社会科学家普遍面临一个尴尬，他必须说些基于科学但却不为公众所了解的话。如果换了自然科学，大多数人不会在意导弹和火箭有什么区别，也不会认为如果自己不了解两者的区别，会有什么问题。但是社会科学却不同，它研究的是具体的人与社会的问题，而且越是重要的问题，越是与每个人都息息相关，而每个人又都对其有基于自己的观念、知识和利益的发言权。
在我看来，论辩的唯一焦点应该是正确的论证过程，而资历、教育背景、社会地位、以前的履历均不说明任何问题。科学是对未知领域的探索，在给出一个科学的论断之前，科学家不应假设自己永远是正确的。遗憾的是，科学家有时会有一种习惯性的傲慢与偏见，使得他们忘记自己有未知领域。
问题是，社会科学家的研究结论也不能总与普通人的感知完全一样。这是一个悖论，如果一个社会科学家所说的每一句都和老百姓的感知是一样的，那可能就很难说这样的科学家与邻居家的阿婆有什么区别。前两天，我路过一家咖啡店，看到它门口的牌子上写的一句话，大意是，如果当你与大多数人观点是一样的时候，请特别小心。嗯，这话，可以送给每一位社会科学家。不是说不可以与大多数人观点一样，而是说，要特别小心。
在一定程度上与公众的认识（甚至政府的政策导向）保持冷静而科学的距离，这可能是社会科学家的职业特性所决定的。基于科学的分析，却得出与“常识” 不同的结论，这甚至是决定一项研究是否重要的一个标准。不过，这还不是我最想说的，我在这篇文章里，我最想说的实际上是这样一句话：在我们每个人都深爱着的祖国，公众（甚至受过高等教育的人们和职业学者）都应该学习一些最为基本的讨论问题的方法。否则，那些已经展开或即将进行的讨论只会把水越搅越混，更不要说推进改革或有助于社会进步了。
我还是来举几个实例，分门别类地说吧。首先，必须弄清楚讨论的问题以什么为参照系。有一次，朋友聚会，席间有位政府官员，也是学经济学出身的。聊天中，我提到，我最近的研究发现，政府干预加重，会导致经济朝资本密集的方向发展，不利于创造就业。那位在场的政府官员听了，不太高兴。他反驳说，那你看我们最近在某地的工业园投资，不是创造了几万的就业？请注意，这是一个非常典型的参照系选择问题，当我们讨论政府干预加重的后果时，其实隐含的意思是说，如果同样的投资由私人来做会怎么样，而不是说如果这项投资没有了会不会更好。换句话说，我们不能否认一项政府投资创造了几万就业的事实，但我们要讨论的问题是，如果同样的投资由私人部门来做，是不是做的项目会不一样，创造就业可能更多。其实，我这里讲的意思，用专业术语的话，就是个反事实（counterfactual）的选择问题。当然，“人不能两次踏入同一条河流”，社会问题很难假设“如果不是现在这样”，然而，对于社会领域的研究来说，重要的是对备选方案进行比较，一个方案的效果好坏取决于另一个可选方案的表现，而不是其中一个方案的从无到有。
其次，必须区分个别现象和统计规律。对于公共政策讨论，或者社会科学规律来说，一个论点往往是在统计的“平均”和“概率”意义上在讨论问题，但这并不否认个别相反的现象。比如，当我们说，教育高的人收入更高的时候，这只是在平均意义上在说事，我们并不是说只要接受更高的教育，收入就一定会上升。社会公众有时会说，那不一定，北大毕业生也可能去卖猪肉。是的，是不一定，但北大毕业生毕竟只有极个别去卖猪肉，更不用说，其实卖猪肉也可以很挣钱，并不影响结论。
区分个别现象和统计规律的差异，对于不同学科来说特别重要。社会科学比较关注的是大样本基础上的统计规律。比如说，政府财政危机导致战争爆发，这句话的意思是，在大量的战争之前都发生了政府的财政危机。但是，对于历史学家来说，可能可以随便举出一个反例来，说某一次具体的战争与财政危机根本没关系，而只是因为两个国家的某次争端。两者都对，只是因为学科的任务不同。在实际生活当中，基于社会科学研究能够告诉我们，政府的财政危机出现时，可能会增加战争发生的几率，但从事后来看，却可能什么事都不发生。历史学家有时会对经济学家用统计方法研究历史表示不屑，其实，只是不同的研究者感兴趣的问题不一样，根本不必担心经济学家的“入侵”。
第三，必须有“其他条件都一样”的思维方式。讨论问题，通常是在探究两个因素之间的联系，或者因果关系，为此，讨论不应夹带其他因素，以至于逻辑不清。比如说，很多人可能都会认为中国的计划生育导致了男孩数量大于女孩数量的性别失衡。不错，中国在实施计划生育之后，性别失衡更严重了，但不能把性别失衡全部归结为计划生育。正确的讨论方式是，在两个同样偏好男孩的，同样拥有性别选择性生育的国家之间，是否其中一个实施了计划生育的会导致更严重的性别失衡。也许会，因为印度比中国的性别失衡严重程度要低一些。但是，显然，不能将中国的性别失衡全部归结为计划生育，中国和印度的性别失衡问题还有其他的原因。在实践上，相应的含义是，不能认为不要计划生育就能性别平衡。从其他角度来缓解性别失衡也是重要的，比如应该消除偏好男孩的社会经济基础，以及选择性的生育行为。
第四，必须明白，事物看上去的相关性并不一定是因果关系。比如，很多人都认为，如果自由地允许农民工进城，城市犯罪率就会上升。看数据，好象的确是一方面农民工在城市人口里的比重在上升，另一方面，在犯罪记录中似乎的确是农民工的比重在上升。不过，这根本不能支持“农民工增加犯罪”的论断，实际上，即使城市居民和农村居民犯罪倾向完全一样，那么，随着农民工在城市人口里的比重上升，他们在城市犯罪里的比重就会相应上升。退一万步讲，就算农民工在城市犯罪中的比重上升速度超过其在城市人口中所占比重的上升速度，还需要追问一句，如果农民工进城得到的是与城市居民一样的待遇，还会不会有更高的犯罪率呢？这个看似简单的问题其实是一个不太好回答的问题。
第五，不能只有观点，不看证据。再拿计划生育来举例，计划生育可能是有一些负面影响的，有些是有证据的，比如说，计划生育的确降低了人口出生率，加快了中国人口老龄化的速度。另一些批评计划生育政策的论点其实只是“感觉”，并没有证据，比如说，不能简单地列举一些80后和90后的缺点，就说这是独生子女造成的。一项政策的实施必须要权衡利弊，这时，如果有研究指出一个新的计划生育的优点，那么，对于科学决策肯定有好处。比如说，对于计划生育的讨论往往忽略了一个重要的机制，那就是，孩子数量的减少可以使家庭的教育投资集中在一个孩子身上，有利于其提高教育水平，并获得未来更高的个人收入，而在宏观上，则有利于人均意义上的经济增长。讨论问题的时候，一定要有证据，除非决策特别紧迫。同时，不能简单地从计划生育的一个好处或一个坏处，推出主张或反对计划生育的结论，更不能从一个具体的观点去推测研究者的利益及立场。如果对一个学者的声音仅从坏的动机去辩驳，那么，长此以往，正确的反对声就会消失，因为没人愿意背着十字架去做耶稣。
第六，必须要有全局观点。全局观点从本质上来说就是经济学的精髓之一，即“一般均衡”。有人说，如果城市允许更多外来劳动力进城，就会影响本地人的就业。会吗？外地人进城，不仅带来了劳动力供给，也同时带来了商品和服务需求，并由此派生出新的劳动力需求，最后，也能够促进劳动力就业。至于劳动力需求效应和供给效应那个更大，就要看实证研究的参数估计结果了。另外，如果限制外来劳动力进城打工，结果将使本地劳动工资上升，产品的出口竞争力下降，反过来，还是不利于本地劳动力就业。如果缺乏“一般均衡”的思维模式，就有可能看问题仅强调其中一个机制，从而对决策产生错误的影响。
第七，不能用B逻辑来反驳A论点。经济危机那年，在一个学术研讨会上，我说，我的研究发现，在长期，政府支出与GDP之比上升，对经济增长没有显著的影响，因此对政府推动经济增长的模式必须小心谨慎。现场有位同行说，你说政府推动对于经济增长不利，那你说现在政府4万亿投资下去，对于增长是好还是坏。其实，这位同行的论点和我说的没什么关系，我说的是长期，他说的是短期。另外，又回到我们之前的参照系问题，我说的意思是在将政府干预与自由市场相比，谁更有利于经济的长期增长，而他说的，是将政府救市与不救市相比，怎样更能克服经济周期。如果一定要用4万亿的计划作为例子，那么，正确的讨论方式，不是问如果政府不投入4万亿是否更好，而是应该问，这4万亿由政府来花好，还是由私人部门来花更有利于经济增长，而且是长期增长。
社会科学家参与公众的讨论，当然会抱有改变社会的目标，但是否是基于科学研究的讨论，则是学者的操守。尊重科学的学者并不需要天然地采取同意或反对政策的立场，这意味着，学者在评论当下的政策时，说政策对，并不一定是“五毛党”。相比之下，更难堪的是，学者似乎也不能说政府的政策是错的。我本人常常被问的一个问题是，你说的这些，政府会接受吗？或者，有听众直接给出他们的答案，“不会”。在数次的公开演讲中，我曾经给出过我的回答：
一个学者，他的职责是告诉人们他当下的科学结论，哪怕他最终被证明是错的。他应该努力去改变当下错误的政策，但同时，他也应该做好自己的主张不被接受的准备。更重要的是，一个学者总应该相信，如果自己说的真是正确的，即使今天的政府官员不听，他也可以告诉学生们，而他们是未来的政府官员。世界早晚一定会有所改变，不是今天，就是明天。
2012年6月，于美国剑桥寓所
