近日，某学者从国外回国听取了某211大学经济学硕博生的论文汇报，发现了一些在国外不常见的现象，并在平台上做了陈述：
1.他们的研究方向都集中在数字经济和绿色经济，所有人的研究都是以数字经济/绿色经济为X轴，寻找文献中尚未涉及的Y轴，包括但不限于新质生产力、共同富裕、绿色 全要素生产率、产业联动等一系列抽象概念。
2.他们的研究方法过于模式化，缺乏创新，统一DID或加个IV。
3.遇到做不出来结果的困境时，他们的第一反应不是挖掘X与Y之间潜在的关系，而是更换数据或调整参数使其显著。
面对国内经济学界研究现状的痛述，出现了两种观点，整理如下：第一种，是认可该学者观点，并与该学者具有相同感受。
学者1表示：完完全全就是我想说的，这学期我阅读了四五十篇国内的顶级期刊论文，试图寻找一篇真正有意义的来激励自己，但至今没有找到。其实，很多其他学科也都一样，都在做这样的事情，这样的科研不知道意义何在，但评选机制就这样，要求文章、项目等。
学者2指出：无意义的热点，其实某种程度上是在制造学术垃圾。国内其实挺有趣的，有时候一些普通C刊上反而会有一些比较有理论性和现实性的文章，顶刊反而没有，特别是工某和数某。
学者3同意：我同意你的看法，我也不喜欢这种研究模式。现在国内的经济学研究，隔几天就冒出一个新概念、新名词。我研究的是劳动经济学方向，虽然竞争激烈，但我并不觉得已经到了缺少新想法，需要将数字经济/新质生产力与劳动经济学主题结合起来的地步。结合中国经济体制的不断改革和变迁，影响个体教育、就业、收入、流动的制度性约束正在不断放松，至少在我看来，中国的劳动经济学问题还有很多研究的可能性，即便局限于传统的劳动经济学话题。
学者4提出：母猪生产和全球气候变暖的关系研究。做不了理论，都在那做实证，回归，发论文靠非学术因素。实证要么验证理论正确，要么挑战理论。为了找新的关系，就追热点，各种名词大造（美其名曰提出新概念）。
学者5表示：对于排列组合，我现在能理解，但最不能理解的是许多复合指标的研究，甚至X和Y都是复合指标。他们创造了一堆看似有理有据的指标来讲故事，这让人感到有些烦恼。
学者6分享：说到排列组合，我曾经读过一篇文章，研究会计师事务所与寺庙之间的距离对会计师事务所审计质量的影响，我当时边读边觉得不可思议，这简直是无事生非。
学者7质疑：我认为：数字经济作为X轴没有问题，寻找Y轴更没有问题。问题在于：他们真的清楚自己计算的或者拿来的X轴是合理的吗？它们的意义何在？放入回归分析中，系数的经济含义又是什么？
学者8指出：我研究的是管理学领域，情况和你提到的经济学领域差不多。就拿数字化转型来说，不管是什么期刊，都采用词频法，我看着都觉得有些脱节。反倒是觉得管理学中那些做质性研究、案例分析的还挺有意思的。说实话，我做多了之后，感觉管理学现在确实比经济学更贴近实际。举个简单的例子，之前想写一篇关于供应链的文章，开会时和一位管理科学的专家交流了一下。后来那位老师安排了两家企业的调研，并带上了我。通过交流发现，真实的企业决策与数据背后的故事完全不同。管理学领域现在似乎流行实地调研、案例分析，还用一些新方法，比如fsQCA，收集问卷进行分析，这些都更贴近现实。
学者9感受：感觉国内学术界还是挺喜欢追逐热点的。国内确实也有不追热点的，只是比较少。绝大多数人还是喜欢追逐热点。比如我一个认识的人，就是追逐热点的高手，他的论文发表四个月后，知网下载量都快一万次了，一跃成为我周围下载量最高的文章。
学者10表示：我的想法可能与世界不符，但是让世界符合我的想法还是有办法的。做统计的都是这么教的。国内的p值就没有超过0.05的，全员显著。
学者11描述：国内经济学研究大多都是先想个讨巧的选题，然后假设结论，再搞个模型出来，然后把各种数据往上套，然后一直调整到符合结论为止。基本就是这样，不用怀疑了。对数据生成过程只是知其然，不知其所以然，只是抓住平行趋势不放，批评别人有事先趋势。
学者12：确实，其实很多研究的问题本身毫无意义，即使是顶级期刊也是如此，不明白为什么一些简单的想法需要用复杂的理论模型和数据来验证，还得调整数据以求显著性...这对经济发展真的毫无帮助。
第二种，不是很认可该学者观点，或虽认可但觉得世界本来就是这样的，无论国内外都无法改变。
学者1认为：国外不也一个样么，这也要搞鄙视链？不可能人人都得诺贝尔奖吧，大部分人就是混口饭吃而已，别把自己的高标准强加给大多数人的生态系统。
学者2提问：国外也有很多换变量的研究吗？拿2013年AER那篇关于中国综合症的论文来说，现在Y变量都换了多少了，还能发表在领域内的顶级期刊，真是看不懂。
学者3指出：国外更奇怪的、更容易发表的，尤其是环境经济领域的，比如空气污染与离婚率、空气污染与收入，这些八竿子打不着的东西。奇奇怪怪的故事可能审稿人比较喜欢，显得有创意。JEEM好像有一篇关于空气污染与英雄联盟胜率的。
学者4直言：说实话， Management Science和Journal of Financial and Quantitative Analysis上很多论文也是reg monkey paper，不过就是挂了个大佬的名字，然后故事讲得好一点罢了。JAR等会计类期刊也很多。我之前也会这样想，但现在想，大佬们都在做，为何我不做呢？
学者5指出：要回答这个问题，我们首先应该理解，世界上所有的科学都是在排列组合中诞生的。如果最后的成果对人类有意义，那么它自然是有价值的；如果无意义，自然就会被人抛弃。无论如何，排列组合是科学发展的底层逻辑，看似简单，实则难以捉摸。
学者6提出：我觉得可以换个角度来看待这个问题。社会科学的本质是在众多普遍联系中寻找那些有价值的、可以理论化的特殊联系。大量基层科研人员的工作就是在这些普遍联系中进行试错。这些尝试中，大部分可能没有意义、无法理论化，但这种试错是必要的。在大量尝试的积累下，可能会引发一些质的变化，进而推动我们提炼出一些有意义的联系。
学者7评论：99%的研究组都是这样的。这是最快产出的方式。一切都以发表为导向，自然就会是这样。就像流水线作业，新时代的流水线工人。连大导都流水化作业了，一部分人负责看论文找Y，一部分人整理数据，一部分人调参。
学者8认为：大家都是这么做的，否则按照原始的标准来要求创新性，99%的人一个月后都得卷铺盖走人。
学者9反思：起初在国内从事研究工作时，我也曾经疑惑：这样的研究有什么意义？后来，我去了美国的一个国际组织工作，发现身边那些发表在《美国经济评论》（AER）的同事们也是用类似的方法调整数据。这才意识到，原来这个世界就像一个庞大的草台班子，所谓的人文社会科学，实际上不过是用科学的皮毛，主要是数学和统计方法，来表达自己的观点。
学者10指出：实际上，国外顶尖期刊也常常更换Y变量，而且也看重关系网。差异主要在于：第一，国外顶尖期刊即便有关系网，也需要质量作为保障；而国内期刊，一旦有关系网，质量就变得不那么重要了。第二，对于同一个X变量更换Y变量，国外顶尖期刊对理论性和现实性的要求更高。而在国内，这两方面几乎不被重视，更关注的是热点或政策导向。
学者11理解：这是人之常情，大部分人都是普通人，在任何领域，普通人自然会优先选择那些容易做、随大流的事情。要创新，需要实力，这类人毕竟是少数。
学者12坦言：想摆脱这种研究模式，可是人家不认可。我花了多年研究某个领域，但也只能发表全文字的论文或者著作，还是比不上那些建个模型、做个回归分析就能快速发表的文章。
学者13感受：如果一个博士生试图不做这样的研究，那他在发表论文乃至博士论文评审时都会很痛苦。因为很多老师只认这个逻辑。不论什么问题，都可以问你“内生性检验做了吗？稳健性测试够不够？实证怎么不用DID。结果就是用这个套路培养出的青年老师变成资深老师，继续这样带学生。
学者14笑称：混口饭吃罢了，经济学科研的用处，懂的都懂？就怕这么简单的XY关系，还有人达不到毕业要求。所以有时候真的觉得文科毕业生找不到工作也情有可原，研究的都是些空洞无物的东西。
学者15强调：人文社会科学必须这么高要求，否则就会被淘汰。都是人文社科了，我只看到了研究文科，没看到研究人与社会。我们周围都是使用现成数据，脱离了群众，不与群众紧密交流，怎能称得上是人文社会科学。
学者16总结：所有学科和研究都这样，包括所有产品也是，世界就是个巨大的草台班子。八成的教授科研都是边角料，大家都是混口饭吃罢了。哪有那么多天才，写篇文章就能改变世界。
学者17提出：这一现象，我提供不同的看法，这个现象存在甚至是必然的，主要是从业人员大于所需，真正有价值的研究数量不多，为了完成绩效，自然要做很多无意义的研究。无可厚非吧。
学者18：这都做不好怎么做好的，毕竟要吃饭的。即使是大师，水论文是工作，憋大篇才是生活。因为不是所有人都能做真正的创新，reg monkey 对于个人来说未必不是一个好的生存方式。
学者19：大家确实都在研究x对y的影响，但很多时候这个x是从未使用过的政策和机制（或者只在其他市场使用过）。顶级期刊的实证文章多是这一类吧。学者
20：经济学本来就是这么回事，这个世界上没有任何一个模型是绝对正确的，关键在于它是否好用，能否得出一些有趣的结果。简化形式加上线性模型简单易懂，容易上手，所以大多数人选择使用这种方法。
学者21：要毕业，要谋生啊？不只是顶尖大学需要能够创新的教师，普通大学也需要能够传授基本经济学理念的老师。进行一些研究，然后去普通大学以教学为主、研究为辅，也是我们这些普通人的出路？花上两三年时间去做出大的创新，对普通人来说风险太大了。
学者22：“没有我们这样的普通人，怎么凸显别人的天才呢？”但说到底，我还是无法完全相信经济学的价值。
学者23：那怎么办呢，如果不以这些成果作为考核标准，我们就能少产出一些无用的东西，否则我们这些学生要毕业，又能怎么办呢。你怎么看呢？
来源:转载自网络.
责任编辑：
本文地址：http://sicmodule.glev.cn/quote/10659.html 歌乐夫 http://sicmodule.glev.cn/ , 查看更多