2018 年，哪些经济学论文让你印象深刻？ 第1页

印象比较深的研究之一，是这篇讲“家族统治”的经济影响的文章：George, Siddharth Eapen, and Dominic Ponattu. "Like Father, Like Son? The Economic Impacts of Political Dynasties." (2018)。文章的研究范围是印度各地，内容大致可以概括成以下两个部分：首先，各地的在位议员有没有儿子，与这个家族的“政治王朝”的持续时间长短显著正相关；其次，在位议员的各项特征，和“有没有儿子”之间均不存在显著关联。结合以上两点及其它检验，两位作者以“在位议员有无儿子”作为工具变量，发现长期而言，“家族统治”对当地各项生活水平与公共品提供指标——包括脱贫率、拥有冰箱的比率、拥有砖房的比率、拥有手机的比率、教育水平、卫生间修建、等等——均有显著的负面影响。

如果只是得到以上结论，文章至多只是“比较有趣”，而难以达到“让人印象深刻”的水准。接下来，利用印度各地区的边界变动，文章探讨了“家族统治”影响经济的两个渠道。其一是“奠基者效应”：与那些没有儿子的在位议员相比，育有儿子的在位议员在经济方面的表现更出色。对这一点的解释很自然——既然这一片之后仍由自家人掌管的概率很大，将经济搞起来，很大程度上也是“肥水不流外人田”；之二可以称之为“天潢贵胄效应”：出身“政治王朝”的议员，经济方面的表现比其它议员要更差。这一点的解释也很自然——对他们而言，当选太容易了。因此，地区选举在很大程度上失却了其监督的作用。长期内，后者压倒了前者，故家族统治对经济显示出负面的影响。文章可能仍有一些可商榷、可完善之处，但使用的方法和得到的结论都可谓颇具亮点。

参考文献：George, Siddharth Eapen, and Dominic Ponattu. "Like Father, Like Son? The Economic Impacts of Political Dynasties." 2018.

印象最深刻的，是今年六月份阿西莫格鲁发表在「美国经济评论」上，关于人工智能是否会导致人类纷纷失业问题的论文。

Acemoglu, Daron, and Pascual Restrepo.2018."The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment."American Economic Review,108 (6): 1488-1542.

内容我在之前的两篇答案中已经介绍过了：

在这里谈谈文章本身的一些让人印象深刻之处。

AI和人类之间关系的问题本身是大热点，也反映了人类对人工智能飞速发展欣喜之余的一点焦虑和不安——我的创造物不会把我自己也取代了吧？但是为什么印象深刻， 并不仅仅是因为问题本身。

首先，AI和劳动力市场的关系，不仅仅是经济学学者，就是其他专业的从业人员或者在业界工作的，没事也能说上两句。而恰恰是这种研究题目要写好是真正有难度的——因为要写出来让人信服的新意是很难的。大家已经在脑海中存在了自己的想法，如果文章结果和读者想法一致，读者会认为没新意，如果相反，读者会下意识的去反驳。

而相比之下，冷门或者专业的话题这方面反而难度要少一些，因为话题本身没有太多外行人关心，自然也不会有太多人存在「成见」，那么别人在看文章的时候，就更加的是「接受者」。比如同样发表在「美国经济评论」上的一篇：

Hastings, Justine, and Jesse M. Shapiro.2018."How Are SNAP Benefits Spent? Evidence from a Retail Panel."American Economic Review,108 (12): 3493-3540.

讲美国的食物券计划对被救济家庭支出的影响，然后得出实证结果和塞勒提出的心理账户理论契合。

像这种文章，如果不是关注这个领域的学者，作为一个外国人，可能对美国的食品券计划并没有太大的兴趣，也不会去看；而就算是去看的大多也是冲着行为经济学的面子，为了在自己写文章的时候引一笔，某某对食品券计划的研究，提供了心理账户的一个实证证据云云。

但是阿西莫格鲁的风格不是这样的，他的很多文章，是可以吸引无关领域的研究人员，甚至于非研究者来读的。而这篇文章也确实做到了「意料之外，情理之中」，有常识，有新意。我读论文的时候，大部分时候是「看戏」的心态，看的就是作者如何来把自己的关键假设藏在貌似平常的句子中的小心思，看的就是作者设计自己的模型的时候的小机灵。大部分情况下，看到的是技巧，并不是经常能够感觉到所谓「深邃的思想」。但是有两个人的论文是例外，一个是让.梯若尔，另一个就是阿西莫格鲁。

其次，AI和人之间的关系，虽然大热，但是从经济学的角度并不容易下手。其实区块链方面的经济学研究也面临同样的问题：要么就要收集数据，而现在数据确实不多；要么就做理论，做理论就要体现出区别，于是就只能真的深入到区块链的技术细节去，把它们经济模型化。

AI的问题在于一方面，AI的应用千变万化，可以说每个相关的公司都有其定制的AI应用，这就意味着如果要做实证的话，异质性会很大，数据收集起来也会很麻烦，往往最后只能用一个AI应用相对标准化的一个小行业或者小分类里数据来做，而人类劳动力市场是一个宏大的话题，用局部的一个小市场去论证宏大话题，本身就很难服众。

而像阿西莫格鲁这篇文章这样去做理论模型，则又面临着另外一个问题——在理论里面什么是AI？AI应用在生产中，无非就是降低管理成本，降低生产成本，提高生产线效率等等。而上述这些AI所能做到的事情，我们换一个精明能干的经理没准也能做到——换句话说，当建模的时候，作者用什么方法来证明你这个模式真的描述了AI，而不是另外一个降低了成本，提高效率的外生震荡呢？

阿西莫格鲁这篇文章就没有这个问题，虽然AI依然是一个抽象的自动化的技术，但是通观全文，会发现模型一方面概括了AI的特征，同时又不失其一般性，把工业革命以来的历史都囊括了进来，三个模型循序渐进，把AI，乃至于自动化技术对劳动市场在不同假设下的影响分析的非常的清楚明白，又让人有恍然大悟之感——原来过去发生的事情还可以这么理解。

总之，无论是从思想上，还是从写作的角度来说，本篇文章确实是一篇上佳之作。