熬了兩年終於把碩論寫完，親戚朋友又會開始問一些有的沒的市場經濟學問題：
最近有沒有在玩股票阿？超導體概念股推哪一支？
你怎麼看美國升息？
虛擬貨幣為什麼這麼好賺？
經濟學的範疇真的很廣，但大眾認知到的經濟卻很狹隘（就像心理系之於讀心跟MBTI 吧）。也不是因為他們只接觸到這些，而是他們沒意識到很多跟錢沒關係的事情，其實也是經濟學的興趣，是經濟學研究所中很重要的訓練內容。
對於被問一些空泛的問題（你怎麼看、你贊不贊成、…）而可以馬上說出一套課本的標準回答的人，除非這就是他的研究領域，不然我都會對他的思辨能力持有一定的懷疑態度。
我想分享幾個我在台大經濟系上了這麼多（研究方法）的課之後的體悟。我覺得看待社會現象的角度，還有會留意的地方，真的會有所不同。
- 人才是經濟的主角
- 有比管制規定更好的做法
- 數字不會說話，人才會。而且人會說錯話
- 選擇後才有結果，所以不要拿結果做選擇
- 先了解問題為什麼難，再來想問題怎麼解決
人才是經濟的主角
經濟體是人所構成，忽略人的決策過程，說實在也很難研究經濟。
人會貪小便宜，但人沒有足夠的資源，而且人會被規則限制住。這三件事就像是整個經濟體裡面最重要的三個層次，在總體裡面的術語就對應到「最大化效用」、「資源限制式」、「機制」。
以逛百貨為例好了，你想盡可能逛各個角落（最大化效用），但時間有限（資源限制），而新光三越的手扶梯又硬要繞一圈逼你逛一下才能去上一層（制度與機制）。再舉經濟一點的，我想貸款買房，可是沒錢，但是申辦貸款卻又要我提供一定的頭期款與擔保品。諸如此類的小事情左右著人的選擇，而搞懂人類怎麼在這些事情之下做選擇，我們才有餘力去探討，把社會上每一個這樣的人視為整體來考量。
這樣應該就可以理解為什麼有「實驗經濟學」、「行為經濟學」與「神經經濟學」這種名字不知道在幹嘛的經濟學分支，因為這就是最直接研究人在那三個層次之下，會如何做出行為的最有效方法 — 直接做實驗。
菜市場經濟學常常討論美國升息、殖利率曲線、非農就業率等等「很像經濟學的經濟學名詞」。在現今總體研究中，這些問題的討論也都是從人的效用、行為、預期等等下手（做著名的學者便是 Jordi Galí），經過數值分析來得到動態的變化與均衡狀態。經濟學研究的分析，絕對不只是像某些財金專家信口開河的故事（不過不可否認，的確有些經濟直覺很好的分析師）。
我很喜歡的一種統計方法叫做 Simulation-based estimation，他就是將個體的狀態還有隨機性，伴隨著個體的選擇考慮進模型，然後看什麼樣的係數之下，才最有可能出現我們觀察到的結果。我有一篇英文的技術性medium文章，探討如何估計飛機航線的開闢。參考：
有比管制規定更好的做法
數量或是價格管制一直都是台灣這幾年很常見的政策，例如蛋價的管制。不只在有價格的政策上，許多諸如「易肇事路段限速30」、「未禮讓行人罰6000」、「租屋補助可不告訴房東」等等，都是一種行為上直接的管制以及後續的罰則。政府常常用這種最終行為的限制與管制，來作為政策執行的手段。
文獻上這種政策手段稱為「家長制 (paternalism)」，就像家長規定各種限制，讓小孩的表現符合他們的預期。不過規則通常就是來打破的，儘管有罰則，人總是可以賭一個「我不會被抓」的心態來逃避這些管制。換句話說，常常這些管制都有「有限執行性 (limited enforcement)」。比方說，不減速禮讓行人，如果不被抓，駕駛就覺得事不關己。
但顯然不能完全放任自由，變成所謂的「自由制 (libertarianism)」，因為並不是每件賭爛事都可以有效讓市場自己溝通，因此外部性非常高（寇斯定理）。想像每個行人都要跟每台車子溝通，顯然不可能。
最好的方法，其實是透過制度改變誘因。想辦法讓人在自由選擇自己的最佳行為之下，達到政策制定者想要看到的均衡狀態。這種思維稱作「自由家長制 (paternal libertarianism)」。
舉一個日常生活的例子來說，如果政府不希望車子超速，不該直接掛一個限速30。這樣誘因不足，因為駕駛最舒服的行車速度會隨著視野跟路幅而變動（請參考自由車流速率）。比較理想的做法可能是藉由實體或視覺上道路的縮減（例如楔形標線），讓駕駛人因感受路寬縮減而自願減速。有興趣可以參考標線改造台灣路，以及看看Thaler and Sunstein 的書《推力》。
我們當然可以都用「罰則」作為威嚇手段，但如果行為人對這個不敏感或是沒想這麼多，那罰則的成效可能不彰
回到經濟層面，面對很多社會不均的問題，也可以靠一些機制設計 (mechanism design)，讓可以多付出的人真的願意多付出一點。這種機制設計的目的，就是要在人是採取最佳行為而且誠實地揭露自己的為人的情況下（賽局中稱之為激勵相容，incentive compatibility），讓最後的分佈或總體福利達到政策制定者想要的想像。
這不是我的專長所以我不多說明，但重點在於，用限制、處罰、以及補貼的方式，通常不見得會是最有效的（儘管最直接，也最容易跟選民交代，放在政見上面鏗鏘有力）。這樣的做法少考慮了很多「人類」背後的行為動機與之帶來的均衡改變。
接著，我想先跳出來講一下「數據」
數字不會說話，人才會。而且人會說錯話
我最討厭的事，就是社論或是各種FB留言下面，永遠會有人貼出一張圓餅圖開始滔滔不絕，貌似要揭櫫世間萬惡的真相，最後再瀟灑補上一句話：
數字會說話
別傻了，數字不會說話，幫數字說話的是人；如果你相信人會說謊，那麼你應該也要相信數字會說謊。
經濟學絕對是帶領我產生疑心病的頭號犯人（當然這件事也不一定成立，可能就是我有疑心病才選擇轉讀經濟，但這是下一點要談的）。「應用個體經濟學」會讓人疑神疑鬼，看到每一個變數之間都在想中間會有什麼「故事」：會不會有倖存者偏差？這個結論是不是辛普森悖論？會不會有內生性？是不是自我選擇的結果？有沒有遺漏變數？
往往新聞中數字之間的關係，都多多少少找得出一個可以做得更好的分析。
新聞上出現長條圖，圓餅圖，折線圖等等，如果沒特別分群，大多就很容易被挑戰中間推論的因果關係會有問題。仔細的研究變數間的因果傳遞過程，才能釐清真相，而不是單純看到數字就興奮，然後亂給解釋。
展示一下經濟系研究生如何機巴的思考吧：
政府的「振興三倍券執行成效評估書面報告」中提及，以「數位三倍券」（信用卡、電子支付等）評估政策效果，可以somehow得到經濟效益破千億的結論。但是作為經濟系研究生第一眼看到的是他們樣本用了「數位三倍券」，或許因為這個資訊取得較為容易，所以只能用這個做評估，但我就會思考：
- 自我選擇的問題 — 會選擇用數位三倍券的人，是不是本身就教育程度比較高，而教育程度較高的族群的效果是否能推論到整體？
- 消費行為的偏誤 — 會使用信用卡消費本身就更常用在較大金額的支付，這樣的效益還能不能跟紙本的行為相比擬？
那份政策評估的確有數字，也的確有人替數字說話，但說的話到底有沒有意義，真的見仁見智，所以不要盲信「數字會說話」這種鬼話，保持一定思辨的能力，會避免很多被帶風向的機會。
這就帶到了另外一個相似的啟發：
選擇後才有結果，所以不要拿結果做選擇
每年一定會出現的「數字」就是平均年薪。居冠的永遠是醫生、工程師、然後就是管理、行銷等等。
這就造成了一個現象，很多人都認為轉行當醫生（後醫）跟自學之後當工程師，就可以高薪頤養天年。但這中間有一個天大的謬誤。
說起來非常的殘酷，但事實就是如此 — 並不是進入行業就會有那個行業的才能。就像不是每個人都是當醫生的料，像我這種庸才進去當整形醫生不知道要整壞幾張臉，都賠不完了怎麼還會高薪。
會選擇當醫生或工程師的，當初的能力就已經篩選過一輪了，所以剩下就是比較有能力在這些工作取得高薪的人，像我一樣的人進去只能拿低薪。反而乖乖做數據分析還比較賺錢。
這就是自我選擇的結果，在勞動經濟學中我們稱這個叫 Roy Model。每個人都有「假如自己做A」以及「假如自己做B」時的薪資，研究者會好奇做A的人改行做B會不會比較高，但選擇做A的人，當時就是評估過做B薪資可能比較低，所以才選A，因此這問題並不是這麼好回答，不能直接平均比較。
而新聞媒體或是家長，往往都直接把醫生的薪資與工程師的薪資做平均，然後說服大家從事這兩個高薪職業，這樣的推論完全就犯了「自我選擇偏誤」。
再來就是NTU交流版的統計期末問卷調查，真的是偏誤大本營誒。諸如「交友軟體使用調查」、「腳踏車使用調查」、「XXX意見調查」。
基本上，沒使用交友軟體就不會想填問卷，沒腳踏車也不想填問卷，而沒意見也不會填意見調查，所以很多最後的統計量像是「幾%認為XXXX」往往就參考用而已，因為要不要填，這件事基本上也是自我選擇後的結果，除非是隨機抽樣，不然最後肯定是會有偏誤的。另外就是放交流版，就會造成樣本結果都是台大生，這樣的「方便抽樣」(convenient sampling) 也會造成偏誤。
回想到第一點的啟發，那就是經濟是人所構成的，而從數據研究經濟行為時，也不能忘記數據的產生也跟人的選擇有非常大的關係。
先了解問題為什麼難，再來想問題怎麼解決
聰明的人這麼多，為什麼這個世界還有這麼多問題無法解決？這是我在初期學習經濟學時最常疑惑的問題。教科書上非常明確的說做A會導致B，那為什麼不做A就好？
「能提出解決方法」與「有沒有建設性」，不見得會同時成立。選舉期間每個候選人都會提出交通、教育、福利等種種政策，但實際上會讓事情更加失控的可能性也很大。
再以交通為例，要解決兩地之間交通阻塞的現象，曾有候選人的解決方法是「再建立一條地下道來疏通」。乍看之下的確有方案，但問題就在於團隊並沒有實際上了解為什麼交通問題這麼難解決。著名的 Braess’s paradox 就是一個例子，建構一條快速的疏通道路，是有可能讓交通更堵塞的，原因在於賽局上，都走這一條是一個新的均衡，但某種程度上這個均衡就像囚徒困境般讓大家的效益反而降低了。
又例如房價到底該不該硬著地（也就是靠大量的升息來迫使貸款買房成本增加，使大家不想持有房地產，藉此降低房價），作為買不起房子的年輕人之一心裡當然會很幹，希望直接藉由升息讓房價跌一跌就好。不過這樣想並沒有理解問題為什麼難解決。Andrew Sorkin 在2009年出版的一本書 “Too Big to Fail” 就描述了這樣的概念，而文獻上例如 Bernanke 跟 Gertler 等等人的研究，都說明了銀行作為金融仲介，背後如果是以房地產作為資產，一旦房價崩跌，資產價格縮水之後，貸放金額會大幅減少，對於有經濟發展是會有實質上的危害 (Balance-sheet effect)。
這邊並不是要替央行的做法說話，只是想表達在真正理解問題為什麼難處理之後，才有辦法用最好的方式處理問題。這也呼應到第二點，「比管制更有用的做法」通常需要對整個問題產生的機制有非常深刻的理解，並且能夠準確的分析政策效果的邊際效益。這是一件非常難的事情。
經濟學家不可能掌握所有原則，但會終其一生想釐清處中間的機制。過去的原則很有可能是錯的，繼續用這樣的原則下指導棋，最後可能會火上加油。
總結 — 思辨是為了理解人
就讀物理系時，思辨是為了想搞懂自然規律，而後來慢慢接觸人文之後，以為思辨是為了批判。但經過經研所的訓練之後，我開始認為思辨是用來互相理解。站在相同立場，批評者也有可能做出被批評者的行為，或是有相同的最佳應對。
許多社會問題，與其批評行為者的道德良知，不如想想這個社會的機制上哪邊可以做更好。出現了性別意識薄弱的台大經濟系學生，與其瘋狂的檢討學生行為的對錯，不如回想一下教育體制是否可以讓整體學生的性別意識常態增加：遇到炒房的地主，與其以仇富心態批評他們不尊重居住正義，不如檢討稅收制度是否不足以彌補這樣的外部性，因為假如今天換作是你擁有幾千萬，最佳的投資策略，在現行的制度之下，絕對還是房地產。這是人之本性。
而現今最受歡迎的思辨方法，便是從數據下手說服人。但大眾很容易忽略數字與因果之間的差異，也因此我認為高中的數學應該直接去掉「回歸分析」單元中，公式的部分。一旦計算的比重增加，學生就會忽略掉「數據識讀 (data literacy )」的素養，以為回歸就解讀了因果關係（就算是非題會回答「否」，但下意識還是會誤解）。
期望有一天大家在提到「經濟學」的時候，想的會是以人為本的行為科學、會是邊際效益、會是從數據中找出正確故事的科學，而不是電視上 fancy 卻不嚴謹的股市與總體分析。
參考書籍
- 史蒂芬．羅德斯(2023) 經濟學家眼中的世界(40周年好評增修版)：一本讀懂經濟學的優劣與局限，剖析政府、市場和公共政策，探索人類的幸福。今周刊出版。
探討過去政府政策，尤其是管制政策上的優劣成效，以及經濟學家認為更好的方法。過了 40 年，今天還是有很多無意義的政策，實在令人感嘆。 - 理查．塞勒、凱斯．桑思坦 (2022) 推力：每個人都可以影響別人、改善決策，做人生的選擇設計師。時報出版。
探討人作為不理性（非經濟人）的動物，可以如何透過選擇設計影響私人利益，藉此改變公共利益。 - 提姆．哈褔特 (2020) 誰賺走了你的咖啡錢：日常生活中的經濟賽局，臥底經濟學家完美破解。早安財經出版。
舉了很多故事例子來介紹經濟學原理的各種名詞。看了很快樂的一本經濟科普書。 - 羅伯‧麥修斯 (2017) 機率思考：大數據時代，不犯錯的決斷武器。大牌出版。
舉了一些有趣的例子闡述「數字不會說話」的概念，需要清楚因果關係的思考，才能避免誤解。 - 吳聰敏 (2023) 台灣經濟四百年。春山出版。
吳聰敏老師的這本書，雖然是一本經濟史的書籍，不過縱貫整個台灣史，最重要的一點就是，制度影響誘因。因此很推薦在讀到日治時期以後，時時思考，管制真的比較好嗎？
其他還有我也看不完（或看不下去的書）
- 阿比吉特‧班納吉, 艾絲特‧杜芙若 (2016) 窮人的經濟學：如何終結貧窮？
這本是很具有學術語言與嚴謹的一本書，隨便找一個章節閱讀，便會理解要釐清一個政策的效果，是會要考慮這麼多的因素。