没有识别，就没有论文
这个现代学科的第一戒律：在估计任何东西之前，先说清楚是什么变异来源让这次比较具有因果性，而非巧合——一次抽签、一条政策边界、一次突然的规则变化。“可信度革命”让这一点成为实证工作能否被纳入学术对话的标准。
从外部看，经济学家的技能像是数学。在这个行业内部，数学只是入场券；稀缺的技能是对数据的判断力——知道一个数字能支撑什么、不能支撑什么——以及大声说出一个结论到底有多不确定的那份自律。最受尊重的经济学家很少是最好的数学家；他们是那些只问数据真正能回答的问题的人。
这门手艺分为一个研究核心——框定一个问题、找到可信的变异来源、估计并反复检验一个效应——和一层沟通外壳：把结果转化成一位部长、行长或CEO愿意去读、去行动的两页纸。职业生涯卡在这层外壳上，和卡在核心上一样常见，这也是为什么这个行业私下流传的建议文献，大多是关于写作和简明的。
工作要求什么
计量经济学与数据分析90
不确定性下的判断力86
经济理论与建模80
编程与数据处理76
写作与沟通72
制度与历史知识58
计量经济学与数据分析
从杂乱的真实世界数据中估计出效应，并知道一个给定数据集正在设下这个行业众多统计陷阱中的哪一个。
不确定性下的判断力
在已知模型不完整的情况下，仍能给出可用的建议——这正是危机所揭示的技能，也是资历真正被支付的对象。
经济理论与建模
构建能澄清一个问题的最小正式模型，并知道一个模型什么时候在为论文添饰，而不是在约束它。
编程与数据处理
大多数工作时间都花在Stata、R或Python里清洗和重塑数据；实证结果的质量，只取决于这层不那么光鲜的基础工作。
写作与沟通
研究的成败在于论文本身；政策建议的成败，则在于那份两页纸的简报，以及给决策者提问六十秒钟内的回答。
制度与历史知识
了解数字是如何被构建出来的、上一次危机究竟是如何演变的，以及模型悄悄假设掉了哪些教训。
一天的样子
- 7–9
数据发布与隔夜阅读
重要统计数据一大早就会公布——通胀、就业、GDP——最初几个小时用来对照预期解读它们，同时浏览隔夜的市场波动和值得一读的工作论文。
- 9–12
分析时段
核心产出时间：清洗数据，反复运行估计，调试模型代码，检查昨天的结果在换一种设定后是否依然成立。
- 12–13
午餐时的研讨会
无论是在学术界还是中央银行，午间的“brown-bag”研讨会都是这个行业的日常健身房：一位同事或访客展示正在进行的工作，并从第一张幻灯片开始就接受打断。
- 13–17
简报、会议与撰写
把分析转化为产出：撰写预测报告或论文段落，向首席经济学家或政策委员会做简报，审稿，指导研究助理，在教学日授课。
- 17–19
阅读与通信
这个领域的进展远早于期刊就体现在工作论文里；保持跟进是一项固定的晚间任务，还要加上跨时区的合作者通话。
- 19–7
下班——除了决策和数据发布之夜
这份工作的节奏会在政策会议、预算之夜和市场动荡前后骤然升高：利率决议前的预测轮回，或一个危机周末，都可能吞噬日历上原本标注为休息的夜晚。
门道
从业者真正口耳相传的技艺——不是鸡汤。
了解数字是如何被制造出来的
在信任一组数列之前，先弄清是谁收集了它、问题是怎么问的、方法论修订时改变了什么——因为经济数据中的缺陷不是随机噪音，而是收集过程留下的系统性痕迹。格里利希斯用一生的研究证明，真正限制经济学家能诚实主张什么的，往往是数据本身的约束，而非计量经济学。
敢于简化——构建最小的可用模型
克鲁格曼所写下的研究守则——质疑问题本身、敢于简化、无情地精简——描述了他那些获得诺贝尔奖的贸易模型最初是如何以同事觉得简单到尴尬的玩具例子起步的。这门手艺就是把一个问题削减到仍能产出那个令人意外结果的最小模型，然后就此止步。
以预测判断模型，而非以假设判断模型
弗里德曼那篇方法论论文主张，不现实的假设并非缺陷：模型是一种工具，唯一公平的检验标准是它是否比替代方案预测得更准。在职经济学家每天都在实践这一点，作为一种分诊方式——去挑战一个模型的预测，而不是它与现实的相似程度。
在边际上思考
这个行业最古老的工作反射：决策发生在边缘——下一个单位、下一个小时、下一欧元——因此沉没成本被忽略，平均数被怀疑。马歇尔围绕边际分析构建了这门学科的教学，它至今仍是识破会议中一个糟糕论点最快的方法。
以扇形而非一个点来预测
英格兰银行1996年《通胀报告》引入的扇形图，把预测印成不断展宽的概率带，而不是一条单一线条——把“诚实的预测应说明自身的不确定性”这一手艺规则制度化了。资深预测者会教新人在给出中心数字之前，先把这条概率带大声说出来。
行当的工具
Stata
应用经济学自1985年以来的主力统计软件，在实证微观经济学和世界银行等机构中是标准配置；顶级期刊整个的复现档案库都是用它写的。
R与Python
这对开源组合正稳步取代专有软件：R用于统计和绘图，Python用于数据管道和机器学习，如今中央银行和科技行业经济学家团队都期待新员工两者兼通。
Dynare
用于求解和估计动态随机一般均衡（DSGE）模型的开源工具箱——这是学术宏观经济学的主力模型——被数十家中央银行用于预测和情景分析工作。
FRED
圣路易斯联储的免费联邦储备经济数据服务，收录了来自世界各地的数十万条时间序列；它的图表已成为这个行业在社交媒体和研讨会幻灯片上的通用语言。
彭博终端
自1982年起就是市场经济学家的驾驶舱：实时价格、经济日历、一致预期，以及金融经济学家的判断被形成、检验和调侃的聊天网络。
人如何在此失败
把相关性误认为因果关系
这个领域标志性的失败：一个对观测数据拟合得很好、却用因果语言发表的回归模型，一旦有混杂因素浮现就会崩塌。复现运动和可信度运动之所以存在，正是因为几十年来关于增长、援助、营养和治安的有影响力的结果，在更好的识别方法面前站不住脚。
虚假的精确性
在不给出不确定性区间的情况下报告一个点预测或一个头条弹性数字，是这个行业最公开的失败模式——几乎没有主流模型预见到的2008年危机，引出了伊丽莎白二世女王在伦敦政治经济学院那句著名的提问，也引出了这个行业十年间对自身过度自信的反思。
爱上自己的模型
为了可处理性而采纳的假设，逐渐硬化成对世界的信念；经济学家开始为模型辩护、对抗不便的数据，而不是修正模型。每一代人都要付出昂贵的代价重新学一遍这一课——1970年代的菲利普斯曲线、2008年的有效市场假说——这个行业内部的批评者称之为这门学科特有的职业病。
相近职业
不限同一领域，六项评分最接近的职业。
👔
律师
为客户提供法律意见，起草具有约束力的文件，并在案件进入法庭时为其辩护——若建议有误，还须承担个人法律责任。
抗AI 58 💊药剂师
每张处方背后的药物专家——从巴格达最早的药铺与药剂师的研钵，到吗啡、青蒿素与现代药房。
抗AI 58 🛰️航空航天工程师
设计、分析并认证离地而行的飞机、火箭与航天器，在不容猜测的安全裕度下工作。
抗AI 74 🦾Robotics Engineer
Designs the machines that sense, decide and act in the physical world, where the hard problem was never intelligence but the world itself.
抗AI 65 ⚛️Physicist
Derives and tests the mathematical laws governing matter, energy, space and time, from a lone chalkboard to a 3,000-author particle-collider paper.
抗AI 65 🔌Semiconductor Engineer
Designs and fabricates the transistors inside every computer, phone and weapon, using machines precise enough that only a few factories on Earth can run them.
抗AI 60继续探索
继续探索
商业·金融领域的其他职业
🚀
企业家
创办公司的人——发现缺口、承担风险并对工资单负责，从亚述商队融资者到风险投资支持的创始人。
抗AI 88 💹投资银行家
为公司定价并调动资本的交易撮合者——从美第奇佛罗伦萨到今日路演材料的行当，在数十亿易手时因信任而获酬。
抗AI 42 🧾会计师
账簿的守护者：这门手艺古老到几乎发明了文字本身，如今却在与为自动化它而造的软件谈判。
抗AI 35 📣市场营销人员
创造需求的专业人士——从庞贝古城墙上的广告、宝洁1931年那份品牌经理备忘录，到数字时代由竞价驱动的信息流。
抗AI 38 🗺️产品经理
决定公司接下来该做什么、为什么要做——把顾客需求、商业目标和工程限制，整合成一份没有其他人能完全独自拥有的共同计划。
抗AI 50