作为一门经世致用之学，经济学的生命力源于对现实经济活动的敏锐洞察，以及在此基础上展开的抽象思考。在数实融合加速与学科壁垒消融的背景下，调查研究不仅是经济学科发展的内在需要，更是回应时代变革、构建中国经济学派的现实考量。

　　经济学在追求形式化与科学化的进程中，逐步建立起以数理模型推演和计量实证分析为核心的方法论体系。这一体系为经济学赢得了与自然科学更类似的严谨面貌，却也在研究与真实的经济世界之间筑起一道无形藩篱。就理论推演而言，一些研究明显缺乏对现实经济现象的关注，其具体操作更像是“为建模而建模”，只是在既有模型中添加此前未曾出现的新变量并进行数学处理。然而，对为何添加这些新变量、这些新变量是否特别重要，则缺乏必要的令人信服的解释。就实证检验而言，学者有时更关注数据的可得性与结果的显著性，对具体的研究议题缺乏深入的了解。甚至有学者横跨环境、教育、医疗、产业等多个研究领域，利用并不熟悉的众多数据库盲目展开大规模的回归检验，只要取得统计上的显著结果就开始写文章。持这种“拿着锤子找钉子”的态度得出的结论可能与现实世界相去甚远。凯恩斯曾称经济学是“用模型思考的科学”外加“选择（与现实世界相关的）模型的艺术”，但显然一些研究已经忘却了后者的价值。

　　为弥补上述不足，我国的经济学科建设传统在方法论上比较重视调查研究。第一，通过调查研究回归本土实践，是作出具有一般性的经济学理论贡献的重要途径。我国的数字经济发展无疑走在世界前列，很多新的变化与新的特征是西方研究者未曾观察到也未曾研究过的。例如，平台经济中的多边市场结构，数据要素所具有的非竞争性特征，以及用户行为之间形成的网络效应，这些问题很难通过在西方既有模型中增减若干变量来讨论。如果研究者长期停留在西方文献的模型中，缺乏对我国平台企业运作方式、数据要素流通路径以及产业数字化转型的了解，就难以真正识别出数字时代影响经济活动的关键因素，也就难以作出真正重要的世界性理论贡献。换言之，调查研究不是为了给西方既有理论寻找边际改善的空间或者来自中国的证据，而是基于中国本土实践开展原创性理论研究的前提。从这个意义上讲，舍弃鲜活丰富的“本土经验”而盲从“外来模型”，无异于缘木求鱼。

　　第二，调查研究也是构建自主的中国经济学派的重要保障。在选择研究问题时，调查研究可以确保中国经济学派的独立性与主动性。部分研究者在选题上盲目追随西方，只是希望利用中国数据或中国背景来附和西方学者的研究工作。这种缺乏本土问题意识的研究，其理论与实际意义都非常有限。要避免这种依附式与被动式的选题，一个重要的方法就是系统性地开展调查研究，在该过程中找到符合我国经济发展实践、同时具备较强理论意义的时代命题。在选择研究路径时，调查研究也可以加速学科间的交叉与融合。近年来许多新的研究对象，都是在经济学与其他学科之间的交叉地带出现的。西方经济学训练通常更加重视通用模型和标准化方法，有的研究者未必具备充分的跨学科经验。像“平台算法如何影响劳动力市场运行”“不同制度和文化背景下数字经济治理为何存在差异”这样的问题，仅仅依靠传统经济学工具往往难以给出完整解释。很多关键线索，往往来自访谈、田野观察或长期接触行业实践所获得的经验材料。如果忽视这些工作，就很难在新的研究领域中提出具有解释力的理论洞见。

　　调查研究对构建中国经济学派的重要性还有很多例子。比如，国民经济统计中的制造业数据，被世界各国学者广泛运用。但是，如果对具体经济活动开展调查研究，则很容易发现数字化转型带来了“制造业服务化”。这是指在制造业生产过程中，各类无形资产的边际贡献因数字技术而显著提升，使得很多与制造业生产活动密切相关的企业主要从事服务业活动，例如设计、编程、市场营销、数据分析等。这种“无厂化生产”的现象，在制药、汽车与电子等领域都相当明显，而且势必将因人工智能技术的普及而愈加突出。不过，在很多经济统计与抽样调查中，这些企业则因主要活动性质而被归类为服务业而非制造业，相关数据很难反映制造业经济活动的全貌。事实上，在讨论世界制造业生产格局、欧美国家“去工业化”现象与我国经济结构演变时，上述“制造业服务化”现象都是需要我们充分重视与审慎分析的。如果研究者不开展对产业发展实践的调查研究，过度依赖二手数据开展经济分析，则很容易忽略数字化转型带来的新变化，进而得出相对偏颇的结论。

　　又如，数字化转型被广泛认为有利于跨国生产网络中企业生产率水平的提高。对承接生产外包订单企业的调研显示，数字化管理与自动化生产确实提高了既有生产工序的效率，却未必有利于企业拓展既有工序之外的新生产活动。一些纺织服装与农产品加工等领域的制造商反映，生产活动数字化水平日益提升的同时，也会加强境外跨国企业对生产全流程的控制，其机制可以包括更为精准的大数据监测与数字软件管理等。这使得这些制造商更难获得技术转移或学习的机会，也可能更难获得既有工序之外的国际订单。换言之，数字化转型无疑对制造企业的流程升级（既有工序生产率的提高）有正面的作用，但是对功能升级（升级至生产率更高的工序）的影响则未必如此。如果不开展对产业发展实践的调查研究，转而单独依赖企业层面的生产率数据，则很有可能忽略数字化转型带来的复杂性，而陷入盲目的“技术乐观主义”情绪中。

　　上文讨论了调查研究在中国经济学派构建上的重要性。在调查研究实践中，笔者还探索了一个三阶段的工作模式，供学术界同仁参考。第一是广泛收集信息。在此阶段，研究者可能还没有特别清晰的研究问题，而是围绕某一议题尽可能多地接触现实经济场景，希望由此挖掘出可以深入探究的问题与假说。具体形式则比较多样，例如参加政府与业界会议、开展非结构化的访谈，或者搜集阅读田野著作与业界报告等。第二是聚焦重点问题。该阶段开始关注此前发现的特定问题，有针对性地收集与之相关的更多信息，作为经济分析的基础。该阶段的时间周期相对较长，具体形式则包括参与式观察、半结构化访谈与档案资料整理等。第三是在此基础上，构建新的理论模型、修正现有理论的基本假设、使用更合理的工具变量、设计更贴近现实的计量模型等，进行深入研究并得出科学的结论。

　　（作者系清华大学社会科学学院教授、数字经济研究中心主任；清华大学国际与地区研究院博士研究生）