规律的经济学理论。金碚提出,由于中国事实是中国特色社会主义经济学学术体系的逻辑起点,所以对基本中国事实的把握以及在此基础上的概念抽象,是研究中国特色社会主义经济学的关键。



  当前,我国数字经济发展迅速,海量的大数据资源将为中国经济学家开展以大数据为基础的定量实证研究、探索中国经济发展规律奠定坚实基础。经济理论具有普适性,但中国经济实践独具特色。俞立平预计,未来,在充分借鉴智能技术的基础上,中国学者将有可能依据中国事实产生重要的理论创新,如大数据经济学就是由中国学者首次提出的。



  未来,大数据将帮助中国经济学家克服现代西方经济学研究范式的一些根本性缺陷,从中国经济实践中提炼出新的具有普遍性的经济学知识体系,不断加强中国经济学的国际学术影响力,为当代世界经济学发展作出中国贡献。



来源:中国社会科学网-中国社会科学报 作者:卫思谕




https://wap.sciencenet.cn/blog-45134-1340219.html

上一篇:[转载]我硕士弟子胡LY的博士论文致谢
下一篇:关于研究方向的建议——适当的背道而驰
收藏 IP: 36.24.5.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 13:13

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部