校  编：多  尔

来  源：Too much Maths, too little History: The problem of Economics；伦敦政治经济学院经济史系；视频资料可见 LSE 官方网站及相关公开发布平台

 

Lord Robert Skidelsky

英国经济史学家、作家与上议院终身贵族议员，现为华威大学政治经济学名誉教授。他以撰写关于约翰·梅纳德·凯恩斯的三卷传记闻名，该作品被视为凯恩斯生平与思想的权威研究，曾赢得多项历史与传记类大奖。Skidelsky在经济学方法论、财政政策及技术变革的政治影响等领域有广泛写作和评论，是经济思想界的重要声音。

Robert Skidelsky：

女士们、先生们，我与同事 Chang Ha-Joon 博士的职责，便是试图向诸位阐明这一命题的合理性：在当下教学与研究范式下的经济学中，存在着数学运用过度、历史研究不足的问题。我们不妨从一个显而易见的问题切入：人们为何研习经济学？本质上，是为了理解经济体的运行逻辑。而理解这一逻辑存在两种截然不同的路径，即数学推演与历史溯源，二者在认识论层面呈两极对立之势。

先谈数学。数学研究试图实现且宣称能够达成两大目标：其一，探究具有必然真理性的命题，这也是逻辑学的核心范畴；其二，推导可被证明的命题。经济学家对数学的推崇，实则聚焦于其二，即借助数学生成可证命题。但经济学所应用的研究对象是社会系统，该系统具有高度复杂性，复杂到无法通过数学获得可靠的证明结果，这就使得经济学家极易陷入对数学的第一种认知，即我所称的柏拉图式数学观。纵观经济学发展历程，总能发现经济学家将数学奉为构建严谨且精妙的经济学定律的通途，正如一位知名经济学家所言，这类定律堪比天体力学定律。2008 至 2009 年金融危机后，诺贝尔奖得主 Paul Krugman 的表述，精准概括了这种极具诱惑力的柏拉图式认知倾向：经济学界之所以走入歧途，是因为经济学家群体将披着晦涩数学外衣的形式美感，误作客观真理。经济学家沉迷于理想化的传统经济图景 ——理性个体在完美市场中互动，而此番不过是为这一图景披上了繁复的数学外衣。这种悄然向柏拉图主义的偏移，能够解释诸多学者所发现的一个现象，即数理经济学具有强烈的规范导向性。

经济学模型与飞机模型截然不同，后者是现实世界的微缩复刻，而经济学模型则通过一系列假设逼近现实。理论上，假设的选取应基于其对现实的解释力，但实际操作中，假设的选择往往出于便捷性考量，典型表现为通过排除无关变量实现方程的可解性。但需明确，这些变量排除行为属于主观选择，我们必须始终牢记，其划定了研究的核心问题，亦引导着研究的路径走向，本质上映射着经济学家的价值判断。一旦进入基于假设的数理建模阶段，经济学家实则是将自身认定的重要问题纳入研究框架，同时框定了问题的讨论范式，排除了其他可能的分析视角。这种排他性，加之数理经济学几乎无法实现任何命题的严格证明，使得数理经济学产生了一种强烈的倾向：迫使现实世界向模型靠拢，而非让模型贴合现实。这是数理经济学存在的一大关键偏误。

那么，历史在经济学中应扮演何种角色？我认为，历史的核心作用是为经济学提供现实校验。诸如 “风险（risk）在平均水平上被合理定价” 这类金融理论命题，若结合金融市场的实际运行规律与经济史的客观事实，根本无法成立。能够为经济学提供有效现实校验的历史分支，包括经济史、经济思想史以及政治社会史，但这些学科在标准经济学课程体系中均被排斥或边缘化，其教学空间基本被数理经济学挤占。经济学排斥历史的背后，存在着一种隐性的深层原因，即学界普遍认为，历史所能为经济学提供的启示，均已被纳入最新的经济学教材。这一荒谬的认知，对经济学研究造成了严重的负面影响，其根源在于笔者所称的物理学情结—— 这是诸多经济学家均易陷入的认知误区。经济学始终渴望跻身硬科学之列，若将经济学等同于自然科学，便会认为历史的经验教训已融入最新的经济学模型，回顾历史上的理论谬误便毫无意义。

19 世纪初，Jean-Baptiste Say—— 其因萨伊定律（Say’s Law）闻名 —— 便曾言道：研究那些早已被推翻、理应被摒弃的荒谬观点与理论，究竟有何实际价值？试图重拾这类理论，不过是无意义的学究行为。一门科学的发展越完善，其历史便越简短。面对理论谬误，我们的使命并非重拾，而是彻底遗忘。经济思想史的研究境遇恰是如此，当代经济学课程完全奉守 Say 的这一信条，将梳理过往理论谬误视为教学的排斥项，这也是绝大多数经济学课程体系中，经济思想史研究几近空白的根源 —— 学界认为这类研究不过是对谬误的复盘，而我们早已超越这些谬误。但事实恰恰相反，研究经济思想史的核心意义，在于让我们认识到，经济学领域的核心争论从未真正解决，且至今仍困扰着学界。货币数量论是否成立？政府支出是否具有天然的低效性？经济学家对这类问题的分歧始终存在，当代各经济学流派，实则都是这些历史争论的延续。若仅以主流教材的单一视角对这些争论进行简化阐释，将彻底消解经济学的丰富性、多元性及其对现实的解释力。

掌握经济思想史知识，能够让经济学家摒弃自负（hubris），避免对自身推崇的学派 —— 无论是新古典学派还是后凯恩斯学派—— 持有绝对的认同。因此，经济学家不应追求构建一套全面、普适、永恒的经济学理论，而应致力于理解并紧跟持续演变的经济系统。研究历史能够清晰揭示，经济学命题的真理性具有语境依赖性。例如，无人能否认凯恩斯革命源于大萧条的时代背景，也无人能否认 Friedman 的货币主义是对 20 世纪 70 年代通货膨胀的理论回应。再举一个颇具争议的例子，19 世纪 70 年代的边际革命，实则是对 Marx劳动价值论的反驳，而 “生产要素按其边际产品获得报酬” 这一观点，实则是对企业家社会价值的明确肯定。

经济学家试图通过大量运用统计学与计量经济学，为经济认知融入历史视角，但 Robert Solow 在其一篇极具参考价值的论文中精准指出：一切狭义的经济活动，均嵌入于由社会制度、习俗、信念与态度构成的网络之中，经济活动的具体结果，无疑会受到这些背景因素的影响 —— 部分因素缓慢渐变，部分因素则突变无常。一旦时间序列足够长，有望对不同假说进行区分时，其平稳性便会大幅降低，噪音水平也会相应上升。在此情况下，只需稍加巧思与持续尝试，研究者几乎可以得到任何期望的研究结论。

最后，历史向我们揭示，经济思想的形成始终映射着权力结构。金融理论的发展，实则反映了银行业摆脱国家监管的利益诉求，这一点毋庸置疑。

我以一核心观点作结：经济学的发展路径，并非从具体到一般，这是学界的一大认知谬误。经济学并非始于局部且不完备的理论，再通过数学推演逐步发展为更具一般性的理论，进而不断接近经济生活的客观真理 —— 这是自然科学的发展模式，却从未适用于经济学。我倡导 “因地制宜” 的经济学研究理念，即针对不同的问题与场景，选取适配的经济学分析方法，而非预设某一种方法具有绝对的优越性。例如，发展经济学对数学工具的需求相对较低，因为其核心研究问题聚焦于政府治理；反之，若要预测某一特定产品或经济部门的供需状况，数学工具则具有极高的实用性，甚至是不可或缺的。由此可见，数理微观经济学确有其研究价值，甚至至关重要。但即便如此，标准经济学课程体系中历史维度的缺失，实则是该学科多元性与想象力丧失的表征，经济学研究已陷入自满，其诸多理论框架也已趋于陈旧。

如今，学生从大学毕业时，往往认为经济学研究仅有唯一范式，即大学一、二、三年级所教授的方法。这种研究范式的单一性，滋生了学界的智识傲慢，经济学家将非自身研究范式的经济学研究视为低阶研究，即便表面上表现出包容，其背后的优越感也不言而喻。笔者希望今晚的交流能够保持理性与平和，而对历史的认知，理应让经济学这一学科摒弃傲慢，更具现实价值。

Francesco Caselli

意大利裔经济学家，现任伦敦政治经济学院（LSE）诺曼·索斯诺教授及经济学系前任系主任。他的研究涵盖宏观经济学、经济发展与增长差异等领域，是英國學術界的资深学者。Caselli曾在芝加哥大学与哈佛大学任教，担任多个顶级经济学期刊的编辑职务，并当选英国学术院与计量经济学会院士。

Francesco Caselli：

感谢 Skidelsky 勋爵的分享，接下来由我发言，我绝不会抱有任何居高临下的态度。各位，我并不确定经济学研究中是否存在数学运用过度的问题，或许是过度，亦或许是不足。作为开场，我认为最有意义的方式，是向诸位阐释数学于我这位经济学家而言的价值、我的使用方式 —— 毕竟我确实会运用数学工具，以及我为何会使用它。我的研究始终始于观察，从未例外。我始终致力于发掘那些看似令人困惑、难以理解且具有重要研究价值的事实。经济现象不断发生，而经济学家的核心使命，便是解释这些现象背后的成因。从诸多层面而言，经济学本质上就是一门历史学科，因为其研究对象是已然发生的事件 —— 这些事件或许由历史学家、记者记录，或许蕴含于数据之中。当发现这些客观事实后，经济学家会如同历史学家一般，对其进行解读、分析，构建叙事逻辑，阐释具体情境下的事件成因。

我的研究几乎从未以数学为起点，而是始于直觉、预感，始于脑海中用文字构建的叙事逻辑。我会先以文字梳理思路：这一事实十分有趣，无论是当下发生还是两百年前发生，其背后的成因究竟为何？或许可以构建这样的解释逻辑：事实 A 引发事实 B，事实 B 进而引发事实 C。这一过程，便是理论构建的过程，而理论构建并非必然需要数学工具。社会学、历史学均有其理论体系，任何对现象的解释，本质上都是理论的构建。但无论以文字还是数学表达，任何理论都应具备逻辑一致性，能够自圆其说，无遗漏、无谬误，避免推导偏差。

那么，数学工具的价值究竟何在？于我而言，我会先以文字构建叙事逻辑，再尝试以数学语言重构同一逻辑，这一过程的价值在于：人的理性思考存在局限性，我无法仅通过文字思考，穷尽论证过程中的所有潜在疏漏，而数学工具能够及时揭示这些疏漏，发出警示：你的叙事逻辑过于简化，存在未考虑到的变量。

我举一个简单的例子，便于非经济学专业的诸位理解。我的同事 Steve 是一位劳动经济学家，其研究聚焦于工资变动对劳动供给的影响，即工资上涨后，劳动者的工作意愿是否会提升。若仅以文字进行简单分析，很容易得出一个看似合理的结论：工资上涨，劳动者的工作回报增加，其工作意愿理应提升，进而可能直接将这一结论作为研究基础。但倘若强制自己以数学语言重构这一分析逻辑，便会立刻发现分析的疏漏 —— 这一点经济学专业的诸位应当熟知：工资上涨后，劳动者的可支配收入增加，其对闲暇的消费能力也随之提升。因此，工资上涨对劳动供给的影响具有不确定性，既可能促进劳动供给增加，也可能导致其减少。由此可见，若仅依赖文字分析，极易陷入认知偏差，而数学工具能够有效规避这一问题。

这是我运用数学工具的第一种方式：将其作为思维工具，排查推理过程中的谬误。但需明确的是，研究的起点并非数学，这一点至关重要。若仅因数学推导结果与简单直觉相悖，便直接向同行宣称 “数学推导表明结论如此”，必然会遭到学界的质疑。我必须回归文字分析，理解数学推导背后的逻辑：为何最初的直觉存在偏差？遗漏了哪些变量？若数学推导缺乏文字逻辑的支撑，无直觉、无推理的佐证，那么这一推导结果便不构成有效的经济学研究结论。

因此，经济学研究中，文字叙事与数学叙事是相互印证、相辅相成的双重逻辑。数学叙事能够让研究者保持审慎，而文字叙事始终是研究的核心。这也是我教授经济学的核心理念 —— 修读过我课程的诸位应当知晓，我的课堂中几乎不使用数学工具，我认为经济学的核心知识，均可通过文字进行讲授。但倘若未事先以数学工具校验推理逻辑，我也无法确信文字阐释的准确性，而在完成数学校验后，便可以依托文字阐释进行教学。

我运用数学工具的第二种方式，在微观经济学领域愈发重要 —— 这一方式与计算机技术高度适配，且恰好反驳了方才支持 “数学过度、历史不足” 这一观点的学者所提出的 “数学工具无法应对复杂经济问题” 的论断。笔者认为事实恰恰相反，数学工具是应对复杂经济问题的绝佳手段，即便是比我更具智识的学者，也难以仅凭文字分析应对高度复杂的经济问题。

以微观经济学为例，当经济系统遭受外部冲击时 —— 如政府实施财政紧缩政策、央行调整利率—— 这一冲击会影响数百万经济主体的行为，包括消费者、企业、政府其他部门、境外经济主体。这些经济主体的行为回应，又会引发其他主体的后续回应，即产生第二轮效应：企业的行为影响消费者，消费者的行为影响政府，政府的行为又反作用于企业。目前，几乎无人能够梳理清楚这一错综复杂的连锁反应与反向反馈逻辑。但倘若能够对经济主体的信息处理方式与行为决策逻辑进行合理刻画 —— 这是一个重要前提 —— 便可以将其转化为数学模型，植入计算机系统，进而模拟经济系统的整体回应，构建相应的叙事逻辑。

以上便是我认为数学工具具有重要价值的原因，它是我研究工具箱中的核心工具，但并非唯一工具，也非首要工具。研究的起点，始终是文字层面的逻辑思考，而失去数学工具，经济学家便如同工匠失去了一件核心工具。

接下来，我针对方才的分享，作几点即兴回应。我认为，学界对经济学存在一大核心误解，且这一误解并非仅针对数学工具的运用。首先，我想提出一个一般性观点：学界极易将数学工具的运用，与经济学存在的其他问题相混淆。若本次讨论的主题是经济学的其他潜在问题，我或许会站在批评者一方。例如，学界对数学工具运用的讨论，往往与经济学假设的合理性、现实性，以及假设是否应随时代演变的讨论交织在一起。若针对这一主题展开讨论，我会深表认同，因为经济学的假设体系确实存在诸多问题，例如对经济主体完全理性、完全信息能力的假设，但这些问题与数学工具本身无关：即便仅以文字分析，不合理的假设也会推导出无效的结论；同理，数理分析中，不合理的假设同样会产生无效结果。反之，合理的假设下，无论文字分析还是数理分析，均能得出有效结论。因此，必须明确区分两个议题：经济学假设的合理性问题 —— 笔者认为诸多假设均不合理，以及数学方法论的运用问题，二者完全相互独立。

其二，另一大严重的学界误解是：经济学存在一套统摄一切的模型，所有经济学家均受制于这一模型，并试图将所有经济现象纳入其中。这一认知与事实完全相悖，Paul Krugman 的相关观点亦非我所认同 —— 况且，Krugman 已多年未参与经济学的学术研讨会。回归我的研究逻辑：观察现象，构建叙事逻辑，而非将现象强行纳入某种柏拉图式的万能模型。正如 Robert Solow 所言，经济学研究应 “因地制宜”，针对具体问题，构建适配的分析模型与叙事逻辑，这也是学界的普遍做法。

关于历史，我无需过多赘述，因为经济学研究中早已融入了大量的历史维度。我举一个具体的小例子，虽非决定性证据，但足以说明问题：我校经济系自今年起，每年将为两篇最佳博士学位论文颁发奖项。论文的研究主题涵盖当下的热点问题，如大衰退、孟加拉乡村的发展、当代劳动力市场等，而今年的两位获奖者，其研究主题均为历史问题：一位研究拿破仑大陆封锁政策对法国棉纺织业发展的影响，另一位研究 19 世纪末欧美电报网络整合的经济后果。正是被认为 “无视历史” 的经济学家，将最佳博士论文奖颁给了这两位历史经济领域的研究者。

此外，经济学家始终与数据打交道，而分析数据的过程，本质上就是对历史的研究 —— 数据承载着历史信息，经济学家的使命，便是解读这些历史信息。因此，笔者认为，经济学家在很大程度上，就是历史学家。

Ha-Joon Chang

韩国发展经济学家，现任英国东方与非洲研究学院（SOAS）经济学研究教授，专长制度经济学与发展政策研究。张夏准长期关注历史经验与现实政策的结合，批评单纯依赖自由市场理论，强调国家在经济发展中的积极角色。他的著作如《踢开梯子》和《资本主义不告诉你的23件事》在全球广泛流传，对主流经济学提出深刻质疑

Chang Ha-Joon：

感谢诸位的到来，也感谢主办方组织这场精彩的交流活动。我想以《生活大爆炸》中 Sheldon Cooper 博士的一句话开场 —— 在他看来，其是继 Stephen Hawking 之后最伟大的科学家 —— 他认为，解开宇宙的奥秘，需要三大工具：数学、科学与历史，其中，并无经济学的一席之地。

诚然，不少人认为历史研究枯燥且无实际价值，正如根据 Alan Bennett 的经典戏剧改编的电影《历史系男生》中，Raji 这一角色 —— 由年轻的 Russell Tovey 饰演 —— 被历史老师要求定义历史时，给出了一个简洁且令许多人认同的答案：历史，不过是一件事接着另一件事。

如今，诸多经济学家将历史研究视为低阶的智识活动，其价值堪比观看火车运动、收集宝可梦卡牌。当然，这一认知正逐渐改变，但不可否认的是，经济学界存在着一种明显的智识层级：研究内容与现实世界的关联度越低，其智识层面的 “优越感” 便越强。若你是顶尖的学者，便会研究与现实几乎无关的数理建模问题，例如图灵机—— 当然，我并非否认这类研究的价值，但这类学者却被视为比其他研究者更具智识优势。若你的能力稍逊一筹，便会成为计量经济学家，但核心工作并非简单的回归分析，而是计量理论研究；若你的能力再弱一些，便会从事宏观经济学研究；若你的能力仍有不足，便会成为像我一样的发展经济学家；而若你的能力被认为 “垫底”，便会成为经济史学家。倘若你还在通过走访调研工厂管理者，试图理解企业的生产组织方式，那在部分人看来，你一定存在某种问题。

这种智识层级并非经济学界独有，例如《生活大爆炸》中便有明确的层级划分：理论物理学家居于顶端，实验物理学家次之，而仅毕业于麻省理工学院、从事工程学研究的 Howard，则被视为层级最低的群体。我并非说经济学家的这种认知是特例，但这种认为抽象理论与数理建模至高无上的思维，确实影响深远。但笔者认为，经济学家必须研习历史、理解历史，并从历史中汲取经验教训，究其原因，至少有五点：

第一，这是一个显而易见却至关重要的观点：历史是现实的源头，若无法理解过去，便无法真正认知当下。这一命题看似浅显，却常被学界忽视。

第二，人们对历史的认知 —— 或更准确地说，人们自认为的历史认知 —— 会通过影响决策塑造现实，并进而影响未来，这其中也包括经济学家构建经济学模型的决策。尽管部分经济学家声称，制定政策建议无需任何历史知识，但事实上，诸多政策建议均以历史案例为支撑。例如，倡导自由贸易的经济学家，其最有力的论据便是：英国与美国正是凭借自由贸易成为经济超级大国。没有什么比真实且成功的现实案例，更能说服他人认同政策的合理性。若要推行反通胀政策，便会以联邦德国与津巴布韦为案例，而非 20 世纪 60、70 年代通货膨胀率接近 20%、但经济实现高速增长的韩国。经济学家往往会选取这类选择性的历史案例，这一现象在学界十分普遍。笔者曾撰写多部著作，揭示英美自由贸易的官方历史叙事存在严重偏差：18 世纪末至 19 世纪初，英国是世界上贸易保护主义最严重的国家；而自 19 世纪 30 年代起的 120 年间，美国始终是贸易保护程度最高的经济体。若学界知晓这些历史事实，无论是自由贸易的理论倡导者还是政策制定者，其对自身政策的信念都会动摇，也难以说服他人认同自由贸易的合理性。

第三，历史研究能够让我们对诸多被视为理所当然的经济学假设提出质疑。即便诸位认为这一观点早已是共识，但这些认知从未真正融入经济学教育之中。例如，如今诸多不可买卖的事物 —— 人类、劳动力、童工服务、政府职位 —— 在过去均是完全可交易的；反之，100 年前甚至 50 年前不可交易的事物，如今却成为市场交易的核心标的，例如各类金融衍生品。许多国家直到 19 世纪末才设立专利制度；而金融衍生品之所以发展成如今的规模，仅仅是因为 1982 年，美国两大金融监管机构认定，可基于通货膨胀率、天气等无法实际交付的标的签订金融衍生品合约。这一认定催生了一系列全新的金融产品。了解这些历史事实后便会发现，所谓 “自由市场的边界是由永恒的科学定律划定、政治逻辑不应介入” 的观点，实则毫无依据，市场的边界本质上是由政治与伦理决策所界定。再举一例，若知晓 20 世纪 50 至 70 年代 —— 即所谓的资本主义黄金时代—— 是发达资本主义经济体历史上增长最快的时期，而这一时期恰恰伴随着严格且持续加强的监管与高税收，便会对当下 “减税与放松监管是实现经济增长的最佳方式” 的主流认知提出质疑。20 世纪 40 至 50 年代，美国的两位总统 Harry Truman 与 Dwight Eisenhower，甚至被部分人视为 “偏左”，在其执政期间，最高个人所得税率高达 92%，但在此期间，美国的人均经济增长率仍达到 2.5%；而在过去三十年的新自由主义实践中，美国的人均经济增长率仅为 1.5%。了解这些历史数据后，人们便会对经济学的底层假设产生新的思考。

第四，历史研究能够让我们看清经济理论的局限性。正如笔者所言，现实往往比理论更复杂，历史上诸多成功的经济案例 —— 无论是国家、企业还是个体层面 —— 均无法通过单一经济理论得到充分解释。Robert 曾提及经济学存在诸多不同流派，笔者在《经济学的用户指南》一书中也曾指出，经济学至少存在九大流派，且各流派均有其优势与不足。这些流派的诞生，均是为了解决特定的经济问题，其背后依托着不同的政治假设、人性假设与伦理假设，适用于不同的研究场景与问题。为阐释这一点，笔者以 “新加坡难题” 为例：在主流的全球化报纸与书籍中，新加坡的成功仅被归因于自由贸易政策与对外国投资者的开放态度，但这些叙事却忽略了以下事实：新加坡 90% 的土地归政府所有，85% 的住房由政府所有的住房公司提供，实行强制储蓄制度，且国有企业创造的产值占 GDP 的比例高达 22%，其中便包括著名的新加坡航空公司。笔者曾向研究生提出问题：请找出任意一种经济理论 —— 无论是新古典主义、凯恩斯主义、制度主义还是重商主义 —— 能够单独解释新加坡的经济成功。答案是，不存在这样的理论。因此，要理解现实经济，必须掌握不同的经济理论与历史经验，即便是分析数据，也需要深厚的历史知识支撑。例如，在分析经济开放度与经济增长的回归模型时，学者通常以有效保护率或其他指标衡量开放度，但倘若不了解研究对象的历史，便极易出现研究偏差。以 20 世纪 60 至 80 年代的韩国为例，政府实施严格的外汇配给制度，使得关税税率几乎失去实际意义 —— 无论关税税率高低，政府均可通过掌控银行拒绝为企业提供外汇。若了解韩国的这一历史背景，便会对以关税数据衡量韩国开放度的做法提出质疑。笔者因研究韩国而知晓这一事实，但世界上还有 50 至 70 个国家存在类似情况，其关税税率同样不具备实际参考价值。因此，即便是合理运用数据，也需要掌握研究对象的历史细节。

最后但同样重要的一点是，研习历史是经济学家的道德责任，其目的是尽可能减少以人类为对象的现实实验。这是一个严肃的问题：经济学家的理论与政策，实则已造成了大量的人类悲剧，例如苏联的计划经济、转轨国家的 “大爆炸” 式市场化改革、大萧条后的紧缩政策，以及发展中国家的结构调整计划，这些政策均摧毁了无数人的生活。当然，研习历史并不能完全避免重蹈覆辙，但能够大幅降低犯错的概率。因此，出于道德责任，经济学家必须研习历史。

以上是笔者的核心观点，接下来我想从更实际的角度展开论述。诸多经济学家虽认同历史研究的价值，但在制定课程体系、分配教学课时时，却以 “需要教授大量数学知识” 为由，舍弃历史课程，甚至声称 “学生可以自学历史，但若不系统教授，学生便无法掌握数学”。笔者认为这一观点存在严重问题：若仅口头认同历史研究的重要性，却未在教学中落实，那这种认同便毫无意义。若真的认为历史研究至关重要，就必须将其纳入课程体系，进行系统的教学。因为历史研究并非简单的文字阅读，其需要特定的推理方式、理解能力与实证分析技巧，这些能力必须通过系统教学才能获得。若历史研究未被纳入课程体系，便无法期望学生主动开展相关研究。当下的学生为了求职，需要完成大量的实习，根本没有多余的时间自学历史。因此，若不将历史研究纳入经济学核心课程，即便学生有学习的意愿，也难以付诸实践。

James Foreman-Peck

英国经济学者、卡迪夫大学商学院名誉教授，专注经济增长、技术、人力资本以及区域与产业政策的研究，并积极推进经济史在理解现代经济问题中的作用。他曾任欧洲历史经济学会主席，并为多个政策机构提供咨询。作为本次辩论的主持人，他长期倡导历史方法与经济理论交融的思考方式。

Steve Pischke：

我绝不会像 Chang Ha-Joon 博士那样风趣幽默，我很喜欢支持方的诸位所讲的笑话与观点，但听下来发现，诸位的论述并未涉及我所从事的研究领域，也与我所接触的经济学学术现状不符。

Chang Ha-Joon 博士提及经济学界存在智识层级，数理经济学与计量经济学居于顶端，发展经济学则处于下游，因此我准备了一张图表，展示了不同年代克拉克得主的研究领域分布。克拉克奖由美国经济学会颁发，原每两年一次，现改为每年一次，授予美国学界公认的 40 岁以下最杰出的经济学家，这一奖项的选拔标准极为严苛，甚至超过了诺贝尔奖。图表中，蓝色代表理论经济学家，黄色代表实证经济学家，绿色代表实证方法论研究者 —— 当然，对学者研究领域的划分存在争议，但从图表中可以清晰看到，21 世纪 10 年代的过去 5 年里，没有任何一位数理建模研究者获得该奖项，事实上，其中一位获奖者是发展经济学家 Esther Duflo。若回溯历史，也极少能发现纯数理研究的获奖者。制作这张图表前，我原本认为数理与理论研究在经济学中的重要性曾远高于当下，但令我意外的是，即便是早期的获奖者，也有大量学者致力于数据分析与实证研究。

另一张图表也能印证这一观点：经济学的理论研究热度在 20 世纪 80 年代达到顶峰。这张图表统计了经济学三大顶级期刊的论文发表情况，将论文分为理论研究与实证研究两类，其中红色代表实证研究，蓝色代表理论研究。20 世纪 80 年代，经济学顶级期刊中约三分之二的论文为理论研究，而如今这一比例已降至三分之一，实证研究的占比则达到三分之二。

由此可见，经济学研究早已不再单纯聚焦于建模，而是大幅转向实证分析与现实问题研究。如今的诸多实证研究，并非高度数理化，也并非完全基于模型，而是以理论为基础，开展实证分析 —— 这一点学界已形成共识，因为理论能够为数据解读与分析提供支撑。

因此，笔者认为，当下的经济学研究中，实证研究占比更高、理论研究占比更低，且实证研究的质量也大幅提升，为经济学发展提供了诸多重要的洞见。我举两个具体的例子：

第一个例子是 Marian Bertrand 与 Sendhil Mullainathan 的研究，他们将伪造的简历投递给真实的招聘广告，所有简历的内容完全一致，仅在姓名上进行区分：一部分简历使用典型的白人姓名，另一部分则使用典型的黑人姓名 —— 这一点在美国很容易实现，因为不同种族的姓名存在明显的文化差异。研究发现，使用白人姓名的简历，获得面试邀请的比例约为 10%，而使用黑人姓名的简历，获得面试邀请的比例仅为 6%。这意味着，黑人求职者需要多投递 50% 的简历，才能获得与白人求职者相同数量的面试机会。这一研究具有深远的学术与政策影响，已在多个国家、不同场景下被反复验证，涉及不同种族、性别等维度，且均得出了令人信服的结论：劳动力市场中存在明显的歧视现象。英国首相近期宣布，大学入学申请将隐去申请者姓名，这一政策正是基于该研究的结论。此外，该研究的方法论并非经济学家首创，而是源于社会学家，经济学家借鉴了这一方法，并进行了本土化的改进与完善。

第二个例子是关于最低工资的研究。20 世纪 90 年代，学界开展了大量关于最低工资对就业影响的研究，结果发现，提高最低工资要么对就业无显著影响，要么仅造成小幅的就业减少。尽管学界对 “无影响” 与 “小幅影响” 存在争议，但核心结论一致：最低工资对就业的负面影响极小，这一结论对政策制定具有重要的参考价值。英国 2000 年推出全国最低工资制度，在很大程度上便是基于这些实证研究的结论。

需要说明的是，“最低工资对就业无负面影响” 的结论，与经典的竞争性劳动力市场模型相悖。根据该模型，劳动力需求曲线向右下方倾斜，提高最低工资理应导致就业岗位减少。但经济学理论具有足够的灵活性，能够解释这一实证结论，例如在存在市场摩擦的劳动力市场中，劳动者需要主动搜寻工作，此时提高最低工资便可能不会造成就业减少，甚至可能促进就业。

但同时也需注意，这些实证结论均基于最低工资水平较为温和的场景，如英美两国，这并不意味着将最低工资提高至 15 英镑或 20 英镑，仍能获得同样温和的效果。因此，在笔者看来，当下的经济学研究具有高度的应用性，紧密结合现实世界，能够为政策制定提供支撑，这与批评者所描述的 “脱离现实、纯数理化” 的经济学形象完全不符。

若经济学研究并非如批评者所言那般糟糕，为何其公众形象却不尽如人意？笔者认为，根源在于经济学教学与研究存在严重脱节：教学中过度聚焦于数学工具，缺乏足够的实证背景与应用场景，也未注重培养学生运用经济学工具解决现实问题的能力。

因此，笔者的结论是：我认同支持方的部分观点，经济学教学应适当减少模型与数学的比重 —— 是边际调整，而非全盘舍弃，正如我此前所言，数学工具具有重要的研究价值；同时，应在经济学课程体系中增加历史研究的内容，我对此持开放态度；此外，经济学家应加强与其他社会科学家的交流与合作，这一点并无不妥。但另一方面，笔者也对 “增加历史研究将彻底改变经济学” 的观点持怀疑态度。归根结底，经济学是一门社会科学，研究的是复杂的社会互动关系，其面临的问题具有高度复杂性，不存在简单的解决方案。加强与其他学科的交流虽能为经济学研究提供新的视角，但难以实现革命性的变革，让经济学彻底变成一门全新的学科。

即便在当下，经济学也早已是一门多元的学科，并非由推崇自由市场、主张小政府的学者所垄断，从 Joseph Stiglitz 到 Danny Kahneman，再到 Robert Lucas，学界存在着持有不同观点、提出不同政策建议的学者，且均在当下的经济学框架内开展研究。

现场讨论环节

主持人：

我想进一步探讨 Steve Pischke 教授提出的核心观点：经济学本科教学与学术研究之间存在脱节。这一区分值得深入讨论，我相信现场诸位也有自己的看法。我想请问各位嘉宾，是否认为 “数学过度、历史不足” 这一命题，适用于本科教学的程度，远高于适用于经济学研究与知识创新的程度？

Chang Ha-Joon：

我认为二者之间的脱节确实存在，课堂教学的内容与学界的研究前沿存在明显的滞后。但我认为，若仅通过 “小幅调整”—— 例如增加少量历史课程、减少少量数学课程 —— 无法解决根本问题。当下经济学本科课程体系的设计，存在一个核心假设：大部分学生将继续攻读研究生学位。但事实是，90% 的本科学生毕业后将进入职场，就职于私营企业、国际组织、非政府组织或智库等机构。对于这些学生而言，当下过于抽象、与现实脱节的课程体系，无法满足其职业发展的需求。这是一个我们必须直面的严重问题，不能仅以 “学界已有前沿研究” 为由，忽视本科教学的弊端。例如，学生在课堂上学习的是抽象的对偶定理与大量的数学知识，却没有时间学习其他与现实相关的内容。

Robert Skidelsky：

我完全认同 Chang Ha-Joon 博士的观点。我曾在华威大学多年负责批改硕士学位论文，发现所有论文的写作范式高度固化：先提出一个直觉性的观点，再将其转化为数学模型，最后通过某种方式进行检验，而检验结果往往是不确定的。但完成这一过程，便被视为具备了经济学研究的能力，至于后续能否开展有价值的研究，则无人关注。这是本科教学延伸至研究生阶段的问题。

此外，我想对反对方的观点提出质疑：反对方将数学的运用划分为 “建模” 与 “实证研究” 两类，但我并不认同这一划分。支持方的核心观点是，诸多实证研究并非基于时间序列或比较序列的数理分析，而是以非数理的历史研究为基础，阐释历史事实。将所有研究都局限于数理方法 —— 无论是建模还是统计 —— 的框架内，正是经济学研究的问题所在，因为该学科已过度依赖数理工具。

Francesco Caselli：

我完全不同意这一观点。实证研究 —— 包括截面数据、面板数据，甚至时间序列分析 —— 为经济学带来了海量的知识与洞见，其价值是无可估量的。Steve Pischke 教授举的两个例子便足以说明，计量经济学能够帮助我们揭示世界的重要规律，对于诸多经济学问题，计量经济学是唯一有效的研究方法。我们有幸拥有这一工具，若舍弃它，将是经济学的巨大损失。

Robert Skidelsky：

我们并非否定计量经济学的价值，而是质疑 “数理方法是唯一研究路径” 的观点。你似乎将实证研究等同于统计分析，而我此前已明确表达了对历史研究的认同。

Francesco Caselli：

我确实认同历史研究的价值，那么你认为哪些历史研究具有重要的参考意义？

主持人：

我们先保持秩序，接下来请现场观众发表观点。

观众 1：

我想对 Francesco Caselli 教授的观点提出质疑，核心问题在于经济学对政策制定的核心作用 —— 这里的政策制定指的是技术性的政策制定。例如，央行行长需要决定是否加息，以及加息的幅度，历史研究能够帮助我们判断 “是否应该加息”，但若无严谨的计量模型与理论框架，如何确定加息的具体幅度？美联储当下是否应加息，是一个需要历史分析的问题，但美联储应加息多少，若缺乏计量模型的支撑，又该如何给出依据？请问这一问题是向我个人提出，还是向支持方整体提出？支持方是否认为应彻底舍弃数学工具？

Robert Skidelsky：

当然，我们并非主张舍弃数学工具，制定利率政策必然需要依托 “利率变动的经济影响” 相关理论，但这一理论本身就存在诸多争议。部分学者认为，利率政策对物价与实体经济的影响均相对有限，这一争议由来已久。21 世纪初，宏观经济政策几乎完全依赖利率政策，通过各类指标判断加息或降息的时机，但事实证明，这种单一的政策框架是不完善的。金融危机后，关于利率政策的争议再次升温，在利率触底零下限后，政策制定者更是陷入了困境。因此，央行行长在制定政策时，必须了解这些理论争议，再结合实际情况做出判断。数据当然重要，包括量化数据，但纯经济史与经济思想史的知识，对于央行行长的决策而言同样不可或缺。事实上，那些不盲从于既有经济理论、具备独立判断能力的央行行长，都会在决策中融入历史视角。例如，伯南克应对大衰退的政策，便是基于其对大萧条的历史研究、数理模型与统计分析的结合 —— 尽管他的决策并非完美。

观众 2：

作为一名经济学本科毕业生，我将三年的本科学习总结为：过度学习无用的数学知识，几乎未接触历史研究。我并非反对数学，事实上我十分喜爱数学，但我反对过度依赖单一工具解释整个经济系统。我们何时才能不再只学习约束最优化—— 这不过是 19 世纪的数学知识 —— 而是学习其他能够帮助我们理解经济这一开放、复杂、适应性系统的有用工具？心理学、政治学、历史学、社会学在哪里？当然，也包括 21 世纪的数学知识，为何这些内容未被纳入课程体系？

主持人：

这是一段观点鲜明的陈述，感谢这位观众。

观众 3：

我想回应 Francesco Caselli 教授的观点，他将 “经济学假设的合理性” 与 “数学工具的运用” 两个问题进行了区分，但我认为二者存在紧密的关联。经济思想史的研究能够告诉我们，定量分析与数理建模的需求，实则限制了经济学假设的选取。例如，经济学家推崇理性预期，正是因为其便于建模；假设经济主体具有自利倾向，也是因为其能够构建封闭模型。即便是引入了行为偏差的理性行为假设，仍是对人类行为的简化刻画，而这种简化正是为了便于构建方程与封闭模型。

Francesco Caselli：

在理性预期理论出现之前，数理模型中普遍使用适应性预期，而适应性预期的建模难度远低于理性预期。因此，从适应性预期到理性预期的转变，是向更复杂的数理建模迈进，且笔者认为，这一转变并未提升假设的合理性。此外，当下诸多经济学批评者推崇基于主体的建模，这一方法属于数理建模的范畴，且完全舍弃了最优化分析，其建模难度远低于基于最优化的模型。因此，“经济学假设的选取受制于数理建模的便捷性” 这一观点并不成立。事实上，舍弃适应性预期、采用理性预期，是向更复杂的数学方法迈进；而采用基于最优化的模型，也比基于主体的建模更复杂。

观众 4：

我的问题是：若经济学教学引入更多的理论多元性，增加历史研究的比重，是否会改变经济学研究生的知识结构，进而影响其就业时雇主的需求？我猜测，雇主之所以青睐数理化的经济学毕业生，是因为数理模型更易落地，也更易向金融市场的客户推销 —— 毕竟可以通过构建模型进行理论上的预测。那么，若增加历史研究、降低数理教学的比重，经济学专业该如何吸引科研资金的投入？

Chang Ha-Joon：

首先，英国的一大问题在于，经济学毕业生的主要雇主集中在金融领域，而金融领域的工作更注重量化分析。但如果毕业生就职于汽车制造企业或其他非金融企业，这类数理知识的实用性便会大幅降低 —— 这些企业的工程部门需要数学知识，但财务管理部门对数理知识的需求并不高。

更重要的是，若雇主真正需要优秀的数学人才，为何会雇佣经济学家？因为真正的数学家、物理学家与工程师，其数学能力远胜于经济学家，经济学家在数理能力上仅能排到第四位。因此，雇主雇佣经济学家，并非看重其数理能力，若仅需数理能力，雇主完全可以雇佣专业的数理人才。

经济学家需要学习其他领域的知识，提升自身的核心竞争力。事实上，接受过跨学科教育的毕业生，在就业市场上更具优势。我在剑桥大学参与发展研究中心的工作，该中心培养的发展研究博士均接受跨学科教育，这些毕业生在私营企业、世界银行、联合国等机构的求职中均表现优异，因为他们比传统的经济学毕业生更了解现实世界。

当然，课程体系的改革需要一个适应期，雇主最初可能会对跨学科培养的毕业生产生质疑：“这些学生与以往的毕业生不同，他们是否更具价值？” 但假以时日，雇主会逐渐认识到跨学科教育的优势。

Judi Shapiro：

我想回应 Robert Skidelsky 教授的观点，他认为发展经济学对数学的需求较低，因为其核心问题是政府治理，这也是我无法支持支持方的核心原因。我想请各位嘉宾回应这一观点：尽管各位嘉宾均认同，我们需要的是 21 世纪的经济学，而非 20 世纪的经济学，并应将前沿研究融入教学，但我认为 Chang Ha-Joon 博士的研究极具说服力 —— 其并未使用计量经济学，而是揭示了因果关系的反向性，这一研究给我留下了深刻的印象。我并非要将这一结论套用于非洲，而是希望展开相关讨论：Chang Ha-Joon 博士的研究表明，如今的发达国家，在发展过程中先形成了各类制度，而这些制度正是当下主流观点认为的经济发展的前提条件。

此外，“政府治理” 这一概念需要进一步拆解，这也是随机对照试验试图解决的问题。政府治理是否指政治民主？新加坡并无激烈的政治竞争，却不存在腐败问题；那么腐败是否是核心问题？这正是 Steve Pischke 教授的著作中所探讨的计量经济学研究的价值所在。

最后，我想请各位回应 “经济学研究不应从具体到一般” 的观点 —— 因为我们在构建一般性理论方面并未取得显著进展，因此不妨聚焦于具体问题，深入研究。例如，Francesco Caselli 教授研究的资源诅咒，我们不仅要研究 “是否存在资源诅咒”，更要研究 “为何存在资源诅咒”，而这一研究离不开计量经济学。当然，我们需要的是严谨的计量经济学，以及基于证据的论证 ——Chang Ha-Joon 博士认为洗衣机比互联网更重要，我对此表示认同，我们可以另找时间讨论这一观点。但我认为，不能将经济学的课程体系交由支持方主导，因为支持方的研究方式过于依赖断言，而断言式的研究在学术争论中难以立足。经济学研究需要证据支撑，而非仅靠模型，我们需要对模型进行检验，尽管无法得到完美的答案，但至少能让学术争论基于证据，而非谁的信念更坚定 —— 这也是为何台上的五位嘉宾均为男性的原因之一。

Robert Skidelsky：

这是一场极具感染力的发言，但其中存在非此即彼的错误命题，这类命题在政治争论中往往更易获得支持，但并未真正回应核心问题。我们从未反对证据，也从未反对运用各类工具获取证据、支撑命题。我此前关于 “发展经济学对数学需求较低” 的表述，核心意思是：发展经济学家普遍认为，发展经济学的核心问题是政府治理，而这一问题无法仅通过大量的数据与数理分析解决。政府治理涉及政治理论、制度分析，以及制度运行的语境、统治者的激励机制等诸多维度，这些问题需要多元的证据支撑，才能做出合理的判断。这一观点是否存在争议？是否因为我认为 “经济学研究需要多元工具”，就意味着诸位无法支持我的观点？这并非一场政治发言，而是客观的学术观点。

Chang Ha-Joon：

我想补充一点：何为证据，取决于研究者的理论框架，证据并非独立于理论而存在。我曾在电台收听一场关于替代医学的辩论，主流医学研究者坚持认为，只有随机对照试验才能证明治疗方法的有效性，而一位英国针灸师则指出，针灸中不存在 “无效穴位”，任何穴位的针刺都会产生效果，因此无法设计针灸的安慰剂对照试验。这一例子说明，研究者的理论立场，会决定其对 “有效证据” 的界定。

因此，经济学研究需要多元的证据：截面计量分析、时间序列分析、面板数据分析，以及历史研究、人类学研究、问卷调查、结构化访谈等。只有将各类证据结合起来，才能形成可靠的研究结论。但当下的学界存在一种误区：将计量经济学视为唯一的有效证据，甚至认为随机对照试验之外的研究均非实证研究，这一观点是极具问题的。

Francesco Caselli：

能否请你解释一下，除了随机对照试验，还有哪些方法能够解决针灸的有效性验证问题？

Chang Ha-Joon：

这只是一个例证，用于说明理论立场对证据界定的影响，并非要探讨针灸的研究方法。我此前已举过韩国的例子：韩国政府实施严格的外汇配给制度，使得关税税率失去实际意义。因此，若不了解各国的历史与制度背景，便无法开展合理的计量经济学研究。20 世纪 80 年代，有学者通过回归分析研究工业补贴占 GDP 的比例与工业绩效的关系，但这些学者忽略了一个事实：日本的产业政策并非以补贴为主，而欧洲的产业政策则高度依赖补贴。若不了解这一历史背景，将日本与欧洲国家同等对待，便会导致研究偏差。因此，开展严谨的计量经济学研究，同样需要历史、制度等方面的知识支撑。

Francesco Caselli：

这一观点本质上是 “优秀的学术研究优于糟糕的学术研究”，这一点我们均认同。

Chang Ha-Joon：

但何为 “优秀的学术研究”，本身就是一个值得探讨的问题。

观众 5：

我对 “具体与一般” 的区分很感兴趣，这让我想到了卡尔・波普尔与伯特兰・罗素的 “归纳主义的火鸡” 故事。我想请问 Francesco Caselli 教授，你认为经济学与历史学的二元对立是一种虚假的困境，而实证研究是二者的基础，你在发言中提到 “历史是已然发生的事实，数据是既定的研究基础”，那么经济学家与社会科学家是否将实证数据视为既定的、外生的存在？这是否是你的观点？

Francesco Caselli：

我的研究逻辑是 “从数据出发，回归数据”，研究始于观察 —— 但我理解你的问题，你想知道数据是既定的，还是历史建构的，或是认识论的一部分，这正是 “归纳主义的火鸡” 所揭示的问题：我们的研究始于观察，但观察是否是外生于研究者的？

我们可以花费数小时讨论数据的缺陷，也可以探讨这些缺陷是人为设计还是偶然造成的。作为微观经济学家，我接触的大量数据是国民账户数据，我的直觉是，国民账户的编制者已尽最大努力克服各类问题，尽管数据并非完美，但其中蕴含着有价值的研究信息。

观众 6：

那为何所有的经济学论文，其研究结果均与预期一致，且几乎没有研究者试图对模型或假说进行偏误检验或证伪？

Francesco Caselli：

这一观点与事实完全不符，尤其是实证研究。学界存在大量的零结果，诸多研究均发现某一因素的影响为零，且这些研究均已发表。

Robert Skidelsky：

这恰恰体现了我们的核心分歧：你认为经济学研究 “从数据出发，回归数据”，而我认为经济学研究 “从理论出发，回归理论”。当下我们所熟知的经济学理论，均非源于直接的现实观察。一个典型的例子是，从适应性预期到理性预期的转变，是理论之间的相互博弈，整个争论均发生在理论框架内，现实观察几乎未参与这一转变过程。

总结投票环节

主持人：

我的职责是结束本场辩论，接下来请双方嘉宾用最简洁的语言总结核心观点，之后我们将进行投票。

Francesco Caselli：

我想对 Robert Skidelsky 教授的最后一个观点进行反驳，我完全不同意 “经济学研究从理论出发，回归理论” 的说法。过去 30 年，经济学最根本的变革是行为经济学的兴起，其彻底改变了经济学家对人类决策行为的认知，包括经济主体的信息获取、信息处理与偏好形成等方面。这一变革的根源，正是实证研究与现实观察：20 世纪 70、80 年代，经济学家开始研究博弈论，而心理学家则通过实验室实验验证博弈论的结论，结果发现，诸多简单的博弈论结论在实验室中均被证伪。久而久之，部分经济学家开始反思，并构建新的理论模型，这也是我职业生涯中经济学领域最重大的变革。如今，大量的经济学研究均围绕行为经济学展开，研究者将行为经济学的洞见融入主流的经济建模中。因此，“经济学研究仅关注理论，不回应实证证据” 的观点，与事实完全相悖。

Steve Pischke：

我最后补充一点，我认同 Chang Ha-Joon 博士 “洗衣机比互联网更重要” 的观点。我认为，核心问题在于，支持方所描述的经济学，与我日常接触的经济学完全不同。Steve Pischke 教授展示的数据已清晰表明，当下的经济学并非痴迷于理论与数学的学科，而是一个高度注重实证研究的学科。经济学研究的核心是观察现实、解释事实，数学工具只是辅助手段。

Robert Skidelsky：

我做两点总结：第一，以工资上涨对劳动供给的影响为例，人们最初认为工资上涨会导致劳动供给增加，但后来发现闲暇的替代效应，而这一结论在 1844 年便由约翰・斯图尔特・穆勒在无任何数学工具的情况下提出。因此，我认为当下的诸多经济学研究，不过是在重复发明轮子，这是经济学的本质特征。每一代经济学家都会宣称取得了巨大的进步，认为过往的理论均已过时，当下的行为经济学、计量经济学同样如此，但我认为经济学的发展是周期性的，并非线性的进步。第二，Steve Pischke 教授在讨论劳动力市场时使用了 “摩擦” 这一概念，而这一概念源于物理学与工程学，这正是经济学家的典型思维：当理论与现实不符时，便引入 “摩擦” 等概念进行修正，而这正是我所反对的思维模式。

Chang Ha-Joon：

我也做两点总结：第一，我们的命题是 “经济学中数学过度、历史不足”，并非主张废除数学、将经济学变为历史学，我本人的研究从未使用数学工具，但我从未反对他人开展数理研究。我们倡导的是理论与方法论的多元性，经济学的起源正是亚当・斯密的 “劳动分工”，因此经济学研究也应实行劳动分工：部分学者开展数理研究，部分学者开展计量研究，还有部分学者开展问卷调查、历史研究等，各类研究方法与理论相互补充，才能全面理解现实世界。从这一角度而言，本命题的合理性是毋庸置疑的，因为当下的经济学研究确实过度偏重数学。毕竟，没有人拥有九辈子的时间，能够同时成为顶尖的数学家、历史学家、访谈研究者等，我们的时间与精力是有限的。第二，我们需要考量学习数学的成本收益比：学生花费大量时间学习数学知识，其所获得的收益是否匹配付出的成本？这一问题值得学界深入思考。

主持人：

接下来进行投票，请支持 “经济学中数学过度、历史不足” 这一命题的嘉宾与观众举手。经过简单统计，本场辩论的投票结果十分接近，我无法确定哪一方最终获胜，但这并不重要。感谢诸位的到来，也感谢各位嘉宾的精彩分享，本场辩论到此结束。

特别声明

以上所刊登的文章仅代表作者本人观点，本公众号为非营利性平台，刊发文章仅作学术交流使用。

对本公众号原创之文章，如需转载或引用该等文章的任何内容，请私信沟通授权事宜，并于转载时在文章开头处注明来源于公众号“经济学原理”及作者姓名。未经本公众号授权，不得转载或使用该等文章。

对非本公众号原创之文章，任何商业运营公众号如转载，请向原创公众号或/及原出版机构申请许可。

本篇文章来源于微信公众号: 经济学原理