经济增长的动力是什么？

在大约二百年期间，从亚当·斯密时期到产生索洛和丹尼森模型，对经济增长的研究主要是一种抽象的理论化的东西。因为一个简单的原因，所有这一切在过去大约20年里发生了变化：在这个虽不耀眼但却非常重要的领域中工作的几位先驱经济学家开发并提供了经济学家们进行标准统计检验所需的历史数据。相应地，不同的经济学家近年来对增长理论进行了详细的分析和大量的统计检验，我们下面将要分析的便是其中的核心部分。

即便拥有了最好的数据（我们稍后会指出，这些数据也有其局限性），经济学家们像其他社会科学家们一样，依然面临着他们的自然科学界（例如物理、化学和生物学）同行们所没有的障碍。自然科学家们通常可以通过实验来检测他们的理论或假定，他们可以在实验中把一组受到某种干预（如一种药物或一种程序）的对象与另一组受控制的对象相对比，来观察这种干预是否导致了按照理论应该发生的差异。这些实验通常很快就会得到结果，几天或几个月。在高度复杂的分子加速器的情况中，物理学家可以在瞬间获得结果（尽管分析这种以光速粉碎的原子的结果需要更长的时间）。天文物理学家还可以往后看几百万年——通过功效日益强大的望远镜或发射到空间的探测器，利用光速来搞清楚一些特定的物体的外表几百万年前曾经是怎样的以及它们是如何运动的。

经济学家因为几种原因而不具备这些奢侈的工具。首先，经济学家不能对整个经济进行有控制的、其结果只需要一些时间就能被观察到的实验，尽管在某些罕见的情况下，社会科学家可以对有选择的人口进行一些较为初级的实验（例如，给予不同的群体不同的经济激励，或是对于不同的行为类别给予不同的奖励，或者，给不同群体的学生提供不同的课程设置，或其他的教育干预）。进行这样的试验还有一些相关的伦理和其他的技术问题。对这个主题的早期指南，可参见Rivlin（1971）。 但是，没有哪个政府会允许自己的国家成为一种天竺鼠一样的受控制群体，被用来观察什么鼓励经济增长、什么制约经济增长，特别是考虑到经济学家们采集和分析足够多的数据以得出确定的结论方面，需要很长的时间。如果某种政策能够提高增长的可能性比较高，政府和其所服务的人民就会或者就应当立刻实施这项政策，而不是等待很多年去发现这项政策是否真能起作用（尽管社会中那些可能受到以增长为导向的政策损害的利益集团也许会成功地阻止这种政策的实行，因为增长导向的政策总会打乱一些现有秩序）。

因此，经济学家们在提出未来的政策时几乎总是要向后看。他们的具体方法是应用统计技术分析历史数据，来找出一个或几个可能解释增长的变量。如果经济学家们能够对这些结果具有某种有依据的信心，则他们可以告诉政府领导，那些在过去起作用的东西至少有希望在未来也有很大的可能继续起作用。

例如，关于经济增长，经济学家们试图搞清楚一组“独立变量”中的哪一些推动了经济增长（后者是一种“因变量”，通常的衡量指标或者是人均GDP，或者是某种专门设计出来直接衡量创新或技术变化的变量），这组独立变量包括如资本、劳动力以及经济学家认为可能对技术变化做出贡献的各种其他因素。一旦经济学家们了解了（或认为他们了解了）过去什么因素在刺激创新方面最为重要（最理想的情况是那些政府可以直接控制的要素，像研发开支、所得税或对销售额征税的税率，对外贸和外国投资的开放），他们就有了一定的基础，可以为政治领导人提供一些有事实根据的建议而不仅仅是基于理论推论，更不是基于政治倾向和个人利益。

但即使有这样的努力，经济学分析还是有其局限性。一个问题是，当经济学家们以及听从他们建议的政客们在开出那些过去曾经有效的政策处方时，他们明确假定，实行这些政策的经济在未来将会继续按过去的模式发展，或者至少是相似的模式。这等于在说，构成这些经济的个人和企业在未来会有同过去一样的行为。尽管这是一种有道理的假定，但现实可能以各种方式强行打乱这种模式，这种可能性至少使这种假定面临质疑。当某些事件，如战争、重大的经济衰退或是政治或经济体系的急剧变动（例如，苏联和东欧从社会主义向某种形态的资本主义的剧变），以剧烈的方式将两个历史阶段分割开时，这种质疑就尤为有力。在这样的情况下，个人、企业甚至政府在这种剧变前后的行为都会非常不同。

第二种局限性是，经济学家们通常使用的统计技术（如多变量回归分析）也有其自身的缺陷。首先，只有他们使用的数据有用，所产生的结果才有用，对这种局限性，我们在后面的部分还有很多要说。其次，统计技术通常产生的是不一致的甚至不明确的答案，我们认为，在关于经济增长的统计研究中，这一困扰尤其重要。始终存在的一个问题是，一些实际上很重要的变量或影响没有被包含在统计检验之中，有时候是无意识的，但更经常的情况是因为描述这些影响的数据不存在或高度不完整。

于是便有了一个如何解释统计结果的令人烦恼的问题。严格来讲，回归分析（寻求一个数学公式，该公式能最好地使一些独立变量的行为与另一些非独立变量的行为相“吻合”）通常在最好的情况下也只能得出经济学家们或统计学家们称之为相关关系的结果。如果一个变量与另一个变量运动的方向大致相同，则它与另一个变量存在相关关系。例如，降雨的分布与农作物产量一般是相关的。或者，太阳黑子出现的频率与股票市场的涨落可能也相关。但是，相关关系不是因果关系。两个变量高度相关的事实并不意味着其中一个必然是另一个出现的原因。太阳黑子假说的例子就应当证明这一点。