原创李金华中国社会科学网
数量经济学是中国学术界特有的学术名词，它有别于计量经济学或经济计量学，但又与其有着极其密切的联系。作为一门新兴学科，数量经济学在中国发展非常迅速，应用十分广泛。但数量经济学在中国的发展是一条非均衡之路，应用研究发展很快，但理论方法发展缓慢，至今也未形成公认的学科范式；经济计量模型广受推崇，但应用实效不佳；中国数量经济学需要从曲高和寡的境地走向更加“接地气”的实际。
理论研究与应用研究的非均衡推进
20世纪五六十年代，一些中国学者即开始探索使用数学方法研究经济活动和经济现象。年3月，一批著名学者发起成立了中国数量经济学会的前身——“全国数量经济研究会”。次年6月，诺贝尔经济学奖得主、宾夕法尼亚大学克莱因（LawrenceKlein）教授率宾夕法尼亚大学安藤（AlbertAndo）教授、普林斯顿大学邹至庄（GregoryC.Chow）教授、斯坦福大学安德森（T.W.Andersen）教授和刘遵义（LawrenceJ.Lau）教授、纽约城市大学粟庆雄（VincentSu）教授、南加州大学萧政（ChengHsiao）教授，在北京颐和园举办了“经济计量学讲习班”，向中国学者传授经济计量学的理论、方法及应用。这便是在中国数量经济学发展史上具有里程碑意义的“颐和园讲习班”。这次讲习班后，以当时的华中工学院为先，一些高校开始讲授经济计量学、数理经济学。随后，中国学者也开始研究经济计量理论方法以及应用问题，以经济计量学为主体内容的数量经济学始得在中国播种开花。
中国数量经济学是按两条主线发展的。一条是数量经济学的理论方法研究，另一条是数量经济学的应用研究。在经济计量学传入中国之初，早先面世的成果主要是教科书和译著，此后陆续有专著面世，多是关于计量经济学的经典。20世纪90年代以后，数量经济理论方法成果日渐增多，研究走向纵深，成果的技术含量逐步提高，领域不断扩大，研究也由浅入深、由点到面，方方面面多有涉猎，如概率模型设计问题、无限分布滞后模型、谬误回归、跨时横截面的混合数据方法、数据缺失非随机样本问题、非线性经济模型、虚拟变量回归模型、回归模型的函数形式、概率分布特征、联立方程系统识别问题、时间序列的动态设定问题、贝叶斯推断问题等，这类研究成果多以学术论文的形式出现，促进了高级经济计量理论方法在中国的传播和发展。
中国数量经济学发展的另一条主线是对现实问题的应用研究。这条主线有着鲜明的时代印记，研究的对象多是特定时期社会重大问题、热点焦点问题。20世纪80年代初，一些学者用计量方法分析解决彼时中国的经济，研究的领域多是各行业、各部门的问题。进入21世纪，特别是年后，经济计量学作为经管类专业主干课程的地位在高校确立，这使得模型和方法在现实问题研究中的应用更加广泛，如经济全球化、可持续发展、经济周期波动、社会福利成本、经济转型等。进入中国特色社会主义新时代，数量经济学的应用研究主题又有所变化，如全要素生产率、制造强国建设、乡村振兴战略实施、“一带一路”倡议、区域价值链构建、绿色金融体系、经济高质量发展、资源节约与环境保护、巩固脱贫攻坚成果等。这些学术成果，多以模型为工具，以定量研究为主要特征，向精细化方向推进，学术味日渐浓厚。值得注意的一种动向是，国内应用性研究成果并没有摆脱西方宏观经济学、微观经济学的印记，一般均衡、总供给与总需求、价格粘性、弹性汇率、乘数原理、消费与储蓄等概念范畴经常出现在数量经济学论文中。
中国数量经济学一方面在理论方法上丰富发展，另一方面也在向应用领域的广度和深度推进。但两条主线的发展是非均衡的。中国的经济学者一直紧跟时代潮流，追踪时代热点，取得了许多有价值的研究成果。而关于数量经济学理论与方法的研究却滞后于应用研究。面对日新月异的经济问题，数量经济学理论有时很难给出答案，数量模型也拿不出破解之策。更大的缺憾是，数量经济学的学科属性至今仍无定论。一说是数量经济学即计量经济学；另一说是数量经济学是规律性学科，有特定的研究对象；还有一说是数量经济学并非学科只是一个学派。第一种观点认为，国外只有econometrics（经济计量学），而数量经济学的英文名为quantitativeeconomics。因此，数量经济学也就是中国化的经济计量学，是中国学者对经济计量学的另一种叫法而已。第二种观点认为，数量经济学是一种融合多学科知识的方法论、交叉应用性学科，是庞大经济学科体系的一个分支。第三种观点认为，数量经济学是经济科学的一个学派、一个新的重要组成部分，而不是一门学科。由于数量经济学学科属性的分歧，数量经济学科的知识体系仍未形成定论。换言之，迄今还没有边界清晰的中国数量经济学范式，学科的发展方向也呈多元化趋势。更值得忧虑的是，数量经济学至今没有堪称经典的、具有重大影响的教科书，也没有系统深刻论述其学科范式的、权威的扛鼎著作。
模型崇拜与模型应用的失范
无论是理论研究还是应用研究，数量经济学的发展过程中都有一种明显的倾向，那就是模型崇拜。20世纪50年代，诺贝尔经济学奖得主阿罗（KennethArrow）、苏格兰经济学家布莱克（DuncanBlack）等人就开始尝试用数量模型来预测选举、投票及利益集团的行为。如今，学界有一种普遍的认知：一切经济学研究成果只要使用了模型，就贴上了科学的标签，水平就是高的，结论就是可靠的。不单单是在经济学领域，包括政治学、社会学领域，数量模型和方法都开始渗透。在当下的经济学研究中，模型的应用已成为一种时尚，没有模型就没有了研究、就没有了思考。这种观点促使经济学研究中各种实验方法、理论模型、机器学习和软件开发等应运而生，为数量模型的广泛应用造成了推波助澜之势。一大批学者，尤其是海归学者、青年学者都十分热衷于使用数量模型进行各类经济问题的分析。特别是经济学论文的创作中，一些有影响的经管类期刊甚至都把是否有模型作为选稿用稿的重要准则。于是，经济学领域众多的新问题，如供给侧结构性改革与经济增长内生动力问题、中国与“一带一路”国家间产业转移问题、推动中国经济中高速增长问题、数字普惠金融创新风险与监管问题、建设世界科技创新强国成效问题等，都成为当代学者们进行量化分析的对象。现在，数量模型已成为许多学者进行经济学研究的首选法器，建模理论已成为数量经济学知识体系的圭臬。
令人遗憾的是，对数量模型的崇拜或者迷信并没有得到令人欣喜的回馈。经济学研究中数量模型的设计及其对问题的分析，常常给不出令人信服的结论，展示应有的捕捉真实客观世界的能力。当经济学者运用各种数量模型煞有介事地进行经济预测时，结果却常常让人大跌眼镜。模型发现不了问题，发现了问题也给不出解决问题的办法；该发生的问题依然发生，当问题已然发生并在向糟糕的方向恶化时，模型也不能给出阻止状况恶化的高招妙策。运用数量模型，经济学家无法预测出次贷危机的发生，由次贷危机引发的全球性金融危机发生后，数量模型的推演也无法给出解决危机的办法。全球性经济危机时的经济滞胀问题、新冠肺炎疫情下经济的复苏问题、建设制造强国的技术创新问题、各种宏观经济政策效应的测度问题等，相关数量模型分析的结果都难说差强人意。大量的事实已经证明，感觉良好的经济学帝国主义和精英模型已经捉襟见肘。
19世纪英国数学物理学家开尔文勋爵（LordKelvin）曾有过这样一句话：“你能测量你所谈论的事物并将它用数字表示时，你对它便是有所了解，当你不能测量它、不能将它用数字表达时，你的知识就是贫瘠的，不能让人满意的。”正是这句话成了许多数量模型追捧者的护身加持，促成了众多经济学者在经济学研究中都刻意追求使用数量模型，而不论其是否合适或者是否必要。克鲁格曼（PaulR.Krugman）曾针对这一现象说：经济学家们过分热衷于炫耀数学才华，这个群体忽视追求真相，乐于被光鲜的数学外衣迷得晕头转向。的确，数量经济学理论和应用研究中，不少经济学者乐此不疲地玩数学符号而漠视经济现象的本质内涵，他们的学术研究脱离现实生活，陶醉于一个虚妄的、自以为美妙的经济学逻辑怪圈，陷入一个由模型构成的公式化世界而不能自拔，而研究者浑然不觉，或者知晓但乐得其所。
现在，不少学者的数量研究程序往往不是先选择问题，然后再依据问题选择研究方法和搜集数据，而是根据研究方法和搜集到的数据来选择研究问题。他们是为了模型和方法而研究，而不是为了发现和解决经济问题而研究。他们追求成果形式，而漠视成果的内容。宾夕法尼亚大学斯罗德（PhilipA.Schrodt）早已觉察到这种现象。他指出，定量研究已经故步自封，其在学术圈的传播与蔓延已滋生了一种傲慢情绪，形成了一种定量霸权。由数量模型得出的结论，已被普遍地认为是一种科学的、完美的、毋庸置疑的高端真理。但事实上，大多数的模型测度和分析只是一种科学的表象，而非事物的本质和实际状态。数量模型与现实世界的关联性表现得并非淋漓尽致，而是模棱两可。在复杂的经济问题面前，经济学家们无力用更加直接、易懂的语言来展现其所擅长的知识，揭示事物演化的规律。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，结论便有了合理性和科学性。事实上，经济学者和经济学家所设计的模型，相当多都是象牙塔里的产物，他们的结论有时就在假设中，他们使用的数据通常是经过一次或多次差分过，或一次或多次修匀过。那些数学符号、方程式里没有产业结构的演进和全球市场的变化，也没有技术创新和国家能力，只能沦为一些学术精英互相欣赏的“智力游戏”。
从曲高和寡到走向实际
数量经济学自身在发展的过程中也暴露出诸多问题。一方面，理论方法少有技术上的重大突破；另一方面，应用成果的科学性、精准性也得不到有效验证。在经济预测时的判断失灵，对重大危机无计可施，常使得数量经济学陷入难堪的境地。有学者认为，数量经济学的发展现实与理想渐行渐远，数量经济学只有数量的增长，而少有质量的突破；数量经济学远离现实，缺少重大理论创新，看不出卓越贡献。因此，数量经济学需要走下神坛、回归本原、贴近实际。
事实上，模型不是万能的，也有刻画不了的现象和分析不了的问题。所以，经济学者不能迷信模型，也不能把自然科学的方法无限延伸到社会科学；不能把脑袋中建构出来的那些虚无缥缈的蓝图当成社会的真实图景，以为一切尽在自己的掌握中。那种一切经济问题都可依靠模型来解决的定量霸权思维，把数学理论当作判定事实的决定性依据，混淆了客观事实与数学推理，模糊了科学与伪科学的区别。
数量经济学要发展，需要跳出科斯（RonaldCoase）所批评的“黑板经济学”的窠臼。数量经济理论不能停留于计算机上的模拟，止步于沙盘上的推演，也不能满足于逻辑上的自圆其说和理性经济人的心理预期。经济科学的一切理论、方法只能来自于伟大实践，能否准确回答和解决好现实问题是检验一切经济学理论和方法科学性、有效性的根本准则。数量模型需要有哲学思维和人文情怀。模型所谈论的合作应该是人的合作，而不是木头的合作；模型所讨论的竞争应该是人的竞争，而不是天使的竞争；模型所探讨的博弈应该是以人作为主体的博弈，而不是计算机的博弈。数量经济学理论方法的发展必须有超强的刻画真实世界的能力，必须能直面真实世界的复杂和挑战，具有强烈的问题意识，敢于回答和解决重大现实问题。这是当前和未来较长一段时期数量经济学知识体系或学科范式建设不能回避的重大责任。
数量经济学的应用，要扎根于实践，始终以推动人类进步和经济发展为目标，解决实际问题，体现科学精神，为人类创造福祉。应用研究要从实践中来，到实践中去；经济学理论方法的发展要契合中国发展实践，服务中国经济增长，真正把经济学论文写在祖国大地上。这是中国数量经济学肩负的历史使命和重要任务。年诺贝尔和平奖得主（集体）——帕格沃什科学和世界事务会议曾通过了一个《维也纳宣言》。宣言声明：世界各国的科学家都有责任，通过让民众广泛知晓由自然科学之史无前例的增长所带来的危险和提供的潜能，而在民众教育方面作出贡献。这显示，科学家这一群体因为具有专门的知识，对于一个时代最紧迫的问题具有专门的本领，则顺理成章地要肩负特别的社会责任。由是，数量经济学的应用研究只有承载了社会责任和时代使命，才是真学问、大学问，才是真正的科学，才会有生命力。数量经济学的一切研究必须求真求是，蕴含时代精神、充满人文气息；必须尊重客观经济事实，运用科学手段作出科学认知，进而得出经得起实践检验的科学结论，自觉地维护正确的价值判断和社会公众利益。
数量经济学的发展还必须充分依靠数据、挖掘数据。没有数据，数量经济学理论方法就成了空中楼阁；离开了数据，模型也就成了无源之水。经济学分析中的数据主要有三类：截面数据、时间序列数据和面板数据，此外还有选择性样本数据、计数数据等。这些数据的挖掘和开发催生了数量经济学的经典建模理论、参数求解方法和各种检验等，这也构成了数量经济学科的核心知识。数据的可得性对于数量模型极其重要，在研究对象中哪些因素是内生的，哪些是外生的，哪些是前定的，哪些是限制性的，都有赖于数据导向路径，只有数据充足、要件具备方可实现研究目标。因此，数量经济学的发展离不开数据处理技术，离不开统计技术、计算技术、信息技术的创新。在大数据时代和人工智能迅猛发展的背景下，数量经济学者需要面对新要求、适应新环境，充分利用各类数据，提高经济计量模型设计的科学性和应用的精准性。
科学研究永无止境，学科发展未有穷期。数量经济学不但要自省现实的舛误，还要突破历史的局限；不但要承担理性思考，还要展开勇敢的批判。唯有如此，数量经济学才能更好地走向实际并服务社会。
（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特聘教授）
原标题：《李金华：把握中国数量经济学发展的现实逻辑》