第一种，发现真理型

这种研究是最不容易，也是最了不起的。必须具备很好的悟性和很强的洞察力，针对某个问题提出假设，然后建立计量模型，基于数据来验证假设，达到发现知识的目的。

由于经济学研究越来越成熟，目前这方面的要取得进展相对而言比较困难，更不要说建立系统的理论体系，当然，我们必须向这个目标努力。

第二种，方法创新型

   对于传统的计量技术和模型，进行优化和提升，属于方法层面的创新，更多强调理论推导，然后基于实证做一些深度分析。当然，该类研究可能也不需要提出假设，再进行验证。

第三种，信息加工型

基于数据分析，形成信息，我认为本质上，这属于情报学中的数据到信息的处理过程。这种研究数据的分析工作量很大，有时需要从多角度、多视角来分析问题，最终基于数据得出结论。比如科技成果转化率究竟是多少？我们要从多角度进行分析，得出结论。

该类问题的研究不需要提出假设，只要对数据进行深度分析即可，当然分析的工具不同、视角不同，结论也会有所差别，应综合进行判断分析，得出结论。

第四种，问题剖析型

主要是为了发现问题，分析原因，该类研究与信息加工型相似，但有本质区别，重点是为了对问题进行解析，弄清原因和形成机理。

该类研究可以提出假设，也可以不提出假设。因为有时我们是知道原因的，只不过不知道各种原因的影响大小，所以从理论上谈不上创新，但从实践中确实能够加深对原因的分析进而采取对策。

比如科技对经济的贡献，其机理大家都知道，我们重点想了解科技对经济的影响究竟多大？此时提出假设就显得苍白，不是不可以做，而是意思不大。

下面讨论几个个问题：

第一，经济学研究需要提出假设吗？

   很多经济学教科书都是这样讲的，对不对呢？对，但是仅仅基于假设研究经济学太苍白了，从以上分类可以看出，提出假设并不总是很重要，所以有时为了假设而假设，这才没有意义。

第二，有没有拷打数据？

从方法论的角度，现在对采用不同的模型从多个视角对同一个问题进行研究的现象，总体上存在争议，一些观点认为这是拷打数据，或者是榨取数据。我认为，这种观点是不全面的，我国经济学界存在的最大问题是，对问题的研究根本就没有研究透，不是拷打数据，而是浪费了宝贵的数据资源。

我们有完备的统计体系，如果针对经济学中的某个问题，假设我们采取如下的方式进行研究：召集全国1000位知名专家，让他们放开思维，将该问题研究透，专家之间互相不通气，时间假设为两年，假设每位专家撰写3-5篇工作论文，两年后集中，对成果进行交流，可能就有5000篇工作论文。我相信研究结论一定五花八门，但也一定会在某些问题上达成共识，并且会有一些睿智的发现。

当然以上方法不可行，但是在大数据时代，如果我们基于统计数据，兼顾调查和网上数据挖掘，我们是不是可以做更多的事情？此时我们还有没有必要提出更多的假设？

第三，我们现在的经济学教学方法体系是否应该值得反思？

   现在的经济学教科书中的方法体系，更多强调提出假设进行研究，不是说不对，而是说过分强调是不对的，现在的实际情况是，我们对现状（信息）及问题研究都不深刻，就过分强调高大上的基于假设的研究，这是有失偏颇的。

欢迎讨论。

                        2015.12.16 俞立平 于深圳