首先,研究方法的难易程度与一篇论文的好坏没有因果关系。你能举出一个OLS就解决了的好论文。同样,我也能找到一个OLS就解决的烂得不能再烂的论文(别的不敢说,国内研究股权结构的文章,呵呵);你能举出一个研究方法高大上的烂论文,我也能举出一个研究方法高大上的好论文。近的growing like china,弊系Alwyn Young的african growth mircle都是很好的例子。针对你说的实证研究,我的观点是看碗吃饭,有什么样的data用什么样的方法。data质量高(广义的)当然没人用RD,DID,IV, etc.,你学的三学期metrics是在data质量低的时候用的,要是随便都能找到quasi-experimental的data谁费这个劲identify啊。Melitz, Helpman, Rubinstein(2008)用宏观数据和Heckman selection model完全绕过对微观行业中公司数据的需求正是一个用数学和计量技巧避开data constraint的完美例子。当然我也可以说没数据小爷我就不做了,或者小爷我随便拿高质量data,那我绝对不会去学计量。就连你推崇的Randomised Control Trial来说。这仍然是一个data quality的问题:我一个差分解决三学期计量的根本原因是我有high-quality的data。我有data我任性。但是如果没有呢?譬如说RCT中的non-compliance(assigned to control group but attending to treatment instead)就会严重影响data quality。这种时候,你简单差分的identification strategy是invalid的。Heckman et. al.(Perry Preschool)的解决方法是引入大量的数学(包括群论。。幸好我学过抽代)以修正RCT里面的错误。另一方面,现在development中有一支文献过于专注于RCT导致研究的问题越来越小,越来越insignificant(Perry Preschool的实验一共有差不多30个小孩吧)。这种为了identification简单而变相的“去数学化”对社会科学的发展其实并没有多大好处。我想你也应该同意这一观点吧。其次,研究方法简单并不代表不能在经济学里发表。弊系的Donaldson的JMP(railroad of raj, AER forthcoming)里就只用了OLS和NLS,人家不但毕了业,还 place到了 MIT*。Feyrer和Sacerdote的风向和岛屿发展的论文也是只有一个OLS**,发了REStat。这些都是计量方法简单但是结果深刻的文章,作者也都得到了经济学领域内相应的回馈(至少tier2的journal)。我忘了谁还做了一个统计,近10年来用OLS的文章在top5 journals里面仍然占超过50%的份额。这些都说明了经济学中并不存在歧视简单方法,逼着你只去做应用数学的趋势。*他亲口跟我说,他在博士(7年)阶段90%的时间都用来录数据了。间接对你所说的“...但是实证上当然不是这样的。读书期间哪怕做 AP 期间,都在约束优化,这种在经济系投资收益不太高甚至会被惩罚的项目...”提供了一个反例。** 其实这篇文章还是用了IV的。但是IV只是作为OLS的一个robustness check。所以我没有算进来。。再次,针对于你说的“用bellman equation谈各国经济的长期表现”这个话题,我想说的是,经济学里不单有structural form的研究,还有reduced form的研究。我想你一定熟悉发展里一支叫“legacy study”的文献吧?殖民,贩奴,宗教改革,议会,科举改革等等都有人做过了。而他们的方法正是你所推崇的“到历史书中去”的方法。经济学只不过往前走了一步,用各种data和统计模型来backup学者们提出的各种理论。为此所需要的一些数学,我认为是值得的。而path-dependency,亦即“history matters”正是这一枝文献所给出的一个重要的结论。最后想说下资格考的问题。主流经济系的资格考一般放在第一年末,也就是让你花一年的时间学数学。考完资格考之后如果你想做reduced form的话,基本上是不需要再接触高深的数学的。与一个人整个学术生涯相比,匀出一年学点数学似乎也没什么大不了吧。学经济学的人从来没有说过不需要任何其他社会科学的研究方法。但是你的回答中颇有“社会科学不需要经济学的研究方法”的意思。