如何看待保罗罗默炮轰宏观经济学？ 第1页

还没来得及仔细看，但就“炮轰宏观经济学”和现在的经济学现状谈一谈我的看法。

1.经济学的数据迷信

从上世纪诺贝尔经济学奖第一次颁发计量经济学开始，关于数据与经济学的关系就一直被讨论，也一直被争论，这种争论在目前看来是“数据派”的获胜，毕竟现在谈及经济学，大众马上联系到的是数据而不是定理。

实际上，在“数据帝国主义”的通知一下，经济学基石岌岌可危，经济学内部发现也受到了很多限制，甚至经济学家开始认为没有数据支撑的经济学理论是空洞无物的，这使得很多有趣的经济学理论被忽略，培养了一大堆“reg monkey”，这批人精通回归分析，掌握基本编程语言，其实也就是半个程序员和数据收集工而已，根本不是什么经济学家。

我是“数据帝国主义”的一个“受害者”，我有好想法吗？有，非常好的想法，当我把这些想法和教授们交流的时候，他们回复我的通常是“非常好，想法非常好，但是数据呢？你需要数据做回归啊！”，我想法（idea）不好吗？很好的，至少教授说是非常不错的，那我文章是不是没参考文献的、自以为是的“民科作品”呢？不是，文章从一开始就做了假设和推论，用到的数据比国内大部分经济学论文用到的更多，用到的更好，从级数判敛到多元函数极限证明，再到解偏微分方程，用到的恰到好处（当然，在各位经济学博士candidate看来，这些数学知识实在是太low了，自己用的都是从矩阵开始，用多元函数不值得一提）。而且，不像许多似是而非的回归统计学论文（嗯，我对数据派有偏见，我一直把他们的论文叫做“回归统计学应用小论文”）得出的结论似是而非，我的论文更像是严格的数学论文，从命题假设到结论，非常清楚。

但，论文被拒，因为没有数据做回归，无法证伪！事实是我的论文根本不需要证伪，因为众所周知数学论文无需证伪。我怎么解释都没用，因为他说没有数据，“编辑不会看，论文就投不了”，这就是“数据帝国主义”统治下的论文。

我的论文和那种一般充满似是而非的“经济学文学作品”不同，我用了数学，但没有数据，他们不相信。但正如我和他都认同的那样，我的论文想法很好，没数据。

2.经济学现在处于什么阶段？

我是物理学专业的，我引用一下物理学史给大家说明现在经济学发展处于物理学什么阶段。我想说的是，现在的经济学处于“19世纪末的物理学”，看起来各种红火，经济学家掌握了大量的处理数据的方法，也掌握了大量的收集数据的方法，更重要的是经济学家还利用电脑更快地解决了经济学数据处理问题，不仅如此，大数据开始，经济学家就越发乐观，于是，暗地里，经济学家客观的说“经济学的基本定理已经发现完了，我们要做的就是将数据用来回归而已，以后经济学的新理论将要到更高的置信区间去寻找！”

然而，众所周知，开尔文一说起那句经典的话，物理学的革命就来了，量子论和相对论的发展，促使了物理学的进步。但是，现在的经济学，很遗憾，依旧处于19世纪末的物理阶段，更为严重的是，经济学的“开尔文”还没有出现，他还没有给经济学提出警告，说“经济学上空存在两朵乌云”。事实上，经济学还没发现有什么乌云！

3.经济学的乌云

然而，经济学的威力依旧不知不觉到来了。翻来经济学最富盛名的教材——被誉为“经济学圣经”的《MWG》，你会发现这像是数学专业用的数学分析求，里面煞有其事地应用了“假设、命题、证明、推论”等等只用数学才用的术语，但如果你再翻来，你会发现这不是数学书，而是经济学书，因为后面赫然写着“数学附录”！

在标榜着自己就是“科学”的同时，这本“圣经”还非常认真的用数学语言来书写，对于一些在中国经济学专业的学生来说，这本教材是多么科学、经济学是多么科学！然而，对于我这种从大学一年级到四年级接触各种数学的物理学学生来说，这本书使用的数学和它宣称的“经济学科学”依旧只是“too young,too simple”，我这么说是从经济学的架构上来说的，不错，经济学运用很多数学，但它没有吸取数学的精华——逻辑关联，它只吸取了数学的形式——公式、定理，而没有吸取数学之所以成为数学是因为存在逻辑这一优点。

不用通篇阅读，你就发现经济学所宣称的科学是不可以禁受打击的，它运用了很多数学，但是没能像数学一样用公理到定理的逻辑来构建自己的逻辑体系，“它只是用数学来描述自己，本身并不是数学”，但是用数学来描述自己自己就成为“数学”了吗？没有，经济学没有公认的公理，那些在第一章就罗列的公理在物理学看来非常幼稚，甚至觉得经济学不过去“故弄玄虚”，自高自大而已。

经济学的逻辑体系甚至比不上经典力学这一门由实验总结的来的力学理论，它没有公理，也无法证明更多问题。

没有公理，经济学家也不知道经济学的公理是什么，经济学家也不试图去寻找公理，因为，经济学家相信，数据会给他们答案，他们希望想物理一样通过数据得出经济学的所有定理，然而，他们太幼稚了。因为他们无法建立无偏差的自然实验，所以他们无法通过数据获得科学定理，因为数据总是变化，他们虽然有很多种方法使得数据更科学，但他们做不到，因为无法实验。