许成钢教授谈治学

由斯坦福大学助理教授徐轶青发起的“随机游走”谈话节目，邀请到了许成钢教授来给年轻学子谈一谈他是如何走上经济学研究之路、以及与社会科学研究相关的一些方法论问题。

许成钢教授是改革开放后清华大学首届研究生，1991年获哈佛大学经济学博士学位，2013年获得孙冶方经济学论文奖，2016年获得首届中国经济学奖。

本文为此次对话的文字整理版（在保持对话原意的基础上，经主持人与嘉宾的审定，修饰了少量因口语表达问题可能会影响理解的内容）。全文1万字，阅读时间约25分钟。

主持｜斯坦福大学助理教授徐轶青

伟谷州立大学助理教授李华芳

嘉宾｜许成钢教授

整理｜歌仔

徐轶青：首先祝大家新年快乐，我们非常荣幸请到许成钢老师来参加我们的活动。许老师是我最尊敬的几位经济学家之一，主要有两方面的原因。第一，作为中国经济学家，许成钢老师为转型经济学做出了开创性的贡献，他帮助世人理解中国经济改革为什么会成功，以及和苏联、俄罗斯的改革有什么差异。我在做学生的时候，许老师和几位合作者的论文是很多门课的必读文献。

第二是因为许老师的传奇经历和为人。很多朋友都知道，在六七十年代，许老师个人和家庭遭受了很大的磨难，他在非常艰苦的条件下自学了英语、工程和社会科学。在文革后，许老师考上了第一届研究生，在清华大学的机械系研究有限元分析和非线性的最优设计。学成之后，用他自己的话说，许老师回归到长期热衷的社会科学探索，之后去哈佛大学经济系就读，做出了很重要的经济学的贡献。

很高兴许老师在新春佳节期间参加我们的活动，谈谈您在治学上给年轻人的建议和心得，以及您过去和现在的研究。

另外一位主持人是我的师兄李华芳，目前在伟谷州立大学（Grand Valley State University）任教。华芳长期关注经济学思想史，我在念本科的时候就开始读他写的关于经济学思想史的科普文章。欢迎华芳。

李华芳：许老师，我们想先请你分享一下你如何走上研究经济学的道路。然后，我们会回顾一下许老师在转轨经济学，尤其是对解释中国改革方面的创见。我们更想知道，在经济研究的过程中，许老师为什么会这样想问题，如何一步一步推进思考和把握重大的问题。对年轻人来说，这个过程可能更有借鉴意义。

许老师：好。轶青刚才提到过我自学的过程。实际上，我自学的起始点是政治经济学，是为了要理解共产主义。通常人们认为数学物理这些是属于硬科学（Hard Science），政治经济学是软的。但是对我来说，前面学习政治经济学的部分更硬。我想要强调的是，学习物理学以及跟物理学相关的方法论对我看待问题、研究问题有很大影响。

物理相关的方法论影响了我学习马克思主义。如果你不是很机械地看待马克思主义，你会发现，历史唯物论其实跟绝大多数经济学家讨论的经济学方法基本上是一类的。在道格拉斯·诺斯（Douglass North）生前，我们是很熟悉的。我记得我第一次听道格拉斯·诺斯演讲的时候，我跟他说，我对你讲的内容很熟悉，你这是马克思那里来的吧？他说，当然是了，我原来就是马克思主义者，我的理论是从马克思主义变出来的。所以，如果你不是很机械地看待马克思主义的话，历史唯物论跟绝大部分的经济学家讨论的思想方法其实是很接近的。

还有一个重要的思想方法来自物理领域。在物理领域，我很侧重于爱因斯坦的方法论的研究，我花了相当力量研究爱因斯坦和牛顿的方法论，发现他们的方法论同属一大类。有他们这类思想方法的物理学家并不多，他们属于少数，他们的突破当然也是少数。这些思想方法对我很基本的、很大的影响。

我从清华毕业后，在社科院工作了两年，然后去到哈佛大学。到了哈佛大学以后，我回到了我一直最关心的、最基本的问题上：社会主义是怎么回事？我的志向就是弄明白这个制度是怎样。当你到了西方学习经济学以后，你才会发现这样的问题根本就不在经济学主流的讨论范围之内。绝大部分的经济学家不关心这样的问题，他们不希望你去做这样的工作。因此你一定要想办法把你的大问题给变小，变成一个能用针插进去的小问题，于是我就把我的问题缩小到了“技术进步”。为什么是“技术进步”？我们所有学经济学的人都知道，经济学最关心的一个大问题就是长期的发展。当你讲到发达国家的时候，这个领域叫增长经济学，当你讲到所有的制度的时候，这叫做发展经济学。但实际上增长经济学跟发展经济学关心的都是经济的长远发展。经济学家们又有一个普遍的共识就是经济的长远发展取决于技术进步。

在产业革命之前，全世界所有的国家基本上都是农业社会，各国经济发展的程度都差不多，各个国家拉开距离是最近二三百年时间才有的。拉开距离以后，人们看到了技术变化对经济发展的影响。因此，我把我关心的问题收窄到了技术问题上：为什么社会主义制度的国家在模仿的时候跑得很快，在创新的时候遇到很大困难？这是我 PhD期间的重要的研究内容之一。我最关心的问题有很多，我也还在努力中。也许我的努力会有结果，也许我的努力达不到我想要的结果，但是我仍然还在努力中。能做出来的一点结果，就像我刚才提到的关于技术进步的问题，这个问题很小，所以我就有了一个突破点。

我到伦敦经济学院后写了好几篇论文，包括一篇跟Eric Maskin合写的论文集中讨论激励机制，还有一篇跟Gérard Roland 合写的论文集中在协调机制上。这些论文的思路大体是同一个，只是在分析的时候，侧重不同的方面。实际上，我们在讨论激励机制的方面就已经不仅仅提到了理论，而且首创性地提到了实证的验证。后来李宏彬、周黎安的文章做得比我们好很多，而且由于他们集中在实证，使得大量的学者可以比较容易地沿着他们的思路去做实证工作。

徐轶青：许老师，我这正好有两个问题。第一个问题跟经济学的技术相关。因为您早期是学工程、数学和物理的，碰巧您在美国念经济学的时候，遇到了经济学潮流的转换，经济学变得更技术化，包括一些新的理论的发展，比如说激励理论。我想请教您，这些是不是巧合？利用您过去的数学和工程的背景研究社会科学问题，对您来说是不是之前没有想到的事？另外，您是怎么想着把经济理论结合到研究的转型的？

第二个问题来自我对这支文献的非常粗浅的阅读和理解。我发现，从你们那个时候开始到很多后面的文献，基本上都抽离掉了政治的元素。我想问一下，您当时是没有非常清晰地认识到政治的重要性，还是因为问题太大，或者是因为没有工具进行研究。经济思想史的变化是怎么样的？

许老师：两个问题都非常重要，但是由于时间关系，我很难展开。我其实过去自学数学、物理、工程是被迫的。我当时做技术革新的工作，并且有了一些发明，有了可以全职从事发明工作的机会。我原本的学习跟经济学这些一点关系也没有。直到在清华大学研究生快要毕业的时候，我才知道社科院正在组建数量经济研究所，于是我就离开了工程，又回到了我最感兴趣的地方。其实我工程也感兴趣，对经济最感兴趣。

第二个问题，实际上我从来都认为政治制度的问题是不可以从这里脱离去的。但是，我们之所以在论文里把那个问题孤立出去，或者假设掉，是因为我们技术上没有能力处理。实际上，直到现在，在讨论重大的政治制度问题的时候，经济学的能力都非常有限。

我现在正在做的工作，我把它叫做制度基因。我现在在写这本书的时候，我是不写数学的。但是在我自己做的笔记上，是有数学模型的。我在跟经济学的同仁们讨论的时候，真正懂得理论的同事们经常会立即就产生了一个挑战性的问题：你怎么知道你写出来的这个模型有唯一的均衡点？实际上就是没有唯一的均衡点。写模型的时候，哪怕我们把重要的政治问题经过高度抽象与合并后，我们都不能保证它是均衡的。其次，哪怕我们采取了各种各样的技术手段达到了均衡，我们也不能保证它的均衡是唯一的。这到底是方法论上的问题，还是现实的问题？实际上，如果我们对于社会问题了解得更深更透的话，就会发现这个问题其实超出了方法论的问题。我们面对的社会不存在唯一的结果。

实际上，很多的均衡点是人们追出来的。如今在经济学里很多人去讨论所谓的行为，变成了一种心理学的因素。但是我现在讲的是远远超过了心理学的因素。从另外一个角度看，我哪怕做了非常强的假设，假设所有的人都是彻底的理性的人，也仍然有多个均衡点。人群会突然涌到这一点，人群会突然涌到那一点。当他们涌到这一点的时候，就推出这么一个结果；当他们涌到那一点的时候，就推出那样的结果。他们涌到哪一点不是因为那些所谓的心理学的原因，心理学研究使得它更复杂，你哪怕把它假设掉，完全的理性的人群也仍然是这个状态。

我刚才讲了这么多话，什么意思呢？意思就是，哪怕你有技术手段去解你写出来的数学模型，其实你也不能从那个解里面真正地找到你能验证的东西。因为你会得出多个解，多个解可能涉及很多的其它的因素。比如我们讲气候，你想想关于气候的模型要多少参数进来？做气候模型的时候，进来论万论几十万的参数。在讨论人类社会的时候，你需要巨量的参数才能把你的模型定下来。当你没有能力确定度量、找到数据、定住模型的时候，你的模型是在抽象的意义上的。你可以写出来告诉别人自己的思路是什么，但是在现实中这个模型是解不出来的。

徐轶青：我想起我们一年级学宏观的时候，如果一个问题有三个代表性代理人（Representative Agent）的话，就已经很难解了，几乎解不出来。如果超过三个的话，经常就是混沌的。这是不是跟您说的有关系？

许老师：是有关。我现在的笔记中的模型里有不止三个人，因为当人数少到这个程度的时候，已经丧失讨论价值了。当人数多的时候，由于人都是互相猜的，许多其它的因素会导致人的变化。从某种意义上说，我现在讨论的制度基因，把原来高度复杂的问题相对简化了一些。原本你可能有1000个均衡点，有了制度基因之后，你的均衡点可能还剩5个，剩下的5个基本上都跟你的制度基因有关，因为跟这个制度基因直接冲突的东西基本上都排除了。制度基因是什么？人在互相猜的时候，沿着制度基因猜是最容易猜的。这就是我讨论的制度基因里非常重要的基本思路。

李华芳：太好了。首先我想请你概要地介绍一下制度基因理论的基本框架。现在很多人在做锦标赛模式的官员激励，我相信你应该也是相当关注。你认为这一块有什么明显的理论上的短板或者局限？值得期待突破的方向是什么？有蛮多年轻的学者是因为你们的工作以及后来的实证研究才投身到这个领域里，所以我想问问许老师，你对他们有什么样的建议？如果你觉得你的制度基因的框架理论有值得年轻学者与现有研究勾连起来的地方，我们也希望你指点迷津。

许老师： 对，是这样。在经济学和政治学领域，现在很多人都在做这支文献，其中一部分是因为我们早先做过这样的工作，还有一部分实际上是因为这个问题的确是中国的现实。基于这样的现实，人们当然就会做很多实证工作，而且可以做出来很多的实证工作。如果我们还想在实证工作方面走得更远，我的看法不仅仅是在于这个部分的文献，而是我对现代经济学的整体的看法。

在我念PhD的那一段时间里，经济学是更偏理论的，我的时代是博弈论、激励机制理论、契约理论、机制设计理论等应用理论大发展的年代。理论发展在经济学里产生了一些误差，经济学自己出了毛病：很多做理论的经济学家没有意识到经济学是社会科学。社会科学是什么意思？社会科学重要的在于它是科学。科学是什么意思？科学的意思就是它必须是实证的。不是实证的，就不是科学。不是实证，就是数学；不是实证，就是哲学。因此，不管证明了多少个命题（Propositions）或定理（Theorems），都是不算数的。在我的那个理论大发展的时代，经济学出现了一些偏差，人们已经忘记了，经济学是科学，忘记了经济学必须以实证为基础。以实证为基础就意味着，你的理论的发展一定是由于实证的原因才发展的，理论的发展必须要经过实证来验证的。没有经过实证验证，理论的发展是不算数的。

随着计算能力的发展，实证一下子就变成了经济学的主流。现在的经济学产生了另一个偏差。大量做实证工作的学者们，包括学生和教授在内，已经对理论毫无兴趣了，甚至已经有的理论也不知道，只专注于数据挖掘（Data Mining），只关心所谓的识别问题（Identification）。识别问题其实是一个非常老的哲学问题，识别问题最早在哲学上就是因果关系的意思。识别问题说的就是因果关系，因果关系到底是不是统计学问题？这个问题早在亚当·史密斯的时代就已经开始争论，而且有了非常清楚的解释：因果关系归根结底不是统计学问题。你要知道，因果关系不是靠统计学做的识别，而要靠明白它的机制。你必须要通过实证构造理论，了解它们的因果关系在理论上的结构。只有你理论上知道了它的结构，你才算最终解决了它的因果关系。只要你一天没有弄清楚它的机制，你无论用了哪种统计方法，你也没有解决它的因果关系问题。

亚当·史密的师兄戴维·休谟（David Hume）已经非常透彻地讨论过这样的问题。这样子的问题在物理科学和生物科学里都不存在。在物理科学和生物科学里，学者只有在搞清楚了物理机制、生物机制之后，才认为那是因果关系。在物理里，学者从来不会利用统计学验证它的因果关系，在生物学上也是一样。临床生物学在制药阶段会有临床实验，但临床不是为了弄清生物科学的机制。由于科学上有大量的内容学者现在还弄不清楚，所以为了减少它的负的作用，为了确认它确实有正的作用，因此才用了统计学的办法。

我想说的超出了这支文献的范围，而是普遍性的实证的经济学里的现象。人们不关心发现，而是一头扎进去解决所谓的识别问题。这是个重大的偏差和错误，影响了经济科学的发展。回到中国的制度问题，我们需要更清楚地知道它的机制是什么，而不是简单地验证数据。数据当然非常重要，但是研究的追求一定是发现，同时要寻找它的机制。

回到制度基因的问题上。我们过去发表了好多篇论文，有M型（ M Form）和U 型（ U Form）两类组织结构。后来我在 JEL上发了一篇比较长的文章，试图把过去假设掉的那部分有关于整体的制度的内容，全部拼回来，给人们一个完整的图像。如果你只看 “Maskin, Qian, Xu”的那篇论文或者只看“Roland, Xu”那篇论文，你看不到整个制度的来龙去脉。你为了要写数学模型，为了数学模型能解得出来，只好把这个制度上其它的部门给假设掉了。我可以这样打个比喻，我们前面发的两篇学术论文可以看成是历史长河中的两张照片。这两张照片你可以看成是X光片，可能比X光片还高级，可能是CT，非常详细，分析得很好，但是它们是非常静态的。我在JEL上发的论文改进了一点，把这两张照片恢复到一个很短的电影片里去了。但是我的电影片很短，只看了改革的这几年，改革之前的我基本上没有看。那么我如何把我的电影再放长一点？我只看这么短的电影，实际上还是不能解释这东西从哪来的。制度基因想要讨论更长一点的电影，拉开更长一点，让人们知道得更完整一点。但是当你拉得更长的时候，虽然更加完整，但是没有那两张高分解率的 CT照片那么详细了。

实际上，制度基因试图帮助我们更完整地了解中国制度。我们刚才也强调了，经济科学是科学，政治科学是科学，社会科学是科学。科学必须是实证的，实证必须是以事实为基础的。所以当我讨论制度基因的时候，这个概念必须和大量的、切切实实发生了的实证在一起讨论。所以，通过分析由实证内容组织起来的概念，制度基因帮助我们认识为什么中国走到了今天。只有我们认识到了为什么中国走到了今天，我们才有可能有一点理解中国接下来可能会怎么样走。

李华芳：许老师讲得非常好了，很有启发。结合评论区的提问，我有两个问题。第一个问题，包括2019年诺贝尔经济学奖得主在内的主流经济学家主要研究的是识别问题，当然也有经济学家放大规模、拉长时段，但基本上没有人能够达到您说的考虑一个更高理论层面的东西。现实中，年轻的学者面临着很多发表的压力和现实的考虑，他们要如何平衡特别微观机制的实证类工作和更高理论层面的问题？

第二个问题与此相关。我们知道，许老师你当时在LSE遇到很多带着切身实际经验的学者，思维碰撞很激烈。对现在的年轻人面临一个特别实际的问题，比方说他/她是一个北美求学的经济学博士，如果他/她想知道一手的信息，可能得跑到田野去，才能了解到更真实的中国。所以，你如何平衡到底回国内还是留在这边发展的问题？

许老师：谢谢，第一个问题不光是纯方法论的问题，同时也是年轻学者在学术生涯里面对的重大抉择。实际上，任何学科的年轻学者都面对重大抉择。从纯方法论的角度讲，对于专门从事实证工作的学者来说，第一重要的是发现，发现，发现。汉语词“发现”不是最好，英文词叫Discovery，比这个要深刻。如果让我来总结什么是实证工作，我会说 Discovery，Discovery，Discovery。Nothing else。所谓的识别问题服从于Discovery。没有Discovery，就没有任何有价值的识别问题。现在很多人把事情搞反了，所有的经济学杂志只关心识别问题，不关心其它任何事。That's completely wrong！之所以识别问题重要，只是因为在你发现的时候，你要能够确认你的发现的确有这么回事。你并不是靠统计学的办法就能解决因果，而是靠识别问题的各种各样的做法，确认有这个现象。发现本身跟理论有没有关系？在绝大多数的情况下，发现本身都跟理论有关。世界上有无数的现象，任何的现象都可以变成数据。什么样子的现象是值得发现的现象？那是由理论决定的。

我这里引用19世纪末的哲学家、数学家、物理学家亨利·彭加勒的一句话，大意是物理现象有无数种，如果把一盆水泼在地上，泼在地上的水会溅到墙上，溅到墙上的水花不是流体力学的研究对象，这不是物理学的研究范围。我们作为社会科学家，我们不要研究所有的社会现象，我们只研究重要的社会现象。你没有理论，你不知道什么重要。我受到爱因斯坦很大的影响，爱因斯坦在相对论上的突破是受马赫的影响。马赫的哲学认为，理论是组织经验事实的最经济的办法。最经济的意思就是最简单。理论用最简单的办法把大量的看上去复杂的经验事实组织在一起。所以你有理论，你就有办法组织；没理论，就没办法组织。所以不知道理论的人是做不了好的实证工作的。实证工作的出发点必须是理论工作，这个理论并不一定意味着你在数学上的证明，而是一个框架，你必须要知道这个框架。实证工作一定不是盲目的数据挖掘，即使我们有了超级计算机，但是你如果没有任何理论的话，无论你有多么强大的计算能力，无论你有多么多的数据，你一定折腾不出来，而且你一定会误导你自己。有什么方向要走，是理论决定的。

关于年轻学者的学术生涯的权衡或者决策问题，我讲一个小故事。在爱因斯坦晚年的时候，有科学史家来问他对于刚刚拿到PhD的年轻的物理学者有什么建议？爱因斯坦说，年轻学者最好的工作是去看灯塔。科学史家大吃一惊，为什么这么出名的物理学家要让人家去看灯塔呢？爱因斯坦已经在美国很多年了，已经很熟悉美国的制度了，他说美国的大学终身教职（Tenure）制度非常不好，这个制度给了年轻人非常大的压力，年轻人为了要获得终身教职，必须要拼了命地发表。年轻的时间是最好的时间，最好的时间一定要想得深、走得远，而不是忙着发表。可是，如果压力如此之大，你必须赶快发表，使得年轻人变得很肤浅。你要是年轻的时候肤浅，你一辈子就都肤浅，所以就葬送了。看灯塔对你来说没有压力。你只要真的关心物理科学，那么你在没有压力的情况下，时间都是你自己的，所以你可以想问题，想透了就可以发表了。你想不透，何必要发表。我想这就是一个好的解答。

回到现实中，你很少能找到一份可以养着你、让你慢慢发表的工作。但是如果你想清楚了这件事，你在权衡的时候，就总会比你没想清楚要好一些。你自己要明白，被逼着赶快发表不是对你最好的事。你在能够生存的情况下，要努力想得更深、走得更远。

是否回国的问题其实跟这个问题是连在一起的。如果回国的目的是为了真的了解中国的情况，那么你也需要在理论上比较好地装备自己。你要是理论上根本就没有什么想法，我想你最好不用忙着回去。有了理论之后，你最好对国内有一点了解了，你再决定回国之后你在实证上到底能做什么。如果你什么也不了解，认为你回国就会了解更多，这有可能是误解。当然这也并不一定的。

徐轶青：许老师，我再问两个我们听众提出来的跟经济学子学科相关的问题。第一个问题，怎么看待计量历史或者用比较久远的历史数据研究历史规律？第二个问题是关于实验经济学的。我们知道实验经济学面临很多批评，比如说有些实验跟社会现实离得比较远，但是也有像Vernon Smith或者Ernst Fehr这样的学者，用实验经济学的方法研究了非常基本的问题。您怎么看这两个学科？

我自己再想追加一个关于制度基因的方法论问题。我有幸读过您未出版的第一章，因为第一章是描述性质的，我现在还不是很清楚制度基因跟经济学方法论的联系，或者说它和经济学方法论个人主义的关系。制度基因到底是一个均衡？还是共同信仰（Shared Belief）？还是一个什么样的东西？谢谢。

许老师： 一个一个来。从历史数据里寻找历史上的规律性非常非常重要。我个人的看法，至今，经济学需要这么做，但是还差得很远，才刚刚起了一个非常肤浅的头。我们回到物理学这样一个实证科学的起源上来看这件事情。物理学作为实证科学的起源是两个地方，一个是开普勒的行星运动的规律，一个是伽利略的自由落体的实验。在开普勒之前，第谷一辈子记录了巨量的行星运动的规律，开普勒也是做了差不多一辈子的记录。用现在的话叫大数据，在积累了两辈子人的大数据后，开普勒就试图总结出来了行星运行的规律。刚才我一直在讲，实证工作必须要有理论的起点。大家可能都熟悉开普勒和第谷的理论的起点，就是哥白尼和托勒密的辩论，一个是日心说，一个是地心说。实际上，他们俩的模型是一样的，只是坐标点不一样，他们俩的模型都是圆。溯源圆的模型就可以回到古希腊的时候。因此，第谷和开普勒原本是要验证古希腊就已经传下来的模型—圆。但是经过两代人的大数据记录，开普勒发现不是圆，而且他非常确认是椭圆，之后就在考虑椭圆的焦点。

牛顿的突破从哪来？牛顿知道了开普勒的椭圆轨道和伽利略的自由落体的定律，他认为这两个简单的数学公式互相矛盾、连不起来的。在他看来，无论天上的行星，还是地上的东西，都属于上帝制造的世界，那就属于同一种规律。牛顿把这些公式全部连在一起，就有了物理学的第一个体系。从此才有了科学，以前没科学。经济学和物理学比，还走在第谷开普勒的地方。经济学是零散的，片段互相连不起来，这就是今天的经济学的状态。经济学怎么才能有更多的连起来的东西？唯一的办法就是历史。如果你只看现在，那就是一个截面（Cross-section），那就是一张照片，你只看一张照片是没有可能把人类社会是怎么回事弄清楚的。在历史上寻找，是你唯一能弄清楚人类社会的办法。

当你问题看得更大、看得更多、看得更深的时候，你会发现你见到的规律性的现象是有条件的。在你不知道条件的时候，你会以为它是一个普世的（Universal）规律，但实际上它是有条件的。因此，任何一个学者能够系统性地在历史上找到某个部分的规律性的现象，都对社会科学做了了不起的贡献。

我再讲另一个直接相关的例子，就是电。大家都知道无线电的发明是从麦克斯韦方程组（Maxwell's Equations）里通过纯理论的方式推出来的。在麦克斯韦之前，法拉第等人已经分别把电和磁的现象写成了一个个很简单的公式，直到许多这样的公式放在一起，它们之间似乎应该有关系的时候，才到了形成理论的时候。所以没有这些人做的这些早期的电和磁的工作，就没有麦克斯韦方程组，也就没有后来的爱因斯坦的相对论。所以，所有的这些了不起的理论发展，实际上都是因为实证，你要先发现这些非常可靠的规律性现象。如果没规律就没学科，科学就是找规律的。做科学，有规律我才看，没规律不看。当然，这涉及到你的判断了。你可以借助现有理论帮助你判断，或者你的直觉可以帮助你判断，总而言之你要有个判断。

许老师：第二个关于实验经济学的问题。实际上，实验经济学仍然处在探索之中。我的看法是，虽然这个领域得了好几个诺贝尔奖，实验经济学仍然处于相当幼稚的阶段。最早的诺贝尔经济奖授予研究纯心理学工作的团队，涉及到经济学的基础—人的偏好。人们过去做了一些重大假设，假设人们的心理偏好。在实验室里，人们发现了这些假设是被违反的，从而动摇了经济学的基础。从这个角度讲，获得经济学诺贝尔奖当然很重要。

这个实验大体上分为两大类实验，一大类是心理学实验，一大类是医学临床实验。我认为心理学实验是无争议的，非常重要。如果认为它有争议，有争议的地方在于从社会科学的角度讲，哪些问题是最重要的？或者人的行为到底在哪些地方受的影响最大？我现在可以讲一个思想实验（Thought Experiment）。人们现在做的心理学实验都是在完全正规的实验室条件下做的，其实，人的行为在很大程度上取决于制度和环境，而不是心理学家讨论的纯心理现象。假定心理学家设计一个原来在实验室里能做得出来的实验，我来设计实验场所。我的实验场所很残酷，模拟纽约证交所的交易场。一个礼拜之后，不告诉他们这是实验，把同一批人判刑，关到监狱里一个礼拜，给他们监狱的待遇。实验结果一定不一样，而且环境带来的结果一定超越了原来心理学家要看的结果。

我们不是心理学家。我们作为社会科学家，关心的是社会制度，我们关心的是制度对人的影响，我们关心的是制度对人的行为的影响、制度对人的决策的影响。因此做任何实验，你如果没有这个认识、没有这个直觉，你的实验可能就是误导了。我们既然是社会科学家，我们关心的是社会的运行规律，有规律性的东西我就做，跟规律性不太有关的非常小的噪音，我就不做。在我们的大的问题上看，许多的心理现象可能就是噪音，那么你何必要花很大的力量去看那个噪音？某个学科看它很重要，但是在我们社会科学上看，它可能就不重要。为什么忽略最重大的社会科学的问题，而要去钻一个很小的事情呢？这个就是我对实验室提的，不叫批评，而叫建议。我认为他们丢下了重大的问题。

对于临床试验，回到我刚才讲的一句话，我认为实证工作的任务是Discovery，Discovery，Discovery。如果你的目的不是Discovery，无论你设计的方案多么好，临床试验没有什么价值。当然，也有的人说我的目的不是Discovery，而是Policy。That's okay。那个过程就是工程，而不是科学，因为科学不是为了Policy。如果你的目的是科学，一定是Discovery，Discovery，Discovery。如果用临床对照实验的方式帮助你获得了重大发现，那很了不起，非常好，庆祝。这里的关键问题就是你的问题是什么。

徐轶青：最后是关于制度基因的问题，我正好借用一位年轻的经济学教师谢阳的问题。第一个问题，许老师提到的制度基因简化为均衡选择的问题，是不是可以理解成一种选择聚点（Focal Point）的具体表达形式？第二个问题是在给定制度基因的情况下，在理论上制度基因在较短的时间内是不是有可能变化，怎么样发生变化？有没有什么样的微观机制？

许老师：因为时间的关系，今天根本就没有真的展开讨论这个问题。我所谓的制度基因实际上是个简化型（Reduced Form）。我如果从博弈论（Game Theory）的角度讲，它原本是一个展开了的模型（Model），相当详细的，但是解不出来。换句话说，你解的时候，哪怕是你有很强的计算力，这个多重均衡（Multiple Equilibria）中的均衡非常多，你的理论也并不能告诉你什么。为了简化分析，我就把一大类的内容用一个简化型表达，叫做制度基因。首先，你从名字上大概就已经能猜到了，制度基因说明这个东西是重复的、来回来去的出现，它并不一定是100%重复，但是它中间的核心内容是反复出现的。你会发现历史上有一些基本的制度安排的方式反复不断地出现。第二，这个东西不仅重复出现，而且很重要，由它会引出来别的东西。第三就是因为我的分析起点。我定义的时候就把制度基因定义为形成激励机制的基础的东西。它之所以会不断重复，实际上是人们自己的利益决定的。重复这东西对人们有好处，人们就抓住这东西不放。

李华芳：谢谢许老师。最后一个问题，我们想知道一下你的出版计划。

许老师：这本书会由剑桥大学出版社出版，英文版我会在明年10月交稿。交稿以后，应该就比较快了。如果感兴趣的同事们愿意听我讨论，我倒是乐意。我愿意听到批评，也愿意听到提问。

徐轶青：好的，我们原来约定的是90分钟。许老师聊得很尽兴，接近两个小时了。非常非常感谢许老师。我要说声抱歉，也是因为大家兴致非常高，还有七八个提问没有回答。再次感谢许老师今天给我们带来这么精彩的演讲。

许老师：可以把问题发给我。

徐轶青：可以。我真的非常感激，有这样一个机会能够跟您交流。谢谢许老师，新年快乐。

许老师： 新年快乐。牛年，牛！

来源：“RandomWalk Theory”微信公众号