創新指數何以可能
——大數據時代的解決方案

常照強

(太原科技大學 馬克思主義學院,山西 太原 030024)

隨著國際競爭環境的日趨復雜化,技術創新已成為提升生產力、增強國家競爭力的關鍵因素。科學評價并衡量區域、國家的創新能力,引導創新行為,能夠促進各層面創新能力的提高,促進創新成果轉化,推動創新績效的提升,逐步實現創新戰略目標,因此,對各層面的創新能力進行指數化評價具有重要意義[1]。

然而,對創新現象予以量化的話題,一直以來爭議不斷,且日益呈現一種兩極化的態勢。一方面,“不會量化就不會管理”已經成為知識界的共識。借助“一切皆可量化”技術背景和思維方式,創新現象的量化研究已經滲透到國家、行業和企業等各個層次,人們希冀政府和企業可以獲得更多的精準的創新知識,實現更可靠的預測和更明智的決策。作為綜合評價創新能力的指標體系,創新指數被視為一國或地區經濟增長的風向標。另一方面,在當代社會建構論思想的沖擊下,創新指數越發為人所詬病:創新現象研究在數學上的精練和專業化,與生產關于真實世界的正確知識這個目標幾乎不相干,創新政策研究的進步依賴于論題、進路、視角的多樣性。由此,對于一個連貫和封閉的分析工具(如創新指數),其重要性我們不可高估。

如果將上述爭議一般化處理,爭議的雙方基本可劃分為實在論一方與建構論一方。前者認為,創新指數的統計學視角預設著一個關于統計數字和實在的相互關系——實在論,而統計學家假定測量能夠捕捉外在世界的某些特征,盡管準確程度不一。后者認為,許多人(特別是社會學家、人類學家和科學學家)將測量鎖定的對象,理解為測量的產品或測量的約定,其是可以協商和變通的[2]。

爭論的雙方看似水火不容,沒有調和的可能,從而將創新指數的可能性問題推到了風口浪尖。雙方事實上都認識到創新指數的發展存在著一些問題,且都將問題的解決指向更多數據的獲得。本文將具體闡述雙方何以將問題的解決都歸之于數據,并借由對事實與虛構兩難悖論的經濟學方法論反思,指出這種殊途同歸的意趣所在。最終主張,應將創新指數的發展置于大數據時代背景下予以考察,揭示大數據技術進步之于創新指數研究的深意:創新指數可行性問題的最終解決,可寄望于大數據時代思維、技術與方法的顛覆性變革,更進一步說,仰賴于大數據技術與(計量)經濟學的深度融合。

一、創新指數可行性問題的兩極爭論

在社會科學中,統計和形式化方法的擴張與反實證主義所秉持的立場之間產生了激烈沖撞。這種兩極化的沖撞在創新指數問題的討論中可見一斑。

創新指數問題,也就是如何對創新現象進行科學的量化問題。關于創新的大量統計學數據,被視為經濟增長和繁榮的源泉。在過去的20年間,許多機構越來越熱衷于構建一系列統計學的指標體系,旨在刻畫創新系統的本質特征。受反實證主義進路的影響,建構論者(多是社會學、人類學或科學學領域的學者)愈發關注創新指標的作用評估,并對這類定量研究的弊端頗有微詞。他們認為,對創新指標的討論往往都是從純技術的角度出發,狹隘的視野隱含著這樣一種預設:指標作為一種政策工具,是現象的確切反映,不應受到質疑; 關于指標的討論應該限定于方法論的層面,交由統計學家來進行。但是,創新指數往往使用封閉性的測量指標來評估復雜的現象,而忽視了現實中與社會規范或局部區域相關的一些重要的事實,視角顯得極為褊狹和內視。為了確切地評估指標作為政策工具的價值,建構論者主張有必要從一個更廣闊的視野來審視它,即從指標產生和使用的背景,對其予以考察。建構論者還發現,在建構創新指標的過程中,這種社會建構論的意蘊貫穿始終:無論是在建構指標時,還是在形成政策的過程中,所有的選擇都是一種協商的產物。也就是說,在建構過程中,盡管主觀因素一直在場,卻以定量數據所期望的精確性之假象示人。在建構論者看來,如果創新指數的研究仍固守著實證主義的套路不放,注定是不合時宜的:將指數看作一個標準化的知識概括,誤以為其應用于不同的情境,缺乏一種微觀層面的對創新因素的地方性審查。因此,建構論者呼吁采用多維和開放的視角來研究創新現象,通過獲取多樣化的數據,來推動創新指標的定制化,甚至于促成新的測量工具的涌現,最終取代創新指數。

相較之下,在統計學家看來,在統計和現實之間,往往預設著一種實在論的立場。據此,他們大多嘗試為創新指數做辯護:創新指數是面向現實的。因為從統計學的視角看,數據的收集和分析或多或少地準確捕捉了外在世界的某些特征。同時,他們注意到創新現象極具復雜性和多樣性,極易突變,而且創新現象與特定的社會經濟特征關系密切,是高度語境敏感的,描述諸如創新之類的現象頗為棘手。而現有的很多創新指數過于宏觀,沒有做到足夠細致以滿足特定地區和區域的需要。所以,諸如創新聯盟計分牌(Innovation Union Scoreboard)等創新指數極易受到質疑,因為這類指數是基于創新的一般觀念而構建的,很難設想其能夠囊括眾多的微觀尺度的創新理論。

為此,統計學家主張,在設定創新指數時,要綜合考慮多方面的因素,并注意創新不同區域的差異性。近年來,他們越發采用綜合指數來評估創新表現,對次區域(sub-region)的創新評估表現出極大的熱情,就是對這些主張的回應。這一回應面臨著一個極大的挑戰——數據的缺乏。如在對次區域的創新進行測量時,一個棘手的問題是,欲測量的理論范疇如何與可獲得的統計數據相協調。內在和外在的關系構成了區域創新系統的基本元素。此外,許多其他的基本特征(諸如引入不同創新類型的企業的比例)只能通過原始數據的收集來反映。無論如何,對那些持實在論立場的統計學家而言,創新指數體系的創建,并非脫離了真實世界,只是在創建過程中,人們為數據所困擾而已。換言之,他們認為,創新指數的創建者缺乏相關數據,這也許會促使其更加追求(數學的)技巧,這里或許造成了一些問題,但這并不意味著創新指數已然淪為一種形式主義的、抽象的、忽略現實的虛構。

二、走出經濟學兩難悖論的方法論反思

關于創新指數,建構論者和實在論者各執一端,看似形成了一種兩極化的態勢。但是,無論是建構論者的指摘,還是實在論者的辯護,對于創新指數的問題,雙方事實上都將解決方案的最終歸宿指向了更多數據的獲得。看似兩極化的爭論,為何在最終解決方案上卻殊途同歸呢?回應此疑問,不妨從經濟學的事實與虛構兩難悖論談起。

早期的經濟學更多地被稱為政治經濟學,往往由哲學家、政治家操刀,但是隨著經濟學科的獨立,經濟學日益專業化,嚴密的數學成為主要工具。尤其是過去四十多年來,現代經濟學出現了新的范式革命——“實證革命”(empirical revolution),即經濟學以數據作為基礎,以計量經濟學為主要方法研究并解釋經濟變量之間的邏輯關系。在現代經濟學邏輯體系不斷加強的同時,其方法論卻備受質疑:“理論上好的經濟模型應該與事實緊密聯系,但是由于現實世界復雜多變,大部分模型不過是玩弄修辭。”[3]由此可見,經濟學遭遇了一種事實與虛構的兩難悖論。具體到創新指數問題,類似的兩難悖論也如影隨形。

創新是不同主體和組織間復雜相互作用的結果,技術變革不以一個完美的線性方式出現,而是系統內部各要素之間互相作用和反饋的結果。研究現象的復雜性因而給研究者帶來極大的挑戰:盡管他們試圖理解現象的決定因素。然而,對于“以地理為中介的知識外溢是如何測量的”之類問題的闡述,往往變動不居。在不斷變遷的創新觀念的驅動下,理論不僅需要解釋給定的數據,而且理論的發展也呼喚不同類型的數據[4]。

事實上,不少量化研究的新進展強調嚴格的數據分析的重要性以及理論和數據之間的相互依賴,而人們同時對無法提供事實分析工具和無法進行經驗檢驗的理論越來越不滿。這一狀況進一步凸顯出創新指數體系對數據的渴求。但是在創新指數的量化領域,一直以來存在理論多過數據的趨勢,也就有了所謂“理論廉價,而數據昂貴”之說。不寧唯是,支撐創新指數的數據,也很是來之不易,這似乎使得“創新指數支持虛構而非事實”這一說辭愈演愈烈。

針對上述事實與虛構的兩難悖論,胡佛(Kevin Hoover)從經濟學方法論層面予以回應。他指出,對計量經濟學的評價,與人們對經濟學模型的理解密切相關,其中一個關鍵的問題是“經濟學模型能否構造一個封閉系統”。實在論傾向的經濟學者對此問題當然持肯定的態度,且他們往往推崇一種在經濟學方法論中頗有影響力的實在論觀念——巴斯卡(Roy Bhaskar)的先驗實在論。根據該實在論觀念,(休謨預期到的)那類事物的規律性難以發現,此類規律必是通過實驗產生的,而實驗是一種預先假定被操縱事物按照可靠方式發揮作用的人為操縱。對于一個開放的世界,自然科學家可以通過干預而產生封閉系統[5]。

按照上述實在論,應用于物理科學的分析也同樣可應用于社會科學。不過,在某些經濟學家看來,這樣的看法值得商榷,因為經濟學實證研究和自然科學實驗研究有著重要差別。比方說,大規模的計量經濟學模型以及更為一般的經驗估算的總量關系可能并不穩定,因為其所反映的決策是由那些處于特定政策環境中的經濟個體做出的,而那些政策環境也在發生變化。也就是說,社會科學具有不同于自然科學的一般本質:社會條件下并非能夠常常建立實驗封閉系統,因為社會不僅過于復雜和異質,而且存在法律和倫理障礙,操作上有困難,從而使得計量經濟學模型無法合理地構建封閉系統。這也就是說,我們所觀測到的經濟現象是很多因素共同作用的結果,而這些因素,包括可觀測因素和不可觀測因素,有很多并沒有包含在模型之中。這些被模型排除在外的因素所產生的效應,無法通過實驗而分離開來。造成的結果是,經濟模型在解釋經濟現實時,在絕大多數情況下不如自然科學解釋或預測得那樣精準[6]。

計量經濟學乃至整個經濟學科實證研究的上述局限性,似乎讓我們陷入了開放性與封閉性相互拉扯的漩渦無法自拔。如何走出這一困境呢?胡佛的觀念極具啟發性。他認為,對待量化系統的研究(著眼于計量經濟學)要秉持一種辯證的態度。一方面,開放性是相對的,不受控制的非實驗條件(不僅僅是在天文學領域)可能是足夠封閉的,引導出精確度和可靠度不盡相同的各種規則; 另一方面,封閉性也是相對的,沒有實驗是對外部影響絕對免疫的,而且,可以這么說,封閉性就是安全可靠的使用規則。

如此一來,若要突破事實與虛構的兩難悖論,究其實質,就要把握好這兩個方面的相互關系:一方面是準確性,另一方面是可靠性和應用范圍。它們都是程度問題,而且相互抵消,更高準確度則意味著更低的可靠性和更窄的應用范圍。基于上述分析,我們就可解開創新指數兩極化爭論何以能夠殊途同歸的奧秘。事實上,無論建構論者還是實在論者,都意圖在創新指數的普遍性與準確性之間找到某種平衡,換言之,盡管兩者在創新指數上有諸多分歧,但在確保研究結果具有一定的普遍性和準確度上,他們應該是共通的。準確度提高,適用性的范圍將變窄; 而一旦要求規則有更大的普遍性,準確度就會降低。為平衡普遍性和準確度之間的緊張關系,數據可以起到關鍵作用。由此,我們不難理解實在論者和建構論者為何都把創新指數的可行性解決路徑指向了獲得更多數據。

換一種角度看,與其說創新指數脫離現實,是虛構的,不如說創新指數面臨一些深層次問題,即研究結果的質量越來越依賴于所使用數據的質量和覆蓋性。若理論與數據之間的矛盾可以極大地緩解,創新理論的普遍性和創新指數的準確與可靠性就能達到一定程度的和解。

三、創新指數的大數據解決之道

面對如此狀況,我們不禁要問,創新指數何以能超然于上述深層次問題?不妨放眼溫伯格(David Weinberger)為我們勾勒的關于事實的近代歷史的演化過程,或可看出些端倪。

溫伯格指出,政府制定政策需要基于數據,即一定的事實,但如此一來,就需要使用一個近年受到重視的工具——統計。“用事實說話”是統計科學產生的主要根源,這一點注定了指標的作用和科學事實的本質密切相關。溫伯格關于事實的演化史的回顧,不難讓人發現:獲取知識的所有權意味著掌握了事實,也就意味著獲取足夠多的數據。但是,傳統科學知識由于無法脫離紙本的限制,無法形成多樣化的事實,造成了數據的缺乏。數據革命改變了人類文明,知識的結構也徹底改變,人們從經典事實階段變遷到網絡事實時代,由此揭開了解放事實的序幕。

對此,溫伯格為我們描述了這樣一個關于事實的演進歷程:人類經歷了從“經典事實時代”到“基于數據的事實時代”再到“網絡化事實時代”。經典事實時代的代表性人物是達爾文,他用了7年時間解剖藤壺,以證明藤壺是甲殼綱動物。達爾文發現的事實相對稀缺,需要付出相當大的努力,而且在這一時期發表這樣的事實也是極為困難的。其后,在20世紀50年代,我們進入了基于數據的事實時期,這一時期存儲數據仍然代價不菲,比方說“存儲現在一個200G筆記本硬盤的信息,我們需要大約20億張卡——這些卡堆在一起大約有300英尺高”[7]60。因此,在基于數據的事實時代,數據庫仍然要嚴格限制記錄信息的數量。換言之,這一時代依然遵循我們認識世界的古老戰略,即限制知識,由部分人為我們選擇和組織部分領域的知識。而今,我們邁入大數據時代,網絡化的事實大行其道。溫伯格認為,如果經典事實和數據被看作從根本上孤立的知識單元,那么網絡化的事實則被認為是網絡的一部分。網絡化的事實存在于一個相互連接的網絡內,如此它們才變得有用,能被人們理解。溫伯格舉例說,在印刷時代,一篇科學文章里出現的數據表,只是眾多沒有被刊出的事實和數據的小部分摘錄。而在互聯網上,科學雜志越來越多地將文章中出現的數據超鏈接到它們的源數據庫中。事實之所以能變得網絡化,是因為我們新的信息基礎設施恰好是一個超鏈接的出版系統[7]61。

溫伯格眼中的網絡化事實時代,是解放事實的時代,在以互聯網、移動互聯網和人工智能為代表的計算機信息技術基礎上產生的大數據,提供了以往傳統數據所沒有的信息和更加豐富的素材,堪稱“數據革命”。如今這場革命正逐漸涉入經濟學,推動著經濟學研究范式及其研究方法的深刻變革。

在歷史長河中,一直以來,人們主要是依賴抽樣數據、局部數據和片面數據,甚至在無法獲得實證數據的時候純粹依賴經驗、理論、假設和價值觀去發現未知領域的規律。例如,盡管人們承認經濟學的規范在經驗上有缺陷,但是缺乏相對充足的經驗數據,使得人們無法放棄該規范。因此,人們對世界的認識往往是表面的、膚淺的、簡單的、扭曲的或者是無知的[8]。然而,大數據時代的來臨使人類第一次有機會和條件,在非常多的領域和非常深入的層次獲得和使用全面數據、完整數據和系統數據,從而能夠使用經驗敏感的方法來研究更加廣泛的經濟問題。

同理,大數據技術的出現,使得創新現象的科學量化問題也獲益良多,惠及一系列傳統難題的解決。大數據技術就像顯微鏡,側重于從極細小的微觀層面去觀察事物之間的聯系; 借助該技術,計量經濟學家可以在很多場景下直接用總體數據進行研究,即基于海量的整體性經濟數據,挖掘、整理、分析出全部有效信息,對特定場景下的客觀經濟世界做全貌式描述和定位,進而對客觀經濟規律和經濟變量之間的關系進行精準的預測和詮釋。一旦將大數據技術融合進計量經濟學,“就會打通微觀基礎和宏觀現實之間的邏輯關聯,建立微觀、宏觀一體化研究的傳導機制,幫助人們更加全面地分析、認識現實經濟世界”[9],從而有助于我們從整體上把握和平衡創新指數的普遍性與準確性。近年來,形形色色的基于大數據的創新發展指數研究呈井噴狀態,在很大程度上印證了這一融合之趨勢[10]。

四、結語

作為創新量化的一種技術手段,創新指數是創新現象研究的一個重要維度,已然成為分析判斷世界各地創新態勢和趨勢的重要參考依據。然而,創新是一種復雜的現象,應以多維角度審視。在實踐中,由于相關數據的缺乏,創新指標體系飽受質疑,該指標體系極易與現象脫節,淪為一種抽象的、形式化的數字游戲。盡管如此,我們卻不能貶損創新指數的重要性,因為其對于變量之間的關系實現了較好的定性認識,相關決策的制定還需要更多的量化精確信息。鑒于此,提高創新指數的可靠性和準確度,為決策提供科學的依據,是人們共同的愿景,但一直以來囿于經濟技術條件的限制,相關創新數據殊難獲得,這往往造成創新理論與創新數據之間的緊張關系。

得益于計算機科學的飛速發展,強大的計算工具能夠快速處理海量的信息數據,大數據技術愈發成為經濟增長和夯實新研究基礎的引擎。大數據時代,每個人的工作和生活都被數據化,甚至是那些非結構化的文字、方位信息、溝通信息,通過信息技術的發展,都轉換為可處理的數據。與此同時,大數據及其技術正在改寫或重構經濟學所有領域,在增進計量經濟學模型科學性和解釋力等方面當然也會不負眾望。科茲洛夫斯基(Jan Kozlowski)為我們所設想的創新指數研究的愿景,在大數據時代觸手可及:經濟學家需要深入理解信息時代的威力,分辨出哪些問題需要回答,并擁抱回答問題的新方式。新一代的有成效的創新指數,將不得不回答特定的、妥善定義的問題,這樣的問題不是均碼式的,而是多樣化的。為此,創新指數必將是定制化的,其能順應大數據時代的發展趨勢,從而滿足政府、商業、通信和個人等的特定需求。