Categories
事儿关经济 经济、IT观察与思考

跨学科研究之殇

今天看到木遥的一篇文章:为什么跨学科的研究项目是件残酷的事,略有感触,在此罗嗦几句。

1. 经济学大量吸收了数学家,Arrow之后更是有一系列微观理论数理化的变革,Laffont的加入对于博弈论的影响扩大也不可或缺。这些人,在当年应该都算是“跨学科”的吧,经济和数学总是走的那么近,和统计学就更不用说了。
2. 很多学科领域都在期待数学工具的变革和进步,很多学科的突破式发展也是得益于数学工具的引入。物理和数学的渊源就不用说了,生物这些年来也多多少少依赖着好多数学工具的发展。另外从某种层次上,计算机和数学是不分家的……
3. 交叉学科研究最难的是,要求一个人具备两个、或者更多领域相对专业的知识。某一个领域少了一点,都不足以支撑一个突破性研究的进展。或者应该这么说,纯知识是好学的,关键是习惯两个以上领域的思维方式,知道他们分别关心的是什么,然后找到交叉点,这是我觉得对人要求最高的。隔行如隔山,很多时候确实如此。

最后补一句,最近常用一句话,

偏见源于无知

无知请理解为“某种知识的欠缺”。举个简单的例子,一个统计调查和研究估计往往首先要考虑的问题之一就是,样本是不是selected sample。简单的说,你不能跑到东北去进行人口身高采样然后回来告诉大家这就是中国人的平均身高(而某些国际研究,限于资金人力,往往在一个国家就取一个或者几个点)。selected sample,以及我们耳熟能闻的truncted data, censored data 等等,都是样本较之于总体的缺陷,自然会造成最后估计的偏颇。这也是很多时候,为了保持无偏(一致)性,我们需要根据样本的特征加上各种假设(比如Tobit模型)进行修正,然后才能得到基于假设下面的一致估计。

这是从统计或者计量的角度说这个估计的事儿,那么扩展一点,统计的本质无非是“归纳法”(此处特指相比于演绎法),那么自然是基于已有的信息集作出对已经发生的事件的判断。如果信息集不全,正如我对“无知”一词在上面的运用,那么得出的结论必然多多少少是有所偏颇的(无偏成为了小概率事件)。从这个角度来说,跨学科研究对于研究者多领域知识的高要求,在我的理解中,是这些研究突破困难但是珍贵的最主要原因(至于是不是偏颇,我们只能说这里无偏就更加的是一种信念了,没有什么可以衡量比对的依据了)。

终归,在一个充满噪音的信息集里面,找到有效信息,是一个脑力+体力活。Ph.D在我看来,值钱的地方正是这种孜孜以求的苦干精神,怕是真的与上上课就能学来的知识、和考考试就能获得的分数或者证书没什么关系。至于木遥所说的就业问题,呃,学界容不下还有业界……不要这么看不起业界……实践也能出真知啊。从学术研究突破所需的资源来看,业界能提供给研究的资源是完全不同的,所谓换个角度看世界嘛。

Categories
事儿关经济

扭曲的人力资源配置

市场有一只“无形的手”,大家都默默的承认着这个道理。这只手有多厉害呢?很多人看投资的走向,觉得市场的效用太过神奇。而最近,则在深深体会到这只无形的手对于人力资源配置的巨大作用。

这个问题有多现实呢?高中毕业选专业,要选就业好的,然后一窝蜂奔向经济管理计算机;毕业之后要就业,还要选利益最大的,于是公务员、金融大热。

这么说,是因为最近很多本科同学研究生毕业,在找工作。经济金融嘛,大多数都奔向金融业了。投行,券商,最差也要去银行。还有若干希望找个铁饭碗进体制内的。可是,这些地方真的需要这么多优秀的人么?市场不管长远的,市场只告诉你价格是一个决定走向的因素。

想到这里,就深深的感觉到,原来自己所不理解的、那些研究经济体制对于资源配置的distortion的论文价值在哪里了。原来不觉得TFPQ、TFPR这些东西有什么用,现在看起来真的是很有意思的宏观层面衡量生产力的指标。

小小的再一个感慨。国外偏学术的econ项目对学生的训练是什么呢?现在看来答案越来越清晰了,就是培养经济学家,学校里的学校外的都算。没有其他任何其他的目的,干净的纯粹。有的时候翻翻所学的东西,到硕士已经是在“精”和“专”上走的很远了,真的只能为做经济学家而准备,就算economist这个词儿快被用滥了。其他任何事情,在业界,还是欠缺的太多了。

Categories
事儿关经济 互联网产业观察

从经济理论到商业模型

宏观经济理论比较难以直接转换为微观的商业模型,就不说了,毕竟关注的问题完全不是一个层面的。那么微观经济学呢?一个什么样的理论可以转换为一个可实践的商业模型呢? 除了金融之外?

这可能是经济学院和商学院最大的区别吧~就像物理和工程的差别。从我的感觉,最普遍的就是各种拍卖理论和模型,但是这个就有点鸡生蛋、蛋生鸡的味道了。比如Groupon,这种互联网时代的团购模式是不是我们以前所未曾闻及的?那么,在每一个传统的商业模式搬迁到互联网这个平台的时候,我们是不是可以利用信息的优势(用户注册资料、购买记录、地理位置等),来针对传统商业模式的弱项有所弥补呢?

电商在过去的2011年为广大群众贡献了无尽的福利,这个看看双11和双12抢购就不用多说什么了吧?各种烧钱烧的没完。从某种程度上,我甚至认为他们对平抑物价做出了杰出贡献……当然这个是暂时的,可是是什么样子的力量让各大电商这么火拼呢?我个人认为,还是信息优势和物流瓶颈突破,带来的电商较之于传统卖场库存、场地租金等等大幅下降的优势和对于顾客的准确感知。

作为一个有羊毛一定要蓐的半家庭主妇,我就很直接的在淘宝商超买掉了柴米油盐酱醋茶……除了肉和蔬菜牛奶等这种暂时没法买的之外。一袋大米,比1号店还便宜,联想起1号店每笔单子都亏,我就更开心的蓐淘宝的羊毛了。真慷慨啊,还暂时只有上海可以享受此等福利,真是送到门口的肥肉啊。其实,好吧,我只是觉得一个人去超市扛一袋5kg的大米太沉了,还是送货上门的好啊。

随着信息流通的加快,不可避免的,各种传统的商业模式都要面临着变革。这个过程中,经济理论可以发挥多少作用呢?我们对于information和noise的分析、我们对于博弈的分析、对于交易成本的分析,一个个是不是都可以重新在信息充分流动的情况下考察是不是可能突破传统的束缚、有一种新的均衡结果的存在。为了达到一个新的均衡,我们又应该如何设计一个对应商业模式,来充分挖掘信息的力量,创造信息租和利用信息差,赚取信息的价值?

最近在一直想这个问题,或许过去对于商业模式的关注太专一的从经济的角度出发了。这里面其实不论是academic research还是business trials应该都是可以有所尝试的。如果说团购燃烧起了传统商业模式在信息时代的第一场变革,那么后续的,应该还有更多的爆发空间——在泡沫破灭之前,需要创造更多的实质性的支撑。

最浅的,从最直接的信息流通的层面、营销,也会经历一场变革吧。只是没有它背后实质性的商业模式的变革那么深刻的有趣。

Categories
事儿关经济 读书有感

经济视角下的历史发展

古语有云,

以铜为镜,可以正衣冠;以史为镜,可以知兴替。

嗯,经济学也离不开历史啊。当然,鉴于这个中国计量经济学已经和世界不知不觉脱轨了好多年了(好吧,或许从没接上轨过),大家对于“经济史研究”的定义也自然区别蛮大的。记得若干年前有位教授嘲讽的对我们说,“数学不好的也可以读经济学Ph.D啊,去做经济史就行了,那玩意儿不需要数学”,顿时我们底下鸦雀无声。不过说实话,看国内的期刊,尤其是以《中国社会科学》为代表的社科高级期刊,我还是宁愿看看纯历史研究者写的文章(特征之一是处处注释、注释往往长于正文),也不愿过多的看所谓的“经济学方法研究历史”的文章,实在是味同嚼蜡啊。

相比而言,国外的学者研究经济史的思路我更欣赏,尤其是在经济视角下去看待历史发展的一系列文章。今天收到新一期的AER目录,发现Nathan的那篇Slave Trade已经发出来了,

"The Slave Trade and the Origins of Mistrust in Africa" (with Leonard Wantchekon), American Economic Review, Vol. 101, No. 7, December 2011, 3221-3252.

也便再回去读了一下(working paper版在这里)。先不管这篇文章计量方法上的争议(比如geographical distance是不是违反exclusive restriction之类的),idea还是蛮有意思的。貌似本文也是Nathan以前那篇著名的QJE的续篇:

Nunn, Nathan. 2008. “The Long-Term Effects of Africa’s Slave Trades.” Quarterly Journal of Economics, 123(1): 139–176.

简单的说,文章关注的是横跨大西洋和印度洋的奴隶买卖贸易对于当代非洲人之间“信任”的影响。先简单的拷贝一段当年奴隶贸易的背景:

大西洋奴隶贸易,或称为跨大西洋奴隶贸易。是指16世纪至19世纪时期(也有人认为早至15世纪,并持续至20世纪),在环大西洋地区将非洲大陆人民作为廉价劳动力提供给美洲大陆殖民地地区的一种贸易。奴隶的来源主要是非洲西部和中部,黑人被欧洲人通过贸易或袭击、绑架等手段抓获贩往美洲大陆。这是一种带有强烈殖民主义色彩的血腥黑暗的贸易,在长达约400年的黑奴贸易中,估计从非洲运到美洲的奴隶大约为1200万-3000万。

显然,这种“黑奴贸易”是和新航线的开发有着脱不开的联系的。这个暂时按下不表。

然后呢,被频繁交易的奴隶们自然会受到各种心灵扭曲的压迫,最终可能导致他们对周围人的不信任、进而影响社会制度的形成等等。然后,Afrobarometer调查中询问了撒哈拉以南的非洲中的约21,822,其中一个问题就是他们“多信任你的亲戚朋友、邻居和当地政府”,然后回答会是“一点都不、一点点、有一些、很信任”之一。然后自然,这个东西就放在回归方程的左边了。右边主要是当地某部落或种族中在当年的黑奴贸易中掠夺为奴的人数,还有一系列的几近“标准化”的控制变量。然后在若干篇文章指出当年的“殖民政策”会对后续的经济社会发展有很大影响之后,他们也用一些变量来试图捕捉这种影响。当然,为了逃离“内生性”的纠结,他们选择了一个工具变量——某人所处种族部落离当年黑奴贸易海岸区的距离(距离决定了成本,越近可能越容易被掠夺)。他们认为对于exclusion restriction,他们多少控制了一些衡量当年的殖民政策变量、以及当年部落的饮食结构(离海岸越近可能越依赖捕鱼、进一步影响人口规模),最后还控制了一下到当年撒哈拉贸易大城市的距离……加上一堆“稳健性检验”,最终确认了他们的结论:现在非洲国家人们彼此之间的不信任是可以追溯并归罪于当年的黑奴贸易的

如果我们假设一下“信任”是一个国家拥有一个健康的经济体制的前提条件(比如发达的信用体系可以减少流通环节的摩擦和交易费用),那么非洲的落后可能真的要从这个角度归罪于当年的殖民统治了。

同样有意思的还有原来的一位professor Davide Cantoni 写的一篇关于“新教主义与资本主义兴起”的实证研究文章,基本就是对马克思·韦伯的观点进行了计量角度的研究:

Cantoni, D. (2010). The economic effects of the protestant reformation: Testing the Weber hypothesis in the german lands. Unpublished, Universitat Pompeu Fabra

Working Paper版在这里
也就是说,“新教主义”真的带动了“资本主义”的兴起么?有意思的是,Davide从小长大的德国就是当年新教兴起时和“旧教”并存最“均匀”的国家,因此德国变成了观察这一现象最好的历史见证。他用1300-1900之间德国276个城市的数据,发现,新教主义其实对经济发展没有任何实质性的影响。唯一可能的现象是,接受新教主义的家庭/城市往往本身也是比较开发和富裕的,因此最终导致了这些城市发展比较快,而并不取决于新教是否先在这些城市兴起。很有意思的一篇实证文章,也说明了“以史为鉴”的时候,其实有很多工作我们还是可以利用数据更细细的考究的。伟大如马克思·韦伯,也只是基于自己有限的观察得出的结论,不一定有普适性啊(当然,按照这篇文章的结论来说)。

Categories
事儿关经济

放不下的身段

今天在想一个问题,我们设计了那么多数据挖掘的算法,各种各样的、借鉴各个学科方法的,最终到底是想做什么?预测,从我的理解来说。那么这些算法都是想干什么呢?以我的角度,他们是在“准确信息未知”的情况下,通过一些其他的方法模拟一个可能的路径,然后给出相应的结果。这里,尤以“推荐算法”为甚。最简单的,“购买过此商品的顾客xx%还购买过”,就是一种基于群体行为来预测个体行为的思路,虽然不知道主导一个确定的个体选择的究竟是什么。这类思路下的算法还有一个好处,放诸四海而皆准,不用过度关心每个个体的特性,只知道一个群体的路径就好了。鲁迅先生说过,“世界上本没有路,走的人多了,便成了路”。

这里不禁引出来一个经典的问题:上帝到底掷不掷骰子呢?简单的说,就是一定有什么东西是最核心的、确定的在一件事物背后么?还是所有事情都是随机的?这个问题一下子就牵扯到科学的定义和渊源:uncertainty到底是当前情况下的未知还是必然的存在,牛顿晚年怕也是纠结于这个问题投奔神学。从两三年前彭实戈老师演讲中扔出这个问题的幻灯片开始,它就深深刻在我的脑海里了。很多时候,真的,面对这个问题,觉得人类真的很渺小……

说到身段,今天听闻一位和我“弱连接(weakly linked)”的男士已然放下身段投身“鸭子”行业,稍稍惊讶之下我真的很好奇到底生活对他有多么的艰辛、让他可以这么勇敢的作出这么一个决定,毅然决然的放下所有身段。不知是不是社会更宽容了,女大学生卖艺又卖身已经稀松平常了,现在男的也不可阻挡滔滔洪流啊。生活果然残酷。可惜,“隔行如隔山”,我也只能在此妄自揣测,不知其中真由。

说到“隔行如隔山”,这种感觉,尤其在科学界为甚。Science,或者说 scientific research,在当今,实在是分工细的不能再细了,各个领域之间几乎没有多少可以互通的语言。以经济学为例,宏微观的巨大鸿沟就不说了,搞理论的和搞实证的相互看不起也不是不常见。很少有人,愿意放下身段、拿出时间,用心的去学习和体会另一个领域的人为什么从另一个角度来看待同样的问题,为什么对科学研究有着截然不同的评判标准。比如同样是数据分析,计量经济学对于“一致性”的极致追求,和数据挖掘算法对于预测精度的追求,这样不同价值观又是否有一些互补的空间?可惜,我认识的两个领域中的人,几乎没有人可以放下身段去另一个领域从头开始。

同样的感觉深深的刻在social network、我自己的研究方向。研究一个社会网络,谈何容易!研究对象是人,自然逃不开 sociology;而研究角度是经济,自然又需要很多经济学的积淀;最后,研究工具是网络分析,自然离不开图论、complex network theories等等。更具体的,某一个研究的实际问题往往离不开一个具体的环境,比如epidemics 等等学科的渗透。然而,各个学科之间,往往互不通气……哎,可怜我看paper的时候,各种期刊的paper一下子都扔过来,然后各种痛苦,感叹为啥没人把这些研究成果都串起来呢?follow这些东西好费时费力啊。

或许,有的时候,放下身段,确实太过于痛苦了吧!牺牲那么多短期利益,长期还是那么的不确定,呃……现代科学的进步真的是对人的要求越来越高了~