淺談數據驅動研究范式在經濟研究中的變革與創(chuàng)新

許辰迪

摘 要：隨著經濟社會的不斷發(fā)展，數據應用也越來越廣泛，本文將以經濟學研究方法的歷史脈絡為切入點，淺談數據驅動研究范式在經濟研究中的運用創(chuàng)新，并對未來研究方向提出構想。

關鍵詞：經濟研究方法 數據驅動

一、經濟學研究范式的概念及演進

在經濟學研究中使用的“樣例”即為經濟學研究范式。著名哲學家托馬斯·庫恩首次提出了范式的概念。他認為范式應由兩個方面組成：其一，范式是由某一個科學共同體的所有成員在某一個特定時期都能接受的一系列基本的理論假設；其二，由上述理論假設解決了的、出現(xiàn)在相關學科教科書上的一系列“范例”或特定科學問題。總的來說，范式是連接科學共同體并且允許常規(guī)科學發(fā)生的一系列共享的假設和價值觀。

世界是不斷發(fā)展的，研究范式同樣也是持續(xù)發(fā)展變化的，隨著新生事物的不斷涌現(xiàn)，當固有的研究范式不能指導人們對未來世界進行探索時，其歷史地位將得到挑戰(zhàn)，新的理論、模型逐步被整理、歸納，再經過人們反復論證后，新的范式得以確立。從經濟學研究范式歷史脈絡來看，基本可以分為思辨（經驗）驅動研究范式、模型（實證）驅動研究范式和數據驅動研究范式三大研究范式，它們各自出現(xiàn)在不同的歷史時期，在人類社會的發(fā)展中，起到了至關重要的作用，尤其是在經濟社會中刻上了其深深的烙印。

（一）思辨（經驗）驅動研究范式的貢獻

思辨驅動研究范式以文字表述為主，它在人類文明尤其是經濟社會研究中扮演著舉足輕重的角色，并沿用至今。思辨驅動研究側重于利用純粹的文字來闡述自身觀點，其中大多夾雜了當時學者結合自身生活經驗所得出的結論，雖魚龍混雜，但其中也不乏真知灼見，并且由于文字表達通俗易懂，迅速在社會中引發(fā)了激烈的大討論，有些還被記錄整理成冊，廣為流傳。人們現(xiàn)在所熟知的許多經濟學經典理論，也多出于此，例如“馬太效應”、“看不見的手”等，直至今日仍在經濟學理論研究中發(fā)光發(fā)熱。

（二）模型（實證）驅動研究范式的產生

隨著經濟社會的不斷發(fā)展，人們越來越意識到，僅僅通過文字描述的經濟現(xiàn)象研究遠不能滿足人們的需求，純粹使用文字語言邏輯的理論往往存在不說明假定的現(xiàn)象，最后得到的結論也可能出現(xiàn)與假定矛盾的違背，并且文字語言的表達經常出現(xiàn)邏輯混亂和表達錯位。不嚴謹性成為聯(lián)系經濟學模型與實際經濟數據的硬傷，經濟學發(fā)展出現(xiàn)了史無前例的瓶頸期。所幸當時數學與物理學的完美結合讓人們看到了希望。數學作為人類思維最偉大的結晶，有著無與倫比的邏輯性和嚴密性，其表述的清晰嚴謹性也是自然語言所不能達到的，尤其是在近代以來，數學幫助物理學成為了典范科學，一下拓寬了人們研究經濟問題的思路。例如邊際革命創(chuàng)始人之一的門格爾的一段話：如果用p記這種物品的價格，用q記對它的需求，那么，q=f（p），dq/dp=f'（p）<0。若我們將這段話轉變?yōu)榧兇獾奈淖直硎觯瑒t為一種物品價格越高，與之相應的需求越小（或不再增大），由此，數學的簡潔及精準性完全突顯出來。從此，相對精確性詞匯逐步成為經濟學研究的表述用語。

（三）數據驅動研究范式的崛起

隨著歷史進程的發(fā)展和科學技術的不斷進步，人們了解世界、認識自然、研究事物、掌握規(guī)律的手段和能力不斷提高。從根本上來看，大數據提供了一種新的認識世界的方法，它將世界的本質看成是數據的集合，用數據化思維和先進的數據處理技術去探索數據之間的關系，構筑一個更加透明化、模塊化的世界。由于計算機技術的迅猛發(fā)展，加之智能優(yōu)化算法的出現(xiàn)，使得處理復雜多變、體量巨大的數據成為可能，推動了數據驅動研究范式的異軍崛起。與時俱進是經濟學研究一直保持旺盛生命力的根源，經濟學作為重要的社會科學學科，要想繼續(xù)為人類社會做出貢獻，就必須從理論層面作出實質性的革新。

數據大爆炸給經濟學研究帶來了全新的挑戰(zhàn)和機遇，可以說，是數據處理技術的進步直接推動了經濟學研究方式的前進。數據驅動研究范式具有思辨驅動研究范式、模型驅動研究范式不可比擬的優(yōu)勢。

二、數據驅動研究范式在經濟學方法論中的技術創(chuàng)新

（一）數據處理客觀化、精細化

傳統(tǒng)的模型驅動研究范式相較于數據驅動研究范式有其天然的劣勢。首先，模型驅動研究范式是基于經典的數理統(tǒng)計理論發(fā)展而來，而經典數理統(tǒng)計受限于當時統(tǒng)計技術和理念的發(fā)展進程，有一個非常重要的前提，以樣本推斷總體。樣本選取的好壞直接影響人們對于整體數據的研判，然而，無論人們如何利用技術手段減小樣本選取的隨機性，數據分析的誤差仍難以避免。其次，傳統(tǒng)模型驅動研究范式加以分析、考察的數據，大多是已經被“人為修正”過的數據，如若此，利用該數據所得到的研究結論，其客觀性與真實性必將大打折扣，可信度也將打上問號。例如在日常生活中，每當國家相關統(tǒng)計部門發(fā)布季度或年度國家統(tǒng)計數據時，人們總會根據自身生活進行對照比較，有時難免會產生些許質疑。反觀數據驅動研究范式，得益于現(xiàn)代統(tǒng)計技術和理念的不斷發(fā)展，相較于之前的研究范式，其擁有得天獨厚的優(yōu)勢，摒棄對樣本數據的考察，直接從總體數據入手，對整體數據全盤分析，進而得出研究結論，從根本上彌補了傳統(tǒng)的抽樣方法和其他模型設計的天然缺陷，對數據的應用產生了深遠的影響。

（二）增加研究應用普適性

以往的思辨驅動研究范式和模型驅動研究范式，由于所處時代的技術局限性，所做研究往往特殊性顯著，又受多種假定限制。正是由于傳統(tǒng)模型的多種假定限制，導致模型的適用性性大大減弱，不具備推廣的要求。但在大數據時代，由于有足夠的變量、足夠的數據，數據驅動研究不需要做出過多的假設，突破個體研究的限制，以點及面，由特殊性規(guī)律推廣到一般性規(guī)律，大大增加了研究的普適性，無論從應用層次還是從理論層次，拓寬了人們的研究方向。數據驅動范式擺脫了傳統(tǒng)模型與理論框架的束縛，真正實現(xiàn)了“從數據中來，到數據中去”，從實際數據出發(fā)，挖掘數據、處理數據、規(guī)范數據、總結數據，最終從數據中得到結論，其研究流程由過往的“假設—驗證”固有研究范式，變?yōu)椤鞍l(fā)現(xiàn)—總結”，突破了模型驅動前提假定的局限性。

（三）弱化事物因果性，加強事物相關性研究

傳統(tǒng)的思辨驅動研究范式和模型驅動范式，往往停留在弄清事物之間的內在聯(lián)系和作用機制，了解之間的因果關系，但在大數據時代，這樣做是遠遠不夠的、是有局限性的。數據驅動研究范式具有較高的 “智能性”，真正將事物置于普遍聯(lián)系之中，透過數據看本質，大大提升了研究的廣度和深度。傳統(tǒng)經濟學側重于研究事物的因果關系，但實際結果難以檢驗，并且沒有實際意義。例如在日常生活中，由于汽油價格的上漲，與汽油互為互補品的家用汽車的需求量就應有所下降，汽車價格也會下降，但另一方面，大家都看到了汽車價格的下降，其價格降到自己的心理預期價格，那么人們又都開始增加汽車的消費，在一段時間內又會造成汽車的供小于求，從而導致汽車價格回升，那么如何分析汽車價格的漲跌，若利用傳統(tǒng)研究范式，則很難說明。然而，數據驅動研究范式，對海量相關數據深入進行了分析，從中挖掘出汽油與汽車之間的供求影響關系。該研究范式摒棄了傳統(tǒng)思辨驅動研究范式的思維方式，弱化了事物的因果關系，而且加強了事物相關性聯(lián)系研究，從而驗證出事物之間的內生性聯(lián)系。

（四）具有預測學習功能

傳統(tǒng)的思辨驅動研究范式和模型驅動研究范式，受限于當時的思維和技術水平，不能進行事前預測研判，對于事物的分析往往扮演著“事后諸葛亮”的角色，具有一定的滯后性。而數據首先具有“實時預測”的特點，所謂“實時預測”，實際上就是利用大數據技術對經濟數據進行及時的監(jiān)測、歸集和整理，盡可能縮小可用于預測的信息和需要被預測的內容之間的時間差；其次經濟學家利用現(xiàn)代高效的數據處理技術，提取有效信息，摒棄無效信息，排除人為因素干擾，能夠對事物進行事前研判，進而對其發(fā)展趨勢整體把握，具有前瞻性；并且數據驅動研究本身就具有自我學習、自我升級的能力，留有發(fā)展冗余，可以進行學科交叉交流，分享新信息，研究新現(xiàn)象，預測新前景，可以進一步拓展經濟學理論研究和實際應用的范疇。

三、未來展望

數據驅動研究范式，無論是在經濟學方法論的理論研究和實踐應用兩個層面，已取得了具有歷史意義的進步。數據驅動研究范式，在經濟學方法論中的應用是分析方法、數據管理和分析策略的完善提升和技術創(chuàng)新，即從基于“正態(tài)”均值和標準差的科學研究，轉變?yōu)榛趥€體觀測值的研究。數據驅動研究范式，將發(fā)展成為一門具有獨立性、完整性的方法論，是經濟學中一次偉大的理論飛躍；將會對經濟學研究帶來革命性的改變和進步，給研究經濟學方法論的準則、基本原理帶來質變和量變的雙重挑戰(zhàn)。

黨的十九大勝利召開，標志我國已經邁入從富起來到強起來全面發(fā)展的新時代。我們可以樂觀地展望，在未來的十年，將迎來數據驅動研究與經濟學研究相結合的蓬勃發(fā)展期，數據驅動研究范式將會成為研究經濟學的主流方法，成為影響和改變我國經濟發(fā)展政策的主要決策技術手段之一，將有力地促進我國經濟社會的全方位全領域發(fā)展。從另一個層面說，數據驅動研究的不斷深入拓展完善，必將對世界經濟學理論研究、對世界經濟社會發(fā)展起著十分重要的促進推動作用。

參考文獻：

[1]阿爾文·托夫勒，《第三次浪潮》，1980.

[2]崔俊富，鄒一南，陳金偉，大數據時代的經濟學研究：數據驅動范式[J].廣東財經大學學報，2016.

[3]黃慶華，陳婉瑩，基于互聯(lián)網金融平臺的大數據征信應用研究[J].科技與經濟，2017.6.

[4]于曉龍，王金照，大數據的經濟學涵義及價值創(chuàng)造機制[J].經濟觀察，2015.

[5]2017中國大數據產業(yè)生態(tài)地圖暨中國大數據產業(yè)發(fā)展白皮書，2017.