什么是正向经济学？

核心描述

• 正向经济学聚焦于用可观察的事实、数据以及可证伪的陈述来描述和检验经济中的 “是什么”，而不是基于观点讨论 “应该是什么”。
• 它帮助投资者、政策制定者与企业把经济信号（利率、通胀、就业、盈利）转化为可衡量的关系、情景区间与基于概率的预期。
• 其关键纪律在于将证据与价值判断分开：正向经济学可以估计可能出现的结果与权衡，但无法替社会决定目标，也不能断言某项政策 “好” 或 “坏”。

定义及背景

正向经济学是对经济如何运行的客观、以证据为先的研究。它旨在通过可被数据检验、并可能被证明为错的陈述，来解释真实行为与结果，包括价格、工资、消费、失业与信贷增长。

正向经济学是什么（以及不是什么）

记住边界的一种简单方式是：

• 正向经济学：“在其他因素不变的情况下，如果 X 改变，Y 往往会发生什么？”
• 非正向经济学：“这种结果是否公平、是否理想、是否可接受？”

这种区分很重要，因为讨论中常把两层内容混在一起：

• 衡量（发生了什么、规模多大、确定性有多强），以及
• 偏好（我们希望出现哪种结果）。

正向 vs. 规范（核心对比）

它从何而来（简要历史）

早期政治经济学将道德目标与观察分析混在一起。随着时间推移，经济学家推动提出可检验的主张并进行更形式化的建模。随着国民账户、统计机构与现代计量经济学的发展，正向经济学与可度量、可检验的假设联系更紧密。近几十年，因果推断方法（自然实验、双重差分、工具变量）强化了论证能力，使研究者能更有力地说明 X 是否可能导致 Y，而不仅是与 Y 同步变动。

计算方法及应用

正向经济学并不依赖某个通用公式。相反，它采用一套严谨的工作流程，把问题转化为可检验的证据。

正向经济学中的实用工作流程

• 定义可检验的问题
• 构建机制的简化模型
• 收集相关数据（并记录口径定义）
• 选择识别策略（如何将因果关系与相关关系区分开）
• 估计与验证
• 传达不确定性（区间、置信区间、备选情景）

常见工具（在实践中做什么）

投资者经常见到的一种最小化标准关系

当分析师描述敏感度（即一个变量对另一个变量的响应）时，常用类似 “弹性” 的概念来概括（一个百分比变化对另一个百分比变化的响应）。经济学中广泛使用的一个定义是需求的价格弹性：

\[\varepsilon = \frac{\%\Delta Q}{\%\Delta P}\]

在正向经济学中，关键不在公式本身，而在于它为何属于 “正向”：该主张可以用数据检验（你可以估计需求是否下降、下降了多少，以及不确定性有多大）。

与投资和政策相关的应用

宏观与央行观察

正向经济学有助于把问题结构化，例如：

• 如果政策利率上升，按揭申请、银行信贷与耐用品消费会如何响应？
• 如果通胀回落，是哪些分项（能源、住房、服务）推动了变化？

与其说 “加息好或不好”，正向经济学的任务是衡量传导：时点、幅度、置信度与例外情况。

政策评估（项目与监管）

正向经济学常用于评估 “前后变化”，并尽量控制同期发生的其他因素。例如，研究者评估劳动政策时，会比较受政策影响的地区与未受影响的地区，而不是宣称政策后的整个时期都 “由该政策造成”。

公司与行业分析

企业在以下方面应用正向经济学：

• 定价敏感度（价格变化时销量如何变化），
• 需求预测（销售对收入与就业的响应），
• 供应链冲击（投入品价格向终端价格的传导）。

对投资者而言，这些不是道德判断，而是可衡量的关系，用于构建情景与压力测试。

结合公开讨论的美国数据主题的案例式说明

在美联储于 2022 至 2023 年加息后，许多实证分析与市场评论跟踪了利率敏感型活动如何响应。正向经济学的表述方式如下：

• 可观察指标集合：政策利率、按揭利率、按揭申请、成屋销售、银行信贷调查。
• 假设：借贷成本上升会降低利率敏感型需求（住房活动往往走弱）。
• 衡量目标：在承认供给约束与财政因素等混杂因素的前提下，估计方向、幅度与滞后期。

结论不是 “美联储对或错”。正向经济学的产出是：将利率与观察到的借贷和支出行为建立量化映射，并给出不确定性与注意事项。

优势分析及常见误区

正向经济学为何有用

清晰与可检验。 正向经济学迫使主张以可被数据挑战的形式表达。这能提升讨论质量：人们可以在目标上分歧，但仍可就已测量的关系达成一致。

更有纪律的预测。 正向经济学中的预测是有条件的：“如果 X 发生，基于假设，Y 很可能以 Z 的幅度变化”。这种条件式表述对风险管理至关重要。

可复核与随时间学习。 由于正向经济学依赖数据与明确假设，随着新数据到来或条件变化，结论可以被重新检验。

正向经济学的局限

它无法选择社会目标。 即便测量再充分，也无法回答社会应优先考虑什么（效率 vs. 平等，短期 vs. 长期）。

可能低估难以衡量的影响。 外部性、分配效应与长期风险往往难以被清晰捕捉。

结果依赖数据质量与模型选择。 数据修订、测量误差、遗漏变量与结构性变化都可能改变结论。

正向 vs. 规范：常被混淆的例子

常见误区（以及如何修正）

误区 1：“正向经济学是没有价值观的建议。”

现实：正向经济学在结论中避免价值判断，但选题、数据选择与建模选择仍需要判断。良好做法是透明：定义变量、注明来源、解释局限。

误区 2：“预测是确定的。”

现实：正向经济学的预测是概率性的、且有条件的。负责任的输出应是区间，而不是把单一数字当作必然结果。

误区 3：“相关性等于因果性。”

现实：两个变量可能因第三个因素而同向变动。正向经济学会通过设计选择（控制变量、自然实验、双重差分）尽量识别因果效应，并清楚说明假设。

误区 4：“一个简洁模型可以解释一切。”

现实：在特殊时期（疫情、战争、金融危机），关系可能失效。正向经济学需要稳健性检验，并对制度环境变化保持谨慎。

实战指南

正向经济学在你把模糊的判断改写为可衡量、可证伪的陈述，并在证据变化时更新观点时，才会真正落地。

第 1 步：把问题改写成可检验的形式

不要说：

• “通胀太高。”
  改为：
• “过去 6 个月 CPI 总体通胀加速，住房通胀贡献了上升中的 X 比例。”

不要说：

• “更高的利率会伤害经济。”
  改为：
• “当利率上升 100 bps 时，利率敏感指标（按揭申请、汽车贷款、房屋开工）往往会在 Y 个月内走弱。”

第 2 步：选择你能自圆其说的变量与替代指标

• 通胀替代指标：CPI 或 PCE 通胀（需明确口径）。
• 劳动力替代指标：非农就业、失业率、职位空缺。
• 金融条件：收益率、信用利差、贷款调查。

在正向经济学中，你也要写清楚替代指标的缺口（覆盖范围、修订、季节性、结构性变化）。

第 3 步：建立 “混杂因素清单”

在相信任何关系前，先问：

• 同期还有什么发生变化（能源价格、财政转移、供给约束）？
• 统计口径是否发生变化？
• 是否存在反向因果（例如市场提前定价政策）？

这份清单往往决定了一份正向经济学分析是更有说服力的证据，还是只是一段故事。

第 4 步：量化不确定性，而不仅是点估计

如果你用回归或估计敏感度，请呈现：

• 合理区间，
• 基准情景与替代情景，
• 哪些证据会让你改变判断。

这能让正向经济学支持风险管理，而不是制造虚假的精确感。

第 5 步：案例研究（示意，不构成投资建议）

虚拟案例（仅用于学习）： 你跟踪一个消费板块组合，想理解工资增速压力是否会挤压利润率。

• 假设（正向经济学）：“若工资增速加快且定价能力不变，经营利润率往往会被压缩。”
• 你收集的数据：平均时薪增速、与该板块相关的 CPI 分项、公司披露中的人工成本评论、以及总体利润率指标。
• 识别挑战：利润率也会随需求、其他成本与产品结构变化而变动。
• 实用产出：把工资增速区间与利润压力区间对应起来的情景表，并列出该关系可能失效的条件（例如需求强劲、企业能提价）。

你不会直接得出 “买入或卖出”。正向经济学的价值在于把输入与结果对应起来，并记录假设，从而让观点可随信息更新。

资源推荐

教材与体系化学习

• 入门框架：Principles of Economics（Mankiw）
• 微观基础与严谨性：Intermediate Microeconomics（Varian）
• 应用计量基础：Wooldridge 的计量经济学教材

练习正向经济学的数据来源

• FRED（Federal Reserve Economic Data）：宏观与金融序列
• World Bank 与 OECD 数据库：跨国指标
• IMF 报告与数据集：宏观框架、假设与情景语言

需要培养的研究与证据习惯

• 阅读能把观察事实与建议结论分开的摘要与报告。
• 优先选择说明识别策略与稳健性检验的研究。
• 保持 “数据日记”（发布日期、修订风险、使用的变换方式）。

常见问题

用一句话概括什么是正向经济学？

正向经济学是指经济学研究中的客观分析。大多数经济学家通过观察特定经济体发生的事实以及当前的情况来预测未来。这种调查过程是正向经济学。相反，规范经济研究会在未来预测中基于价值判断。

正向经济学与规范经济学有何不同？

正向经济学用数据与可证伪假设来衡量并解释结果；规范经济学则基于公平、效率等价值观来主张政策。

正向经济学更适合回答哪些问题？

适合回答能用证据检验的问题，例如 “加息是否降低了按揭需求？” 或 “销售税如何影响消费？”。

正向经济学最常用的方法有哪些？

描述性统计、计量建模与因果推断设计（自然实验、双重差分、工具变量），以及稳健性与敏感性检验。

正向经济学可以用于预测吗？

可以，但预测是有条件且概率性的，依赖假设，并可能随新数据到来或环境变化而改变。

投资者为什么要关注正向经济学？

它能把宏观数据与政策变化转化为可衡量的情景，支持更有纪律的预期、风险控制与在不确定环境下更清晰的推理。这是教育内容，不构成投资建议。

正向经济学在现实中的一个例子是什么？

研究者常测量美国利率变化对银行信贷与住房活动的影响规模与时点，而不去评判政策选择 “好” 或 “坏”。

初学者最常见的坑有哪些？

把相关性当因果性、忽视混杂因素、过度信任单一模型、以及在没有区间与清晰假设的情况下给出点预测。

总结

正向经济学是一种实用的思维方式：定义问题，用可信数据去衡量；在可能的情况下区分相关与因果；并诚实地表达不确定性。对投资者与分析师而言，它的主要价值不是 “确定地做对”，而是建立一套可重复的流程，把经济噪声转化为可检验的主张与情景区间。通过将 “是什么” 与 “应该是什么” 分开，正向经济学有助于在数据噪声大、结果不确定时做出更有纪律的判断。