与数据共舞的迪顿
“大数据”是近年来的流行词。
实际上，经济学从创立时起，就一直在用大数据支持和检验各种理论和模型。
西方最早的大规模社会经济数据收集可以回溯到1700年时的英国。
从那以后，随着经济学研究方法的演进，数据的收集和分析也更加系统化和精细化。
人们从数据中提炼出一个又一个模型和理论，而这些又反过来指导数据的收集过程。
经济学家、普林斯顿大学教授安格斯?迪顿（Angus Deaton）就是在收集和解释经济数据领域的重要开创者。
因为这些贡献，他获得了2015年诺贝尔经济学奖。
获奖前的迪顿也许只在本行出名，但他有一个工作却是家喻户晓的――2010年，迪顿与卡纳曼（2002年诺贝尔经济学奖得主）发表了一项研究，指出收入与幸福度的相关性到75000美元为止。
超过此收入，幸福度就不再增加了。
下载论文网 迪顿的诺贝尔奖不是因为他的一项工作，而是因为他整个职业生涯的贡献。
诺贝尔官方的工作介绍中引用了他的37篇论文，其中有20篇是他独自发表的。
根据诺贝尔委员会的宣言，迪顿主要是因为三个方面的工作受到表彰。
迪顿初出茅庐就一鸣惊人。
在还是新科教授时，他在1980年提出了所谓的“几乎完美需求系统”模型。
也就是说：在总消费量（金额）固定的情况下，人是怎样分配各种消费品的数量的。
社会总体消费分布的理解，显然对经济政策和计划是非常重要的。
当时通行的方法是：把整个经济的行为等同于一个“代表人”即“他”的行为。
“他”根据当时的情况（各种物品的价格，自己的总消费量等）选择消费金额的分配，追求效用函数的最大化。
效用函数（utilityfunction）是一个函数，其自变量是消费者的各种选择，函数值代表消费者的最终幸福程度。
如果消费者是理性的，那么这个效用函数就会满足一定的数学性质。
问题是，从实际数据导出的效用函数却不满足这些性质，也就是说，经济学的基础――理性――在这个问题上受到了挑战。
迪顿指出：问题是整体经济的行为不同于一个理性人，虽然它是成千上万个理性人的集合。
这个模型包含了一组很容易通过数据来确定的参数，可以描述理性和非理性的效用函数，也可以很容易地判断一组参数是否理性。
这个模型可以描述个体的消费行为，也可以描述社会总体的消费分布。
迪顿指出，即使在一个非常简单的情况下（所有的个别消费者都使用同样的理性的效用函数），其总体消费分布的效用函数也不一定是理性的。
这个并不复杂的模型能揭示消费分布中的一些本质问题，又具有良好的数学性质，所以至今仍被广泛使用。
迪顿的那篇论文至今已被应用超过4500次。
这是迪顿的第一个重大贡献：建立了一个既能忠实于数据，又足够灵活的需求模型。
他研究的问题是：一个人在收入变化的时候，消费和储蓄的分配如何变化。
20世纪中期风行全球的凯恩斯主义，其依据就是个人用于消费的比例是不变的。
所以当政府通过赤字运行暂时增加人民的收入时，人民的花费也会按比例增加，从而刺激需求，振兴经济。
后来，自由派经济学家弗里德曼等人提出反对意见。
理论是：人的消费水平不是由当时收入决定的，而是基于对长期收入的估计，所以消费水平是基本稳定的，不随收入波动。
这个理论被称为“永久收入”理论。
如果这是正确的，凯恩斯的经济刺激就没有作用了。
他发现，“永久收入”理论虽然直觉上很有道理，但仔细分析却需要不少修正。
例如，人的借贷能力并不是无限的，而现实中大多数人都生活在借贷能力的极限上。
他们没有储蓄，所有收入都用于消费，另外，人对于未来收入的预期也并非不变，而是基于目前的收入。
所以收入高时，人会认为将来的收入也高，反而减少储蓄，用来增加消费。
反之收入降低时，倒觉得苦日子是长久的，需要增加储蓄未雨绸缪。
这个矛盾被称为“迪顿佯谬”，至今尚无确定答案。
但看来问题在于个人行为与总体行为的不一致。
理想状态下，要研究消费者行为随时间的变化，我们需要跟踪个别的消费者，收集他们在不同时间的数据，业内称之为“面板数据”（paneldata）。
美国人口调查署和劳动统计署从上世纪80年代起就收集和发表十分详尽的“面板数据”，涵盖人口组成、收入和消费的很多方面。
但是在世界其他国家，“面板数据”由于成本较高，应用不是很普遍。
迪顿发现，另一种“横截面数据”（cross—sectionaldata），也就是对一个人群在某一时间的调查（而不是跟踪个人），也能提供相同的信息，达到相同的精度。
这种把“横截面数据”变成“伪面板数据”的技术，对于推广数据统计在第三世界国家的应用起了很大作用。
迪顿以数据与理论相结合，个体与宏观相印证的作风，为消费与储蓄问题的研究奠定了坚实的实证基础。
这是他的第二个重大贡献。
迪顿在经济研究中非常重视数据、模型和理论分析，但他并没有迷失经济学的根本目标：提升人民的生活品质。
所以，除了数据的收集和分析之外，他还关注一个更基本的问题：什么数据最能反映人民的生活品质？迪顿发现，收入并非生活品质最可靠的表征。
他还开拓建立了用“穷人物价指数”反映穷人的消费水平，用主观访谈补充“硬数据”和利用健康状况来反映生活品质等方法，对研究发展中国家经济状况的工具和手段做出了巨大贡献。
例如，为了调查人群中是否有重男轻女的行为，他需要知道家庭在男孩和女孩身上的消费是否相等。
但是家庭调查中只知道总花费，无法精确到具体人身上。
于是他采用了比较有孩子前后，家庭奢侈品消费水平的变化程度，以此来推算家庭预算中花在孩子身上的钱。
如何从数据中得到需要的信息而不是被数据误导，这需要经济学家的知识和智慧。
迪顿独具慧眼，善于从数据中发掘信息去伪存真，发展了一系列数据分析实践。
这是他受表彰的第三个重大贡献。
迪顿是学术权威，在学术圈子里非常受尊敬。
但不光如此，他在全球经济活动中也是举足轻重。
除了学术活动外，他还参与世界银行帮助发展中国家提升经济的努力，为此写过不少报告和白皮书。
上面说到的用“横截面数据”代替“面板数据”的发明，对发展中国家推广以数据为依据制定政策的做法就很有帮助。
他还发现了印度政府在计算贫困率时的方法错误，帮助印度政府得到更切合实际的数据。
迪顿自称，他个人的目标是“研究改善人民生活的政策问题”。
在这一点上他的确是身体力行了。
迪顿的工作不仅是对经济学的贡献，对大数据领域也具有普遍的指导意义。
除了具体的技术和思路外，他的基本态度是：不崇拜数据，而是真正弄明白为何收集数据，如何使用数据。
特别是对数据的解释非常小心。
他的论文从来不是简单的图表，而是有很多定性，直观地分析、挖掘数据背后的意义。