讓我解釋一下為什麼我認為現代經濟學是理解世界的強大工具。我將通過討論一篇由Simone Cerreia-Vioglio、@UncertainLars、Fabio Maccheroni和Massimo Marinacci撰寫的優秀論文《在模型錯誤規範下做決策》，該論文幾個月前發表在《經濟研究評論》上來說明這一點。 想像一下，我想從UC聖地亞哥開車到UCLA，但我從未駕駛過這條路。我需要建立一個“世界模型”來指導我，這通常被稱為地圖。地圖是現實的簡化表示。如果地圖要有用，就不能包含每一個細節。博爾赫斯在他的短篇小說《科學的精確性》中美妙地表達了這一點。（實際上，我並不自己畫地圖——我使用應用程序——但仍然需要有人來製作它。） 因為地圖是簡化的，所以我不能完全依賴它們。也許昨晚的暴風雨倒下了一棵樹，封閉了一條街道，或者在洛杉磯的高速公路出口有施工，無法通行。 這種不確定性很重要。假設我早上11點要去UCLA參加一個重要的演講。如果出口關閉，我可能需要多15分鐘。我應該在什麼時候設置鬧鐘才能準時到達，同時又能獲得足夠的睡眠以便能夠進行一次好的演講？ 問題是，我無法為所有這些突發情況分配精確的概率。倒下的樹有多可能？或者新的道路施工？即使是最好的交通應用程序也無法捕捉到每一個干擾，有些可能在我已經出發後才發生。 從經濟學的角度來看，我的“世界模型”（地圖）是錯誤規範的——無論我多麼努力，都無法完全修正這一點。 但是，坐下來哭泣關於錯誤規範並不能回答我基本的問題：我應該在什麼時候設置鬧鐘？太早了，我會感到疲憊。太晚了，我會遲到。 Simone和他的合著者提供了一種思考這個問題的方法。他們從我們經常持有幾個結構化的經濟現象模型的想法出發，這些模型是基於理論的。例如，中央銀行可能使用標準的新凱恩斯模型和貨幣的搜索與匹配模型。 然而，意識到每個模型都是故意錯誤規範的，銀行增加了一個保護帶，這是一組非結構化模型——統計構造，幫助它評估錯誤規範的後果。 這篇論文的美妙之處在於它為這個保護帶提供了一個公理基礎（甚至將其推廣到包括貝葉斯方法）。它顯示，如果決策者的偏好滿足某些條件——反映了理性和行為特徵——那麼這些偏好可以通過一個增強的效用函數來表示，該函數正式考慮了錯誤規範。 關鍵是，我們並不假設這個增強的效用函數；我們推導出它。我們從偏好的普遍、合理的特性開始，並證明它們暗示了這樣的表示。 這是真正的進步。與其無休止地批評期望效用或理性預期（正如許多人幾十年來所做的，幾乎沒有任何成果），我們現在有了一種正式的方法來推理錯誤規範——精確的定義、清晰的有效性邊界，以及對我們仍然不知道的事情的認識。 舉個例子，一位出色的賓夕法尼亞大學研究生Alfonso Maselli，他的求職論文進一步推進了這一前沿。他研究的情況是，決策者不僅面臨模型錯誤規範，還不確定哪個模型最適合數據，並且無法為它們分配概率——這就是我們所稱的模型模糊性。在我的例子中，中央銀行不確定新凱恩斯模型還是搜索與匹配模型更合適，並擔心兩者都可能是錯誤的。 如果你閱讀Simone等人的論文或Alfonso的論文，你會看到最近對經濟學的許多批評是多麼的誤導——坦率地說，甚至是卡通化的。 首先：經濟學家不理解數學或有“物理嫉妒”的想法。這些論文中的數學是微妙而先進的——與物理學家所做的完全不同（既不更好也不更差，只是不同）。一位轉行進入經濟學的工程師會發現這些工具不熟悉。 ...