您的位置 首页 问答

互联网大厂为何争抢经济学家?

最近,我在知乎上刷到一个有意思的问题。有人问:“本人经济学博士在读,即将毕业。手里有一些国内双一流大学的助理教授offer,也有一些国内互联网大厂的offer。请问该怎么选?”下面的回答很有意思:“相信我,大厂不相信经济学。”

乍一听,好像有道理。那些复杂的经济理论跟大厂的日常业务扯不上什么关系,一个经济学博士,去互联网大厂能干什么?但你知道吗?美国的互联网大厂正在展开新一轮抢人大战,这次的目标不是天才程序员,而是经济学博士。

据英国《经济学人》杂志最新一期报道,全美排名前十的经济学院系博士应届毕业生,在2018年时只有不到1/20去了科技公司,到2022年,这个数字增长到了1/7。其中,亚马逊一家就招揽了约400名全职经济学家,是一般的研究性大学的几倍。优步更夸张,去年,哈佛大学1/5的经济学博士应届毕业生去了优步。还有Meta公司,它发放的博士研究奖学金,就是在博士在读期间提前抢人的,以往十多年都只颁给计算机、工程、物理等专业的博士生,而今年破天荒地有经济学博士生进入了奖学金名单。

那么问题来了:互联网大厂争抢经济学博士,请他们来具体干什么工作?对互联网大厂来说,经济学家有三个拿手绝活儿:

第一,基于市场均衡模型,制定更好的定价策略、竞价机制等。比如,美国网约车公司Lyft的经济学家,通过研究用户的乘车价格、等待时间等数据,来推测用户的时间价值。他们发现,Lyft用户认为自己的一小时值19美元。于是,Lyft在打车高峰期推出一项功能,叫“Wait & Save”,乘客可以主动选择等待更长时间,以节约相应车费。

第二,制定激励机制。在经济学家看来,人性既不善、也不恶,人会做出什么样的行为,取决你采取什么样的激励机制,经济学就是一门研究激励机制的学问。再加上行为经济学、助推理论的兴起,经济学家们如虎添翼,有一整套工具来改变、塑造用户行为。像互联网产品设计的“上瘾”模型,就基于行为经济学的研究。

第三,识别变量之间的因果关系。这是目前互联网大厂对经济学家需求最大的岗位。

我们知道,大数据只揭示变量之间的相关关系,不揭示因果关系。相关关系可以用于预测,比如,在婴儿尿布卖得好的时候,大概率啤酒销量也不错;但是,相关关系无法对变量施加影响:我能不能通过给婴儿尿布打折来增加啤酒销量?这就得靠因果关系来判断了。经济学家是利用统计学工具来研究因果关系的高手。我们在第85期节目中介绍过,去年的诺贝尔经济学奖,就是颁给了三位研究因果关系的学者。

说到这儿,我给你介绍几种经济学家用来研究因果关系的常用方法:断点回归、工具变量、双重差分。

先来看第一个方法,断点回归。比如,我们看到一个规律,名牌大学生毕业以后发展更好。但是,到底是名校给学生加了Buff,让他们毕业以后更优秀,还是人家本来就优秀,读书时是学霸、进职场是精英,跟上不上名校无关?不好判断。

这时候,可以找到一个“断点”,比如清华录取分数线。可以认为,高考时比这个录取分数线高几分和低几分的人,他们的优秀程度差不多,一拨人去了清华,另一拨人去了普通大学。等他们大学毕业十年后,再来看他们的收入情况,就可以看出名校对一个人前途的影响。按美国经济学家的研究,这两拨人的收入情况其实差不多。

这就是“断点回归”方法,经济学家常用的断点包括年龄断点、时间断点、行政边界断点等等。

再来看第二个方法,工具变量。比如,国际社会观察到一个现象,那些频繁接受国外食物援助的发展中地区,爆发的内战和冲突也比较多。那么,究竟是因为冲突多,所以接受了更多的食物援助,还是更多的食品援助引发了冲突?这是一个先有鸡还是先有蛋的双向因果问题。

于是,经济学家引入了一个“工具变量”,就是美国的天气状态。美国政府会以事先设定好的价格向农场主收购小麦,天气好的年份,小麦丰收,国家粮库就会爆仓,于是美国政府把大量小麦作为食物援助运到发展中国家。在这个工具变量中,食物援助只受美国天气状况的影响,而不受发展中地区是否有内乱冲突的影响,等于是把双向因果变成了单向因果,从而判断更多的食物援助是否引发了更多的冲突。根据经济学家的研究,答案是肯定的。

很多时候,找“工具变量”是一个开脑洞的过程,是最能体现经济学家想象力的地方。

再来看第三个方法,双重差分。这是19世纪的英国医生约翰·斯诺发明的方法。当时,伦敦暴发了一场持续几年的霍乱疫情,大家认为霍乱是靠空气传播的,而斯诺怀疑霍乱是通过受污染的水传播的。他发现,伦敦南部高死亡率地区主要是两家自来水公司在供水。1849年,这两家公司都在伦敦市中心的泰晤士河段取水,这里的水污染严重;三年之后的1852年,A公司把取水口改到了泰晤士河的上游,这里的水受污染较少,而B公司的取水口不变。

斯诺观察到,从1849—1854年,也就是A公司改变取水口的前后共5年时间里,A公司供水地区的霍乱死亡率在持续下降,而B公司供水地区在持续上升。原因可能是多样的,比如这5年中,A公司在不断改善它的供水设备,或者A公司供水地区的医疗条件越来越好等等。那么,该如何判断“A公司改变取水口”这个单独因素,对降低霍乱死亡率的影响呢?

斯诺以1852年改变取水口这个时间点为界,把A公司1852年之后的死亡率减去1852年之前的死亡率,得到一个差值;同时,把B公司1852年之后的死亡率减去1852年之前的死亡率,得到另一个差值。最后,把这两个差值相减,就得到了改变取水口对霍乱死亡率的影响效果,剔除掉了供水设备、医疗条件等其他变量可能造成的偏误。

这种方法要两次用到差值,所以叫“双重差分”,还有由此变化而来的三重、四重等多重差分,它们的基本原理是一样的。在现实中,经济学们经常会用双重差分这件武器,来检验一个策略的实施效果。

过去,经济学家不想离开高校,是因为不想放弃研究工作。而现在经济学博士不进大学进大厂,进大厂并不意外着放弃研究,恰恰相反,大厂拥有的丰富数据资源,有助于他们在研究中更进一步。

热门文章

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注