Prof. Edward Vytlacil是一位实证计量经济学家。他2000年毕业于美国芝加哥大学，从师Prof. James Heckman。Vytlacil教授主要贡献在于处理效应模型（Treatment Effect）和政策评估（Policy Evaluation）的微观计量方法。除理论贡献外，他的其它实证著作主要应用理论研究教育回报，工作培训回报和药物介入有效性等问题。他的多篇著作在顶级经济学期刊上发表，如Econometrica，American Economic Review，Review of Economic Studies等。他本人现为Econometric Society Fellow, Co-editor of Journal of Applied Econometrics, Associate Editor of Econometrica和Journal of Econometrics.他本人现为美国耶鲁大学教授，曾在斯坦福大学、哥伦比亚大学和纽约大学任教。
2018年春季蒋学模系列讲座，经济学院有幸邀请到Prof. Edward Vytlacil 给学生们带来题为“Econometric Evaluation of Social Programs ”的课程，之后Vytlacil教授接受了新闻中心的采访。
较量：大数据科学与经济学的较衡
身处大数据科学时代，计量经济学完全失去优势了吗？Vytlacil教授首先为我们厘清了大数据科学和计量经济学这两门学科之间的关系与差异。Vytlacil教授指出，二者的起源是不同的。
“计量经济学起源于20世纪30年代左右,力图理解事物的原因，如理解通货膨胀和利率之间的关系，肉价上涨对消费的影响等问题。经济计量学的关键在于，理解问题并提出检验性假设。因此从这个方面来讲，计量经济学是在没有太多数据或者是没有任何计算的环境中源起的，其学科核心问题是，如何使用非常少量的随机观察值来分析其内在机制。”
“与计量经济学不同，大数据科学来自计算机科学和统计学，其学科的关键在于，当有大量观测值和变量时如何进行预测。在大数据科学中，能否有效地利用少量观测值并不重要，重要的是如何处理和利用主要的大量观测值及大量的变量,进行相关结果预测。”
尽管大数据的可用性不断增加，但依旧无法撼动计量经济学在经济学的地位。Vytlacil教授认为，从历史上看，计量经济学不仅对经济学有影响力，而且对其他社会科学如政治学、社会学也有着很大的影响。这些领域的研究仍在使用计量经济学方法论,而且有大量学者想从事经济学和计量经济学研究。
但不可否认，大数据科学在某些方面的确对计量经济学产生了一定的影响和冲击，原先从事计量经济学的学生转向了数据科学研究。但其实二者并不是非A即B的选择，在大数据科学与经济学的竞争之中，Vytlacil教授看到的是二者相互结合后的研究契机和突破，即将计量经济学与大数据、机器学习理念相结合，而这一领域尚有很大的拓展空间。
“从一定程度上讲,大数据科学与经济学之间有一定的竞争关系。比如说在学生专业选择上,许多之前从事计量经济学的一些学生现在想进行数据科学研究。与此同时,如何将计量经济学与大数据、机器学习理念相结合是待拓展的领域。例如,运用非常谨慎的数据科学进行预测，可以帮助我们做我们想做的事情,如发现一个结构性因素，或者拓展和改进我们当前使用的方法。”
对于当前“流行”的大数据，Vytlacil教授决不“盲从”，始终以非常冷静的态度，客观而理性地分析其对计量经济学及其他经济学科所产生的影响力。他表示，那些认为大数据可能会对某些领域产生冲击的观点很快就会被证明是错误的。首先，这些领域是以随机实验的方法为主,也可能会用到一些机器学习;其次，我们仍处在某些领域只能获取很少数据的环境;再次，这些领域思考的问题与研究机器学习思考的问题侧重点不同。Vytlacil教授强调，即使我们确实需要将机器学习应用于劳动或健康等领域，但问题的关键在于如何数据处理，重中之重是如何使用数据。
与此同时，Vytlacil教授也指出了大数据存在的弊端：一、我们通常以问卷调查的方式收集数据，商店实地调查成本昂贵，代之以电话、上门访谈，但现在的人们又通常无暇理睬，回复的人很少，那么收集数据的成本自然变得十分昂贵；二、数据的代表性也很难确定。
当前相关领域也开始尝试在网上收集数据，以弥补传统数据收集方式的不足，诚如Vytlacil教授所言，总的来说，线上收集数据会是一种趋势。虽然线上数据收集成本较低，但确认数据的代表性是一大问题。因此，Vytlacil教授建议用交叉的方式做调研。
热点：计量经济学研究的热门话题
Vytlacil教授从未将计量经济学与大数据科学二者进行对立，而是将之结合。可以说，不同方法方式的融会贯通，以新的探究方式研究解释问题，一直贯穿体现于Vytlacil教授及其他经济学家的研究话题中。比如，Vytlacil教授谈到在过去十年中，有一些变得流行的话题。
“一个话题是如何能够有效识别。我认为计量经济学的一个共同主题就是做分析，以更好地解释现象以及现象背后的机制。实际上有一些大数据就在做这样的事情。在某些情况下，相比起传统的极限分析方法，可以有条件地运用修正分析方法来得到更好的估计。”
“另外一个领域是部分识别（partial identification）。与其运用不现实的近似值，还是运用现有的数值方法去捕捉寻找事实。举例来讲，如果我们研究一个问题，与其找到一个真值，不如先找到一个范围。可能你没法肯定地作出一个明确的回答，但是可能会产生一系列未知的答案。”
“第三个我认为非常热门的领域就是我正在从事的处理效应（treatment effect）。如何将其应用于其他研究将成为一个重要的研究方向。”
“另一个最近非常火爆的领域是使用计量经济学与随机试验相结合。因此，之前人们会进行随机对照试验，这样不用过度担心计量统计量。但是计量现在已经深入到生活的很多方面，比如说，最近有很多人想着如何将计量经济学引入他们的城市。许多人在思考我们的城市，和其存在的问题，以及如何验证和解决这些问题。这些计量经济学可能会有所帮助。”
用大科学数据对现象作出更好的估计，用范围框定的方式获得更多未知答案，将处理处理效应应用于其他研究，将使用计量经济学与随机试验相结合，Vytlacil教授就是这样以对经济学研究敏锐的洞察力和不断创新探究的姿态，结合相关研究方法，解决一些热门的话题，赋予其新的研究价值和社会意义。
论文撰写的建议
作为应用计量经济学杂志的联席主编及其他期刊相关领域的主编，Vytlacil教授为我们如何撰写论文提出了一些建议。
“我认为在撰写论文时，你的文章越不为人所知的时候，越应该保证结构整齐分明。因为人们不知道你是谁，有一些不严谨容易导致审稿人对你文章的怀疑和疑惑。所以在投稿时保证文章结构清晰，内容清楚，并强调出文章的贡献，是非常重要的。通常情况下，有些作者在投稿时，只描述所做问题而没有清楚地解释其文献中的贡献。这些方面是投稿的关键。”
当作者收到审稿人报告时，需要这样做：
“在给审稿人清晰的回复和试图针对评论逐条修改之间进行权衡。审稿人并不希望自己的意见被忽视或未受到重视，他们希望自己的意见被关注。尽管作者可能并没有真正修正某些问题，但作者需要试图让审稿人对于修改的文章感到满意。这是非常实际的事情。”
Vytlacil教授也向博士生分享了自己的经验。他说，在博士生涯的前两年，弄清楚自己擅长什么以及喜欢什么是非常重要的。
“学生应该在头两年发现自己擅长或不擅长的事情。我认为不应该固执，意识到自己擅长什么是很重要的。有些学生认为他们想要做纯理论，但实际上他们不擅长理论，他们可能擅长别的事情，却一直在试图做同样的实际上并不适合自己的事情。”
擅长是研究的优势，兴趣是研究的动力。“你知道你研究的一个关键问题，是发现除了你自己之外的人也对它感兴趣和兴奋，我认为这是一个关键的问题。”
之后，Vytlacil教授十分明确地指出，学术与业界是绝对不同的。我们将之概括为学术的关键是独立研究、不断创新，业界的关键是标准化处理、正确操作。
“对于学术工作而言，关键技能是进行独立研究，从而创造出与之前完全不同的新事物。但是业界需要非常不同的技能。在业界，对一系列问题的标准化处理技能非常重要，比如如何处理问题以及怎样快速处理问题。在学术研究中，人们很多年从早到晚一遍又一遍做着相同的事情。理想情况是，到最后几年，会有一些与众不同的见解。但对于业界工作而言，你早上醒来开始处理的一些事情，并不需要有创新意义和原创性，但它必须是正确的。”
此外，Vytlacil教授还讲述了自己在大学学习期间如何从事科研及如何在完成本科课程后直接进入博士项目的经历。基于自身学习经验，他建议那些有志于从事实证研究的学生，最好与教授一起工作，这会让他们对如何分析数据、完成学术研究的过程有更多的了解。
其次，Vytlacil教授提到，本科生要进入博士项目，或想在博士项目研究中有更好的表现，申请人必须具备良好的数学背景。但“具备良好的数学背景是学习经济学博士的必要条件而不是充分条件”，要想在美国顶级的经济学系中脱颖而出，除了修读大量甚至全部重要的课程并取得好成绩外，还需满足其他更有区分度的衡量标准，如与导师进行的一些研究的评价及其他方面的评分与成绩。
Vytlacil教授认为学术写作能力非常重要。
“尤其是当你完成博士学习的时候，写作能力强很重要很有帮助。学术审核委员会往往会关注这一点，因为他们会收到书面报告，所以不佳的写作水平可能对对你有负面影响。”
对于那些准备博士学习的学生，Vytlacil教授强调，除了为数学背景做全方位的课程准备外，创新型与原创性是关键，独立的批判性思考也很重要。美国会奖励那些开创一些新兴和原创事物以及挑战现有程式化方法的人。
返回顶部
