数量经济学是一门兴起于中国的改革开放并相伴成长、突显量化分析方法综合运用特征和鲜明中国特色的经济学分支学科,当今我国社会经济发展进入新时代和世界科技创新加速的叠加作用,对数量经济学今后的建设和发展来说无疑是绝佳的机遇,但还须清醒地看到由此带来的内核“蝶变”式的严峻挑战以及所引发的深层思考。
计量实证与因果推论的升华
经济学的主要研究对象正在由资源配置拓展到人与自然交互的全部活动,本质上是一门定性与定量分析有机结合的学科,经济计量学、投入产出分析和可计算均衡类(CGE、DSGE)等量化分析方法和模型,在经济理论发展中起着越来越重要的作用。从早期的简单回归方程系列到延伸关注如模型设计与识别(也包括非参数分布模型),参数设定和估计,混合数据方法和非随机样本获取利用,非线性、虚拟变量回归模型,时间序列的动态设定,(拟)贝叶斯推断等建模分析方法和工具;适度考虑主观因素的断点回归(RD)、双重差分(DID),倾向得分匹配(PSM)和潜变量(LVM)模型以及多主体相互影响下的博弈决策、深化行为分析的行为实验模型等,逐步奠定了实证分析在经济学科学化道路上的主流地位。
应用计量实证和传统的定量分析方法,不仅要有定性分析和理论建模的基础,还有更深层的隐含前提:要有数据可用和有规律可循。然而,现实经济日益复杂,人们可获得的数据能在多大程度上反映现实,依据物态生产活动的理论规律和经验数据驱动的分析的可信度如何?事实上,大多数的模型只能是在可观测限度内进行表象或表征分析,而并非必然反映真实事物的内在本质。经济学乃至社会科学中的数量模型与现实世界的关联性多是模棱两可、参杂主观意向的,尤其对复杂现实来说更是如此。通常情况下,经济学家们无力用直接易懂的语言来展现其所擅长的知识、揭示事物对象的演变规律,只是在他们的潜意识里,只要建了模型,研究方法便有了充分的正当性,结论便有了“科学”的合理性,由此来寻求一种自我慰藉。事实上,经济学者所设计的模型,相当多情形下就有意无意地将结论预置于前提假设中,所使用的数据通常是经过预处理、清洗滤噪等修匀过的,虽有利于严谨推理和自动化处理,但难免会忽略或掩盖更有价值的信息。这些可以说是在人格物化的思想认识、特定的文化习俗和习惯于在基于形式逻辑构建的模型化世界中玩赏的“智力游戏”。
“一切科学都与人性有关,对人性的研究应是一切科学的基础”(休谟语)。经济学应是与人性基础联系最紧密的学科,然而,人的意识、信仰、价值观、偏好、情感、思维和行为及结构的对称性破缺等是“只可意会,不可言传”,人们也清楚地察觉到,感知、记录、数据和传输方式等人类认知是明显受限的,因而要从完全理性拓展到有限理性;高度简化抽象的基础假设硬核,自洽的理论知识体系,正统经典的基于经验数据的表象分析,总体上还都是在统计分析及数据科学等框架中的应用展现。行为/实验经济学、金融科技和认知经济学及复杂经济学等开辟的深化行为分析,与计算实验、VR+多情景仿真、仿生智能算法、类脑混合智能、机器学习和AI等结合,有望更深层地精准对接和刻画人性。从社会经济运行所产生的信息总量和大数据的本质来看,社会科学大数据是否为真正意义上的大数据,已有理论结论能否真正反映社会经济运行的内在规律,在当今时代都必须重新审视,促使传统理论观念和实证分析方法的转变与升华。
再来看基于“规律”和趋势性的因果推论,相关的引入套用、数据驱动、累积推进的循规蹈矩式的解释性研究和应用居多,而精准聚焦、深刻揭示、突破创新的原创探索型研究较少。社会经济运行中的因果链条常常是多向的、模糊的,一因多果、一果多因、互为因果、因果交错、因果循环和因果倒置且是在不断演变换位的,对其自生、纠缠的智能化处理,需要认知变革,需要更加直面正视、更有主动意识、更为合理恰当地处理连贯交织(综合复杂)的现实与分类递阶、因果推断的理论认知之间的关系。
微观宏观一体化建模为科学决策提供坚实的智力支撑
源于中国实践创立的数量经济学,具有为政府决策提供科学有力的咨政支撑的传统。在践行新发展理念中对效率与公平、共同富裕、分享改革开放红利、乡村振兴与农业强国、构建利益共同体等颇具中国特色的话题,及时地回应市场主体关切,精准的宏观调控和数字治理,需要宏观多目标的政策意愿与微观主体的多样化诉求两个层面的双协调,还意味着协调抽象理论与鲜活现实之间的协同一致;需要有通宏洞微的内源驱动、基元生成、分布—整合的综合系统集成的大模型仿真;需要有多视角、多类型、多层次模型间的软连接和协调总成。
可以从EBM(Equation-Based modeling,基于方程/因素关系的建模)与ABM(Agent-Based modeling,基于主体的建模)两类基本模型的表达形式中看出它们的异同和联系,以及微观宏观一体化建模的必要性、可行性和重要性。EBM为刻画内生、外生变量关系的解析模型,一般是建构在宏观统计平均意义上。ABM是微观层面的异质性个体行为模型。相比而言,ABM强调以人为本、聚焦行为,包容涵盖和提升了原有模型方法技术,是对EBM的推广创新,是体现以人民为中心发展思想的学术探索,而EBM只是当ABM忽略个体差异时的特例。
提炼锁定问题,拓展数据来源,深化理论分析,架构多元模型,方法适优选择,智能算法(程序)设计,平台集成技术实现与真实决策过程的对应转换,将基于经验(已发生事实或结果)数据和模型分析的逻辑推理、机器智能与现实关联和人类智慧相结合,可借鉴量子科学的思维认知,构建由个体行为到群体决策的集智模型,使得一体化模型组的结构协调与经济运行中多因素交互、各组分之间的协动关系对应,由此能更好地揭示防范系统性风险、经济韧性的内在机理,为科学决策和智能治理提供更有力的咨政支撑。
跨学科多元思维拓展数量经济分析视野
任何事物和现象都有质变和量变维度;任何探索研究和学科建设,都需要量化分析,都会广泛密切地联结多门学科,又在多元思维、多科知识的孕育滋养下成长壮大。人类社会及研究都是在同自然的交互中发展的,很多复杂源于理论认知对初心和预设轨道的偏离与偏倚;关键点、临界处和奇异状态下越是复杂,就越应该有跨学科多元思维。所以,复杂性思维和复杂性科学发展中最强劲的内源动力是科技与人文的跨大门类、跨多学科的交融创新。坚持问题导向和本征决定的数量经济学,今后的发展中也必然是在严谨的形式体系中更多地注入现实内容和人文灵魂。
知识的学习、传承、积累、发现和创造是按学科分门别类进行的,但在应用于解决现实复杂问题时,虽是在具体问题的某一侧面要由某学科切入,但要想真正有效地解决实际问题,大都是跨学科交叉综合的,因实际中不可能按学科分类发生问题。对于复杂系统而言,尤其是人文复杂性,逻辑上的因果推论(理论认知)与事实上的内在关联(客观存在)完全不是一回事,前者是表象分析,后者有传导演变的机理。之所谓复杂,关键就在于捋不清通常的因果;之所以会有认知复杂性,就在于现有的认知观念和方法滞后于日益加速复杂的现实存在和变化,所以,应更深入一步探究复杂系统的生成机理,以免陷入自掘的逻辑陷阱。
(大)数据是多因素共同作用的产物和多学科通用的大样本,显然要比小样本更具有统计意义上的普适性,在与数字化的作用叠加后能足够逼真地接近现实总体特征。数量经济学与通常大数据分析中使用的统计分析、数学规划、关联规则、深度学习、模糊逻辑演算等算法密切相关,还需要有算力与智(慧)创(造)进行大数据储存分析的计算资源:集中式算力(如超级计算、云计算)与分布式算力(如电脑和手机等各类固定或移动的用户终端),由微观分布到宏观整合一体化的通宏洞微思维模式,脑—机对接的深度融合、混合智能等相应的技术支持。然而,不仅要知道数据怎么用、怎么处理,还要知道数据怎么来、怎么反映现实,经济系统运行的数据是多源多态、异质异构的,如何通过数据融合将文本、图像等结构化转换和数据挖掘方法进行政策计量分析等;数据的异构性、维度的混合性和层次的交错性,导致了决策的异构性,应用场景的多变性、数据的复杂性与不确定性,即如何从不同的场景角度全方位地复原、整体展现大数据的复杂特性,以及如何“因景制宜”地用数据异构与决策异构的关系寻找有效的咨政支持;与行为/实验经济学,神经元和认知经济学的深化微观主体行为分析同步相应,强调利用具有四实特征(实景、实体、实时、实效)的信息数据,由机器学习到仿生智能算法,再到底层逻辑上的双向映射、转换规则和反演生成,来直面现实,应对挑战,超越传统,揭秘复杂。再由社会网络分析来看,网联通路、结构类型与节点属性、路径选择之间的关系,拓扑变换中的层、环和节点处的作用方向、力度和韧度,以及由此可能导致的异象结果涌现;现实越复杂,越需要综合;越接近实际,越需要跨学科,需要科技人文大跨度交叉、大纵深融合、大幅度覆盖;跳出传统框架和思维习惯,理论和科技越发展,越能显现出更新提升数量分析理念的迫切性与重要价值,弥补抽象理论与异质利益诉求和政策响应模式的鲜活现实之间的脱节。
深化数字经济研究
数字技术的广泛应用深刻影响着传统产业的转型升级,并催生了众多新业态、新产业和新模式;同时数字化技术也在不断地发展创新和产业化落地,渗透、影响和改变着生产生活方式、社会结构演化和人类的认知观念及思维模式。数字化(大数据)、算法算力、平台集成等基本要素,跨层次贯通、纵横交错地组成了数字经济架构。没有作为关键生产要素的大数据和数字化技术,数字经济便是无米之炊和无源之水;没有基于计算科学和资源的算力算法等前沿技术支撑,数字经济就不可能落地实现和创造价值;没有现代通信、网络、物智互联和混合智能等联结集成的平台,数字经济将“不复存在”,传统经济就不会有真正的全面的转型升级。就数据的量和质而言,数字经济面对和要处理的数据是来源众多、形态多样、规模庞大、结构复杂,显在与潜在价值并存、自动化处理与人工处置并行,还要以数据来源、质量和可信度等来检验与基础理论假设的对应和支持程度,由此延长和完善数据分析链;从技术关联来看,当今迅猛发展的科技前沿与经济学、数学和统计学等数量经济学的支撑学科都有内在直接的关联路径;从学理上讲,数字化与数量、数据、数码、数位、数值以及信息等,直观上联系紧密,但实质上在新的数智时代(数字化+AI等),数字化大大丰富和拓展了“数”这一概念的内涵和外延。现实中无论是数字要素、新型生产力和产品创新的产业化落地,还是传统产业的数字化改造和转型,“万物皆数,万象可算,物-智互联”,量与形、实与虚、体能与心智,物理时空跨越,信息化和网络化升级,还包括数据挖掘、符号、代码、规则、映射、模型、流程、场景与维度、应用平台等,定量分析特征都颇为明显、联系紧密,也提出了更高和更迫切的需求,更有利于发挥数量经济学的作用,突出学科特色和优势。
数智时代社会经济主体所具有的鲜明时代特征:价值取向多元化、行为方式多样化、人际关系多连通化,群体结构、多向网联、动力类型、演化路径,运行机制等日益复杂多变;数字化、机器学习、人工智能(AI)和虚拟现实(VR+)以及元宇宙、ChatGPT等科技进步加速、前沿技术层出、创新密集加持,异质性主体的行为多备选和更易变、模糊不确定,对结果的影响更加曲折隐秘、柔韧突发等在数字经济中日益加剧和突显的特性,大大偏离经典场景和传统理论,如:线下与线上、常规与临界决策行为差异,梅特卡夫法则对边际收益递减、规模报酬规律的冲击,达维多定律对市场化资源配置中马太效应的修正,将哈希函数置入区块链结构并由此诞生的数字货币,深刻地震动了金融市场,数字经济的高渗透性在一定程度上打破了资源有限的物理时空制约,等等。由于数据通性、实证分析和计算技术等方法工具的广泛应用,数量经济学面临着时代抉择:要么被其他学科所卷没和兼并,要么会更进一步发挥和创新在深入精细刻划差异和变化等方面的独特优势与核心价值,努力在有为有望、有责任担当地就深化数字经济研究、创新经济理论体系等方面大显身手。
大力推动中国特色的学科建设和发展
数量经济学是跨学科研究中国经济现实问题、加强经济学者队伍建设的产物,是基于中国学者的智慧和努力自创的、在与现实经济的互动中发展起来的经济学分支学科,可以说是当今中国特色的哲学社会科学“三大体系”建设(学科体系、学术体系、话语体系)的先行先试者、样板和排头兵。从数量经济学的形成过程和与西方学科划归的相应关系看,其主要包括数理经济学(Mathematical Economics)、经济计量学(Econometrics)和定量经济学(Quantitative Economics)及经济数学方法(Economic-Mathematical method)等相关学科的边缘交叉内容,在与中国实际的结合中消化吸收、丰富发展、探索创新,激发中国学者主体的内生动力和智创性,明确努力方向,坚定理论自信和文化自信,为中国式现代化的建设贡献文化教育和学术研究的力量。然而,当研究对象、目的和主体及背景等方面有显著异变时,要特别注意研究方法的科学性、通用性与问题求解的特殊性和针对性,因此就更应该讲好中国故事,用实验方法和跨学科交叉前沿科段推进学科体系和新文科建设、有效的数据获取和价值增强及构建相应的评价标准;注重问题对象的实质,促成双向的国际接轨:既要有对世界上先进理论和科技手段的借鉴吸收、综合运用,又要有中国相关专业领域学者的智创和边际学术贡献;既要发挥跨学科、国际化的前沿引领优势,又要眼睛向下、重心下移、接连地气,平衡协调(理论借鉴与特色需求之间的关系),敢于更具针对性地应对挑战;既本能地与当今迅猛发展的科技前沿内在相通、步伐同频,又使本学科具有广覆盖的应用面,且能自觉地置身于中国的改革开放和社会经济发展中,顺势定向、按需定位,培育专业人才,促进中国特色的理论创新和带动学科建设。
不忘创立初心,与时与实俱进,数量经济学关注社会重大问题、呼应现实需求,且与科技进步同频交融共进,是在既不断夯实思想理论基础、又突显方法应用特色的学科,在今后的发展中,继承弘扬学科的定量化、跨学科、国际化和引领性及实用性等优势特点和学术传统,彰显其核心价值,抓住机遇,直面挑战,深入探索,勇于创新,自我变革,必然会在数智时代迎来学科大发展的新阶段和迈上新高度。
作者系中国社会科学院数量经济与技术经济研究所研究员,中国社会科学院大学教授、计算社会科学研究中心主任