随着历史的推进，信息技术发生了显著变化，传播率和康复率也发生了变化。中国古代发明的早期印刷术、15世纪的古登堡印刷术、17世纪在欧洲发明的报纸、19世纪发明的电报和电话、20世纪发明的收音机和电视机以及互联网和社交媒体的兴起从根本上改变了传播的性质，但是，到目前为止，人们还没有系统、定量地研究过这些发明对信息传播的影响。

 

社交媒体和搜索引擎有望改变传播的基本性质。过去，人们的想法是以非系统化的随机方式传播的。有了社交媒体平台之后，持有极端观点的人可以找到与自己志趣相投的同伴，进一步强化他们与众不同的观点。事实核查员并不能减慢传播的速度；但是，互联网和社交媒体在任由观点传播的时候会对其进行集中控制，只不过这种控制很少浮出水面。社交媒体和搜索引擎的设计人员具有改变传播性质的能力，而且我们的社会也越来越要求他们这样做，以便防止互联网欺诈和假新闻的传播。

 

 

但是，不断改进的通信技术并不是影响传播率的唯一因素，也不一定总是最重要的因素。

 

文化因素也在发挥作用。从过往历史看，人们面对面交流时所用词汇的变化有可能会影响传播率。比如，19世纪的时候，人们会在沙龙和家庭聚会中大声朗读文学作品，这种时尚在19世纪中叶尤为盛行。《华盛顿邮报》在1899年指出，沙龙和家庭聚会的阅读风尚在世纪之交时开始逐渐消退：

 

 

不过，在沙龙和家庭聚会逐渐消失的同时，杂志会和书友会在20世纪迅速发展起来。

 

改变叙事传播方式的另一个文化因素是一场旨在为年轻人提供指导的国际运动，其起源可以回溯至“大哥哥”运动(现为“大哥哥大姐姐”组织)，这场运动始于1904年，在1980年左右开始多元化发展并成为一种潮流。与成功人士或有社会责任感的人定期交流的做法有助于年轻人在故事中产生身份认同感——这些故事或是导师的人生故事，或是导师讲述的同一圈子中其他人的故事。指导团队对女性和少数群体来说尤为有效，他们之前对这些故事可能知之甚少。

 

“影响力营销”(自2015年起)和“社交媒体营销”(自2009年起)这两个新词越来越流行。以shareablee.com和hawkemedia.com为代表的营销公司能够提供影响力营销，系统化地寻找那些允许通过社交媒体对他们营销或者与他们一起营销的有影响力的人物。这些网站应当能够提高它们宣传的故事和观点的传播率。

 

信息技术正在改变那些影响人心的经济叙事的传播，可以想见，它有可能会更进一步，取代个人的某些最终决策过程。比如，我们已经有了可在以下方面提供建议的机器人顾问：开支多少、储蓄多少以及股市投资与其他投资的比例。1996年，威廉·夏普(William Sharpe)的金融引擎公司(Financial Engines)推出了第一位机器人顾问。从那时起,“嘉信智能组合”(Schwab Intelligent Portfolios)、Betterment和Wealthfront等智能投资顾问平台纷纷涌现。此外还出现了其他一些旨在实现经济决策自动化的手段，例如从2007年左右开始引起人们关注的目标日期基金，这类基金会根据目标退休日期对长期投资者的投资组合自动重新平衡。算法交易还被应用于其他很多地方。话虽如此，现在还是人类在编写程序并做出最终的基本决策。也许有一天，人们会大量使用机器来负责生活中的各种决策，在这种情况下，经济过程可能会发生根本性的改变。但是，这一天似乎还遥不可及。

 

 

如果经济叙事的传播有更好的科学规律可循，那么技术对通信的影响将更容易建模追踪。我们的模型已经表明，要想预测这些叙事及其影响并非易事。比如，如果在调高传播率参数的同时也相应修改康复率参数，那流行的最终规模有可能并不会改变，只是呈现更快的速度。我们必须将传播的正式模型整合到经济模型之中，才能着手了解这类技术的影响。

 

 

如果我们想对过去时不时令我们倍感意外的重大经济事件进行实质性解析，就得有一些科学的方法来研究这些事件中的叙事元素，哪怕这门学科尚不完备，仍然涉及一些人为判断。否则，这个领域将被那些破坏整个行业名声的预言家或先知占领。

 

经济研究一直没有重视人们相互传播的有关自身经济生活的故事,因而错过了以叙事形式传递出来的明显含义。对流行叙事的不重视导致经济研究没能看到那些也许能对重大经济变化做出合理解释的原因。

 

如果人们在20世纪的报纸上搜索有关衰退的当代解释，就会发现大多数讨论涉及的都是先行指标，而不是最终原因。例如，经济学家倾向于提到中央银行政策、信心指数或未售出库存水平。但是，如果被问及这些先行指标发生变化的原因是什么，他们通常都沉默以对。引起这些变化的通常是那些不断变化的叙事，但是对于哪些叙事是历来最具影响力的叙事，人们尚未达成专业上的共识。有一些流行叙事对预测来说具有重要意义，但经济学家不愿提及他们听到的这些叙事，因为他们唯一的叙事来源是传闻、朋友或邻居的谈话。他们通常无从得知在过去的经济事件中是否有过类似的叙事。因此，他们在分析中完全没有提及不断变化的叙事，就好像它们不存在一样。

 

今天，我们已经可以通过统计数字化文档中的单词和短语来了解流行经济叙事的一些情况，但是目前还没有足够的系统研究来衡量相互矛盾的叙事的影响力，这些叙事会随着时间的流逝结合和重组，引发重大经济事件。在这方面，人工智能可施以援手，尤其是对非结构化数据的分析。本书第三篇介绍的长期叙事是正在开展的研究工作，而不是对所有重要叙事所做的详尽的最终量化。

 

关于叙事经济学的研究已经展开，也必然会继续下去，但是，这一研究在未来是否能够达到足够的规模?有关叙事经济学的实质性研究将如何有效地利用不断增多的大量数字化数据?叙事经济学会帮助我们建立更好、更准确的经济模型，从而在经济危机开始或失控之前就做出预测吗?要想取得进展，我们需要认识到，收集更好的数据并将我们从数据中得出的认识整合到现有经济模型中是非常重要的。我们需要研究那些当下被认为与经济学无关的问题，也需要与具有不同视角的非经济学家开展合作。比如，我们可以结合数理流行病学等其他领域的数理见解，在数理经济学和人文科学之间建立联系。我们必须扩大可用数据的规模，将诸多经济叙事放在一起进行分析研究。我们必须将不断变化的叙事流行纳入预测模型。

 

 

正如我们在第3章中看到的那样，叙事经济学一直没有受到重视。部分原因可能在于叙事与经济结果之间的关系相当复杂，而且会随时间变化。此外，新闻界经常会提到叙事对经济的影响，但往往不具备学术严谨性。事实证明有些激进的经济预测是错误的，这可能削弱了公众对媒体叙事报道的重视。

 

此外，经济学家长期以来一直认为，人类总是会利用所有可用信息和理性预期来最优化效用函数。正如我们指出的那样，该理论忽略了一些明显重要的现象。幸运的是，最近几十年的行为经济学革命已经让经济研究更紧密地联系其他社会科学的研究。经济学家不再想当然地认为人们总是理性行事。

 

一项普遍且重要的创新举措是人们成立了根据行为经济学的见解制定政策的经济智囊团。英国政府在2010年成立了行为洞察小组,在那之后，这些智囊团被称为“助推小组”。这些助推小组借鉴理查德·塞勒和卡斯·桑斯坦《助推》(2008)一书中倡导的观点，尝试着重新设计政府制度，在不强迫人们的情况下“助推”他们远离非理性行为。根据经合组织的数据，目前全世界共有近200个这样的小组。

 

一些国家领导人已经通过某些直觉判断承认并利用不断变化的经济叙事，我建议将这样的直觉判断形成正式体系。领导人必须摒弃虚假或误导性的叙事，并树立道德权威来打击这样的叙事。他们要做的第一步是了解叙事的动态变化，第二步是在制定政策行动时考虑叙事的流行。政策制定者应尝试创建和传播反向叙事，推动更加理性、更有公益精神的经济行为。即使反向叙事起效的速度要慢于一则传播力更强的破坏性叙事，它们最终还是可以起到纠正作用。

 

例如，本书第10章提到，美国总统富兰克林·罗斯福1933年3月4日在大萧条跌至谷底时发表的就职演说中呼吁人们放下恐惧、敢于消费。在1933年3月12日的第一次炉边谈话中,他诉诸道德，请求人们不要在银行重新开业时提取超出需求的现金。他其实是在带有倾向性地讲述一则叙事，告诉人们如果那些缺乏社会意识、没有理性的人破坏经济将会出现什么局面。我们可以推测，罗斯福总统的请求之所以奏效，是因为它基于道德标准；他的炉边谈话在时间上基本与美国经济的好转吻合。但是，我们没有办法准确量化当时叙事的重要程度。如果经济学家之前收集了更完整的数据并对人们在1933年的谈话内容进行过更多分析，我们也许就能了解更多。如果他们之前这样做了，我们现在就有可能更清楚如何在将来构建这种基于道德诉求的叙事。

 

使用叙事预测经济变量的一个问题是，人们对叙事的判断和论述容易政治化，也容易受感情左右。对学者来说，他们很难在研究流行叙事的时候既专注于使它们具备传播力的核心要素，又避免被人指控在政治乃至宗教争议问题上选边站。很多专业经济学家都尽量保持无党派立场，因此他们倾向于选择定量观察而非定性观察。不过，借助现代信息技术，经济学家现在可以收集有关经济叙事及其基本意义方面的数据，而不只是过度专注具体的用词，同时他们也可以对叙事的传播建模。只要我们保证定量研究的严谨性，就可以让叙事流行成为经济学科的一部分。

 

有些人可能会质疑对经济叙事进行超党派讨论的可能性。但是,只要我们做到慎重谦让，就应该能够以超党派的方式探讨经济叙事的流行。大多数人都有一定的直觉，知道怎样以超党派的方式表达自己，而且会在情况需要时这样做。我们不必为了采取超党派立场而做得太过，乃至放弃对一些推动经济变化的观点和情感进行研究。

 

经济研究已经在寻找更好的定量法来解析叙事对经济的影响。文本搜索虽然应用不广，但正在扩展。对美国国民经济研究局工作论文数据库的搜索结果表明，只有不到100篇论文包含“文本分析”这一短语。经济学家曾使用文本分析来记录党派的变化（Kuziemkoand Washington, 2015）、政治极化（Gentzkow et al., 2016）以及新闻和投机价格走势（Roll, 1988; Boudoukh et al., 2013）。我们能做的还有很多。譬如，经济学家可以进一步对私人日记、布道、私人信件、精神科医生病历和社交媒体的数据库展开历史分析。

 

（本文节选自作者新书《叙事经济学》）