经济学的研究对象与方法：稀缺、选择与因果推断

经济学之所以值得学习，并不在于它提供一套“放之四海而皆准”的处方，而在于它提供一副透镜：当资源有限而欲望无穷时，人们如何在约束下做出选择，这些选择如何在市场与制度中相互作用，并最终塑造可观察到的价格、收入、增长、波动与不平等。沿着这一主线，本章将依次建立三组核心概念：经济学的研究对象（稀缺与选择）、经济学的表达语言（边际思维、均衡与比较静态、一般均衡的直觉），以及经济学最重要的方法论难题之一——如何从数据中进行因果推断。

<!-- tags: scarcity, choice, constraints, opportunity_cost, positive_vs_normative, marginal_analysis, equilibrium, comparative_statics, general_equilibrium, causal_inference, identification -->

一、经济学的研究对象：稀缺、约束与选择

1.1 稀缺性：不是“贫穷”，而是“约束下的有限性”

“稀缺”（scarcity）并不等同于贫困。即便在高收入社会，时间仍然只有一天24小时，注意力与认知能力仍然有限，公共预算仍需在教育、医疗、国防、环保之间权衡。稀缺意味着：并非所有想要的东西都能同时得到，因此必须选择。

经济学的最小出发点是：选择发生在约束之下。约束可以是金钱预算、时间预算、技术条件、制度规则，也可以是信息不完备与交易成本。与其把经济学理解为“研究金钱”，不如把它理解为“研究约束条件下的行为与互动”。

> 侧边栏（概念提醒）： > 稀缺并不意味着某种物品绝对短缺，而意味着在既定条件下，它的获取需要放弃其他东西。只要存在权衡，稀缺就存在。

1.2 机会成本：选择的真实代价

当你选择A而放弃B时，A的成本不只是在账面上支付的货币支出，更包括你为此放弃的最佳替代方案的价值，这就是机会成本（opportunity cost）。机会成本之所以重要，是因为它把“看得见的支出”与“看不见的放弃”统一到同一度量上，使得不同选择可以比较。

例如：一名大学生周末去打工挣200元。账面收益是200元，但若这四小时本可用于复习并显著提高考试成绩，进而影响奖学金、保研机会或就业质量，那么打工的机会成本可能远高于200元。经济学并不替你做价值判断，但它要求你在决策时把被放弃的东西显性化。

1.3 约束条件的形式：预算线、可行集与制度边界

在最基本的消费者选择中，约束常被表示为预算约束： $$p_x x + p_y y \le I$$ 其中$x,y$为两种商品数量，$p_x,p_y$为价格，$I$为收入。预算约束刻画了在给定价格与收入下可行的消费组合集合（可行集）。

但真实世界的约束远不止货币。时间约束可写为： $$t_{\text{学习}} + t_{\text{工作}} + t_{\text{休闲}} = 24$$ 制度约束则体现为“允许做什么、必须做什么、禁止做什么”。例如限购政策改变了购房的可行集；排污标准与碳交易制度改变了企业可行的生产与排放组合。制度的关键作用之一，就是通过改变约束与激励，改变个体与组织的选择，从而改变宏观结果。

1.4 激励：行为为何会变，变到哪里去

当约束或价格发生变化时，人的行为往往会随之改变，这被概括为激励相容的思想：人们会对激励做出反应。经济学并不假设“人一定自私”，而是假设行为对成本与收益的边际变化敏感。这使得经济学能够提出可检验的预测：当某项行为的边际成本上升（例如税负增加、处罚加重、时间变紧），在其他条件不变时，该行为倾向于减少。

理解激励，还需区分两个常见效应：

• **替代效应**：相对成本变化导致行为从“更贵的选择”转向“更便宜的选择”。
• **收入效应**：真实购买力变化导致总体可行集缩小或扩大，从而影响选择。

这两者将在后续消费者理论与劳动供给中反复出现。

二、实证分析与规范分析：描述世界与评价世界

2.1 实证命题：可检验、可证伪、可重复

经济学中的实证分析（positive analysis）关注“是什么、为什么会这样”。例如：

• 提高汽油税是否会减少汽油消费？
• 更高的教育年限是否会提高工资？

这些问题的共同点是：它们原则上可以被数据检验，结论可能被推翻（可证伪性）。

实证分析强调清晰的概念、可操作的变量以及可复现的方法。对初学者而言，一个重要训练是把自然语言问题转写为可检验的命题：明确因变量$Y$、解释变量$X$、控制变量$Z$，并说明可能的机制。

2.2 规范命题：价值判断不可避免，但必须被标注

规范分析（normative analysis）回答“应该是什么”。例如：

• 政府应该提高最低工资吗？
• 应该优先追求效率还是缩小不平等？

这类问题必然包含价值判断。经济学并不能从“事实”直接推出“价值”，因为价值判断依赖社会偏好、伦理立场与政治选择。[^1]

然而，规范分析并非随意表达立场。严谨的规范分析至少要做到两点： 1. 明确评价标准：例如帕累托改进、社会福利函数、罗尔斯式最小最大原则等。 2. 以实证结果为约束：政策主张必须尊重可行的因果关系与行为反应，否则将变成愿望清单。

[^1]: 这与哲学中的“休谟断头台”相关：不能从“是什么”（is）逻辑必然推出“应该是什么”（ought）。

2.3 政策分析的基本框架：把“事实链条”与“价值权衡”分开

以“是否提高香烟税”为例：

• 实证问题：香烟税提高多少会使吸烟率下降多少？税收收入如何变化？是否存在替代品（电子烟、走私）导致效果打折？
• 规范问题：公共健康收益与对低收入群体负担加重之间如何权衡？

把两者分开有助于减少争论中的“偷换”：有人用价值判断包装事实主张（把“我不喜欢”说成“没有效果”），有人用事实判断掩盖价值立场（把“我赞成”说成“必然正确”）。经济学训练的价值之一，正在于把讨论拆解为可核验部分与价值选择部分。

三、边际思维：经济学的核心语言之一

3.1 为什么“边际”比“总量”更能解释选择

很多经济现象无法用总量直觉解释。例如：水对生命必不可少，但价格往往低；钻石并非必需，但价格高。这并不矛盾，因为价格通常由边际价值（marginal value）决定：当水在多数情境下相对充裕时，额外一单位水带来的边际效用很小；当钻石稀缺且主要用于象征性消费时，边际效用可能很高。

边际思维强调：决策发生在“再多一点/少一点”的比较上。个体是否多学习一小时、企业是否多生产一单位、政府是否多投入一元公共卫生预算，关键在于边际收益是否超过边际成本。

3.2 最优化的基本形式：在约束下选择最优点

用形式化语言表达，许多经济问题可写为： $$\max_{x \in \Omega} \; U(x)\quad \text{s.t.}\quad x \in \Omega$$ 其中$U(x)$是目标（效用、利润、福利），$\Omega$是约束确定的可行集。即便你暂时不熟悉数学，仍可把它理解为：在所有可行选择中，挑一个最满意的。

一个常见结论是“边际等式”：在最优点，若存在可微条件，常有“一阶条件”刻画最优：

• 消费者：在两种商品间分配预算时，边际效用与价格之比趋于相等：

$$\frac{MU_x}{p_x}=\frac{MU_y}{p_y}$$

• 企业：在竞争市场中，最优产量常满足边际收益等于边际成本（在价格接受者情形下，$MR=p$）：

$$p = MC(q)$$

这些等式不是抽象的数学游戏，而是“若不相等，就存在改进空间”的精确表达：如果每花一元在$x$上带来的额外满足大于花在$y$上，那么把一点预算从$y$挪到$x$会更好，直到两者相等为止。

3.3 边际分析案例：时间分配与政策激励

案例1：学生的时间分配 设学生在“学习”和“娱乐”之间分配时间。学习一开始能显著提升成绩（边际收益高），但随着时间增加，疲劳使得新增一小时的效果递减（边际收益下降）。娱乐则提供即时满足，但过量会挤占学习。理性的时间安排不是“全学习”或“全娱乐”，而是找到一个边际平衡点：再多学一小时带来的长期收益，刚好等于少娱乐一小时造成的边际损失。

案例2：拥堵收费与出行选择 城市拥堵的一个本质原因是：单个司机进入道路只考虑自己的时间成本，却没有把对他人造成的延误计入决策，这属于典型的外部性问题。拥堵收费的思想是把外部成本“内生化”：提高在高峰期驾车的边际成本，使部分出行转向公共交通、错峰或减少出行，从而在均衡上缓解拥堵。这里的关键不在于“收费能不能收钱”，而在于它如何改变边际激励，进而改变总体交通流量与平均行程时间。

四、均衡与比较静态：从“此刻”到“变化后的新世界”

4.1 均衡：相互一致的选择结果

当多个主体的选择相互影响时，仅研究单个主体的最优行为还不够；我们需要研究这些最优行为如何彼此匹配并共同决定结果。均衡（equilibrium）可理解为：在给定规则、信息与约束下，各方的行动彼此一致，以至于没有人单方面改变行为能够变得更好。

在市场中，最常见的均衡概念是市场出清：在某个价格下，需求量等于供给量。均衡价格不是“卖家随意定的”，也不是“买家愿意付多少就多少”，而是二者互动后的结果。

4.2 比较静态：改变一个条件，追踪均衡如何移动

经济学经常问“如果……会怎样”。把这种问题形式化，就是比较静态分析（comparative statics）：从一个均衡出发，改变一个外生变量（税率、技术、偏好、收入、制度），推导新均衡并比较差异。

以供求模型为例：若某商品征收从价税或从量税，消费者支付的价格与生产者收到的价格出现“税楔”（tax wedge），交易量通常下降。税负在消费者与生产者之间如何分担，不取决于“谁向政府交税”，而主要取决于供给与需求的相对弹性：更缺乏弹性的一方往往承担更大税负。这一结论本质上是边际调整能力的差异：谁更难改变数量，谁就更难躲开税负。

比较静态的思考流程可用下图概括：

```mermaid flowchart TD A[给定制度与外生条件] --> B[主体最优化选择] B --> C[相互作用形成均衡] C --> D[外生冲击: 税率/技术/偏好变化] D --> E[重新最优化与互动] E --> F[新均衡] F --> G[比较: 价格/数量/福利变化] ```

4.3 局部均衡与一般均衡：当“其他条件不变”不再成立

初学者常用的供求分析属于局部均衡（partial equilibrium）：只研究某一市场，假定其他市场条件不变。这一方法直观、可操作，适合解释许多政策的第一轮效应。

但当一个冲击足够大，或市场之间联系紧密，“其他条件不变”可能不成立：

• 对某行业征税会影响要素需求，进而影响劳动与资本市场的工资、利率；
• 能源价格上升不仅影响用能行业，也会通过运输成本影响食品、制造业等多个市场；
• 房价变动不仅影响住房消费，还会通过财富效应影响整体消费与信贷扩张。

此时需要一般均衡（general equilibrium）的视角：多个市场同时决定价格与数量，冲击会通过价格体系与资源重新配置产生连锁反应。一般均衡并不意味着模型一定复杂；它首先是一种提醒：政策评估不应只看“直接影响”，还要考虑“反馈效应”和“溢出效应”。

> 侧边栏（学习建议）： > 局部均衡像“局部放大镜”，一般均衡像“全景镜头”。入门时先学会用局部均衡清晰讲故事，再逐步把关键反馈纳入框架。

五、因果推断：经济学方法论的硬骨头

5.1 相关不等于因果：识别问题来自何处

现实数据中，我们经常观察到变量之间的相关关系，例如受教育年限更长的人平均工资更高。但这是否意味着“教育导致高工资”？未必。原因在于：

• **遗漏变量偏误**：家庭背景、能力、社交网络既影响受教育年限，也影响工资；
• **反向因果**：预期未来高工资的人更愿意投资教育；
• **选择偏差**：样本不是随机的，某些群体更可能进入观察数据。

因此，经济学的核心难题之一是：在无法直接观察反事实（同一个人在同一时间既上大学又不上大学）的情况下，如何识别因果效应。

用潜在结果框架表示，个体$i$的结果有两种潜在值：$Y_i(1)$（接受处理，如上大学）与$Y_i(0)$（不接受处理）。我们关心的因果效应是$Y_i(1)-Y_i(0)$，但现实中只能观察到其中一个。因果推断的任务就是：用合理的设计与假设，构造可信的反事实。

5.2 随机对照试验（RCT）：理想但不总可得

随机对照试验（randomized controlled trial）通过随机分配处理，使处理组与对照组在期望上可比，从而在较弱假设下识别平均处理效应。发展经济学中，扶贫、教育干预、健康项目常采用RCT评估。其优点是识别清晰，缺点是成本高、外部有效性可能有限（在一个地区有效的项目不一定能推广到另一个地区），且在宏观政策、制度改革等场景中往往不可行。

数字化平台的A/B测试可视为RCT的一种应用：随机向部分用户展示新界面，比较留存、点击、购买等指标差异。经济学与数据科学在这里汇合：随机化是因果识别的黄金标准之一。

5.3 准实验方法：在非随机世界里“逼近随机”

当随机试验不可行时，经济学家常用准实验（quasi-experimental）策略，从制度细节或自然变化中寻找“近似随机”的对照关系。几种常见工具如下：

5.3.1 双重差分（Difference-in-Differences, DiD）

当某政策只在部分地区或部分人群中实施，我们可以比较“政策前后”在处理组与对照组的变化差异： $$Y_{it}=\alpha+\beta(\text{Treat}_i\times \text{Post}_t)+\gamma_i+\delta_t+\varepsilon_{it}$$ 其中$\beta$被解释为政策的平均因果效应（在关键假设成立时）。关键识别假设是平行趋势：若无政策，处理组与对照组的结果趋势应当相同。

```python

仅用于展示DiD回归的基本结构（伪代码风格）

import statsmodels.formula.api as smf

df: columns = ["Y", "treat", "post", "group_id", "time_id"]

df["did"] = df["treat"] * df["post"] model = smf.ols("Y ~ did + C(group_id) + C(time_id)", data=df).fit(cov_type="HC1") print(model.params["did"]) ```

5.3.2 回归不连续（Regression Discontinuity, RDD）

当政策依据某个阈值（例如考试分数线、年龄线、收入线）决定是否获得资格，阈值附近个体往往非常相似，因而可以把阈值两侧的跳跃解释为政策效应。RDD的关键假设是：除了政策处理外，其他影响结果的因素在阈值处连续。

5.3.3 工具变量（Instrumental Variables, IV）

当处理变量$X$与误差项相关（内生性）时，寻找一个工具变量$Z$，它影响$X$但只通过$X$影响结果$Y$（排除限制），以识别因果效应。IV方法强大但也脆弱：排除限制往往难以完全验证，必须结合制度背景与稳健性检验。

5.4 经典案例：最低工资研究展示了“识别”如何改变结论

最低工资是否会导致就业下降，是劳动经济学的核心问题之一。直觉上，提高最低工资会提高企业用工成本，从而减少雇佣；但如果劳动力市场存在雇主市场势力、搜寻摩擦或效率工资机制，结果可能不同。关键不在于“我们相信哪种理论”，而在于如何用数据识别政策的因果效应。

一类典型思路是利用地区政策差异：某州提高最低工资，邻州未提高；比较两州在政策前后的就业变化差异（DiD）。这类研究的重要贡献是把争论从“观点对抗”转向“识别策略与假设检验”：

• 对照组是否合适？
• 平行趋势是否成立？
• 是否存在企业跨州调整、消费者跨州购买等溢出？

在现代经验研究中，作者通常会展示趋势图、安慰剂检验（placebo test）、异质性分析等，以增强可信度。

> 侧边栏（方法论底线）： > 好的因果推断不是“回归得出显著系数”，而是回答“为什么这个比较可以当作反事实”。识别优先于估计。

六、把方法串起来：从问题到模型、再到证据

到目前为止，本章已经引入了若干看似分散的概念。它们在实际研究与政策分析中往往以同一条链条出现：

1. 界定问题与对象：资源稀缺下的哪种选择？是谁在约束下做决定？ 2. 提出机制与假设：边际激励如何改变行为？市场互动如何形成均衡？ 3. 构造可检验预测：冲击发生后，哪些变量应当如何变化（比较静态）？ 4. 选择识别策略：如何得到可信的反事实并估计因果效应？ 5. 进行规范评价：在明确价值标准下比较福利、效率与公平后果。

例如评估“拥堵收费”政策：

• 稀缺与约束：道路容量有限，高峰需求集中。
• 机制：收费提高高峰驾车边际成本，诱导替代（错峰、公共交通）。
• 均衡：交通流量与平均速度共同决定拥堵程度。
• 识别：可用政策实施前后与对照城市的DiD，或用阈值规则做RDD。
• 规范：效率改善与分配后果（对不同收入群体的负担）如何权衡，并可配套补贴或公共交通投入缓解不公平。

这种“从概念到方法”的闭环，正是经济学作为一门社会科学的独特之处：它既提供抽象语言，又要求经验检验；既能讨论效率，又必须面对价值判断。

七、本章小结

• **稀缺性**：经济学研究的起点是约束下的选择，而非“金钱本身”。
• **机会成本**：任何选择的真实成本包含被放弃的最佳替代方案。
• **实证与规范**：实证回答“是什么”，规范回答“应该是什么”；二者必须区分但会在政策分析中结合。
• **边际思维**：决策发生在边际比较上，最优化常表现为“边际收益=边际成本”。
• **均衡与比较静态**：均衡是相互一致的选择结果；比较静态研究外生变化如何推动均衡移动；局部均衡与一般均衡适用于不同范围的反馈。
• **因果推断**：相关不等于因果；识别问题是经验经济学的核心；RCT与准实验方法用于构造可信反事实。

八、练习题（自测与拓展）

1. 用“机会