5200小说网

手机浏览器扫描二维码访问

第19章 未来的叙事未来的研究（第2页）

一些国家领导人已经通过某些直觉判断承认并利用不断变化的经济叙事，我建议将这样的直觉判断形成正式体系。领导人必须摒弃虚假或误导性的叙事，并树立道德权威来打击这样的叙事。他们要做的第一步是了解叙事的动态变化，第二步是在制定政策行动时考虑叙事的流行。政策制定者应尝试创建和传播反向叙事，推动更加理性、更有公益精神的经济行为。即使反向叙事起效的速度要慢于一则传播力更强的破坏性叙事，它们最终还是可以起到纠正作用。

例如，本书第10章提到，美国总统富兰克林·罗斯福1933年3月4日在大萧条跌至谷底时发表的就职演说呼吁人们放下恐惧、敢于消费。在1933年3月12日的第一次炉边谈话中，他诉诸道德，请求人们不要在银行重新开业时提取超出需求的现金。他其实是在带有倾向性地讲述一则叙事，告诉人们如果那些缺乏社会意识、没有理性的人破坏经济将会出现什么局面。我们可以推测，罗斯福总统的请求之所以奏效，是因为它基于道德标准；他的炉边谈话在时间上基本与美国经济的好转吻合。但是，我们没有办法准确量化当时叙事的重要程度。如果经济学家之前收集了更完整的数据并对人们在1933年的谈话内容进行过更多分析，我们也许就能了解更多。如果他们之前这样做了，我们现在就有可能更清楚如何在将来构建这种基于道德诉求的叙事。

使用叙事预测经济变量的一个问题是，人们对叙事的判断和论述容易政治化，也容易受感情左右。对学者来说，他们很难在研究流行叙事的时候既专注于使它们具备传播力的核心要素，又避免被人指控在政治乃至宗教争议问题上选边站。很多专业经济学家都尽量保持无党派立场，因此他们倾向于选择定量观察而非定性观察。不过，借助现代信息技术，经济学家现在可以收集有关经济叙事及其基本意义方面的数据，而不只是过度专注具体的用词，同时他们也可以对叙事的传播建模。只要我们保证定量研究的严谨性，就可以让叙事流行成为经济学科的一部分。

有些人可能会质疑对经济叙事进行超党派讨论的可能性。但是，只要我们做到慎重谦让，就应该能够以超党派的方式探讨经济叙事的流行。大多数人都有一定的直觉，知道怎样以超党派的方式表达自己，而且会在情况需要时这样做。我们不必为了采取超党派立场而做得太过，乃至放弃对一些推动经济变化的观点和情感进行研究。

经济研究已经在寻找更好的定量法来解析叙事对经济的影响。文本搜索虽然应用不广，但正在扩展。对美国国民经济研究局工作论文数据库的搜索结果表明，只有不到100篇论文包含“文本分析”这一短语。经济学家曾使用文本分析来记录党派的变化（KuziemkoandWashington，2015）、政治极化（Gentzkowetal.，2016）以及新闻和投机价格走势（Roll，1988;Boudoukhetal.，2013）。我们能做的还有很多。譬如，经济学家可以进一步对私人日记、布道、私人信件、精神科医生病历和社交媒体的数据库展开历史分析。

现在就应当开始收集更多有关叙事的信息

经济学家应当采取更切实的措施来收集叙事的时间序列数据，不再只是被动地收集他人的言语，而是通过实验来揭晓个中的含义和目的。现如今，摆在我们面前的数字化数据多到令人难以置信。即便如此，与人类每天不断进行的交流相比，这个庞大的数据集可以说微不足道。这些交流中的大多数都没有得到充分的采样、描述或解析。

重要的是，此类数据收集工作应当持续数十年不中断，这样的话，我们在将来就可以对具有影响力的主要流行叙事进行跨期比较。人们开展这类项目的意愿相对较低，因为这样做并不能带来即时的回报。相反，大多数叙事数据收集工作都看重眼前利益，例如营销特定产品或预测即将举行的选举。

同样重要的是，在从事这种连续不断的长期数据收集工作时要有创造性精神。要想弄懂人们的行为和想法，我们甚至可能需要心理分析师和哲学家的帮助。

既要持续不断又要发挥创造力，同时满足这两点要求并非易事。但是，要想在叙事经济学领域取得真正的进展，我们就必须这样做。

第一步，我们需要改进现有的搜索引擎，让它们可以更好地测量叙事的时变发生率。搜索引擎并不会明确告诉我们它们是如何判定条目总数的。相反，它们的主要目的是帮助用户查找所需的文章或信息。因此，当研究人员尝试统计参考条目的数量时，会弹出一些异常现象。例如，谷歌搜索引擎的使用说明指出，在搜索词组时需要用引号将这个词组引起来，这样搜索出来的就是严格按照给定顺序排列的词语。但是，有时候，包含引号的词组的条目会多于没有引号的词组。谷歌公司的一名发言人说，加上引号后的词组之所以条目更多，可能是因为引号使谷歌“更深入地挖掘了”数据库。我们需要看到证据表明这种更深入的挖掘不会有损计数的准确性。GoogleNgrams的目的是对短语进行计数并进行跨期计数比较，不过GoogleNgrams和其他搜索引擎可以采取更多措施，确保用户能够准确地进行跨期计数比较。

此外，我们至少应该每年收集一次有关经济叙事的时间序列数据（最好是多于这个频次），而且要持续数十年不间断并涵盖多个国家和多种语言。这种数据收集工作可以包括以下内容：

1.定期对受访者进行焦点访谈，在问及哪些刺激性因素与其经济决策有关的问题时，请他们泛泛而谈并讲述故事。访谈指令会请受访者讲一个故事，这个故事要么很有意思，要么能够说明当前环境的成因。这是夏琳·卡拉汉（CharleneCallahan）和凯瑟琳·埃利奥特（CatherineS.Elliott）注释标题CallahanandElliott（1996）.提倡的一种倾听研究法，也是迈克尔·皮奥雷（MichaelPiore）提倡的定性研究法。注释标题Piore（2010）.一些研究人员从事过这样的研究，尤其是艾伦·布林德（AlanBlinder）及其合著者，注释标题Blinder（1990）;Blinderetal.（1998）.他们采访了一些高管并询问他们如何在价格设定问题上形成决策；此外还有杜鲁门·彪利，注释标题Bewley（1999）.他所做的调查是询问经理如何设定工资。还有更多的研究人员对叙事展开了研究，想要推断出财政和货币政策制定者的动机。注释标题DavidRomerandChristinaRomer（1989）使用他们所说的“叙事方法”研究了美联储联邦公开市场委员会的政策行动和会议记录，以了解货币政策的真正影响。ValerieRamey（2011）和AlbertoAlesina、CarloFaveroandFrancescoGiavazzi（2019）使用叙事方法研究了财政政策的影响。所有这些研究都把重点放在了寻找政府政策的外生因素上，而不是像本书中那样，把重点放在弄懂大众的想法上。

这类焦点访谈是面向个人的，访谈会请他们重点谈一谈自己的认识以及与当前行为相关的故事。焦点访谈从20世纪20年代开始被用作一种研究手段，罗伯特·默顿和帕特里夏·肯德尔在1946年为其夯实了基础。注释标题MertonandKendall（1946）.

不幸的是，这些研究人员所做的这类访谈通常都是一次性的，他们并没有尝试收集长时间序列信息——这样的信息能够揭示人们的回答和故事如何随着历史的推进演变。如果之前曾经收集过此类数据，那么这些完整的故事就可以被视为长时间序列数据的一部分，经过数字化处理并被保存下来以备将来的文本分析之用。这样的数据随之就会被添加到重要的经济数据库中，如密歇根大学社会研究所的收入动态小组研究、美联储的消费者支出调查以及哥德堡大学的瑞典家庭市场和非市场行为数据库（HUS）等。虽然随着时间的推移以及相关新词和概念的出现，刺激因素的清单必须加长，但只要维持长期不间断的研究环境，我们就可以进行跨期比较。这与其他调查可能会有一些重合之处，如国际社会调查项目在国际上展开的那些调查。注释标题http:.issp.commenu-tophome.新的工作可能会远远超出芝加哥大学一般社会调查注释标题http:gss.norc.com.或密歇根大学社会研究所注释标题https:isr.umich.edu.也可参见ISR消费者调查主任RichardThomasCurtin（2019）的书。迄今为止所做的工作，这些工作过去已经在多个方面发挥了作用。

2.定期与不同社会经济团体的成员举行焦点小组讨论，从而促成真正的有关经济叙事的对话。焦点小组讨论是针对一群人的焦点访谈。小组访谈对叙事经济学尤为重要，因为它创建了一个情境来模拟构成叙事流行基础的人际交往。焦点小组讨论是一种重要且常见的研究方法，营销人员经常用它来了解不同群体的成员在内部如何谈论产品或政治候选人。

在一个焦点小组中，研究人员会让那些基本代表了人类社会实际群体的人们聚集在一起；参与者通常年龄相近，生活在同一地理区域，并共同拥有其他一些影响社会群体凝聚力的要素。研究人员将相似的人聚集在一起，以期消除“政治正确”的障碍，因为这些障碍可能会阻止非天然群体的正常对话。焦点小组负责人随后会推动参与人员讨论与研究主题相关的刺激词，并将对话记录下来。焦点小组访谈需要采访人的人为判断力。这是一门学科，也是一门艺术，一门让人们思考并谈论他们为什么做某些事情或持有某种信念的艺术。

因此，焦点小组可以说是一种真实情境，有可能成为观点传播的真实写照。虽然这种做法很常见，但焦点小组研究人员通常不会寻求提供数十年的庞大数据，以期了解经济变化的原因。就经济叙事而言，焦点小组的参与者可能需要对“股市”“银行”“失业”“存钱的真正原因”“可能影响你未来经济福利或子女福利的政府行为”等词或短语做出回应。焦点小组的录制视频可能会经过数字化处理，等到将来，甚至有可能通过面部识别和情感分类算法等进行扫描和分析。

现在，人们已经认识到焦点小组讨论是研究大众认知和动机的有效工具。焦点小组也会遭人诟病，注释标题https:mediuideo-storiesthe-focus-group-is-dead-24e1ec2dda82.因为它们经常存在组织不当的问题，不过，如果安排得当，则会非常有效。然而，经济学家一直非常讨厌使用这种办法。在焦点小组的应用方面，经济学和金融学是表现最糟糕的领域。在2010—2019年期间，主要由营销人员开发的焦点小组法在取样、指导和实验方面有了很大的改进，但只有0.04%的经济学学术论文和0.02%的金融学学术论文提到了焦点小组一词。注释标题例如可参见Edmunds（2000）。

本书第8章提出的构想之一是，叙事对经济的影响可能会随叙事和时代思潮的具体情况而变化。我们也看到了明显相互矛盾的实例：一战的爆发导致美国股市一路狂跌，而二战的爆发却导致股市一路飙升。1920年，与美国“红色大恐慌”相关的炸弹袭击导致了经济活动的减少，而在2001年的“9·11”袭击之后，却出现了充足的支出和经济衰退的结束。如果及时举行一系列指导得当的焦点小组活动来讨论臆测、情绪和忠诚度等问题，我们也许本可以更好地理解人们为何如此行事。

3.对过去几年为其他研究项目开展的焦点小组建立历史数据库。由罗珀公共政策研究中心（RoperCenterforPublicPolicyResearch）注释标题https:ropercenter.cornell.edu.提供的民意调查档案库自1947年以来日积月累，已经形成了一个包含盖洛普数据集在内的民意调查反馈数据库，现存于康奈尔大学。不过，这个档案库将单条民意调查问题的答案制成了表格，这些问题的措辞会随时间和问卷调查表而变化；它的情境可能会随着同一次调查中的其他问题而变化。它并没有直接倾听受访者自己的语言表述和想法。这个档案很有用，但是我们很难从中判断哪些元素具有传播力，也很难从中判断想法上的变化。我们应该建立一个庞大的数据库，请世界各地举行焦点小组讨论的人分享过往的讨论结果，这些结果可能有助于我们理解不断变化的叙事。这个数据库将要求他们分享过去的焦点小组讨论结果，这些讨论可能与经济叙事有关。数据库管理员会申请发布原始数据的权限，同时也要尊重之前对参与者许下的隐私承诺。然后，管理员会想出某种办法（这是一个挑战！），将过去的这些焦点小组讨论归类到最接近的计算机可搜索时间序列中，这样一来研究人员就能够使用这些数据绘制特定叙事的流行曲线，比如我在本书中为报纸和书籍绘制的那类曲线。

4.布道数据库。成千上万的宗教组织、教堂、犹太教堂、清真寺等肯定都留有旧的布道记录（derashas，khutbahs等），但这些数据库的本意是为了帮助人们为布道做准备，而不是为了开展历史研究。布道很重要，因为它们在探究人生深层意义时触及了道德价值观。这些道德价值观和是非价值判断的变化无疑与不断变化的经济决策有关。

5.个人信件和日记的数字化可搜索历史数据库。这类数据库已经起步，但是我们可以进一步鼓励家庭将已故家庭成员的日记捐赠给这样的数据库。现有数据库似乎并不是基于对全球人口和相关个人信息进行随机抽样调查。它们往往是为特定研究选择的人群，例如针对某一场战争或某一个国家的社会问题而做的研究。这些数据也能发挥作用，但是更好的取样能让人们更好地了解如何将研究结果类推至更广泛的人群。

上面列出的所有数据库都不可能很快就达到学术研究机构的预期规模。这类研究的回报遥遥无期，而且对这类资源的判断也很难形成固定体系。数据收集工作有助于我们理解相对罕见但极为严重的萧条和金融危机，这样的危机数十年发生一次，每个人一生中经历这类危机的次数可能不会超过两次，而处在“不出版就出局”压力下的个人所做的学术研究不太可能会从事这样的数据收集工作。

很多研究机构已经着手收集上列愿望清单中的一些数据。我们应该为这些机构提供资金，使它们可以系统性地、长时间不间断地开展这项工作。自1989年以来，我一直在小规模收集此类数据，面向个人和机构投资者进行股市问卷调查。日本和中国也有类似的调查。另外，自1993年以来，我先是和卡尔·凯斯合作，现在又与安妮·金塞拉·汤普森合作对美国购房者及其对独栋住宅市场的看法展开调查。早期的调查得到了美国国家科学基金会的支持，后期的调查得到了白盒基金会（WhiteboxFoundation）和耶鲁大学管理学院的支持。这些调查问卷包含了开放式问题，受访者可以在留出的空白处写上一两句话。这些问题旨在激发受访者思索是什么因素在推动他们，这样一来他们的回答就具有了永久的分析价值。自从我启动这些调查项目以来，我看到其他研究机构有时也在追求同样的目标，但又半途而废。新式调查工具（SurveyMonkey和Qualtrics等）促成了问卷调查的激增，但并没有形成长期不懈的策略。

截至本书撰写之际，似乎还没有太多的举措支持我们对历史数据的日常收集，以便在此后数十年里我们能够对经济叙事动态展开真正的全面研究。

对叙事进行追踪和量化处理

现如今的研究需要在叙事追踪和量化方面做出改进。一组有分层、有重叠又经常相互冲突的叙事会让研究人员无从下手。即使从最简单的流行病模型也可以看出，没有哪个故事能家喻户晓。此外，某则叙事的传播很大程度上是相当随机的。词汇的含义取决于当时的情境，而且会随时间变化。决定了传播力的故事的真正内涵也可能会随时间变化，而且从长远看很难追踪。

区分因果关系和相关关系也是一个永恒的挑战。我们如何区分下面这两种叙事呢：一则叙事只是因为提及经济行为而与经济行为产生了关联，另一则叙事则造成了经济行为的变化？

经济学研究人员还需要解决那些让文学理论家倍感困扰的问题，这些理论家试图列出所有文学的基本故事结构，提炼出是什么构成了这些故事的核心并使之具有传播力（请参阅第2章）。历史每时每刻都充斥着诸多具有传播力的故事，很难对其进行梳理。文学家容易过度关注故事的细节，这些故事很常见，因为它们在日常生活中为人熟知。他们还面临着一个难题，那就是如何解释故事随时间变化。

幸运的是，语义信息和符号学研究正在不断发展。比如，在机器翻译的过程中，计算机可以通过查看上下文相邻的单词来选择某个单词的含义。如果用户问“南非最长的河流是什么”，Siri会直接给出语音回答（“南非最长的河流是奥兰治河”）。现在这类搜索在全球范围日渐完善。

但是，语义搜索可能还需要很长时间才能达到人脑对叙事的理解水平。与此同时，研究人员仍然可以通过使用多个研究助手量化叙事研究，这些助手会根据明确的指示阅读叙事并根据它们的基本情感驱动力对其进行分类和量化。心理学、神经科学和人工智能的进步也将改善我们在叙事经济学中的结构感知。一些公司[Alexability.（Alexandria）、alpha-sense.、prattle.co和quid.等]开始提供对公共文档和媒体内容的智能搜索，这可以帮助我们整理共享叙事（sharednarratives）方面的信息。

随着研究方法的进步、更多社交媒体数据的积累，文本分析将在经济学中发挥更大的作用。我们也许可以凭借文本分析，超越20世纪30年代的收入—消费反馈模型和凯恩斯乘数模型（这些模型至今仍然具有影响力），进一步探究推动经济事件的各种反馈机制。文本分析还会帮助我们更好地理解我们经历过的故意操纵和欺骗，并帮助我们制定将叙事纳入考量的经济政策。

是什么力量导致经济时而繁荣时而停滞，既有创新时期也有落后时期，既有共情时代也有炫耀性消费及自我吹嘘时代，既有快速发展期也有衰退期？我们应当设法更好地理解人类在这个问题上的思考模式。希望读者能从本书得出这样的结论：我们有可能做到既不牺牲学术笃实和系统分析，又能更近距离地一窥重大经济事件背后的人文因素。

谢邀：人在迪迦刚成邪神  王牌狙击手（全5册）  读美文库——再别康桥  末世：开局爆出一只貂蝉  超能富豪养成计划  末日求生  村霸农女：傲娇夫君来种田  灵域战仙  百龙传奇：人龙传  魔王奶团敲凶哒  穿书之黑化反派自救手册  我的竹马是哭包  知乎高赞答主：温酒的睡前故事（全2册）  莲静竹衣代表作品合集（共8册）  夏元  上班第一天，我拒绝了无偿加班！  替身的我和白月光互穿了  冲出豪门似鸟飞  全球神邸：我随机获得万界宝物  紫金陈：少年股神（全2册）