2019年的诺贝尔经济学奖授予了阿比吉特·巴纳吉（Abhijit Banerjee）、埃丝特·迪弗洛（Esther Duflo）和迈克尔·克雷默（Michael Kremer），以表彰他们「为减轻全球贫困所采取的实验性方法」。

诺奖评委会认为，他们的研究大大提高了我们应对全球贫困的能力。

巴纳吉和迪弗洛都是美国麻省理工学院经济学教授，2011年两人合作出版了《贫穷的本质：我们为什么摆脱不了贫穷》，从穷人的日常生活、教育、健康等多个方面，探寻贫穷真正的根源。

他们把自然科学常用的随机控制实验(Randomized Control Trial, RCT)应用到了经济学的研究之中，并用得到的实验数据来寻找，那些国家的贫困落后与他们所设置的变量之间的因果关系。

在以研究贫困落后国家如何摆脱贫困、走向富裕的发展经济学中，这种研究方法尤其盛行，已经形成了一套看上去很科学的研究方法和研究体系，也形成了特定的研究圈子。

随机控制实验，讲究见微知著，通过控制其他变量不变，而改变其中一个或者几个变量，然后通过结果和变量之间的数据变化情况来寻找其中的机制原理和因果关系。

它的特点很明显，如果变量控制得当，实验组和对照组之间的结果不同必然会和变量或者说干预的不同相联系。

这个特点在自然科学或者工程科学领域的研究之中，是一种高效或者说有效的研究方法，也被广大的研究者所接受。

然而这样看上去非常科学，又被很多科学家所接受的研究方法，嫁接到经济学这里是不是同样有效呢？

我们的回答是否定的。将随机控制实验的研究方法引入经济学，最多只能做到「见微」，却无法做到「知著」。

随机控制实验的方法在经济学上的运用，至少要面临两个方面的困难：数据上的统计局限和伦理上的设计局限。

比如这届诺奖得主的田野实验方法，随机把学生、教师、农民等等等分成实验组和对照组，人为地对实验组实施某种政策干预，再和对照组进行比较，来研究干预是否有效。

他们的研究结果表明，出勤监督和支付额外出勤工资可以有效降低印度教师的旷工率；而力图促进社区在教育方面的参与，以及降低学生-教师比例，并不会提升教师的努力和学生的学习成绩。

他们还研究了不同教育方式对学生成绩的影响，并发现年轻女教师可以显著提升差生的读算水平，计算机辅助学习可以显著提升学生的数学成绩。

在自然科学领域我们相对来说可以控制其他变量不变，而只让我们想观察的变量改变。在经济学领域，能不能做到呢？可以说很难，基本上做不到。

因为经济学的研究对象恰恰是人本身，人生活在一个社会之中，会受到各种种因素的影响。人以自身为研究对象，却要摒除其中变化带来的影响，只考察其中一项或几项，这在理论上就几乎是不可能的。

另外他们还不得不面对，巴斯夏提出的看得见的和看不见的问题。

许多政策或者干预导致的后果本身并不能以肉眼可见的形式展现出来，更不可能进入统计学家的视野，这个时候这种变量导致的结果，也就自然无法和变量之间建立起任何的因果关系。

比如很多人认为战争是技术的催化剂，因为他们看到最尖端的科技都用在了战争上，都是在战争中出现的。

还有很多人认为是二战让美国摆脱了大萧条的阴影，带来了美国的经济繁荣。

他们看得见的，是技术用在战争中率先使用，非常的炫酷震撼。

而看不见的，则是经济遭受破坏、资本被强制投入到与战争有关的技术领域，因此而被耽误在民用领域、改善提高我们资本和技术研发上的投入。

所以，当我们想用事实来验证一个经济学的理论或者推论是否正确的时候，我们不得不面对「看得见的和看不见的问题」。

能够统计的，只有看得见的、已经发生的数据，而那些未曾发生的，也是实实在在损失的机会成本，却永远无法进行统计。

变量的无法控制、看不见的数据无法统计，随机控制实验这个在自然科学、工程领域颇为有效的研究方法，在经济学这里却出现了致命的硬伤。

这两点硬伤也使得即便是享誉全球的诺奖，他们的研究理论和成果却不得不面临非常大的局限性。

比如他们发现，肯尼亚当地农民对化肥的使用较为不足，会等到农作物较为成熟的时候才开始购买化肥，而使用一些小小的价格折扣，就会激励他们在合适的时间购买化肥。

激励他们在合适时间购买化肥的，除了折扣有没有其他因素？这样的研究成果对于中国农民有效吗？或者同样的研究成果，对肯尼亚那些不是农民的穷人是否同样有效？有什么理论上的启发？

这样的研究，倒不是全盘否定他们存在的意义，而是看清楚他们研究方法上的缺陷，我们知道这种研究的作用其实十分有限，并不能称之为科学意义上具有广泛解释力的理论，充其量不过是工程上的技术细节。

另外一个局限，则是来自伦理上的拷问。

比如研究贫困问题，什么能让穷人变得富裕。

如果是做对照组实验研究，他们的这种研究方法不得不面对一个伦理困境，那就是你必须眼睁睁看着一个政策或者变量使得其中一个实验组变得富裕，而另外一个对照组还是一贫如洗，甚至变得更加贫穷。

那么这样的对照实验，范围到底是多大呢？10 个家庭、100 个家庭可能还能忍受，那么 1000 个家庭，甚至更多的对照组实验呢？

如何面对这样「残忍」的实验，让一部分人富裕，却同时让另外一部分继续忍受贫穷。

据说，巴纳吉和迪弗洛用了15年的时间踏遍了五大洲、18个国家和地区最贫穷的地方做调研，才有了那本被奉为经典的《贫穷的本质》。

实际上，完全没有必要。

不知道他们是否来过中国，但我们可以自信的说，最佳的田野调查，就在中国。

来中国不必做那么多的实验设计和统计，也不必做那些对照组。

来中国你只要细致地观察一下人们实际生活中的变化，再观察一下有哪些政策上的变化，稍有些经济理论功底的人都不难看出中国经济的进步和原因。

托尔斯泰说过，幸福的家庭都是相似的，而不幸的家庭却各有各的不幸。

我们借用一下，贫穷和落后，各有各的历史和原因，而繁荣和富裕的原因，大致上只有一个，那就是产权以及基于产权的自由。

中国的改革开放，人们稍微获得了一点点产权和自由，繁荣随之而来，富裕都可以写在脸上。

中国本身就是时间上最好的对照组，而如果要找空间上的对照组的话，那可以看看当年的东德和西德，以及今天的朝鲜和韩国。

经济学研究的是真实的世界，而不是实验构建的空间。

本届诺奖得主的研究局限在了自己构建的实验空间，却忽视了真实的世界。

这就是我对他们的评价。