經濟學在科學層次中的地位（硬與軟）
作為經濟學的學生，我經常聽到有人說經濟學是一門“軟科學”，它的結果可能不太可靠等。解釋往往是基於個人觀點。
我最近才知道存在嚴格的學術文獻，這些文獻使用書目和其他數據根據科學的“硬度”對科學進行排名，遵循 Comte 的科學等級概念。
維基百科將其引用為對科學等級的實證調查——
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3694152/
雖然我發現這個分析很有用，但它並沒有具體告訴我們經濟學在層次結構中的位置（它確實找到了基於 5/6 因素的層次結構的證據，如參考圖中的集群、紙張長度等）。在大多數結果中，它將所有社會科學結合在一起。在其中一個圖表中，它有一個類別“經濟和商業”，它似乎靠近層次結構中的其他社會科學。但我不確定單獨的經濟學（不與商業或其他社會科學混為一談）在等級制度中的地位。
另一篇論文試圖專門找到心理學在層次結構中的位置——https ://journals.sagepub.com/doi/10.1037/1089-2680.8.1.59
我想知道，是否有任何此類研究專門告訴我們經濟學在層次結構中的位置——它更接近自然科學還是社會科學？
實際上，對於經濟學的歸屬，並沒有明確的共識（儘管可以公平地說，大多數人可能會將其歸入社會科學的範疇）。有些作者認為它是科學，有些是社會科學，有些甚至是道德科學，有些人甚至認為它應該有自己的類別。Hudson (2017)是一篇試圖回答這個經濟學問題的好論文 。
據作者說：
經濟學是一門科學還是一門社會科學？兩種方向都有爭論，即經濟學是一門社會科學（Frey 1999）、一門科學（Frey 1999），甚至是一門道德科學（Schabas 2009）。在科學方面，它與物理學聯繫在一起，許多物理學家兼任或轉變為經濟學家和物理學的一個子部分，即經濟物理學，特別是與經濟學有關的發展（Stanley et al. 1999）。也有與生物學的聯繫（Marshall 1920；Daly 1968）。Frey (1999) 認為經濟學是一門社會科學，因為它是那些處理社會實際問題的科學的一部分，也就是說，它是使它成為一門社會科學的主題。然而，他也指出，在實踐中，經濟學家傾向於用公理、引理和證明來填充期刊，即他們採用他們認為是科學的東西，尤其是數學方法論。Mayer (1980) 認為經濟學家表現得好像經濟學是一門硬科學，這反映在他們對數學的複雜運用上。然而，他接著爭辯說，計量經濟學還不夠先進，無法讓我們像硬科學家那樣檢驗理論。
上面的文獻綜述是了解經濟學是什麼的不同觀點的好地方。此外，這篇論文本身不僅僅是一篇文獻綜述，而且它本身也試圖通過檢驗經濟學與其他領域的相似程度來回答這個問題。Hudson (2017) 進一步得出結論：
關於本文標題中提出的問題，我們的觀點部分由這些結果決定，經濟學的主題清楚地將其定位為一門社會科學，但該學科中的許多人將其視為一門科學. 經濟學逐漸發展成為一門使用科學方法，例如提出和正式檢驗假設，特別是數學方法來解決社會科學問題的跨學科學科。這種雙重方面可以解釋為什麼它不能與任何一個完美契合，因為實際上它結合了兩者的元素。它是一門比大多數其他社會科學更注重定量的社會科學。這種對技術的強調將經濟學和經濟學家從其他社會科學和一些子學科推向數學。將經濟學作為一門科學，強調技術高於主題。但隨之而來的危險是，技術本身就成為目的，而不是達到目的的手段，即一種允許對具有更廣泛相關性的經濟問題進行更精細分析的工具。通常，例如，在開發一種隨後被廣泛使用的新計量經濟學技術時，這是有道理的。但有時情況並非如此，這有助於解釋如前所述學科的相對孤立。這並不意味著經濟學家應該放棄他們的定量關注，而是他們應該始終努力確保他們的工作直接或間接地有助於理解現實世界的問題。這與 Frey (1999) 的觀察一致，即經濟學是處理社會實際問題的科學的一部分，但大多數經濟學家試圖模仿科學，經濟學可以被視為應用數學的一個分支。這也與經濟學，特別是新古典經濟學是社會科學中最數學化的觀點一致（Porter 1996）。
但是，我不會立即從表面上得出上述結論（作者也對此提出警告），因為在那裡進行的分群分析無法考慮您理想中想要的所有內容，並且只關註一個國家（英國）的研究. 正如您所看到的，因為這仍在爭論中，並且關於此的文章已於 2017 年發表，所以這仍然不是完全解決的問題（儘管公平地說，最有可能將其歸類為社會科學）。此外，正如上述問題的摘錄所指出的那樣，經濟學非常接近社會科學和硬科學之間的邊界（一些作者說，社會科學的作用類似於硬科學或與生物學相提並論），因此難以分類。
PS：實際上，孔德 19 世紀的“科學等級”理念本身就是有問題的。問題是一個欄位本身不能整齊地放入這樣的層次結構中，因為它由許多異構的子欄位組成。例如，在博弈論等領域，經濟學可以進行實驗室實驗，而在天體物理學中，研究人員幾乎只能依靠觀測數據。
因此，一旦您將欄位分解為子欄位，您會發現來自不同欄位的子欄位可能位於層次結構的頂部，而來自相同欄位的其他子欄位最終可能位於底部。
波普爾
Karl Popper 的爭議性超出了我的解釋。對我來說，很明顯，為了讓一個想法“正確”，它必須有某種方式讓它是錯誤的（否則，這是一個重言式，那些不是很有趣）。為此，實驗是一種證明一個想法可能是錯誤的技術。但是，如果一個實驗未能使假設無效，這是否意味著該假設是正確的？如果實驗有缺陷怎麼辦？如果它確實使假設無效，則可以說反過來。所以僅僅做一個實驗是不夠的。我們必須由多個獨立的團隊進行。
在我看來，一門科學的“硬度”與該科學能夠產生經過實驗驗證的想法的程度以及這些實驗的複制率直接相關。當然，理論與實踐之間存在差異，即使是“最難”的科學物理學，如果由糟糕的物理學家、實驗室技術人員或徹頭徹尾的曲柄和欺詐者產生，也會遭受不可重複的結果。然而，如果一個領域產生了不可重複的結果占優勢，那麼將其歸咎於江湖騙子的優勢將是非常不恰當的（儘管對於某些領域，情況可能確實如此）。
複製危機
雖然該術語通常適用於科學，但如Wikipedia中所述，有一組特定的領域對此特別敏感。不幸的是，經濟學是被稱為“處於危機中”的領域之一。文章提到，在一個樣本中，整整三分之一的結果都無法複製。該消息來源說，對於經濟學來說，複製失敗是 40%（對於所研究的樣本）。我覺得奇怪的是，一位經濟學家對 60% 的“高”複製率感到欣慰。如果化學或基因組學實驗只能以 60% 的速度複製，我敢說 DowDuPoint、BASF 和 Illumina 根本就不存在。
如果我對任何常見物質（例如苯）的化學性質感到好奇，我可以找到 5 位有效數字的許多性質的可靠結果。如果確定苯所列特性的實驗只能在 60% 的時間內重現，我敢說很少有人會愚蠢到大規模生產和使用這種化合物（或大多數工業化合物）。
政策
但是，對科學的依賴沒有什麼比公共政策更顯著或更重要的了。當國家為了一個共同的目標付出人民的血汗和淚水時，這些公民通常會要求一些保證，即該項目是值得和可以實現的。那麼讓我們來簡單看看美國政府是如何在科學上花錢的：
這取自 WP 關於美國科學政策的文章。如果我們專注於基礎和應用研究類別，我們會發現 HHS 和能源似乎是最大的贏家。鑑於醫學科學直接適用於納稅人並與納稅人相關，HHS 獲得研究經費的最大份額也就不足為奇了。能源對經濟產出的基本性質也不足為奇。代表領域，我們可以說生物學/醫學和物理/化學都很好地代表了這兩個類別。
NASA 和 DoD 也獲得了不錯的分配，我們可以假設它們都主要代表科學中的物理和化學（儘管生物學/醫學肯定也有不平凡的關注）。這意味著用於其餘科學的任何資金最有可能顯示為 NSF 贈款以及“其他”所涵蓋的任何資金。雖然“其他”類別相當大，但 NSF 似乎是最小的分配。這就是說，任何由聯邦政府資助的經濟研究都不太可能通過 NSF 匯集，並且代表了最小的研究支出類別之一。
當然，這並不是說經濟學領域對聯邦政府沒有影響。相反，考慮到美元的主權、美國財政部和美聯儲的範圍和運作，更不用說美國證券交易委員會、國稅局以及大多數國會的權力明確地保留用於規範商業。那麼，貨幣的印刷、支出、分配和操縱是美國聯邦政府最大和最有影響力的職能之一，但它也必須是最小的實際研究資助目標之一，這不是很諷刺嗎？
我認為這反映了經濟研究相對於更高支出目標的不確定價值。試想一下，當 NASA 資助的火箭在前往太空的途中爆炸時，通常會在密封、線束或程式碼行中辨識出確切的故障模式。但是，如果稅收減免或激勵措施未能產生特定的預期效果，則可能的解釋數量僅受可提供這些解釋的經濟學家數量的限制。
物理學、化學和生物學的結果往往會在大量實驗證據出現後立即達成共識。在經濟學中，甚至不清楚什麼會構成大量證據。此外，經濟學是如此有爭議，以至於它有“學校”。雖然有人可能會爭辯說物理學有“弦理論”和“環量子引力”學派，以及其他爭議，但這些通常與理論的邊緣有關，在這些邊緣我們通過實驗分離想法的能力達到了基本限制。相比之下，經濟學校涵蓋了該領域的大部分，而不是邊緣。這就像物理學家在太陽是否圍繞地球旋轉的問題上存在分歧。
布萊克-斯科爾斯
僅舉一個經濟學中一個特別知名的想法，我認為可以公平地說布萊克-斯科爾斯期權定價模型是整個領域中最複雜和最精確的模型之一（並且被廣泛用於幫助確定公司僱員的期權補償）。不幸的是，這是錯誤的. 現在，讓我們不要對布萊克和斯科爾斯過於苛刻。每個理論都需要一些簡化的假設，當你達到人類交易股票的混亂程度時，這些假設將不可避免地掩蓋一些相當複雜的現實，或者很快變得難以處理。Black-Scholes 是“錯誤的”，因為它試圖解釋的現像對於他們模型中的參數數量來說太複雜了。如果我們建立了一個非常準確的模型，那麼它的參數太多了，我們永遠無法使用它。但這也告訴我們，為什麼經濟學永遠不能太接近科學的“硬”面：歸根結底，它取決於極其複雜和荒謬的人類的行為。坦率地說，我們經常以非常不可預測的方式運作。很難從中得出一門科學。
