创新与知识产权｜访谈中国信息经济学会副理事长兼学术委员会委员寇宗来教授

请介绍一下您的学术历程、过程中的关键事件或者里程碑。

我是1992年进入复旦大学物理系读的本科，1997年考到复旦经济系读硕士，然后读博士，2003年开始留校工作，2007-2008年期间到图卢兹做过国家留学基金的访问学者。

这个过程中的关键事件其实都是紧扣上面的时间节点的。首先是考入复旦，我本科是学物理的，物理学的学习对我的思维方式影响还是很大的。比如，老师告诉我们物理就是先有物后有理，我们在思考某个问题的时候，要先把事情的现象搞清楚，然后再去探索内部的机制。在探索内部机制的时候，物理学有一种分析方法叫“掐两头去中间”，也就是说当中间过程思考不清楚的时候，可以先把两个边界条件想清楚，大致就可以对结果有一个猜测。好的物理学或者说科学还有两个特征：第一，从假设到结论的逻辑要正确。同样一个现象可以有不同的理论来解释，最后哪个理论更好，就需要有经验的证据去检验。科学的推进是一个理论分析跟经验证据之间不断往复的过程。第二，简约之美。自然科学有一个基本的思想，同一个现象，如果能够用更加简单的东西把它解释清楚，那就不需要复杂的。这些都是物理学带给我的帮助。

后来我学了经济学，经济学跟物理学其实有很大的类似之处，包括我们用的很多概念，像均衡等，都是跟物理学类似的，但是，经济学的研究对象是人类社会或者人的选择，跟研究自然现象有本质的区别。氢原子我们今天研究，它是这样，明天条件差不多，它还是这样，但人是会变的，他会根据过去的行为学习，还会对未来抱有预期，所以对于人就没办法做完全可控的实验，人类社会是复杂的系统。科学的本质在于测度，科学性就等于测度的精确性，科学化的过程就是把原来不可测的东西变得可测，把原来可测的东西测得更加准确。罗素说哲学是处于神学和科学之间相互争夺的无人地，经济学似乎也具有这种性质，只是跟哲学相比，经济学更加靠近科学。但是经济学的证据跟物理学等自然科学的证据相比，精确性、可重复性完全不是同一个级别。从这个意义上来讲，我们即便把经济学叫做经济科学，它也不是物理学意义上的那种科学。因此，我们要认识到经济学科的两面性，一方面它可以去检验很多证据，另一方面经济学的检验并不像自然科学那么硬核，比如两个同时获诺奖的经济学者，一个说市场有效，一个说市场无效。总之，经济学跟物理学之间的比较对我的思维认识有很大的影响。

然后是到图卢兹的访问。当时我在武汉大学听了Jean-Jacques Laffont的激励理论讲座，后来就申请了国家留学基金到图卢兹的产业经济研究所（IDEI）做访问学者，认识了Jean Tirole、Patrick Rey等学者，后面跟他们也有一些合作。也认识了一些年轻人，都成了很好的朋友和合作者，包括现在咱们中国信息经济学会的李三希老师也是那时候认识的。对我来讲，这段经历也很重要，不管是从增长见识还是从社会关系网络都有一定的影响。

请您谈谈科研心得，您是用什么样的生活和哲学态度看待科研工作的？

我经常跟学生说，选题要满足三个条件：

第一，要重要。研究的问题必须是重要的，研究的重要性跟研究问题的重要性是有非常强烈的相关性的。即便从技术方面做得特别好，但研究的问题不重要，那么它的社会影响力或者说对社会的贡献就会大打折扣。当然，不同的人认为重要的东西可能也不一样，但是从中国社会的角度来讲，政府文件，社会的重要矛盾肯定是关于重要性非常有用的参考。

第二，要有趣。学术研究是有积累性的，很多时候它还具有竞赛性质，同一个问题，不光你在研究，别人也在研究，那么你从怎样的角度去切入这个问题。我们复旦的校训里面有一句叫“切问而近思”，‍‍‍‍ ‍‍要找到好的切入点就要能够提出有趣的问题，只有提出有趣的问题，做出来的研究才会让别人觉得有价值、愿意看。

第三，要可行。一个问题可能很重要也很有趣，但是它解决的方式超出了你的执行力范围，比如可能数据的可获得性很差，你的想法很好，但是要检验没有数据，巧妇难为无米之炊。你只能把这个想法暂时搁置，看未来是否有机会，或者你更加积极一点自己去创造数据，但是创造数据也要看有没有资源，能不能实现。所以，数据的可获得性是个很重要的制约。另外就是理论工具的掌握程度。经济学本质上是一个复杂的系统，我们提出问题的角度能不能用现有的工具来刻画也很重要。比如，经济学史里面，人们早就知道企业跟企业之间有策略性的行为，但很长一段时间经济学都在研究竞争性市场，那是因为没有博弈论，缺乏基本的工具，直到非合作博弈论、纳什均衡这些理论出来之后，寡头市场的研究才能够一日千里，快速发展起来。当然还有因果识别、计量分析等分析方法你是不是掌握，这一点是可以突破的，比如，计量方法不懂你可以去学，但是学习新的技能，不管是理论的还是方法的其实也都不是一件容易的事。无论如何，对于科研选题来说，可行性是一个很重要的考量因素。

说到科研的哲学态度，我觉得要从辩证法的角度来看这个问题，我们复旦的校训是“博学而笃志，切问而近思”，也就是说我们既要有高远的志向，又要有脚踏实地的态度。尤其是对于年轻老师来讲，短期发表论文，解决眼下的问题就是务实的态度，但另一方面还要始终具备远大的理想，在生存问题解决的情况下，去做一些更加有意义的、求真的、解决现实问题的研究。

请介绍一下您最满意的研究成果以及它们的理论意义、实践价值和主要创新点。

截至现在，也没有什么最满意的研究成果。我这里就讲两篇我觉得还有点意思的。

第一篇就是我在图卢兹的时候跟那边的导师Patrick Rey以及汪通合作的发表在The Journal of Industrial Economics上的文章《Non-Obviousness and Screening》，分析了专利制度为什么需要有创造性要求。我们从筛选的角度论证了Non-Obviousness的存在是有合理性的。美国上世纪80年代以来，专利的申请和授权量急剧增加，出现了我们说的弱专利，也就是大量的专利实际上是低质量的或者垃圾专利。这时候最直观的解决方案就是专利局在专利审查的时候更加仔细，提高门槛，尽可能地降低弱专利的社会危害。但是美国加州伯克利的一个法学教授Lemley提出了一个理论叫“理性忽略（rational ignorance）”，他认为绝大多数专利都是没有任何价值的，而有价值的专利里面只有极少数会引起诉讼。专利审查是有成本的，如果每一件专利都在事前仔细审查，花费在大量毫无价值的专利上的成本，从经济的角度来说是不划算的。会产生纠纷的专利都是有价值的，可以等产生了纠纷，社会再从事后角度对这些专利进行仔细的审查。在专利事前审查中粗略的审查是符合经济学道理的。我们这篇文章实际上是对“rational ignorance”提出了质疑，我们指出弱专利将会损害技术跟资本的结合，比如，弱专利会损害风投市场的运行。从专利到最终的应用可以分成research和development两个阶段，先研究出来一个蓝本，再花钱把它产业化。研究者一般是缺钱的，技术要产业化，就要去吸引风险投资。市场上研究者的能力有高有低，我们假设高能力的研究者获得好技术的概率比低能力的研究者获得好技术的概率要大。反过来推理，如果观察到一个技术是好技术，我们认为这个技术更有可能是由一个高质量的研究者研发的，这背后的假设叫单调似然率（monotone likelihood ratio property）。从风险投资的角度来说，不仅要看这个项目本身，还要看是谁来做。因为最后这个项目的盈利，既取决于项目的好坏，也取决于到底是谁在做。我们的文章论证了在这种情况下，低质量的研究者有积极性去冒充高质量，因为对他来说创新开发是没有成本的，成功了他能分到钱，而失败的损失全部是由风投来承担的。也就是说在自由市场里会出现低质量的创新者、研究者过度进入的可能性，这会影响整个市场技术跟资本的有效结合。所以我们认为通过设置创造性的条件（Non-Obviousness requirement），只有当技术质量很好，超过这个门槛值的时候才能够获得专利，这样就能把市场上低质量和无质量的创新者排除掉，提高市场的整体效率，而这是无法通过市场的自我承诺来实现的。我们利用合约理论论证了为什么要有知识产权制度，对现实也有一定的指导意义。

另外，我们去年在《管理世界》上发的那篇文章《跟随还是对冲：发行人付费评级机构如何应对中债资信的低评级?》，我觉得也是比较好的一种研究方式。我们看到中国信用评级市场存在一个对冲的反常现象。评级市场有两类机构，一类是发行人付费的评级机构，另一类是投资人付费的评级机构。投资人付费的评级机构会比较中立，发行人付费的评级机构会产生评级膨胀。国外研究表明，当投资人付费评级机构给出更低的评级时，发行人付费评级机构为维护市场声誉，通常也会“跟随”着调低评级。但2009-2014年期间中国发债企业主体评级的数据却给出了截然相反的结果，面对中债资信的低评级，发行人付费评级机构不但不会“跟随”，反而会调高拟发债企业的后续主体评级进行“对冲”。我们从“监管套利”角度解释了这种“反常现象”：中国监管部门限制主体评级很低的企业发债,相应地市场投资机构也通常都限制投资于低评级企业发行的债券；所以，一旦中债资信对拟发债企业给出很低的主体评级，拟发债企业就可能为了成功发债而寻求发行人付费评级机构给出更高评级，以便对冲掉来自中债资信的负面冲击。并且我们用基于双重差分法的经验检验，支持了上述理论解释。我觉得这个还是挺有意思的。

您是怎样找到有趣的科学问题的？

我觉得不符合常规的现象才是有趣的，老生常谈的东西可能是重要的，但不会有趣，有趣需要从独特的视角去看问题，发现不一样的地方。这就需要拥有一个开放的心态，多听报告，多听讲座，多交流，看到一个现象多思考为什么，不能一根筋，把自己局限在一亩三分地里面。

您主要用什么研究方法分析和解决问题？

我是比较主张理论跟经验结合的，熊彼特在《经济分析史》里面强调，好的经济分析有三项基本功：历史、理论和统计。历史就是要把这事情的来龙去脉讲清楚，把它放在具体的历史背景里，才能指导经济问题的重要性或者趣味性。其次要有理论，现在我们国内很多经验研究都是跑个回归，假设A增加会对B产生什么影响，本质上没有很好的理论，没有理论的支撑，分析就缺乏洞见和宽度。但是如果光有理论，就变成了治理游戏。因此，我们还是要尽可能的让理论跟现实世界去对照，这就是熊彼特所谓的统计，这包括了现在的各种经验检验手段。理论做得再漂亮，如果跟现实差太远，它的可信性还是要打一个问号的。

您未来的研究计划是怎样的？

我认为新古典经济学对于解决中国经济发展问题还是有很多不足的，它本质上采取了完备合约的终极框架，也就是说每个行为人是具有完美理性的，收益和成本都可以预测。我的第一件事主要是从有限理性的角度去理解从建国尤其是改革开放以来中国奇迹的“发现”过程，这将是一本专著。

第二件事就是我现在承担着国家经济学教材的编写工作，这是我未来一年多需要全身心去做的一件事情，非常非常的重要。

第三件事是对数字技术、人工智能的研究。研究数字技术作为一种通用技术对整个经济社会的影响。信息技术既能够把原来分割的信息系统整合成一个大系统，又能够极大的降低成企业之间的协调成本。根据亚当斯密、加里·贝克尔以及凯文·墨菲等人的理论，数字技术会极大地促进分工和专业化。大数据产生于数据资源，谁能更好地使用技术、使用数据就能从中获益，所以我的基本看法是数字技术会加大人与人在认知能力上的差异，加大收入的差距，这可能对人工智能技术的使用也有很大的影响。我们最近也在做一个人工智能的研究，既有技术上的可行性，也有伦理上的可行性。

您承担了哪些课程的教学？您是如何指导学生的？

我主要是给本科生上课。目前有两门课程，一个是给全校的本科生上的通识课《经济与社会》，让大家都掌握一定的经济学原理和方法。第二个是给复旦的本科生上的专业课程《产业经济学》。

我觉得指导学生真的要根据学生本身的禀赋条件，挖掘其自身的优势。首先，还是要看每个学生的选题，每个选题都要有据可依。其次，每个人的天赋是有差别的，要因材施教。能够做研究的学生，基本的经济学理论知识和计量的分析方法是一定要掌握的。再次，老师的作用就相当于咨询专家，要为学生指明方向。当学生遇到三叉路口，面临选择的时候，老师要为他们指明一个正确的方向。我和一些博士生合作文章基本上都是用亦师亦友的方式来推进研究的。

作为学术委员会委员您对学会未来的学术发展有什么建议和期望？

首先要开放思维。我觉得经济学尤其是新古典经济学有一个很大的弊端，就是假设经济行为人是完全理性的，以这个前提去演绎，分析所有的问题。但实际上现实中的人没那么理性，在这个假设前提下，我们是用研究者的理性去替代现实中行为人的理性。所以我们作为经济学者，未来的开放性在于跟其他学科的结合，比如认知学、心理学等，这些学科对于我们决策行为的研究都有很大的帮助。开放意味着要谦卑，只有当我们认识到自己的局限，才能够去跨学科的学习。这本身是很具有挑战性的，但是挑战性也就意味着有创新性。

第二，经济学科划分不能太画地为牢，互相孤立。经济世界的运行并不是这样的。比如，我觉得应该把产业经济学和发展经济学合并，我们研究产业发展是以人类服务的增加为目标的，这就回归到了经济学最基本的定义。现在主流的经济学教科书都强调经济学是研究稀缺资源如何有效配置的，这实际上带有静态的性质。如果我们回到古典经济学，重温亚当·斯密，可知经济学是研究国民财富的成因和源泉的，这跟中国传统上讲的“经世济民”便有了更大的相通之处。也就是说经济学不仅要关注静态，还要关注动态，真正的动态。不是说写个增长模型就是动态，对未来的预测就是动态，在我看来，真正的动态是具有演化性质的，或者说这个体系是具有自我颠覆的力量的。毛主席的矛盾论和实践论能够给我们最好的启示，主要矛盾和矛盾的主要方面，从实践中来到实践中去，经济学不能够局限于或者止步于所谓的经济解释，还应该具有很强的实践价值。

第三，关于学会的发展，我觉得咱们学会在谢老师的领导下运行得很好。如果说一定要提点建议，我觉得最重要的是要关注年轻人，因为年轻人是未来。关注年轻人的发展需求，并将他们的发展需求与学会的发展需求结合起来，学会就会发展的越来越好。