有的时候有些事儿真是神奇，稍稍可谓殊途同归。记得原来的时候刚刚接触经济学，就对“信息经济学”这个颇为新潮的词儿感兴趣，有点一厢情愿的认为它和计算机、互联网联系紧密。可是真正接触，却发现原来不是那么回事儿，好不容易从那堆复杂的框架中解脱出来明白它在解决什么事儿，又纠结于那些公式中了。
而后，委托-代理框架反倒成为了我分析问题的常态，或者说有严重的路径依赖。有种本末倒置的感觉，毕竟这只是一种工具，而不完全是看待问题的一个方法。这点需要纠正，来源还应是客观的经济运行本身。不过，希望我不是在黑屋里抓黑猫。话说，没有经济学家们，除了升高一点失业率，还说不准整个经济形势会不会变差呢。这群人中太多无知而误导，大量无谓损失，原本经济的反而不经济了，还不知反省洋洋自得的。得失之间，权衡一下，难说。
现在看来，有必要澄清几个概念。信息经济学、网络经济学、以及所谓的wiki经济学/互联网经济学……自己去百科查一下吧。
不过，在范里安的《信息规则》一书中，他所提及的信息经济学大概还是网络运营这块儿的范畴。貌似他是商学院的？
整天听我说latex，但是对于大家来说最大的障碍应该就是要熟悉latex的表述方法吧～当然这个学习成本是不小的。在word的时代，我们对付doc文件的常见方式无非是“公式编辑器”，或者更高级一点的“MathType”，但是总还是觉得和latex有点差距。显然嘛，Microsoft是永远不会努力的创新的……这大概得归结于垄断吧～
好了经济学废话不多说了，毕竟本文不是一篇经济视角下的评述。重点推出今天的解决方案：word/doc转换为Latex！
其实我也很懒的，一直以来都懒的去想这东西可以直接转换，每次导师问我有啥好办法在两者之间转来转去，我都哼哼哈哈的应付过去……其实我也不知道，这也是事实。尤其是从latex转换成word，至今没有完美解决办法，我也是用PDF作为中介而已，效果差强人意。
但是最近开始挖掘DOC转换到latex，其实也是帮某人偷懒的事儿，所以动动手搜了搜。一搜才知道，原来有这么成熟的办法，尤其是完美支持mathtype。这是我很意外的。
虽然最新的已经有4.1版了，但是出于破解考虑和实际体验，我认为2.4版已经足够用啦～至于破解版在哪里下载，我觉得为了避免麻烦(因为我搜的时候也很郁闷，很多网页都被删掉了，大概是有版权问题吧)，还是不公布了，需要的在此页下方留言吧。（别留言了园主不会再发了）。
至于英文的doc文件，有个更简单的解决软件：word2latex 这个是非商业软件，所以没有破解这么麻烦。但是我没有用过，只是在论坛上看到说是不错而已。
其实我个人感觉doc转latex应该不会很麻烦，毕竟word只是一个WYSIWYG(所见即所得)的编辑器，本质上和我常推荐的Lyx都是一个壳儿，最终还是要生成标准格式的文件的。所以应该是写一个算法就可以成功转换的。本来想自己写的，但是既然有现成的，而且这么好用，嘿嘿……
现在说这么一个标题，简直就是“非主流”，毕竟经济学现在几乎就是应用数学。但是承蒙几位老师的辛勤教导，我很幸运的没有把经济学学成数学。越来越学习经济学，才能体会到数学背后回归到原汁原味的经济学的美丽。
前两天正好是课程改革，让我们经济系的去提提意见。也许是感受太深了，我哗啦哗啦的说了一堆东西。然后看到侯老师哗啦哗啦的不停地在记，心里稍稍有些安慰。但是另一方面，也很明白，自己这些八成只是一种良好的愿望，而不见得最终能付诸实践。席间有些话不便明说，看着刘国亮老师直穿人心的眼神，我实在是有种苦不能言的感觉。第二天给他写了一封很长的邮件，花了一个多小时的时间，也许只是因为在考试周，所以这点时间显得格外珍贵。我也很久没有写这么长的邮件了，只是发觉自己还是性情中人，不写太对不起自己。
邮件中我强调的就是“数学之后的经济学”，在一长串的数学推理之后回归到经济学的原始朴实的感受。这也是承蒙学长的教诲，让我一直坚持着在数学推导中时刻警醒着经济学含义。
不想再把重复的话写两遍，把邮件里无伤大雅的部分直接贴出来。
---------------------------------------------邮件正文开始--------------------------------------------
刘老师：
您好！很抱歉在百忙之中打扰您了。
只是昨天下午在班会上有些话没有说出来，既然说了给您写邮件，我还是索性一吐为快吧。
总的来说，感觉经济学是一门知识更新非常快的学科，当然这并不意味着我们要追赶潮流、什么热门关注什么，但是相对的，打基础不能打歪了。大三一年的专业课训练承蒙各位老师的辛勤教导，感觉自己对于经济学才算是刚刚入门。也深深的感受到经济学是一门很美的学科，在现实世界的多变之中探寻着事物发展的规律，试图寻找着帕累托改进的可能。这也是学习了这么多专业课后，越来越喜欢经济学的缘故。
很欣赏也很感激您一直倡导的对于经济学思想的重视。诚然，现在很多时候我们都把经济学学成了应用数学，可能在金融等专业表现的更为明显。开始的时候我也对经济学里面的数理化有很多的疑问。但是今年以来，先后跟着陈强老师和张健康老师听了“高级宏观”和“金融经济学”两门课，深深地感受到数学公式背后经济学的美丽。在构建数学模型时候的对于经济现实的高度抽象，在解出数学上的解之后用简明而生动的经济学思想去解释它的经济含义，这是在复杂的数学推导之后让人很有成就感的事情。这个时候我才深深地体会到数学作为一个逻辑推理的工具对于经济学思想表现的重要性。在接受了数学的严谨推理之后，才更加的对最后结果的经济学含义感到信服。
但是很遗憾的是，能把数学公式的经济学含义完美呈现的老师实在是太少了。
*****************此处内容不便公开，见谅！********************
*****************如非常感兴趣，请发邮件向我索取**************
记得彭实戈院士经常说“数学是很美的”，我现在所感觉到的就是“在复杂的数学推导之后，把结果回归到经济学是很美的”，而且在这个过程和结果中让人有一种很兴奋的成就感。但是很不幸的就是，可能我们的课程设置并不能够达到使我们的积累足以承载这样的幸福的程度。高等数学、线性代数、概论统计虽然都是必修课，但是一方面讲的过于注重数学解题技巧，另一方面未曾告诉我们怎么在经济学中应用。加上一年级的数学课直到大三才有中级微观，此时很多人把数学工具忘记的差不多了，然后再去很被动的复习。因此，如果初级的西方经济学能在大一开设，我认为中级微观最好紧跟着学完数学课的大二或者大二下学期开设再好不过。
同时，我们的数学工具的积累远远不足。只有金融数学基地班在开设数学分析和高等代数、实变函数、运筹学等等基本的数学工具课，但是我认为对于经济学专业的学生来说这些课也是非常必要的。到了中高级宏微观，被数学工具所限，然后被动的去看数学院的课本，这恐怕是一件非常悲哀的事情。这也是我这一年以来最常经历和最为痛苦的事情。我个人认为，学校应该为希望掌握这些工具的同学提供这么一个学习的机会，毕竟自学是一件相对高成本的事。
然后就是昨天很多同学提到的经典著作选读和人文知识积累的问题。这大概是经济系最独有的现象，也是最为难得的现在还有很多人愿意静下心来好好的读一些名家大作，探寻经济学发展的脉络。但是很遗憾的是，太多的各种课程冲击了我们举办读书会的时间，也没有老师能够带领我们好好的去讨论一本书、一篇论文。这对于理论的学习可能是一件非常遗憾的事情，毕竟让大家不顾考试的压力去静下心来读自己喜欢的东西是有些难度的。记得我去年冬天大量阅读一些经济学著作却没有人可以交流，最后被迫只能在网上看一些其他人的评价之时，颇有无奈的凄凉之感。这也是促使我踏踏实实的写博客、把这些感触及时的记录下来的被动动力。稍稍有老师的一点指引和压力，我想大家能做的很好，因为昨天您也看到，不仅仅是一个两个人有这样的期望。
至于其他人文学科，比如哲学、历史、心理学等等，这是在学习经济学到一定程度之后必须弥补的人文学科知识。而且山大的一大优势就是“百年山大，文史见长”，有着这么多知名的人文学科的专家鼻祖。记得徐超丽老师曾经给我们说，她们当年是整个山大的老师在教她们，然而到我们现在，只有山大经院的老师在教我们。这其中的差别，不言而喻。我和周围一些同学深深地体会到在山大四年未曾接受人文学科博大精深的熏陶的遗憾，直到大四才有时间和机会去自由的选择一些其他院系的课程。
此外，公共选择理论、社会调查方法等等都是颇为实用的课程，能开设再好不过。
最后说一些自己感觉走弯路、浪费时间最多的事情吧。
*****************此处内容不便公开，见谅！**********************
*****************如非常感兴趣，请发邮件向我索取****************
不知不觉写了这么多，可能您也没有时间一一看完。如果您能把上面单独列出的几条看了，多多少少能实践一些，我就感觉自己花这么长时间写这些东西还是有点意义的。当然，我也很理解，课程改革并不是一个“帕累托改善”的过程，最多只是从一个帕累托最优点跳到另一个帕累托最优点，因而改革中间必然会有很大的阻力。只是从一种发展的角度看，若想培养更多优秀的经济学专业学生，这些改革还是必须的。每每谈及”知道你们山大经院的学生数学比较差、没学过高级理论“，都有一种颇为悲哀的感觉。从我个人说，是迫于出国的要求，自己要去补这些欠缺的知识。只是最后，能不能在知识这个层面上和其他国内的院校有着一个相同的竞争力，还是有待验证的事情。但也唯有，尽人事、听天命。在和其他院校同学交流的时候，深深的感到自己所学的欠缺。只祈求，亡羊补牢，为时未晚。
祝您一切顺利！
此致敬礼！
陈丽云
p.s. 附一篇文章，是经汪丁丁老师同意后转载的他的CCER改革方案。http://www.loyhome.cn/662.html 有些值得借鉴的地方。
---------------------------------------------邮件结束--------------------------------------------
不知道有多少人能看完此文，有的时候实在是有种颇为无奈的感觉。居安思危的精神，是不是已经随着时间的流逝，淡忘了。只是恨自己，徒有一番冲动，却始终无能为力。或许如昨日和学长所言，山大于我，只是过客。
进入六月，实在是热闹的非凡。可是很遗憾，我束于不能写博客的压迫之中，只能独自傻傻的在电脑面前发笑，却无法加入评论的大军。好在，一切的热闹大都化作灰烬了，除了让我实在是不满的Flickr全部失效，幸好我前段时间一部分的照片转到了Picasa之上，多多少少缓解了一下子。不过遗憾得很，以前的PP都没有了，尤其是那些只在Flickr上的。只能祈祷过了这段多事之春，能恢复吧。
然后就是简单的规划一下自己下个周的生活。
絮叨了这么多，其实还是有好玩的事儿的。上周四被迫在百忙之中去做了一个Lecture，关于产业经济学的。也就是那篇基础设施和FDI关系的文章。写完了之后只是交上了，也一直没有时间好好整理一下发上来。终于有空可以静下心来整理出来，然后发到这里。
单独列出来了，敬请移步：http://www.loyhome.cn/686.html
我又要从方法论上说事儿了。关于计量经济学的应用，着实有一种“泛滥”的感觉。尤其是在前段时间和一些同学争论“格林兰因果检验”的时候，对那种“把统计检验结果奉若至宝”的态度实在是感到心痛。这种检验也就是摊上了一个好名字，最多可以否定一下因果关系（这还有待商榷），哪能作为肯定的依据？
这两天和Taiyun Wei、Yihui两位同学交流甚多，他们都是统计学专业科班出身的，可谓对于统计学的认识颇深。让我这么一个连本专业经济学都还没出师的对于统计、计量的看法和认识深入了很多。确实，计量只是一个工具，不能替代真实的世界中的因果关系（causal-relationship），虽然很多计量经济学家都在热衷于这件事儿。
下面是Taiyun Wei同学不辞辛苦整理贴给我的东西：
-------------------------------------以下引用其原文-------------------------------------
只是统计上的因果，能否定因果关系，却不能反过来支持因果关系。
我之前也这么认为，但是我目前的看法是：统计上的因果，即不能否定因果关系，也不能支持因果关系。之所以说不能否定因果关系，是因为实际条件可能错 综复杂，相互影响、噪声影响可能很严重。还有即便是统计方法，可能不同的方法得到的结果都是不一样的，有的支持有的不支持，这时候应该怎么选择呢？
下面是 我和朋友们的一些讨论，不当之处尽管批评：
说这些话不是说统计无用，相反，统计很有用，但要具体问题具体分析，用得合适、恰当，而不要盲目套模型。但怎么用得恰当，可是很大的一个问题。正如号称经济学家的人那么多，但真正会用的有几个？
------------------------------------引用结束-----------------------------------------
看完之后，我的心里颇为一沉，印证了很多我在现实中隐隐约约体会到的对于计量经济学应用（尤其是初学者滥用）的疑惑。虽然其中某些观点稍显偏激，但是在现实中的事实是，太多的急功近利的行为导致了计量经济学、统计学的滥用。经济学专业的学生不去关注经济规律本身和客观的物质世界，只知道一头埋在统计数据里面企图挖掘出来什么鲜为人知的关系。这说明了人们的思考角度已经不是事物本身，而实证检验的英文原文empirical指的是"经验主义"，而不是中文那般美化的仿佛就是现实中的必然规律似的。太多人忽视了统计应用的前提假设，胡乱把一堆例如结构方程模型（SEM）和数据包络(DEA)的东西随便应用到自己的分析中去，而不去严格的证明为什么可以这么用，为什么不会导致结果失真（或许他们也根本证明不了、没有意识去证明）。到这里，我不得不悲哀的说，这已经不是一个方法论的问题，而是彻底的世界观出问题了——认知世界怎么能全部依赖统计？
然后看了Yihui写的一系列文章（三篇，针对低年级统计学专业学生的），外加一两篇分析。网址分别列出，只挑选其中部分内容转载。
----------------------------------------引用开始------------------------------------------
我们先看最简单的一个例子：t检验。我想只要是个学统计的必然都知道这个检验，它是用来检验位置参数的，比如单个样本的 均值是否为0，两样本的均值是否无差异，等等。我们也都知道这个线索：t检验需要t统计量，而t统计量的来历是独立的正态随机变量与卡方随机变量平方根之商（卡方要除以自己的自由度），实际应用中，这里的分母往往就是样本标准差。在t分布被Gosset发表之前，人们往往只能用总体标准差作为分布构造标准 正态随机变量来做检验和估计，Gosset的t分布伟大贡献在于，我们可以用可知的样本标准差替换不可知的总体标准差而且构造t统计量，这下就让人放心多 了，因为我们总是畏惧未知的总体（或者未知的参数），而且在小样本情况下更为畏惧——样本量太少我们就更不敢对总体标准差作出估计。
Gosset的确帮助我们解决了个大麻烦，然而t检验仍然要假设总体服从正态分布，这个麻烦可不好解决。可能马上就会有人说，分布也是可以检验的啊。没 错，是可以检验，比如著名的KS检验；问题就在于，统计分布检验的备择假设太大，我们做假设检验只能有把握得出“样本不服从某种分布”，而不能说“根据检验，样本服从某种分布”：因为犯第一类错误的概率可以控制，而第二类错误的概率只有鬼才知道（不干鬼的事，鬼也许也不知道）。
第二个例子我想稍微说一点关于抽样调查中的统计推断，这里面的统计推断往往比较简单，大致原理就是用样本均值估计总体均 值，样本方差估计总体方差，为什么能这样呢？因为这些估计量往往都是无偏估计，不妨仔细想想“无偏”的意思：期望等于真值；注意不是估计量等于真值，那期 望是什么意思呢？通俗来讲，期望就是一个随机变量按照它的分布不停地变变变，变了无数次之后我们看它在“平均”意义下取值为多少，当然抽样工作不可能一遍 一遍无穷做下去，我们一般仅有一次抽样，得到的估计量也就只有一个值，这一个孤零零的估计值，到底离真实值有多远？只能再去问问鬼。此时可能又有人会说， 我们不是还有方差吗？不是可以做置信区间的估计吗？没错，书上都是这么写的。方差有什么用呢？书上说了，方差是度量离散程度的，试着想一下，告诉你一个随 机变量均值为100，方差为1000，你能想出所谓的“离散程度”是怎样的吗？恐怕也难以想象，所以除非方差为零，否则我一向觉得它在描述统计中并没多大 实际意义（它的确是刻画离散程度的，但怎样叫大怎样叫小？没有标准）。再看置信区间，要谈置信区间一般也就不可避免要用到分布，于是假设条件又来了，一方 面是总体独立同分布，另一方面样本量足够大，这样才能根据中心极限定理构造正态分布随机变量。显然，两个问题来了：抽样能保证独立同分布吗？怎样的样本量 才算作大？又是不好回答的问题。例如分层和整群抽样，很能让人怀疑样本的独立性；而大样本的问题，从数理统计角度（中心极限定理）来看，必须是样本量趋于无穷，显然这是不可能的，若样本量趋于无穷了，那我们还抽什么样？
其实，关于统计模型的这种质疑，也不是机器学习出现后才开始有的，以前看Gujarati的"Basic Econometrics"一书，曾经读到一段很有意思的话：
Economists' search for "truth" has over the years given rise to the view that economists are people searching in a dark room for a non-existent black cat; econometricians are regularly accused of finding one.
-- Peter Kennedy, A Guide to Econometrics, 3d ed., The MIT Press, Cambridge, Mass., 1992, p.82
经济学家们“在一间黑屋子里找一只本不存在的黑色的猫”，而计量经济学家往往会宣称他们找到了一只这样的猫。听起来很可笑，但从某种意义上来讲，我们何尝不是在做这样的事情？
----------------------------------------引用结束------------------------------------------
这一篇可谓是最通俗的说明了他的所有观点的，此外还有几篇文章：
个人认为都是非常值得一看的。不再直接粘贴过来原文，敬请直接移步。
注，漫画英文来自：http://myhome.iolfree.ie/%7Elightbulb/Research.html 由我翻译为中文并直接修改图片。