地图不是领土

你拿着一张地铁图找路。图上的距离被拉直了，河流被画成一条蓝线，换乘站是圆点。这张图很管用。但如果你把地图直接铺在地上，把它当作真实的城市，你肯定会被台阶、墙角、雨水和人流绊住。

经济学模型也像一张精简的地图。供求曲线不是菜市场的喧嚣，IS-LM 图不是财政部的走廊，所谓“理性人”也不是你身边真正在挑便宜的邻居。模型不是要还原世界的全部，而是选择性地丢掉那些此刻用不上的细节，只保留几条对理解有帮助的线索。

所以我们学模型，不是因为它还原了真实世界，而是因为它能帮我们提取某个问题的核心。当你发现模型的推断和现实有差距，受挫的其实是地图，不是现实本身。不能因为世界比模型复杂，就拒绝用模型；也不能因为模型简单精致，就认定现实必须像它那样运行。

---

车间里的对照表

今天我们在制图车间干活。建模型其实像是在画地图，每一个假设都是在决定要突出什么、舍弃什么。左栏是你在地图上做的选择，右栏则对应了在真实领土上要付出的代价。用这个表，是希望在每一次精简和抽象的背后，你都能清楚知道舍弃了哪些内容，并警惕由此带来的盲点。

这个对照表的作用不是让你去质疑所有模型假设的合理性，也不是鼓励你随意抛开模型。它提醒我们：

• 没有左栏的简化假设，很多问题甚至无法被描述清楚，“我想分析哪股力量”都成难事。
• 模型越简洁，越要诚实面对它的局限。展示模型时，请一并亮出右栏的风险和提醒。
• 像地图的空白区域要特别标注出来，要让读者知道你为简化分析、便于理解，主动舍弃了哪些曲折与细节。

通过这样的对照表，大家既可以欣赏模型的简明有力，也能时刻警惕它背后未被涵盖的复杂世界，保持应有的敬畏。

所以“为什么学模型”的答案很土：你需要一个能被打脸的、可携带的结构，好把“假如只发生这一件事”说清楚。没有这个结构，政策辩论会变成比谁的故事更感人。

---

假设不是信仰，是临时支架

我们常说“假设”，其实它暂时充当的是脚手架的角色。真正的信仰不能轻易更改，但模型中的假设必须随时准备调整和拆换。模型需要脚手架搭建，但一旦建筑物可以独立站立，脚手架就可以拆除。

比如，“完全竞争”这个假设。它要求无数卖家、自由进出、产品完全同质，大家只能被动接受市场价格。现实世界，比如手机市场，和这个假设相差甚远。但我们还是反复讲它，是因为它像把一栋房子勒得笔直的测量线，先确定纯粹竞争的极限情况。只有掌握了这个极限，你才能更好地分析现实有哪里不同——垄断、寡头、搜寻成本等，都是基于这张底图的再加工和扰动。完全竞争给你一把“量差距的标尺”，现实与模型的距离由此清晰起来。

另外，“代表性个人”。这种假设有如下影响：

• 简化分析：把无数异质的人简化成一个“平均人”，使数学推导和数据估算变得更容易。宏观模型常常依赖这一点。
• 丢失细节：一旦遇到如分配、冲突、风险承担等问题，这种简化就会让许多关键内容从地图上消失。
• 风险与盲点：模型在相关问题上“摔跤”，往往不是推理过程错误，而是主动不描绘人与人之间的缝隙和差异。
• 现实丰富性被掩盖：被抽掉的这些细节，正是真实世界的复杂性和多样性所在。

用“代表性个人”是假设在总量分析中的权宜之计，但我们必须清楚地知道，这样做会遮蔽哪些真实世界中的重要现象。

脚手架不是房子的一部分，但没有脚手架房子就难成型。模型的假设也是如此。理解假设临时性、辅助性的本质，就能更冷静地拆换和重组模型，比如面对新环境或数据时，知道何时拆除无用的支架，何时加一根新梁撑住结构。

支架随时可拆，信仰却固化在墙。假设该是前者的位置——为搭建理解而生，也应该能灵活退场。

---

两种错法，比模型本身更常见

在讨论模型的作用时，最常见的错误其实不是模型本身的问题，而是我们怎么“用”模型的方法论错误。有时候，错的是我们怎么对待地图，而不是地图怎么画。

错法一：地图拜物

有一类常见错误，是把“模型＝现实”当成信仰。论文里模型越写越厚，现实世界的细节却越来越淡。只要模型能通过参数调校，把几组宏观时间序列拟合得八九不离十，“理解了经济”就自动宣布成立。就像城市交通研究者，把一张地铁线路图画到了“能模拟出早高峰客流曲线”——然后宣布自己掌握了城市生活的全貌。其实拟合现象和解释现象，是两码事；地图有用，但别把地图当成全部。

错法二：领土神秘主义

另一种极端则是“领土神秘主义”：因为现实极其复杂，任何模型都不可避免要简化、割裂真实，所以干脆贬低一切模型。只剩主观叙事，失去了“双方可以对比哪张地图更不迷路”的基础。这种方式看似谦逊，实则逃避了验证和比较的责任。叙事很打动人，但无法被实证反驳——谁都可以说，没人能纠错。

其实，更健康的做法是两者之间的中道。关键策略包括：

• 准备多种地图：需要有几张比例尺和关注点不同的地图，不同问题对应不同的模型。
• 举例：
  1. 若研究短期汽油税，一幅局部供求图已经足以，说清楚重点的传导机制。
  2. 遇到产业政策问题，则可能需要兼顾进入壁垒、技术创新、政治约束等更宏观结构。
• 按需选图：关心什么问题，就选哪类模型，不同问题用不同的“地图”，而不是把某一张地图升格为“唯一的真理”。
• 灵活切换视角：只有灵活切换，才能看到模型和现实之间的张力与缝隙，也才能持续校准自己的理解。

---

把模型写成可检验的交通规则

结合上一章，想要让模型能被“打脸”，最好的方式是把它写成一条具体的、可检验的交通规则，而不是停留在抽象、模糊的风景画。

风景画的典型说法，比如：“经济是一般均衡的和谐整体。”——面对这种说法，你很难用数据直接反驳，它太宽泛，也缺乏可以检验的边界。

而像交通规则那样的模型，则会明确提出条件与后果，例如：“若只提高这一种要素的价格，且替代弹性约为 σ，则该要素的需求下降幅度应接近……”——这样的描述，为数据留出了比对的空间。规则如果错了，我们可以用事实来修正规则。相比之下，风景画画错了，作者往往只有修饰或美化的空间，而缺乏修正的可能。

比如说，一个最小的需求模型如下：

$$q = \alpha - \beta p + u$$

这个模型实际上已经坦白了一切——价格 $p$ 是唯一被“画出来”并被解释的变量，而其他所有杂七杂八的影响都被封装进 $u$。此时，真正重要的不是急着为 $\beta$ 赋予某个高大上的名字，而是要追问：$u$ 里有没有“夏天”这样的遗漏变量？有没有上一章讨论过的潜在因子没有被纳入？这正是通向后面第5章“识别问题”的入口。模型此处像一个收纳箱，把尚未能被解释或度量的“脏东西”统统打包；而识别的任务，就是想办法把这些包裹再拆开，还原原貌。

另外，交通规则式的模型还有个好处：它能推动不同研究者之间的对话。规则清晰，就能被其他人用不同的数据重复检验，哪怕得出冲突的结果，也能精确定位差别来源。风景画式的模型，则容易让讨论陷入形容词之争，缺乏实证的锚点。

简而言之，让模型变成可以“打脸”的交通规则，不是自找难堪，而是为了让模型生根于现实并能不断进步。数据可以推翻的不是真理，而是不断被修正、接近真理的过程。

---

你带走的不是“模型无用”

你真正带走的，其实是一种贯穿研究全程的工作习惯：先认真明确你要解决的研究问题，然后再决定采用哪种“比例尺”来画地图。不同的问题需要不同的模型视角，选择比例尺时需要考虑你要关注的核心变量和机制。接下来，别忘了仔细列出你为了简化而主动“关掉的灯”——也就是哪些现实中的复杂性被暂时排除了视野之外。最后，才轮到数学工具的登场，用形式化的语言把这些取舍一一精确表达出来。

在模型被数学语句严密刻画之后，也要始终记住几点：

1. 所有的公式和定理，不过是“地图上的墨水”，是我们理解世界的工具，而不是世界本身。
2. 即使“墨水干了”，外部的真实世界依然在变化，这些变化只能通过感知和反思来捕捉，模型无法替代。
3. 下一章我们会遇到一个新的挑战：现实中的“是什么”（事实描述）经常被直接转化为“应该怎样”（规范命令）。
4. 休谟哲学指出，事实与价值之间有一道“休谟之断”，很难被轻易跨越。
5. 我们需要具体去分析，这道分界线究竟划在哪里，以及为什么不能被忽视。

顺便强调一遍：汽油税这样精细的短期问题和产业政策这样复杂的系统性决策，绝不该共用一张地图。使用不合适的比例尺，或者用一套模型解释所有场景，并不会让分析变得更加严谨，只会让我们像戴错了眼镜，模糊了看问题的分寸感和细节。