Categories
读书有感

社会学角度的爱情与婚姻

最近读书和获取的知识很杂,大概是本科以来最广泛地涉猎一些自己不甚熟悉的领域。社会学除了跟经济学联系的那一块儿,我其实并不是特别熟悉。最近试图学习一下一个新的分析角度,就开始看了一些简单的社会学的东西。

比较有意思的是社会学对于爱情和婚姻的分析角度。很多人说到爱情,第一反应就是心理学,因为是人和人之间的互动。而从经济学的角度,非常冷冰冰的,爱情不重要,婚姻就是一个合同契约,写明了利益共同体和风险分担。社会学在这个话题之上居于两者之中,而某种程度上更像组织学——从人类本身是社会性动物这一角度,来看待为何爱情和婚姻会发生,为何以这种组织形式出现。

我并没有系统性地去学习社会学对于两性关系的分析。零零散散地看了一些论文和讲座(主要是复旦大学沈奕斐老师的)。学而不思则罔,有些共鸣之处,做一些简单的笔记。

首先有个角度很有意思。爱情和婚姻是社会文化的体现。比如以前流行的琼瑶小说,大家要看的就是门不当户不对的逆袭,爱情作为一种挣破传统枷锁的力量。以当今的眼光去看,很多剧情和三观设定不免过时,然而却反映了当时人们对于爱情的期望。随着社会经济的快速发展,尤其是女性在社会分工中的改变(比如女性大规模地读书、工作),很多既有的爱情和婚姻的设定已经不再适用,而文化却有着自己的滞后性。这可以从代际之间的观念差别看出,亦可以预期,我们与我们的后代之间也会有很大的不同。更有趣的是,这种社会经济对于个体角色的影响,在性别之间体现了极大的差别。男性相对来讲,受到的冲击小一些,可能只是以前通过体力现在更多通过脑力来劳动。女性则在受益于经济独立的同时,对于爱情和婚姻产生了不一样的需求。比如,我们现在很少听到依靠爱情来打破故有约束,某种程度上社会已经变得更为自由。比如,我们不会再去羡慕梁山伯与祝英台,因为女性完全可以接受全面的学校教育,和梁山伯自由恋爱。我们不需要借助爱情的独特力量,就可以达成自己想要的很多东西。从这个角度来讲,爱情曾经是推动社会进步的力量,而在一个越来越开放和包容的社会,爱情的“放大”效果是在逐渐消亡的。在这种情况下,爱情回归本质,成为两个人开始相互熟悉和交往的促进剂,成为了婚姻的第一步阶梯。社会学在这个议题上有很多研究,从流行文化到经济基础,两性之间的进步和差别一清二楚。

从爱情到婚姻并不容易。我们某种程度上,希望爱情不要物质化。越是跟物质无关,爱情仿佛就越纯洁越高尚。但是当我们面对着日益攀升的房价,当劳动收入已经不足以改变大部分人的阶级的时候,可以恋爱却不可能结婚就成为了一个现实。我觉得“热恋冷婚”这个词特别贴切,它如实地反映了爱情和婚姻对于伴侣需求的不一致。如果一个人只按照对于爱情的需求去谈恋爱,那八成是没法走入婚姻的,因为我们对于婚姻的需求和爱情差的太多了。我们希望谈恋爱的时候那个人天天陪着,而结婚之后如果对方不出去上班赚钱还经常控制你的人身自由,这婚姻怕是要崩的。同样的特质,在爱情和婚姻中呈现出来的竟是不一致的价值判断。从这个角度看,能从爱情走到婚姻的,在磨合过程中没有崩塌的,一般都是相对来讲差别没有那么大的。激情、亲密和忠诚,一步一步的推进,考验的是不同层面的特质和匹配。这也是社会学分析很厉害的一个地方,把抽象的爱情和婚姻关系拆解开来,寻找最本质的需求匹配。

如果走入婚姻,那么婚姻的稳定又靠的是什么呢?很多人觉得婚姻是一个稳定的支点——所以我们希望对方尽可能的不要变化,自己也不要变化,然后就可以在一个地方白头偕老。这自然是最好预期的。其实这里我觉得有一点很危险。人越是期望在这个变化中的世界找到一个不动点,那么一旦出于各种原因这个不动点变化了,那么整个世界是不是就要坍塌了?比如,一个不可控力夺去了我们的伴侣,难道我们就真的只能寻死了吗?按照小说里面描述的,是的,殉情就是这么来的。

事实是,可是人不可能不变化,所以我们退而求其次,希望大家变化的方向是一致的,这样还是可以白头偕老。如果变化的方向不一致,那么婚姻就可能需要一些别的条件来约束或者支撑,比如物质,比如经济,比如家族,比如法律,等等。甚至,虚无的“缘分”(例如基于生辰八字的配对),也是可以支撑下去的基础。抑或,我们干脆接受大家都是在不停变化、未来世界不可预料这一事实,然后两个人达成共识,所需要的是一个无论世界和个体怎么变化都会存在的东西,比如快乐,比如精神共鸣(包括好玩)。年轻的时候,可能牵着手去看星星就足够快乐了。年龄稍长,可能两个人有了自己的家会很快乐。快乐并不是一个单一定义出来的东西,而随着时间和环境的改变,快乐却可以是一直存在的。

对于个体来讲,为什么还需要爱情和婚姻呢?尤其是在很多婚姻的原有功能都可以被其他社会性服务替代的时候。我觉得有一个角度很好玩,就是亲密关系教给了我们如何跟更不一样的人相处。我们最舒服的可能就是原生家庭的相处模式,因为各种观念相对磨合。一旦遇到另外一个人,他们有着不同的原生家庭和生活观念,那么这里面的冲突就变得很有意思。我们一开始都是逃避的,因为这样子的冲突会让我们觉得不舒服。然而随着一步步的前行,亲密关系教会我们去如何接受不一样的其他人,建立同理心,从尊重到适应,这其实是人作为一个社会性动物需要学习的最重要的一课之一。一般朋友其实很难教会我们这一点,因为大家多少还是相敬如宾的。比如我特别不喜欢别人讲脏话,可能朋友讲讲我也就忍了,毕竟不是天天听。如果是自己的伴侣,有这么突兀的缺点,我可能早就炸了。亲密关系才是我们真正要踏出超越友情的界限,去学习如何在一个新的关系中,取得共赢。当然,共赢不是没有成本的,往往这个成本还很巨大,因为我们要学会放弃很多,才能去接纳新的东西。放弃其实是很痛苦的。

从这个角度来讲,爱情和婚姻都是我们为了实现一个新的、与过去不同的目标,而不得不磨练和放弃的现有状态的过程。那这里面最重要的问题就是,我们是否有足够的动力,而动力的强大与否一般取决于自己是不是知道目标,换言之,知不知道自己想要的是什么。在上学的时候,大家的目标很单一,我们就是要考上大学,而考大学就看分数,所以分数就成为了唯一的阶段性目标。动力有了,我们就可以放弃很多其他的,比如颜值(省下化妆和健身的时间来学习),比如美食(与其花几个小时做饭,不如随便点个外卖),诸如此类。亲密关系中,我们一般也在寻求一样其他途径无法得到的,或者成本极其高昂的。比如,孩子,现代医学技术可以试管婴儿,而一系列的从育婴到教育一条龙服务,足可以取代伴侣在育儿过程中的很多角色。可是这里面的经济成本甚至个人的时间成本是非常高昂的,毕竟要去通过其他手段来弥补伴侣的角色缺失。比如精神共鸣,我们可以聚三五好友,引吭高歌,然而这很难时时发生。伴侣的存在,有时候扮演的是一个常在身边挚交好友的角色,来抚慰我们心中的那一丝需求。我们看到每一对夫妻可能都是不同的,原因就是他们可能从婚姻关系中寻求的是不同的东西,对他们来讲,通过其他渠道和手段难以获得的东西,从而达成一种稳定的结合状态。

这世上有谁真的是完全不可取代吗?其实很难了。只是取代的成本可能异常高昂,或者需要极高的代价去搜寻。信息技术的发展已经帮我们降低了很多搜寻成本了,即便于此,我们还是有太多的特质是难以轻易观察到的,更何况随着时间的变化,我们对于伴侣的需求其实也是在变化的。这个问题上,很可能,并没有人可以得到最优解。就像一个线性规划,最后一般就是落在某个交点上,毕竟各种约束太多了。到这里,好像更多的就是经济学的一些观念了,毕竟有个笑话嘛,一个问题一旦可以重写为最优化问题,经济学家就知道如何求解了。聊以自嘲。

好了,啰嗦了这么多,只是我试图去理解爱情和婚姻存在的一些基础,无论是生理的、心理的,还是社会的、经济的。这并不能告诉我如何找到另一半,也甚至回答不了一个问题,我需不需要另一半,毕竟我天性是喜欢不确定性的。每个人还是要去亲自尝试,或对或错,然后做一个自己可以接受的选择。有些人相对幸运,很快就找到合适的了。或许我在这方面运气欠佳,但也不愿盲从就是了。

Categories
读书有感

重读《凯恩斯传》(二)

昨天读了一大半,剩下了一小半,今天继续。

凯恩斯毕竟还是以经济学家的身份为大家所熟知的。以前读书的时候经常感慨经济学真的是什么都学,除了经济学原理本身之外,我们还得学历史、哲学、(天文)地理、政治、法律、数学、统计、计算机,甚至于物理——有些思维总是想通的不是?大概就还跟化学还没啥交集吧,连生物都有交集(一是跟生统和流行病学什么的有交集,二是跟神经经济学有交集)。

学的乱七八糟其实对于人脑是一个极大的考验——这也是我觉得为什么在西方教育体系下面,其实人文学科是比较难学的。对于理(工)科来说,极度的打磨抽象和逻辑思维能力是最主要的训练,而对于人文学科则有点考验见海纳百川的功夫——如何把零碎的散落在各个角落里面的东西或紧或松的串联起来。

以前最茫然的就是去艺术博物馆,尤其是当代和现代艺术博物馆。大概这几年在欧洲呆过、在上海的时候也全国四处晃荡、到了美国更是百无聊赖的去各个博物馆闲逛,反而对于当代艺术产生了一种奇怪的兴趣——对色彩明艳的感知,对抽象和具体的平衡,对构图和遐想的感悟。有的时候艺术需要一点空间感,很多作品没有足够的空间是难以诠释它的魅力的。

我觉得凯恩斯投身经济学多少有点是被当时的时事早就出来的——一战、二战,在复杂的国际环境中,人们的不安和焦虑产生了对偶像式的经济学家的诉求。如果他完全生长在一个和平年代,那么搞不好他会成长为哲学家而不是注重在某一个具体领域吧。

他当年对经济学的评价至今品来还是蛮有意思:

(经济学)是一种很容易的学科,但很少有人能够表现优异。

这个悖论的解释在于,一个伟大的经济学家必须是多种天资的组合...他必须是数学家、历史学家、政治家和哲学家——至少从某种意义上来说,他还必须同艺术家那样既超然又不被人收买,但有时又如同政治家那样离现实世界非常近。

IMG_1926

读这段文字的时候我其实是感慨万千的。以前学的学经济学很累,主要是发现对于知识的需求是一个指数增长过程——学的东西越多,不知道的越多、相关的知识越多,于是越发有压力去涉足更多的相关领域。而今读起来,凯恩斯作为一个如此聪明的大脑,当年在经济学还未如此扩张的情况下,便已经感慨出来这里面类似“玄学”的味道——我这里用玄学其实是中性(至少不带贬义)的,因为这个系统实在是过于复杂,以至于我们现在对其的认知太有限。

其实无论是凯恩斯当年还是后面的卢卡斯,对于宏观经济学的理解都有很深刻的一点——这个系统本身是一直在变化的。每当我们对于(处于相对静态的)系统的运转规律更了解一点并加以干涉的时候,系统本身就变了,然后以前放诸四海皆准的原则就不准了。这是一个互动和动态博弈的过程,人们只能一点点的沿着自己的足迹去认知这个系统的下一个可能的阶段,而无法站在一个非常高的高度来鸟瞰整个局面各种可能的变化。每当我们有一点点发现,然后这个世界又变了,这是一种其实对于研究者来说非常可怕却又让人兴奋的状态。真的,很多问题到最后抽象出来都是哲学问题了,因为大家实在是困惑难解。凯恩斯在伊顿公学和剑桥(信使会)都受到了相当密集的哲学训练。我虽然不是特别理解在一个人未经世事(处于象牙塔中)的时候如何可以去感悟哲学的深刻,但或许不同的大脑就是不同的吧,有些思维先建立起来、然后慢慢用生动的事实来充实也不错。

还有一段二战前后、马克思主义大为兴盛的时期,凯恩斯对于《资本论》的评价也蛮好玩。背景自然是大萧条、二战的可能阴云下,人们对于前途道路的迷茫的探索。无论是希特勒对于法西斯主义的探索,还是马克思对于社会主义的探索,都给予了绝望的人群一点希望的光芒。总有人们是相信只有彻底的不同的改变才是改变,而正如凯恩斯所评价的,“俄国是一个难得的拿整个社会做实验”的例子,生在这样的时代也不免让人兴奋。

FullSizeRender

凯恩斯将《资本论》和《古兰经》相对比,也是蛮有趣的一番相较。“我不明白为何这两本书都能是世界上的一半人口为它们而战?它让我困惑。”说起来倒是给予了当年的《资本论》一个很独特的位置。读《凯恩斯传》,从他父母的结合、到他的出生、上学、工作,一步一步,我一直最大的感慨就是真的是“时势造英雄”。同样的,在那个战火纷飞的年代,除了英伦大地上的思维勃发,欧洲大陆人们也开始对于未来有着不同的认知。在没有一个认知的体系可以主导的年代,百家齐放的想法确实有意思的很。而其实“信仰”这个东西也是蛮有趣的,以前洗脑的结果就是对信仰是一味的排斥(虽说另一种更为严重的洗脑就是对信仰盲目的跟从)。突然想起,凯恩斯说到信仰也是蛮好玩的,大意为“我们这代人毁灭了新一代的信仰,所以他们是不幸的;而在我们成长的过程中,有幸接触了这些信仰并毁灭了他们,所以我们是幸运的”。

这又有点像昨日说到的实用主义了——人们总是倾向于相信实际中可以被检验(证实或者证否)的道理,而最好的检验的便是战乱的年代、整个社会处于一种不稳定的波折中、什么都有可能发生。我搬到美国这一年多的时间,最大的感慨就是美国实在是太安逸了——太稳定了。硅谷算是一个创新的区域吧,但是你看人们的日常生活也无非是简简单单的节奏。看美国大选,最热的依旧是经久不衰的移民、种族、医保等等。这个社会稳定到了一定程度、以至于大家失去了想象的空间与压力,而不同于主流派别的学说也就难以发出足够的声音(话说早些时间的AEA居然有个heterodox专场,也是有趣)。

说来,这也跟我最近一直在思考的问题有关。既然没办法“躲进小楼成一统,管它春夏与秋冬”,那么面对实际的挑战,我应该如何找寻一条相对安静的道路?人的精力毕竟是有限的,但想象的空间可以很宽广。我一时大概是不会有什么答案了,希望在接下来的日子里面可以体会波折之中的兴奋与灵感,注意到一些以前未曾注意或者懒得注意的生活侧面,然后给自己一些更加新鲜的启迪与想法。

这本书还没有完全读完,大概还有个几十页。所以我也不知道会不会写下(三),可能有些想法,可能也没有什么想法。不过还是蛮喜欢这种毫无功利心的读书的状态——我也不知道自己想看的是什么,那就随便看看随便记记,灵感也不是说来就来的,还是有一些积淀才能共鸣吧。

Categories
事儿关经济

从败家开始说消费者行为

今天上午纠结了好久,最后还是下决心去买了一本书。还是国内好啊,以前买书的时候从来不纠结。美国的书真心贵...

Screen Shot 2015-05-06 at 11.21.56 AM想想这个前后纠结的过程,还是蛮有意思的,所以写写玩玩。

1. 购买行为取决于商品带来的效用?

传统的经济学讲供求曲线,就是随着价格的上涨,需求量会增加。供给曲线我们不管,单单说需求曲线。之所以有需求曲线,是假设对每个个体来说,购买该样商品会带来一定的效用(utility)。比如最简单的食品,至少吃东西能果腹,这就是最基本的生存需求了。

每个人会对消费同一样东西有不用的(预期)效用,比如我觉得这本书给我带来的阅读价值可能有200块,所以它标价100块我也会去购买。换一个完全对机器学习不感兴趣的人,他可能觉得这本书对他的效用就是0,所以哪怕只有10块钱他也不会去买。众多个体的效用分布就组成了需求曲线(即整个群体来讲,可以接受价格与购买人数的分布图)。

如果按照上述理论,我应该没有任何犹豫的、自从我知道这本书给我带来的效用(200块)大于他的售价100块的时候,我就应该去买了。可是我为什么在剁手之前还是纠结了很久呢?

1.0 单个消费者的消费决策

纠结的原因之一可以用传统经济学来解释:我是一个消费者,而且我有着预算约束。预算约束就是说,我这个月工资只有1000块,然后我500块要付房租,然后300块要吃饭,这些都是刚性的,那么我只有200块可以自由支配来买其它东西。那么我这个月既想买书,又想买衣服,又想买首饰,又想攒钱买新的iphone、又想出门去旅游,可是我的预算约束告诉我这是不现实的。所以我为了最大化我这个月的感受,我必须从这么多项目里面选择我可以负担得起的、且带给我最大化效用和的组合。这就是传统的一个单个消费者的决策过程。

非要用数学语言的话,就是 max sum(utility_i)  s.t. sum(price_i) <= budget

当然这是一个非常静态的模型:我只考虑本期,有多少预算花多少。如果我预期我下个月会突然间有一笔10000块的奖金,那么故事是不是会有所不同呢?最简单的我可以去找朋友们借钱,先把想买的都买了,然后下个月奖金到账了还款就好了对吧?这就是金融的作用了:当我有流动性约束(手里暂时就这么点钱)的时候,我还可以去“透支”未来的收入,从而达成当期的消费习惯。比较常见的就是我一下子买不起一个iphone,那么我可以去用信用卡分期支付,12期的话每期钱也就没那么多了呢。当然代价可能是我要付一定的利息....

1.1 书的效用(utility)

说起来还有一个问题。我怎么知道一本书的效用等价于多少钱呢?或者这个东西是可以简单的用钱来衡量的吗?而且书还可以去图书馆借,那么我为什么还要花钱去买呢?古话说的好,“书非借不能读也”。

我仔细想了想,对我来说,很重要的还有一点是,书买来的可以放在我的书架上...然后每次有人来找我问问题,我就可以在解释完之后、很傲娇的说,更多的细节在这本书里面呢。所以可以用来挡问题也是很重要的一点....

1.2 书的厚度与价格

很多时候我看到一本书的第一反应就是,怎么可以这么贵?然后默默的往下开始找页数。比如上面这本,看到它有1280页的时候,我就释然了,感觉好像还是合理的...这也是一种对于书的消费心理吧,虽然不是厚度决定价格,但是往往一本比较厚的书可以让人多少原谅一下卖价。可是话说回来,美国的书一本书有半本附录和文献什么也不是稀罕事儿。

1.3 书的包装与价格

Screen Shot 2015-05-06 at 2.37.14 PM

美国买书还有一点很好玩的,硬皮(hardcover)和软皮(paperback),一般同样的书两个版本的价钱还是会差不少的。这里面的逻辑据美国人民给我讲,是因为一般书刚上市的时候先出硬皮,然后可以卖比较贵的价钱,然后过段时间再开始卖软皮。基本上就是一个价格歧视了。急着看?忠诚粉丝?不好意思您多付点钱呗。比较可悲的就是这本书虽然已经是六年前的了(2009年出版),但是还是只有硬皮版本...又沉又让人多付钱,唉。

说到这里就不得不说到另一个经典的经济学模型:正版软件。正版软件的定价其实是个很有意思的事情,因为软件的复制和传输几乎是没有成本的(最多走点流量、或者很早以前就是盗版碟),所以简单的来讲就是第一份正版是肯定至少有一个人来买的,而这个人买了之后大家就可以免费拷贝了(假设盗版就是简单的复制粘贴,不存在加密解密验证什么的)。所以有人建了一个模型表示,其实正版的销售收入就是预期会买正版的人数*定价。比如我们预期定价100块会有10个人会来买正版,那和定价1000块有1个人来买正版对于厂家来说其实是一样的...反正其他人最终都会得到免费的拷贝。

当然这个现在已经不适用于这个云时代了,随处可以下载、软件免费服务收费等等的,互联网的定价模式已经完全离开这个模型了。仅仅想到了就顺便提一下。

1.4 电子书与价格

说起来图书还有一个很好玩的事儿。我每次搬家的时候都一边各种免费图书大派送、另一边咬牙切齿的说,我再也不买纸质书了。先不说违背版权的什么下载pdf这种,就说出版社授权的电子书、比如kindle上面的,我每次买的时候还是会多多少少的纠结一下。比如我今天买的这本书,有kindle版但是也没便宜特别多(一半是8-9折的样子),所以我想了想加上可以摆在书架上面炫耀这种因素作祟,最后还是去买了纸质版。我好像常买的kindle版就是那种小说什么,读完了一遍肯定就再也不会拿出来翻翻了,也不想搬家占地方(基本就是那种只要搬家就开始送人的书)。所以到现在我买书给自己的底线就是,这本书搬家的时候你确定要一起搬走么?确定的话那就买呗...

国内倒是很多电子书单位定价真的很低,有点像jobs当年把一张cd拆成单曲出来卖的意思。这里的定价学问就更多了...所以说定价是经济学永远的话题呀。

话说我的kindle也已经开始埋灰了....唉。

1.5 同伴效应与价格

同伴效应(peer effect)说起来也是很好玩的一个消费者心理。上面我们一直在说一个孤孤单单的消费者,他总在自己跟自己纠结。同伴效应就是说,本来其实我也没有特别想要某本书,但是架不住周围总是有人提到这本书如何如何好,别人买到了之后经常拿出来引经据典什么的。久而久之我就开始俗称“长草”,然后总会有要么忘了要么“拔草”的一天。所以说女人败家之处还在于,你不是一个人在消费!你是一群人在消费!

这本书也是长草了有段时日了,经常说到什么的是我就心里在想,如果这本书在这里就好了,我就可以直接把书拿出来说服你们了。来来回回几次,我想买过来的心情就越来越急切——直到下单的刹那开始释放焦虑。

1.6 预期效用与定价

说来还有个很好玩的事情。我买这本书的时候,一看到价格是差不多100块,我的第一反应居然是“这么贵,那肯定值得买”。这多少有点像奢侈品——买的时候稍微肉痛一下,然后才觉得买吧买吧。也就是说消费本身不是一个纯粹的效用和成本的问题,而是这个过程本身也是一种享受。譬如小时候,如果谁过年攒了好久的压岁钱零花钱什么买了一个游戏机,那不知道要羡煞多少周围的小朋友。所以买东西的时候那种“颤抖”与纠结的心情,本身也是要计入消费行为带来的效用的。类似的例子如拍卖,拍卖本身斗志斗勇也是挺好玩的一件事儿,很多人往往在这个过程中会因为“赢家”带来的满足感而愿意多付出一点钱呢。我在想这本书如果只买20块,我估计毫不犹豫的就像买各种日用品一样“一键下单”了,反而少了各种乐趣和拆包裹时候的满足感。(所以说女人是有一种天然的受虐心理么?)(更多

1.7 书的价格与运费

在国内的时候,我区别自己对一个东西的耐心与否,一般就是看我从哪里买:如果我特别急着要,一半是找一个可以提供当日或者次日送达的b2c网站买、甚至自己跑到实体店里去找;如果不是很急着要,那么我就慢慢的在网上淘,然后也不在意买家所在地(一般江浙沪还是比较快的),反正慢慢的能寄到了就好了。

到了美国还是如此。因为这本书比较贵,反而在选“运输”的时候我选择了“两日免费送达”,一般不急用的便宜的日用品我都是选择“慢慢送吧、记得额外送我一块钱”。所以说已经付出了那么多纠结了之后,在下单之后选“运输”的那一刹那我反而是更没有耐心了。

但是我又想了想,如果亚马逊问我,“多付1块钱次日送达”和“免费1周送达”,我估计我可能还是会选免费的选项...此时心里嘀咕的大概是“我已经付了这么多钱了你凭什么还要我付钱?” 然后一边选了免费送达一边气鼓鼓的关掉网页。所以也有研究说明,“Customers love free shipping too much so they even 'pay' for it"。人们的心里永远是,从我这里拿走是是很难的!(英文的意思就是,一家免费送货的东西 可能比 另一家商品价格+运费 还要贵,但是人们就是喜欢免费送货所以宁愿多付钱买第一家的,来源)。

Screen Shot 2015-05-06 at 2.35.47 PM

2. 耐心与非耐心 (贴现效用)

其实上面反复提到的一点就是“耐心”。说起来“耐心”是经济学理论里面很好玩的一个东西,不仅仅是在微观的消费理论、宏观模型里面也会有动态规划(有限期、无限期)那些,也是要对每一期的效用贴现什么。直觉上来说,就是谁也不知道未来会发生什么,所以拿到手为准,俗称“活在当下”。

这里的表现比如,我花钱越多就希望越快拿到越好,虽然我明明知道明天我可能就没有这么在乎这个东西了——下一次的幸福的感觉要等到包裹送到的星期五...这算冲动型消费吗?

3. 消费与啰嗦

话说回来,我之所以会在这里这么啰啰嗦嗦的写这些东西,其实只是因为一早花掉了100块钱去买那本书。然后各种心如血注,需要唠唠叨叨的发泄一下。但是又不能太明显,所以就跑到这里打字写blog来了,还要拿出那么一堆看似相关的经济学理论只是为了说明“我不是在乱花钱哦,我还是一个理性的消费者,我的一切行为都是理智上说的通的”。哈哈哈哈。说白了,女人就是爱给自己找理由 T_T

------------------------

大家看着玩就好,不要当真....

Categories
网络新发现

最新的一些经济学研究趋势...

今天闲着无聊抓了一下NBER最近一年的working paper数据看看。众所周知,econ现在发表周期越来越长,一两年都算少的,三五年也挺常见的。虽然跟跟AER什么的也是个比较好的指向,但多少还是“旧”了一点。

NBER覆盖的研究范围还是蛮广的,大部分发表的paper都能在这里找到working paper版本,所以一时没想到更好的抓数据的来源:

Aging(AG)
Asset Pricing(AP)
Children(CH)
Corporate Finance(CF)
Development Economics(DEV)
Development of the American Economy(DAE)
Economics of Education(ED)
Economic Fluctuations and Growth(EFG)
Environmental and Energy Economics (EEE)
Health Care(HC)
Health Economics(HE)
Industrial Organization(IO)
International Finance and Macroeconomics(IFM)
International Trade and Investment(ITI)
Labor Studies(LS)
Law and Economics(LE)
Monetary Economics(ME)
Political Economy(POL)
Productivity, Innovation, and Entrepreneurship Program(PR)
Public Economics(PE)

抓了一番之后,基本关键词热度如下。一些太没有意义的我就调透明了。(个人很讨厌word cloud这种东西,所以还是选择了bar chart)

[3/19更新] 和Bing里面的key words match了一下。貌似信息多了一些。

key_word

虽然数目不代表质量,但至少能看出来有多少人在某个领域耕耘。最突出的就是health这里了,很高(钱很多)。然后还有很多研究trade和growth的。然后risk和finance好像也蛮多的,crisis好像也挺多。Labor和IO一直也是热热的。研究方法上,随机试验还是最亮的。

没有进一步分析那些作者在高产,下次搞个“抱大腿”趋势好了。

代码在这里:

grab_url <- c("http://www.nber.org/new_archive/mar14.html",
              "http://www.nber.org/new_archive/dec13.html",
              "http://www.nber.org/new_archive/sep13.html",
              "http://www.nber.org/new_archive/jun13.html",
              "http://www.nber.org/new_archive/mar13.html")

library(RCurl)
require(XML)

grab_paper <- function (grab) {
  webpage <- getURLContent(grab)
  web_content <- htmlParse(webpage,asText = TRUE)
  paper_title <- sapply(getNodeSet(web_content, path="//li/a[1]"),xmlValue)
  author <- sapply(getNodeSet(web_content, path="//li/text()[1]") ,xmlValue)
  paper_author <- data.frame(paper_title = paper_title, author = author)
  return(paper_author)
}

library(plyr)
paper_all <- ldply(grab_url,grab_paper)

titles <- strsplit(as.character(paper_all$paper_title),split="[[:space:]|[:punct:]]")
titles <- unlist(titles)

library(tm)
library(SnowballC)
titles_short <- wordStem(titles)
Freq2 <- data.frame(table(titles_short))
Freq2 <- arrange(Freq2, desc(Freq))
Freq2 <- Freq2[nchar(as.character(Freq2$titles_short))>3,]
Freq2 <- subset(Freq2, !titles_short %in% stopwords("SMART"))
Freq2$word <- reorder(Freq2$titles_short,X = nrow(Freq2) - 1:nrow(Freq2))
Freq2$common <- Freq2$word %in% c("Evidenc","Effect","Econom","Impact","Experiment","Model","Measur","Rate","Economi",
                                  "High","Data","Long","Chang","Great","Estimat","Outcom","Program","Analysi","Busi"
                                  ,"Learn","More","What")
library(ggplot2)
ggplot(Freq2[1:100,])+geom_bar(aes(x=word,y=Freq,fill = common,alpha=!common))+coord_flip()

### get some keywords from Bing academic
start_id_Set = (0:5)*100+1
require(RCurl)
require(XML)
# start_id =1
# 

get_keywords_table <- function (start_id) {
  end_id = start_id+100-1
  keyword_url <- paste0("http://academic.research.microsoft.com/RankList?entitytype=8&topDomainID=7&subDomainID=0&last=0&start=",start_id,"&end=",end_id)
  keyword_page <- getURLContent(keyword_url)
  keyword_page <- htmlParse(keyword_page,asText = TRUE)
  keyword_table <- getNodeSet(keyword_page, path="id('ctl00_MainContent_divRankList')//table")
  table_df <- readHTMLTable(keyword_table[[1]])
  names(table_df) <- c("rowid","Keywords"   ,  "Publications" ,"Citations")
  return (table_df)
}

require(plyr)
keywords_set <- ldply(start_id_Set,get_keywords_table)

save(keywords_set, file="keywords_set.rdata")

最后更新的部分代码。效率偏低,见谅。

### map keywords
load("keywords_set.rdata")
load("NBER.rdata")
keys <- strsplit(as.character(keywords_set$Keywords), split=" ")
require(SnowballC)
keys_Stem <- lapply(keys,wordStem)

#get edges 
edge_Set <- data.frame()
for (word in Freq2$word){
#   print(word)
  for (key_id in 1:length(keys_Stem)){
#     print(keys_Stem[[key_id]])
    if (word %in% keys_Stem[[key_id]]) {
      edge <- data.frame(keywords = keywords_set[key_id,]$Keywords, kid = word)
      edge_Set <- rbind(edge_Set,edge)}
  }
}

#edge_Set
require(ggplot2)
kid_freq <- as.data.frame(table(edge_Set$kid))
require(plyr)
kid_freq <- arrange(kid_freq, desc(Freq))

edge_Set_sub <- subset(edge_Set, kid %in% Freq2[1:100,]$word)
edge_Set_sub$keywords <- as.character(edge_Set_sub$keywords)
# edge_Set_sub$kid <- as.character(edge_Set_sub$kid)

link_keys <- function(x) {paste(x$keywords,collapse = ", ")}

linked <- ddply(edge_Set_sub, .(kid), link_keys)

show_keys <- merge(Freq2[1:100,],linked, by.x="word",by.y="kid", all.x=T)
names(show_keys)[5] <- "linked"

ggplot(show_keys[!is.na(show_keys$linked),],aes(x=word,y=Freq))+
  geom_bar(aes(fill = common,alpha=!common),stat="identity",ymin=10)+coord_flip()+
  geom_text(aes(label=substr(linked,1,200),y = Freq, size = 1),hjust=0)

 

Categories
事儿关经济

我(对于统计方法)的一些偏见

Yihui写篇文章居然链到了我那篇吐槽文,瞬间亚历山大...我就是随便说说而已,一定要文责自负么?

其实我经常会有些自我的偏见在那里,而且有时候明明知道这些偏见的存在不好,还是很难说服自己改变它们。

比如,最深的偏见就是我对于计量经济学,我实在无法从根本上接受计量经济学属于经济学的这个事实...我对于它从统计观点出发搞的“因果推断”始终加上一个引号。

再比如,计量经济学内,我偏见最深的就是时间序列分析,我实在无法从根本上接受时间序列分析居然可以做因果推断,这东西更多的是预测的意味嘛,和机器学习的观点很像...

再再比如,机器学习各种模型中,我最不能接受的就是那些完全没有假设检验的...这东西至少也得能算个方差什么的才让人觉得靠谱些吧?

再再再比如,没有假设简单的那些机器学习模型中,我最最最最无法认同的就是最粗暴的把各种模型结果混合起来,用类似bootstrap的方法求得置信区间之类...这简直是就毫无办法之下的粗暴猜测嘛。

然后最后一个问题,施老师说,这个某种程度上反映了“群体智慧”。呃,好吧,就算每个模型都提取了一定的信息量,然后这么混合起来就是万灵药了?怎么听怎么像中药一锅煮的感觉,而不是西药那么配方分明...

其实我还讨厌的是“数据科学家”这个说法...努力的把science的帽子往自己脑袋上套,是大家都要遵循“科学发展观”的缘故么?就像我原来特别讨厌有人争论“经济学是硬科学还是软科学”一样,一定要沾上科学的边么?是为了好申请经费么?

如果科学,定义为消除我们对于世界的不确定性,那么无论是经济学还是统计学,不用争议多少,自然都是科学。如果科学,定义为探寻事物发展的因果规律,那么怕不是建立在演绎法逻辑之上的方法,都算不上科学了。我想说的只是,定义可能并不重要,如果定义是狭隘的,那么必然排除了一些有用的方法;如果定义是广阔的,那么必然包容了一些没用的方法。这东西又不是非黑即白的...

我只能说,科学在我这里的定义相对狭隘,宁缺勿滥,所以我的偏见有这么多...偏见越多,观点越偏颇,经常有过两年自己都不知道自己当年为什么那么幼稚和狭隘的感觉。所以大家一来请见谅落园文章的局限性,二来欢迎帮我突破局限性,用鲜明的观点和生动的例子来说服我——不仅仅是一些口头上关于定义之类的争论。

------------

照例跑题:确实如yihui所说,我的blog文章太多了,找起来难免不方便。尤其是对于不是常年订阅的读者来说。所以我决定对自己的blog主题动动手术了,瀑布流什么的最近蛮流行的,挺好的打算学习一下。