2018 年，哪些经济学论文让你印象深刻？
1. 关于“增长的减速”和“总要素生产率（TFP）之谜”的持续讨论与新见解
虽然“增长减速”并非2018年才出现的问题，但当年关于其原因的讨论仍在继续深化，特别是对总要素生产率（TFP）增长放缓的解释。许多研究试图量化数字技术革命的影响，以及它为何未能像前几次技术革命那样迅速转化为显著的生产率提升。
代表性研究方向：
“僵尸企业”现象： 一些研究表明，在低利率环境下，低生产率但有偿付能力的企业（即“僵尸企业”）得以生存，挤占了资源，阻碍了生产率更高的新企业的进入和扩张。这些研究关注资本市场的扭曲以及破产程序的效率问题。
“超级巨头”效应： 另一些研究则关注数字经济中出现的“超级巨头”企业，它们拥有极高的市场份额和盈利能力，但可能对创新和竞争产生抑制作用。这引发了关于反垄断政策和市场结构的讨论。
衡量失灵（Measurement Error）： 部分学者认为，传统的经济统计方法可能低估了数字经济的价值和生产率贡献，尤其是在免费服务（如搜索引擎、社交媒体）和用户体验改进方面。如果这些因素未能被充分捕捉，那么TFP增长看起来就会显得疲软。
创新扩散的滞后： 还有观点认为，虽然新的技术（如人工智能、大数据）已经出现，但其广泛应用和对经济整体生产率产生影响需要一个较长的过程，这包括基础设施的建设、劳动力的技能培训、以及组织结构的调整。
为什么印象深刻：
政策相关性强： 理解增长减速的根源对于制定有效的宏观经济政策至关重要。无论是货币政策还是产业政策，都需要针对这些深层次的结构性问题。
跨学科性： 讨论常常涉及技术创新、产业组织、劳动力经济学等多个领域，展现了经济学研究的广度和深度。
对未来的警示： 如果TFP增长持续低迷，将对长期生活水平的提高构成挑战，也可能加剧社会不平等。
2. 行为经济学在政策设计中的应用深化
行为经济学在理解个体决策偏差以及如何利用这些洞察来设计更有效的政策方面继续发挥着重要作用。2018年，我们在公共政策领域看到了更多“助推”（nudge）和“弹性设计”（choice architecture）的应用研究。
代表性研究方向：
健康与福祉： 在公共卫生领域，研究者设计了各种“助推”来鼓励人们做出更健康的选择，例如在医院菜单中将健康食品放在显眼位置，或者自动加入器官捐赠名单（ optarin vs optout）。
金融储蓄与投资： 帮助人们进行长期金融规划，如自动增加退休储蓄比例，或者提供更清晰的投资信息，以克服拖延和信息不对称等行为偏差。
环境行为： 通过改变信息呈现方式或设定默认选项来鼓励节约能源、垃圾分类等环保行为。
政府服务效率： 简化政府表格填写流程，利用提醒邮件等方式提高纳税依从性或社会福利项目的申请率。
为什么印象深刻：
实证证据的积累： 行为经济学研究通常依赖于大量的现场实验和实证分析，提供了关于“什么有效”的有力证据。
温和且低成本的干预： 相比于强制性法规，行为干预通常成本较低，且对个体自由的影响较小，因此在政策制定者中越来越受欢迎。
对理性选择模型的补充： 它提供了一个更贴近现实的人类行为模型，有助于我们理解和预测政策的实际效果。
3. 金融科技（FinTech）对金融体系和普惠金融的影响
2018年是金融科技蓬勃发展的一年，相关的经济学研究也开始深入探讨其对金融市场、金融中介以及普惠金融的深远影响。
代表性研究方向：
数字支付的普及与经济活动： 研究数字支付系统如何改变交易成本、提高交易效率，尤其是在发展中国家，如何促进小额信贷和普惠金融的发展。例如，一些论文分析了移动支付在非洲和亚洲的普及对女性赋权和经济增长的积极作用。
P2P借贷和众筹的风险与回报： 评估这些新型融资模式的效率、风险管理以及它们如何填补传统金融机构的空白。这涉及到信息不对称、道德风险以及监管的挑战。
算法交易与市场波动： 考察高频交易和算法交易对金融市场价格发现、流动性和稳定性的影响，尤其是在市场压力时期。
加密货币与区块链技术的经济学分析： 探讨其作为支付媒介、价值储存以及在供应链管理、合同执行等方面的潜在应用和挑战。
为什么印象深刻：
新兴领域的研究前沿： 金融科技是一个快速变化的领域，经济学家们正在努力理解其基本机制和经济后果。
“普惠”叙事的驱动力： 金融科技被寄予厚望，能够降低金融服务的成本，将更多人纳入正规金融体系，从而促进经济包容性。
监管挑战的显现： 伴随金融科技发展的是新的监管挑战，经济学研究为政策制定者提供了分析和应对这些挑战的工具。
4. 关于气候变化与环境经济学的政策有效性与计量经济学方法
气候变化作为全球性挑战，其经济学研究在2018年依旧是热点。特别是关于碳定价机制（如碳税、碳交易）的有效性、以及如何利用更高级的计量经济学方法来评估环境政策的成本效益。
代表性研究方向：
碳定价的经济影响评估： 通过结构性模型或广泛的计量经济学方法，分析碳税或碳排放交易系统（ETS）对经济增长、就业、特定产业以及消费者福利的影响。研究关注如何设计“公正转型”（just transition）政策，以缓解对脆弱群体的影响。
气候变化对经济的实际影响： 使用新的数据集和方法来量化极端天气事件（如洪水、干旱、热浪）对农业生产、劳动生产率、基础设施以及宏观经济指标的负面冲击。这包括对气候变化与冲突、移民之间的联系的深入研究。
绿色技术创新与扩散： 研究政策如何激励绿色技术研发和应用，以及这些技术如何影响能源转型和经济结构。
国际气候协议的经济学分析： 评估如《巴黎协定》等国际协议的经济激励机制、各国承诺的成本分摊以及合作的可能性。
为什么印象深刻：
紧迫的全球议题： 气候变化是人类社会面临的最严峻挑战之一，经济学研究直接关系到我们能否找到可持续的解决方案。
方法论的进步： 计量经济学在处理空间相关性、时间序列非线性、以及因果识别等复杂问题上取得了进展，使得对环境政策的评估更加精准。
政策决策的基石： 对气候变化及其政策的经济学分析，为各国政府制定能源政策、税收政策和产业政策提供了重要的科学依据。
总结：
2018年的经济学研究在延续既有重要议题的同时，也积极拥抱了新技术、新数据和新方法。从宏观的增长动力到微观的行为决策，从新兴的金融科技到紧迫的气候变化，经济学研究始终围绕着如何理解和改善人类福祉这一核心目标展开。这些论文和研究方向不仅在学术界引起了广泛的讨论，也为解决现实世界中的经济和社会问题提供了宝贵的洞见和工具。
当然，这只是我基于对当年经济学界讨论和关注点的一些个人理解和选择，还有许多其他重要的研究也值得关注和学习。经济学研究是一个不断发展和演进的过程，每年都会涌现出新的贡献。
网友意见
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。
类似的话题
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有