数学分析方法，在理学、工学中极为普遍，但哲学、文学领域却颇为罕见。在经济学领域，数学分析方法备受争议。法国经济家库尔诺最早将数学分析方法引入经济学中，边际主义代表瓦尔拉斯将经济学数学化，萨缪尔森、弗里德曼等经济学家都大力推崇实证研究。但是，奥地利学派则极为反对数学分析方法，新制度经济学派延续了历史学派的方法论，同样反对经济学数学化。
其实，数学是近代科学诞生以来人类认知世界唯一可靠的工具。当今世界几乎所有值得信赖的科技与发明，如纳米半导体材料、通信技术、疫苗等，都建立在数学分析之上。
当然，这并不能否定经验归纳、逻辑演绎的方法，甚至数学分析方法依赖于经验归纳和逻辑演绎。
比如，实证研究的条件假设的提出就需要经验归纳及逻辑演绎。杨振宁先生曾经说过：“理论物理的工作是‘猜’，而数学讲究的是‘证’”，“理论物理的工作好多是做无用功，在一个不正确的假定下猜来猜去，文章一大堆，结果全是错的。当然，杨振宁先生所说的“猜”并非瞎猜，我理解为奥派在经济学中的“先验理性”。
图：数学化程度、不确定性与创造性，来源：智本社
数学分析方法与经济政策有什么关系？
数学化程度越高，不确定性越低；数学化程度越低，不确定性越高。
追求数学分析方法可以降低认知风险及在认知基础上的政策风险。
比如，为什么新药上市之前必须经过大样本随机双盲试验？大样本随机双盲是一个非常可靠的数学标准，可以斩杀一切牛鬼蛇神、旁门左道。医药行业，交易费用高，以大样本随机双盲试验为新药准入标准，可以大大降低医疗事故风险，提高经济效率。
所以，医疗医药、证券金融、汽车安全等领域交易费用高，其政策应该在严格的数学分析之上。新药遵循大样本随机双盲试验，无人驾驶基于大规模的上路数据测试，汽车安全依赖于严格碰撞测试。
反过来，不追求数学分析方法，认知风险及政策风险更大。这种未被证实的认知与政策，只能说是不够科学，但不能说明一定是错误的。
比如，从个人角度来看（非国家角度），有些人愿意接受未经过大样本随机双盲试验的药品，愿意接受“赤脚医生”的治疗，说明这类病人愿意接受与之相应的风险，或者抱着试一试的心态。
又如，新闻、文学、艺术领域，交易费用低，每一篇新闻、文章不需要严谨的数学论证，干预强度偏低。理学、工学、经济学等学术成果及技术专利，则更倾向于数学论证，以追求其可靠性。学术杂志的采稿标准更高，专利局的评定标准更严。
数学化程度低，干预强度低，意味着不确定性更大，同时也带来更多的可能性、多样性及想象力。文学、影视、艺术、服装、建筑设计、竞技体育，甚至包括理论物理的“猜想”、经济学的推演、算法创新，都需要宽容的环境。
敢于冒险，宽容试错，才能创新。
但是，在高交易费用领域，要努力追求政策的确定性。
比如，环保政策。
1962年，美国作家蕾切尔·卡逊发表了著名的《寂静的春天》，阐述了农药对生态的危害，掀起了环保主义运动。美国国会迫于压力通过法案禁止使用DDT农药。但是，DDT农药被禁止后，疟疾卷土重来，导致非洲每年约百万人死亡，其中大多数是儿童。可见，这一未经论证的环保认知及法令引发了严重的人道主义灾难。2002年，世界卫生组织不得不重启DDT农药，以控制疟疾肆虐。
又如，反垄断政策。
美国反托拉斯法的出台并非基于严谨的经济学分析，更多的是满足意识形态的需求。后来，经济学家将反垄断政策纳入经济学的分析范畴。施蒂格勒、德姆塞兹、波斯纳等芝加哥学派经济学家，纠正了以市场占有率为指控标准的错误政策，确立了“经济效率至上”评判标准。同时，芝加哥学派为此提供了大量实证研究。
文 | 智本社
智本社 |一个听硬课、读硬书、看硬文的硬核学习社。微信搜索「智本社」（ID：zhibenshe0-1），学习更多深度内容。
