您可以在百度里搜索“中信出版2020年度好书-经济管理（套装共12册） 艾草文学(www.321553.xyz)”查找最新章节！

　　第四篇

　　发展中的叙事经济学

　　第19章 未来的叙事，未来的研究

　　流行病学告诉我们，旧的流行病可能会在变异之后反复出现，因为旧流行病的残余力量会发生变异或对变化的环境做出反应，引发新的传染病。以后我们将会见到新型流感和新的流感流行。因此，本书介绍的很多叙事也会再度流行，在几年后归于沉寂，然后再度盛行一时。具体的时间节点是无法预测的；与设想中的商业“周期”不同，叙事并不是定期重现的。

　　本书所做的研究介绍了一些在过去有过极大影响力的经济叙事，这些叙事现在大多归于沉寂，有些已经被人抛诸脑后。但是，它们并没有完全被人遗忘，有心追求重大新闻的人也许会再度发现它们。叙事星座有可能发生变化，为旧的叙事提供新的背景，从而提高其传播力，让其风行一时，有时在间隔了很长一段时间之后。

　　在本书中，我异乎寻常地引用了大量的成段文字。这样做是为了让读者对过去的叙事产生一种历史感，这些叙事产生过极大的影响，如果以同样的语言再度出现，可能会再次产生影响。与笑话或歌曲一样，要使叙事有效，措辞和表述都得恰到好处。

　　在预测经济事件时，我们会痛苦地意识到，没有哪门学科研究的是如何解析叙事对经济的影响。但是，可以有具体的研究方法帮助我们理解。没有确切的学科研究如何评价小说或交响曲，但是有具体的方法可以提供信息，为那些涉足此类领域的人提供灵感。我们必须避开下面这种“无敌的诱惑”：使用科学类比夸夸其谈地讨论经济，让没有什么实质内容的理论给人以精确的错觉。即使在尝试使用人文方法的时候，我们也必须牢记真正的科学方法。

　　本书就未来的经济叙事以及我们在日后的研究中如何定位研究方向提出了一些建议。虽然不完美是必然的，但这些建议可以帮助我们更好地理解这些叙事。我们在前行时，可以借鉴这些建议。

　　变化的形式和环境

　　人们对“经济力量”的看法是由叙事驱动的，尤其是关于他人信心的叙事（第10章对此做了介绍），它的影响力胜过了其他不那么乐观的叙事。所有的叙事都有自己的内在动力，而这种“力量”很可能是短暂的。由于2007—2009年的大衰退，我们既看到了信心的迅速下降，也看到了1929年股市崩盘叙事的回归（第16章）。同样的情况可能会因为叙事的微调或环境的变化迅速再现。

　　在本书撰写之际，（第11章介绍的）“赶上琼斯家”的叙事在美国似乎格外有影响力。特朗普总统以身示范，过着奢华的生活。此外，民众对贫寒家庭似乎也不再那么慷慨大方。在特朗普当选总统之前，美国的基本必需品慈善捐助就已经呈现明显的下降趋势。印第安纳大学礼来家族慈善学院所做的调查表明，在2001—2014年间，经通胀调整的基本必需品慈善捐助减少了29%。由于朴素风尚和共情叙事的衰落，帮助世界新兴国家的意愿也在下降。

　　智能机器叙事（第13章和第14章）眼下似乎并没有产生太大的经济影响，但这些叙事现在仍为人们热议。在本书撰写之际，机器似乎并不那么令人恐惧，但是，如果出现收入不平等或失业等负面消息，令人惶然的叙事版本就有可能再次传播开来。以前就曾出现过人们对机器人的担忧突然加剧的情况。ProQuest对同时包含“机器人”和“就业岗位”这两个词的文章所做的搜索表明，在2007年下半年至2009年上半年之间，这类文章的数量几乎涨到了原先的3倍。根据国民经济研究局的数据，2007年12月是大衰退之前的经济高点，而这次衰退是在2009年6月结束的。

　　新技术将改变传播率和康复率

　　随着历史的推进，信息技术发生了显著变化，传播率和康复率也发生了变化。中国古代发明的早期印刷术、15世纪的古登堡印刷术、17世纪在欧洲发明的报纸、19世纪发明的电报和电话、20世纪发明的收音机和电视机以及互联网和社交媒体的兴起从根本上改变了传播的性质，但是，到目前为止，人们还没有系统、定量地研究过这些发明对信息传播的影响。

　　社交媒体和搜索引擎有望改变传播的基本性质。过去，人们的想法是以非系统化的随机方式传播的。有了社交媒体平台之后，持有极端观点的人可以找到与自己志趣相投的同伴，进一步强化他们与众不同的观点。事实核查员并不能减慢传播的速度；但是，互联网和社交媒体在任由观点传播的时候会对其进行集中控制，只不过这种控制很少浮出水面。社交媒体和搜索引擎的设计人员具有改变传播性质的能力，而且我们的社会也越来越要求他们这样做，以便防止互联网欺诈和假新闻的传播。

　　但是，不断改进的通信技术并不是影响传播率的唯一因素，也不一定总是最重要的因素。

　　文化因素也在发挥作用。从过往历史看，人们面对面交流时所用词汇的变化有可能会影响传播率。比如，19世纪的时候，人们会在沙龙和家庭聚会中大声朗读文学作品，这种时尚在19世纪中叶尤为盛行。《华盛顿邮报》在1899年指出，沙龙和家庭聚会的阅读风尚在世纪之交时开始逐渐消退：

　　在家庭聚会上向孩子们大声朗读文学作品，它正在以飞快的速度变成一门消亡的艺术。这种做法娱乐和教导过的孩子曾经是何其之多，而如今接受这种娱乐和教导的人又是何其之少。现在的孩子们在学会阅读之后，就加入了快速默读印刷文字的大军。毫无疑问，大多数父母都忙到抽不出时间教育子女、给他们读书，而孩子们在成长的过程中也发现自己忙到根本没有任何时间去倾听。如果问他们的话，他们会说：“这么做又有什么用？每个人的口味都不一样，如果让我们坐下来听别人读的话，就得花上一大段时间，而我们只要花一小点时间就能读完我们想看的东西。” 注释标题 “Reading Aloud,”Washington Post,1899年10月25日，第6版。

　　不过，在沙龙和家庭聚会逐渐消失的同时，杂志会和书友会在20世纪迅速发展起来。

　　改变叙事传播方式的另一个文化因素是一场旨在为年轻人提供指导的国际运动，其起源可以回溯至“大哥哥”运动（现为“大哥哥大姐姐”组织），这场运动始于1904年，在1980年左右开始多元化发展并成为一种潮流。与成功人士或有社会责任感的人定期交流的做法有助于年轻人在故事中产生身份认同感——这些故事或是导师的人生故事，或是导师讲述的同一圈子中其他人的故事。指导团队对女性和少数群体来说尤为有效，他们之前对这些故事可能知之甚少。

　　“影响力营销”（自2015年起）和“社交媒体营销”（自2009年起）这两个新词越来越流行。以shareablee.com和hawkemedia.com为代表的营销公司能够提供影响力营销，系统化地寻找那些允许通过社交媒体对他们营销或者与他们一起营销的有影响力的人物。这些网站应当能够提高它们宣传的故事和观点的传播率。

　　信息技术正在改变那些影响人心的经济叙事的传播，可以想见，它有可能会更进一步，取代个人的某些最终决策过程。比如，我们已经有了可在以下方面提供建议的机器人顾问：开支多少、储蓄多少以及股市投资与其他投资的比例。1996年，威廉·夏普（William Sharpe）的金融引擎公司（Financial Engines）推出了第一位机器人顾问。从那时起，“嘉信智能组合”（Schwab Intelligent Portfolios）、Betterment和Wealthfront等智能投资顾问平台纷纷涌现。此外还出现了其他一些旨在实现经济决策自动化的手段，例如从2007年左右开始引起人们关注的目标日期基金，这类基金会根据目标退休日期对长期投资者的投资组合自动重新平衡。算法交易还被应用于其他很多地方。话虽如此，现在还是人类在编写程序并做出最终的基本决策。也许有一天，人们会大量使用机器来负责生活中的各种决策，在这种情况下，经济过程可能会发生根本性的改变。但是，这一天似乎还遥不可及。

　　如果经济叙事的传播有更好的科学规律可循，那么技术对通信的影响将更容易建模追踪。我们的模型已经表明，要想预测这些叙事及其影响并非易事。比如，如果在调高传播率参数的同时也相应修改康复率参数，那流行的最终规模有可能并不会改变，只是呈现更快的速度。我们必须将传播的正式模型整合到经济模型之中，才能着手了解这类技术的影响。

　　叙事经济学的未来研究之路

　　如果我们想对过去时不时令我们倍感意外的重大经济事件进行实质性解析，就得有一些科学的方法来研究这些事件中的叙事元素，哪怕这门学科尚不完备，仍然涉及一些人为判断。否则，这个领域将被那些破坏整个行业名声的预言家或先知占领。

　　经济研究一直没有重视人们相互传播的有关自身经济生活的故事，因而错过了以叙事形式传递出来的明显含义。对流行叙事的不重视导致经济研究没能看到那些也许能对重大经济变化做出合理解释的原因。

　　如果人们在20世纪的报纸上搜索有关衰退的当代解释，就会发现大多数讨论涉及的都是先行指标，而不是最终原因。例如，经济学家倾向于提到中央银行政策、信心指数或未售出库存水平。但是，如果被问及这些先行指标发生变化的原因是什么，他们通常都沉默以对。引起这些变化的通常是那些不断变化的叙事，但是对于哪些叙事是历来最具影响力的叙事，人们尚未达成专业上的共识。有一些流行叙事对预测来说具有重要意义，但经济学家不愿提及他们听到的这些叙事，因为他们唯一的叙事来源是传闻、朋友或邻居的谈话。他们通常无从得知在过去的经济事件中是否有过类似的叙事。因此，他们在分析中完全没有提及不断变化的叙事，就好像它们不存在一样。

　　今天，我们已经可以通过统计数字化文档中的单词和短语来了解流行经济叙事的一些情况，但是目前还没有足够的系统研究来衡量相互矛盾的叙事的影响力，这些叙事会随着时间的流逝结合和重组，引发重大经济事件。在这方面，人工智能可施以援手，尤其是对非结构化数据的分析。本书第三篇介绍的长期叙事是正在开展的研究工作，而不是对所有重要叙事所做的详尽的最终量化。

　　关于叙事经济学的研究已经展开，也必然会继续下去，但是，这一研究在未来是否能够达到足够的规模？有关叙事经济学的实质性研究将如何有效地利用不断增多的大量数字化数据？叙事经济学会帮助我们建立更好、更准确的经济模型，从而在经济危机开始或失控之前就做出预测吗？要想取得进展，我们需要认识到，收集更好的数据并将我们从数据中得出的认识整合到现有经济模型中是非常重要的。我们需要研究那些当下被认为与经济学无关的问题，也需要与具有不同视角的非经济学家开展合作。比如，我们可以结合数理流行病学等其他领域的数理见解，在数理经济学和人文科学之间建立联系。我们必须扩大可用数据的规模，将诸多经济叙事放在一起进行分析研究。我们必须将不断变化的叙事流行纳入预测模型。

　　叙事经济学在经济学理论中的一席之地

　　正如我们在第3章中看到的那样，叙事经济学一直没有受到重视。部分原因可能在于叙事与经济结果之间的关系相当复杂，而且会随时间变化。此外，新闻界经常会提到叙事对经济的影响，但往往不具备学术严谨性。事实证明有些激进的经济预测是错误的，这可能削弱了公众对媒体叙事报道的重视。

　　此外，经济学家长期以来一直认为，人类总是会利用所有可用信息和理性预期来最优化效用函数。正如我们指出的那样，该理论忽略了一些明显重要的现象。幸运的是，最近几十年的行为经济学革命已经让经济研究更紧密地联系其他社会科学的研究。经济学家不再想当然地认为人们总是理性行事。

　　一项普遍且重要的创新举措是人们成立了根据行为经济学的见解制定政策的经济智囊团。英国政府在2010年成立了行为洞察小组，在那之后，这些智囊团被称为“助推小组”。这些助推小组借鉴理查德·塞勒和卡斯·桑斯坦《助推》（2008）一书中倡导的观点，尝试着重新设计政府制度，在不强迫人们的情况下“助推”他们远离非理性行为。根据经合组织的数据，目前全世界共有近200个这样的小组。

　　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（Kuziemko and Washington,2015）、政治极化（Gentzkow et al.,2016）以及新闻和投机价格走势（Roll,1988;Boudoukh et al.,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。Google Ngrams的目的是对短语进行计数并进行跨期计数比较，不过Google Ngrams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（Charlene Callahan）和凯瑟琳·埃利奥特（Catherine S.Elliott） 注释标题 Callahan and Elliott（1996）. 提倡的一种倾听研究法，也是迈克尔·皮奥雷（Michael Piore）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（Alan Blinder）及其合著者， 注释标题 Blinder（1990）;Blinder et al.（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 David Romer and Christina Romer（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Alberto Alesina、Carlo Favero and Francesco Giavazzi（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 Merton and Kendall（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://www.issp.org/menu-top/home/. 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.org/. 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Richard Thomas Curtin（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://medium.com/ideo-stories/the-focus-group-is-dead-24e 1ec2dda82. 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（Roper Center for Public Policy Research） 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（Whitebox Foundation）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.com（Alexandria）、alpha-sense.com、prattle.co和quid.com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（shared narratives）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。 中信出版2020年度好书-经济管理（套装共12册）