以2026年诺贝尔经济学奖为引子：系统审视西方经济学的“不科学性”（下）——一般科学方法的五阶段看西方经济学的不科学性

摘要：上篇说明了中国经济学“补课阶段”已经完成、创建自主知识体系必须首先检验西方经济学的科学性，并以2026年诺贝尔经济学奖得主霍尔1978年的经典论文为样本，系统介绍了霍尔理论及其五大基础理论（理性预期、生命周期假说、持久收入假说、随机游走、鞅理论）。下篇拿出检验的标尺：一般科学研究必须经历“原始测量—误差处理与复测—回归经验公式—严格因果规律—新数据再检验”五个阶段。量子理论的诞生史是这一路径的经典范例。以此为标尺衡量，西方主流经济学存在四种主要的不科学性体现：其一，计量经济学“掐头去尾”，跳过测量与误差阶段直接从回归起步，同时又直接将回归的结果当因果规律；其二，作为方法论前提的理性预期理论本身经不起推敲——理性预期本身就很不理性；其三，把统计相关与人为约定的显著性水平当作科学研究的终点；其四，作为消费理论地基的“效用”概念本身就不是科学的概念，不具备可测量性，而工程领域的价值工程早已提供了可测量的替代思路。结论是：必须用统一测量学为基础的科学方法和标准重建经济学乃至整个人类社会科学知识体系，这是AI时代对全科型文明学的迫切需求。

关键词：科学方法论；测量；误差；计量经济学；理性预期；显著性检验；效用；价值工程；自主知识体系；统一测量学

目录：

六、一般科学研究的五个阶段

七、西方经济学不科学性的四种主要体现（一）：计量经济学的“掐头去尾”

八、主要体现（二）：理性预期理论的不理性

九、主要体现（三）：把相关与显著性当作科学终点

十、主要体现（四）：效用不是科学概念，价值工程提供替代思路

十一、总结

参考文献

六、一般科学研究的五个阶段

批评西方经济学“不科学”，必须先说清楚“科学”是什么。科学不是一种姿态、一种权威、一种修辞，而是一套可操作、可检验的方法流程。从哥白尼、伽利略到爱因斯坦，自然科学数百年发展史呈现出一条清晰的一般路径，可以概括为五个阶段。

第一阶段：原始测量。一切科学研究始于对研究对象进行系统的原始测量——获得第一手观测数据。没有测量，就没有科学。第谷数十年如一日地观测行星位置，积累了当时世界上最精密的天文数据，才有开普勒从中归纳出三大定律；没有19世纪物理学家对光谱波长的精密测量，就不可能有量子理论。测量的精度，灵敏度、分辨率等，决定了一门学科最终能达到的理论高度。

第二阶段：测量误差处理与反复测量。任何测量都必然伴随误差。科学的态度不是回避误差，而是正视误差：分析误差来源、区分系统误差与随机误差、改进测量方法与仪器、反复测量以压缩误差范围。系统误差来自测量方法或仪器的固有偏差，必须通过校正消除（更准确地说是减少到足够低的程度）；随机误差服从统计规律，可以通过多次测量取平均来压缩。误差分析的水平，是衡量一门学科精密程度的直接标志。一个从不报告误差范围的“数据”，在严格科学中几乎没有证据价值。不要以为说“我只用数据说话”就觉得是科学，并且很牛。真正科学的说法是“我只用经过误差处理的科学测量数据说话”。

第三阶段：归纳、回归、拟合出经验公式。在可靠测量数据的基础上，通过最小二乘法等数学归纳与回归，提炼、拟合出描述现象规律的经验公式。经验公式不一定是“终极真理”，它可能只是深层规律在特定条件下的近似，但它必须满足一个硬标准：能够以符合最小二乘法的准则准确拟合已有数据并成功预测新数据。巴尔末公式之于氢光谱、开普勒定律之于行星轨道，都是经验公式的典范——它们是先于因果理论而立的可靠经验事实。

第四阶段：建立严格的因果规律。在经验公式背后寻找机制性、因果律的解释，回答“为什么”的问题，把经验规律上升为严格的因果理论。请注意，能够进行一定程度预测的不一定是因果规律，但因果规律应能进行更为精准的预测。真正的因果理论有一个重要的标志：它能推出此前未知的、定量的、可检验的新预言。牛顿万有引力预言了海王星的存在，门捷列夫周期表预言了新元素的性质，这才是因果规律的成色。

第五阶段：用新数据再检验。理论必须接受新测量数据的检验——尤其是理论诞生时未曾使用过的数据，以及理论做出的事前预言。能通过检验的理论被保留并发展，不能通过新数据检验的必须被标志为“反例”。出现反例并不一定意味着原理论就被“证伪”，这是波普尔证伪主义的肤浅认知。对反例的处理有多种方法和出路：它可能通过拉卡托斯所称的“特设性假说”在理论内部予以消解；可能带来原理论的修正；也可能带来原理论的证伪。检验—新增特设性假说或理论修正—再检验，构成科学进步的永恒循环。科学理论的可贵之处不在于“永远正确”，而在于“随时接受数据的审判”。但西方经济学的离奇之处是：面对反例永远会以各种莫明其妙的方式予以合理化。例如“市场失灵”等。

量子理论诞生史：五个阶段的经典范例

量子理论的诞生过程，是这条五阶段路径最完美的教科书式展示。

先看黑体辐射问题。19世纪末，物理学家对黑体辐射的光谱能量分布进行了大量精密测量（第一阶段），获得了不同温度、不同波长下的完整实验曲线，并对测量装置与误差进行了持续改进（第二阶段）。

在此数据基础上，维恩公式在高频端拟合良好，瑞利—金斯公式在低频端拟合良好，但两者都存在致命的缺陷：前者在低频端偏离实验，后者在高频端发散出“紫外灾难”（第三阶段的经验公式尝试）。1900年，普朗克先用内插法拼凑出一个在全频段都完美拟合数据的公式，然后为这个公式寻找物理解释，被迫引入能量量子化假设E = hν——量子理论由此诞生（第四阶段）。普朗克因这一工作获1918年诺贝尔物理学奖。

当然，即使是诺贝尔物理学奖，也不是完全公平的，可以作为科学标准的东西。因为对量子力学做出最关键性贡献的黑体辐射实验实施者：德国帝国物理技术研究所 PTR的奥托・卢默 Otto Lummer与恩斯特・普林斯海姆 Ernst Pringsheim等二人并没有获得诺奖。尽管他们的精确黑体辐射实验证明了维恩公式在长波段与实验测量结果并不相符，但维恩却还是因此成果、维恩位移公式与发现热辐射现象获得1911年的诺贝尔物理学奖。李正道和杨振宁获得诺奖的贡献宇称不守恒原理，是由吴健雄通过实验证实的，吴却始终未能获奖。奥托・卢默、 恩斯特・普林斯海姆、吴健雄未获奖，都普遍被认为是诺奖的失误。即使诺贝尔物理学奖，也同样存在轻视实验与测量而过度看重理论的问题，经济学奖犯这种毛病就更严重得多了。

再看光电效应。实验测量发现，光电子的最大动能只取决于入射光的频率而与光强无关，这一测量事实与经典电磁理论完全冲突。1905年，爱因斯坦用光量子假说给出因果解释，并做出精确的定量预言：截止电压与光频率成线性关系，斜率由普朗克常数决定（第四阶段）。1916年，密立根用十年精密测量验证了爱因斯坦公式的每一点预言并测定了普朗克常数（第五阶段，新数据再检验）。爱因斯坦因此获1921年诺贝尔物理学奖，密立根获1923年诺贝尔物理学奖——理论提出者与实验检验者双双获奖，这正是第五阶段在科学共同体中地位的明证。

随后是原子结构。巴尔末1885年在氢原子光谱的四条谱线波长数据中归纳出简洁的经验公式（第三阶段），但公式的物理含义无人知晓。1913年，玻尔引入电子轨道的量子化假设，从理论上精确推导出巴尔末公式，并预言了氢原子在紫外与红外波段的未知谱线系（第四阶段）；这些谱线随即被观测逐一证实（第五阶段）。玻尔获1922年诺贝尔物理学奖。此后海森堡的矩阵力学、薛定谔的波动力学建立完整的量子力学体系，同样经历了一轮又一轮”理论预言—实验检验”的循环：正电子、中微子、量子隧穿，每一个预言都要经过测量数据的裁决才有资格进入教科书。

请注意这条路径的两个特征：第一，每一步都以测量数据为锚——理论再漂亮也必须回到测量，经验公式再“经验”也必须严格拟合数据；第二，只有走完这条完整路径的理论，而不是只走完中间一两步的半成品，才是真正的科学。只拟合部分数据、不做因果解释、不接受新数据检验的工作，在物理学中不能称为真正的科学结论，虽然不能否认他们在科学认识过程中的价值。这两个特征，将成为我们检验西方经济学的基本标尺。

七、西方经济学不科学性的四种主要体现（一）计量经济学的“掐头去尾”

用五阶段标尺衡量西方主流经济学的标准工作流程，立刻可以发现一个结构性缺陷：计量经济学这门学科本身就是“掐头去尾”的——它只保留了五个阶段中间的一段，砍掉了作为科学入口的前两个阶段和作为科学出口的后两个阶段。

所谓“掐头”，是指计量经济学跳过了第一阶段（原始测量）和第二阶段（误差处理与复测），直接从现成的统计数据起步。经济学家面对GDP、消费、收入、价格等统计指标时，通常的工作流程是：选择性下载数据库——选择变量——建立回归模型——报告回归结果。至于这些数据是如何测量出来的、测量误差有多大、统计口径在历史上有过多少次调整、原始观测值的误差分布是什么形态，绝大多数计量研究不予过问，默认“统计数据就是真实数据”。

这在自然科学中是不可想象的。任何一个物理学家拿到一组实验数据，第一个问题必然是：测量仪器是什么、精度等级多少、系统误差校正了没有、重复测量的一致性如何。测量学是精密科学的第一课；没有误差分析的数据，在物理学中根本没有资格进入论文，更没有资格检验理论。而在经济学中，对测量问题的系统研究几近空白：统计数据被当作没有误差的“客观实在”直接进入回归模型；GDP数据历经多次修正，初值与终值之差常常超过研究结论所依赖的效应幅度，但计量论文极少把数据修正当作影响结论可靠性的因素来处理。宏观经济统计本质上是抽样调查、逐级汇总、口径调整、季节调整层层加工后的产物，每一层加工都引入误差；把这些误差视而不见，等于在沙地上建高楼。

所谓“去尾”，是指计量经济学很少走到第四阶段（严格因果规律）和第五阶段（新数据再检验）。大多数计量研究止步于第三阶段：回归出一个方程或数学模型、报告一组系数、做一套显著性检验，论文就完成了。“发现了显著的相关性”就等于“研究已完成”，至于这个相关性背后的因果机制是什么、理论能否对全新数据做出成功的事前预测，一般都不在研究范围之内。经济学文献中充斥着“某变量对某变量具有显著影响”的结论，却鲜有理论因为做出了精确的事前预言并被新数据证实而确立地位的案例。

把“掐头”与“去尾”合在一起看，计量经济学的实际工作区间只是五个阶段中间的一段：从别人的数据出发，到自己的回归结束。 这就好比一位“物理学家”从不进实验室，只拿别人加工过的实验记录做曲线拟合，拟合出一条曲线就宣布发现了定律，然后既不追问曲线的因果机制，也不再用新实验验证。这样的研究流程，能产出统计学意义上的“结果”，但产不出科学意义上的“规律”。而“纪念阿尔弗雷德·诺贝尔瑞典银行经济科学奖”居然就年年发给这类没有任何科学规律性的数学模型建立者。

霍尔1978年论文恰恰是这种流程的典型代表：理论部分从四条未经验证的前提假设出发做数学推导；实证部分拿现成的宏观消费与收入统计数据做联合显著性检验；检验结果出现矛盾（股价变量表现出预测能力，与“消费变化不可预测”的核心命题冲突）时，不认为它是反例，只以“数据支持修正版理论”了结。整个过程中，没有关于消费如何被测量、统计口径如何影响检验结论、测量误差如何进入扰动项的任何分析。而这样的论文，最终成为诺贝尔奖的奠基性成果——这说明问题不在霍尔个人，而在整个学科的方法论范式就不科学。

因此，并不是计量经济学哪个数学模型或回归分析方法有问题，而是“计量经济学这门学科本身压根就没有任何存在的必要和意义”。一切经济学研究必须以统一测量学为标准和依据的经济学测量学为基础，否则就必然是反科学的。一切认识世界的学科都必然是如此，经济学不可能有任何例外。

我曾问过很多计量经济学的教授，你们知道这门学科中的计量一词是什么含义吗？没有任何一个计量经济学专家能回答得出来。他们当然答不出来，因为不是哪个计量经济学教授搞不清这个概念，而是提出这个概念、创立这门学科并且获得第一届诺贝尔经济学奖的朗纳・弗里施（Ragnar Frisch）和简・丁伯根（Jan Tinbergen）等人就完全没搞清楚。他们当时是仿照“生物计量学”——Biometry / Biometrics（也叫生物测定学）一词而创立的。“回归”“相关”等概念和方法的确就是源自生物计量学。线性相关分析，即著名的“皮尔逊相关分析”创立者卡尔・皮尔逊（Karl Pearson）就是生物计量学的创立者。生物计量学的奠基人弗朗西斯・高尔顿（Francis Galton。回归、相关方法的提出者）、动物学家沃尔特・韦尔登（W. F. R. Weldon）、卡尔・皮尔逊等在1901年于牛津大学创立了核心期刊Biometrika。这是一份统计学的期刊权威，而早已经远远超出了生物统计的范畴。测量学中著名的“学生分布”论文就是发表在这个刊物上。但是，统计学是测量的重要基础数学工具，但却不是测量学的全部。

早期的“计量”一词与“测量”并没有明确区分。直到现在还有一些测重量的磅秤被称为“计量称”。但后来随着测量学的发展，计量一词已经被赋予了非常特定的“计量基准与量值传递系统”的特定概念。所以，“生物计量学”以及“计量经济学”中的“计量”一词使用本身就是错的。只是这个错误这些领域的学者们没有发现而已。除此之外还有6个学科名称中包含有“计量”，其实都是错的，包括化学计量学。现在化学领域的学者已经越来越接受我的建议，更多称“化学测量学”，而不再称“化学计量学”了。一切计量都属于测量，一切学科的基础是统一测量学，而计量是测量的基础。测量必须涵盖科学研究的五个阶段，而不能只是回归分析阶段。今天如果这些最基本的概念都没搞清楚，是没有资格再称自己是搞研究的学者。

八、理性预期理论的不理性

霍尔理论的四条前提假设中，最核心的一条是理性预期。它是整个“微观基础”范式的方法论基石，也是卢卡斯1995年诺奖级贡献的核心。但只要我们认真考察这一假设所要求的前提条件，就会发现一个颇具讽刺意味的结论：理性预期假设本身，恰恰是最不理性的。

理性预期理论隐含地要求经济主体满足以下一组前提：

第一，人完全理性。每个消费者都能像一台超级计算机一样求解跨期效用最大化问题——霍尔模型中的欧拉方程，对消费者而言意味着每个人都在心中完成动态优化计算：评估终身收入路径、计算边际效用、求解最优消费轨迹。现实中，绝大多数人连复利计算都感到吃力。

第二，信息完备。每个主体都拥有形成预期所需的一切相关信息，包括整个经济系统的结构参数、政策规则、他人的行为模式。现实中，信息不仅不完备，而且分布极不对称——这正是阿克洛夫“柠檬市场”理论获得2001年诺贝尔经济学奖所表彰的发现。

第三，模型一致。每个主体头脑中的经济模型都与真实经济模型一致，且与经济学家写出来的模型一致——消费者对经济的理解相当于”上帝视角”的理论模型。可现实是：连诺贝尔经济学奖得主们自己对经济运行的模型都争论不休、流派林立，凭什么假定街头巷尾的消费者已经掌握了“正确模型”？

第四，无学习成本。主体获取信息、更新知识、修正模型都不需要时间与成本。而现实中，学习经济学需要多年寒窗，跟踪经济信息需要大量精力，认知资源的有限性恰恰是西蒙“有限理性”理论（1978年诺贝尔经济学奖）的核心假设。

第五，预期无系统性错误。所有主体的预期误差相互独立、平均为零，不会出现整体性偏差。这是五条前提中最致命的一条。历史上一次又一次的金融泡沫与恐慌——1637年郁金香狂热、1720年南海泡沫、1929年大萧条、2000年互联网泡沫、2008年全球金融危机——恰恰是全体市场参与者集体性、系统性预期错误的铁证。如果预期真的没有系统性偏差，泡沫的膨胀与崩溃在逻辑上就不该发生。房地产市场的羊群式追涨、股市中”这次不一样”的集体幻觉，每一次都重复证明：人类的预期不仅会错，而且会错得惊人一致。

在统一测量学中，系统误差的发现和纠正是最为困难的问题之一。随机误差可以通过以正态分布为基础的统计分析数学方法进行相对完善的处理，但系统误差没有统一的数学处理方法。假设系统误差为零，就如同说“假设我的理论没有错误的话，那么它就完全正确”。

系统误差是什么？对经济学和社会学来说就是“偏见”。知道为什么西方社会学与经济学总是带着深刻的偏见吗？因为他的理论普遍地“假设偏见为零”，是在此前提上建立理论的。

把这五条摆在一起，理性预期假设描述的不是现实中的人，而是一个数学理想化的、完全不符合科学测量基准的“经济人”幻影。更值得注意的是西方经济学界自身的态度：一方面用诺奖表彰理性预期（1995年卢卡斯、2011年萨金特），另一方面又用诺奖表彰对理性预期的系统性否定——2002年卡尼曼的前景理论、2013年席勒对非理性繁荣的研究、2017年塞勒的行为经济学，三次获奖的核心内容都是证明人类预期与决策存在系统性的、可预测的非理性偏差。两种互相矛盾的理论在同一个学科框架内和平共处、先后加冕——这在任何一门严格的自然科学中都是不可接受的。物理学不会同时给“光是粒子”和“光不是粒子”颁发两个奖项而不加以裁决；一门能够把互斥命题双双奉为正典的学科，只能说明它缺少一个裁决理论真伪的统一科学标准。

理性预期的辩护者有一条标准退路：假设的“不现实”无关紧要，重要的是理论的预测力——即所谓“工具主义”方法论。但这一辩护在霍尔论文中就已经破产：检验结果显示股价变量对消费变化具有预测能力，说明理论的核心预言“消费变化不可预测”并未完全通过数据检验。假设不现实、预测又不完全成功，两项科学检验都不过关，剩下的就只有数学形式的美感了。而数学形式的美感，从来不是科学性的证据。

九、把相关与显著性当作科学终点

西方经济学不科学性的第三种体现，是把统计相关与显著性检验当作科学研究的终点。这涉及经济学方法论中最深层的混淆，需要分三层拆解。

第一层：相关不等于因果。这是方法论常识，但在计量经济学实践中被系统性遗忘。回归方程发现两个变量高度相关，并不意味着二者存在因果关系——可能存在第三个变量同时驱动两者（混杂因素），也可能因果方向恰好相反（反向因果），甚至可能纯属数据巧合（伪相关）。冰淇淋销量与溺水人数高度相关，驱动因素是气温；教育水平与收入高度相关，背后的机制争论了半个世纪仍无定论。在物理学中，经验公式只是通向因果规律的中间站，相关性的发现是研究的起点；而在经济学中，“发现显著相关”往往就是论文的终点站，第三阶段的成果被直接当作第四阶段的规律来宣讲。

第二层：相关系数揭示的解释力被严重夸大。看一个简单的事实：若回归的相关系数r = 0.50，用未解释的相对误差（Relative Error）衡量，为 1 − r = 50%，即仍有一半的影响未被模型解释。在物理学和其他真正的科学学科中，一个只能解释一半观测数据的理论根本不会被称作规律；开普勒定律之所以是定律，是因为它把行星位置的解释精度推进到角分级。而在经济学论文中，r = 0.5甚至更低的相关性，配上“在5%水平上显著”的标注，就足以支撑一个理论结论，再经由教科书与媒体的层层转述，就变成了言之凿凿的“经济规律”。

第三层：显著性水平是人为约定，而不是科学标准。p < 0.10、p < 0.05、p < 0.01这三个门槛是统计学的历史惯例，不是从科学逻辑中推导出来的真理标准。一个结果在p = 0.049时“显著”、在p = 0.051时“不显著”，这种门槛游戏纯属人为制定，与真理无关，却决定了无数论文的生死。更根本的问题在于显著性检验的逻辑地位：p值回答的是“在原假设为真的条件下，观察到这种或更极端数据的概率”，它既不测量效应的大小，也不证明因果的存在。显著不等于因果，不显著也不等于没有效应。一个测量精度不足的实验中，真实存在的效应会表现为“不显著”；一个样本量巨大的数据集中，微不足道的微小相关也会表现为“高度显著”。显著性检验测量的是统计推断的技术属性，而不是研究对象本身的规律。把技术属性的达标当作科学发现的完成，是把手中的锤子当成了要钉的钉子。

另外，p也是属于随机分布的，不能解决必然存在系统误差的经济测量数据。

霍尔论文的实证部分正是这一方法论的典型运用：用联合显著性检验判断“滞后变量是否预测消费变化”，以“不能拒绝零系数假设”作为支持理论的证据。但在统计逻辑上，“不能拒绝原假设”绝不等于“原假设为真”——它可能只是检验功效不足、数据质量不够或样本量有限的结果。统计学教科书反复强调这一点，而计量实践却系统性地把“不能拒绝”偷换成“得到证实”。

真正的科学检验标准是预测，尤其是对理论未曾使用过的新数据做出成功的事前预言。广义相对论预言星光经过太阳附近偏折1.75角秒，1919年日食观测证实了这一预言，理论由此确立。经济学如果永远满足于“在历史数据上不能显著地拒绝”，就永远停留在前科学阶段——它可以在无穷无尽的历史数据中“不能拒绝”任何理论，正如托勒密体系可以在本轮上叠加本轮去“拟合”任何行星轨道。

十、效用不可直接测量，价值工程提供替代思路

西方经济学不科学性的第四种体现最为根本：作为整个理论体系地基的“效用”概念，不是一个可测量的对象。

翻开任何一本微观经济学教科书，消费者理论的全部大厦——效用函数、边际效用、无差异曲线、效用最大化——都建立在“效用”这个地基之上。霍尔模型的第三条假设“跨期效用最大化”、第四条假设“二次效用函数”，同样建立在这个地基之上。但是，自效用概念诞生一百多年来，从来没有人测量过一单位效用（基数效用）：效用没有测量仪器，没有测量单位，没有可操作化的测量定义。序数效用论为回避测量问题，干脆宣称效用只能排序、不能测量——这等于公开承认：经济学的核心概念是一个不可测量的理论虚构。在实际的经济工作中，没有任何企业使用效用这个概念来描述自己的产品和服务。

一门核心概念不可测量的学科，却在概念之上搭建起最繁复的数学大厦，这是方法论上反科学的典型体现。数学的精致不能弥补测量基础的缺失——恰恰相反，越是精致的数学，越容易掩盖地基的空洞。物理学史上，“以太”“燃素”“热质”都曾是解释力很强的理论概念，正是因为它们无法通过测量落实，最终被逐出科学殿堂。效用的处境与它们并无二致。

其实，解决“价值如何测量”的问题，工程和实际经济领域早已提供了成熟的替代思路：价值工程（Value Engineering）。1947年，美国通用电气公司的工程师劳伦斯·麦尔斯（Lawrence D. Miles）在战后物资短缺中寻找材料替代方案时发现：采购的瓶颈往往不是某种具体材料，而是该材料实现的功能——只要找到能以更低成本实现同等功能的替代方案，短缺与成本问题便迎刃而解。由此他系统提出了价值工程方法，其核心公式简洁有力：

V = F / C

即：价值 = 功能 / 成本。一件产品的价值不取决于某种神秘的“效用”，而取决于它实现的功能（Function）与获得该功能所付出的成本（Cost）之比。功能可以定义、可以分解、可以测量——运载功能用车速与载重测量，制冷功能用功率与温差测量，照明功能用流明与寿命测量；成本更是可以直接核算。于是，价值成为一个可测量、可计算、可比较的工程概念。价值工程此后发展为全球工程界广泛采用的标准方法，形成了完整的理论体系、操作程序与行业组织。民用经济领域体现为“性价比”概念，甚至在军事的武器领域也衍生出“效费比”的概念。

耐人寻味的是，价值工程中的“功能”概念，与马克思政治经济学中的“使用价值”概念高度对应——商品满足人们某种需要的有用性。“性价比”“效费比”，本质上就是V = F/C在不同领域的应用和表达：功能除以价格。也就是说，在“效用”不可测量这一难题上，工程师、企业家和普通消费者早就用自己的方式给出了答案，只有学院派经济学还守着不可测量的不科学的“效用”概念不放。

用可测量的“功能—成本”框架替代不可测量的“效用”框架，经济学的基础概念才能获得坚实的测量地基，消费理论、需求理论乃至整个微观经济学才能从数学虚构，回归经验科学。这正是重建经济学知识体系的一条必由之路，也是把价值论研究重新接上马克思使用价值传统与工程测量传统的交汇点。

十一、总结

上下两篇的论证至此可以收拢为一条完整线索。

第一，时代定位。中国经济学一百多年的补课已经完成，创建自主知识体系的时代任务摆在我们面前。自主不等于只能“特色化”，自主知识体系必须面向普遍性规律；而面向普遍性的前提，是用科学的统一标尺、尤其是统一测量学检验一切自称“普遍”的知识——首先是被高度数学化和诺奖光环层层包裹的西方经济学。

第二，检验结果。以2026年诺贝尔经济学奖得主霍尔的经典论文为样本，用一般科学研究的五阶段标尺衡量，西方主流经济学存在四种主要的不科学性体现：计量经济学掐头去尾，跳过测量与误差阶段，从别人的数据到自己的回归；理性预期假设本身很不理性，五条隐含前提与现实系统性地矛盾，同门的行为经济学三次获得诺奖已是对它的反向证词；把统计相关与人为约定的显著性当作科学终点，以“不能拒绝”冒充“得到证实”；核心概念“效用”不可测量，而对岸的价值工程早已给出V = F/C的可测量替代方案。

第三，重建方向。批评的目的不是否定一切，而是重建。重建经济学，必须把它重新安放在科学的统一方法之上：从统一测量学出发，以误差分析保真，用经验公式过渡，向因果规律进军，靠新测量数据检验把关。经济学真正需要的不是更多的数学装饰，而是统一测量学的地基。这条重建路径不仅适用于经济学，也适用于整个人类社会科学知识体系在内的一切认识目的的知识体系。

第四，时代机遇。这一重建工作在AI时代具有前所未有的迫切性与可能性。人工智能正在以全科型知识的方式整合人类知识，它不会天然尊重学科壁垒，却需要统一的科学方法来甄别、组织与验证知识——如果人类自己的知识体系充满互斥的“范式”与不可证伪或更广泛地说是“不可测量、不可用测量数据检验的假说”，AI只能在矛盾之间无所适从。从统一的、以统一测量学为基础的科学方法出发重建人类知识体系，是智能文明时代的基础工程，可以称之为全科型文明学的建设。

2026年的诺贝尔经济学奖，与其看作西方经济学的又一次加冕，不如看作一个时代的引子：它提醒我们，光环之下需要检验，掌声之中需要标尺。中国学界真正的任务，不是为这座大厦再添一块砖，而是为人类的经世致用之学，重打一次科学的地基。

参考文献

[1] Hall, R. E. (1978). Stochastic Implications of the Life Cycle–Permanent Income Hypothesis: Theory and Evidence. Journal of Political Economy, 86(6), 971–987.

[2] The Royal Swedish Academy of Sciences. (2026). The Prize in Economic Sciences 2026 — Press Release. 12 October 2026.

[3] The Royal Swedish Academy of Sciences. (2026). Microfoundations Deliver Macro Insights: Popular Science Background.

[4] The Royal Swedish Academy of Sciences. (2026). Scientific Background on the Sveriges Riksbank Prize in Economic Sciences in Memory of Alfred Nobel 2026.

[5] Friedman, M. (1957). A Theory of the Consumption Function. Princeton University Press.

[6] Modigliani, F., & Brumberg, R. (1954). Utility Analysis and the Consumption Function: An Interpretation of Cross-Section Data. In Post-Keynesian Economics.

[7] Hall, R. E., & Mishkin, F. S. (1982). The Sensitivity of Consumption to Transitory Income: Estimates from Panel Data on Households. Econometrica, 50(2), 461–481.

[8] University of Wisconsin–Madison. Miles Value Engineering Collection.

[9] McGill University. History of Value Engineering.

[10] 汪涛. (2017). 《实验、测量与科学》. 东方出版社.

[11] 汪涛. (2019). 《科学经济学原理：看见“看不见的手”》. 东方出版社.

（全文完）