2020年10月第二届“中国发展理论”国际年会在中国人民大学成功召开，我们整理了开幕式上主旨嘉宾的讲话，供读者思考，本文是美国布朗大学教授兼jde主编andrew foster在开幕式当天的致辞整理。
andrew foster
非常高兴来到这里，也非常抱歉这次不能够亲身地到现场来参加年会。今天我给大家介绍一下最近我所做的相关的经济学领域的研究，最后也会给大家介绍一下我们这个杂志。首先给大家介绍一下人力资本的理论，以及我们到底如何对于儿童进行长期的投资，同时我也会给大家进行其他方面的介绍。
对于儿童来进行投资，背后的理念就是人力资本或者是儿童人力资本，它是涉及到常年的、时间比较长的时期，也可能会需要人们进行日常的决策。有一些人可能会因为时间比较长而放弃在这个方面的研究或者是投资，那么他们可能会选择更加直接或者具有可预期的回报的合同，比如有的合同几年之后它的效果才能显现。从农业这个角度也是，农业也是会要在一年不同的时间进行不同的农业活动，并且还要受到天气、虫害冲击的风险等等。
在这里我想给大家来谈三个不同的文献，可能会是跟我们发展经济学相关的一些文献。第一个文献就是动态互补。动态互补是跟儿童、跟其他事物是一样的，我们在某个时间有一个投入，但是要在很长时间之后才会有产出，这就是动态互补。另外一个方面就是我们也会研究短期波动，尤其是对于儿童的学校教育等等，可能会有短期的波动，或者是在上大学的时候，可能上着上着出现了问题会中途辍学，这就是短期波动。有了短期波动，它可能有正面冲击，也有负面冲击进行抵消。最后一点是前瞻性和风险的问题。大家会认为，对于某些相关的投入可能会有风险，所以要进行预防性的储蓄，或者是要有一定的多元化的考虑等等。所以这是三个背后的理念。
我们思考一个问题：未来风险和动态互补的结合，是不是能够引入人力资本早期投资的研究中呢？为了能够回答这个问题，我们建立了一个风险架构，也是利用了印度农村地区的情况，是农村地区30年的专家小组的代表对它进行一个相关的研究，这个是非常非常重要的，尤其是在发展的过程当中，尤其是在人力资本或者是健康，很多其他的相关方面也是会对于未来的风险有一定的影响，比如说像上学或者是免疫等等。因为如果你接种了，比如你对什么疾病进行了第一次接种，之后你要进行第二次接种。上大学也是一样的，如果你上了初级的教育，慢慢的话就是中等教育，然后就会上大学，那么之后也会有不同的学校教育的选择。其实从我们做投资的角度来讲，尤其对于低收入的国家来讲，背后的理念也是非常的类似，即未来风险与动态互补性的结合。
为了让大家更好地理解我所讲的内容，尤其是涉及到动态互补的内容，现在来看一下在经济学当中有一个叫“动态完美互补”的相关理念。大家可以想象一下，比如说你可能在春天或者是秋天的时候，都要买不同的鞋来适应不同的季节，所以在秋天的时候，也许你不知道下一个春季的时候会挣多少钱，有没有收入来买下一个季节的鞋子，所以鞋子其实是一个非常好的“动态完美互补”的例子。比如说秋季的时候如果你买了某种鞋子，你在下一个季节可能就没有那么高收入了，就只能买廉价的鞋子了。如果在来年的春季，你收入更高了，你可能会买更贵的鞋子。其实这个也能进一步地说明，人力资本在相关长期的投资中有投入或者产出，你会考虑在未来的时间之后它的相关状况，比如说涉及到你买鞋子的话就是你的经济状况。
现在看一下这个内容，我们想区别一下事前的影响和事后的影响。在动态完美互补的相关大背景之下，有一个教育函数，我们想通过教育函数让大家理解一下，比如说你的两期投入分别是s1，s2，你的产出h是min（s1，s2）。所以在第一阶段结束之后，你会有一些收入的冲击，你的第一年度、第二年度、第三年度情况是不一样的，在这里赋的数值也是不一样，比如3、6、9。这里会有一个方差的问题，或者是会有一个波动的问题。所以如果我们要说，因为我们会有不同的状态，有的时期你的状态比较好，如果你在某一个时期的状态比较好、收入比较高的话，可能就会对下一个阶段来进行更多的经济的投资，之后的产出也会更好。另外的一点就是说，我们来想象一下，你的家人不知道你在下一个时期到底你的收入有可能会是9还是6，不知道下一个时期的收入情况怎么样，所以可能我们在前期的e(h)不太确定，就先赋值1.75。因为之前收入比较好的人力资本总值可能是2。如果把不确定性纳入进来，整个人力资本的赋值就是1.59。所以a和c之间的区别就是一个是事前的风险，一个是事后的风险。为什么选择不一样？因为第一个阶段和第二个阶段的选择不一样，主要是因为有事前风险和事后风险，在第二个阶段大家把不确定性纳入进来了。如果你的父母和家庭没有很好地考虑到不确定性，那对于s1和s2b的赋值可能就不是之前讨论的1.75，可能是1.67，那么最后的人力资本的值就不一样。如果最后的人力资本的赋值是1.75，其实反映出来的就是事后风险，就把事后风险纳入进去了。1.75、1.59之间的区别就是事前影响和事后影响的区别。所以在之前如果把一定的风险考虑进来，之后就会把不确定性纳入进来，就会经过更好的考量。所以，其实事前的风险就是抗风险，我们可以了解到的就是，实际上事前的风险在第一个阶段是没有什么区别的，而如果我们有事后风险的话，对于第一个阶段它的数值赋值是不一样的。动态完美互补就是对于事前的风险进行预测，尤其对于学校教育也是一样的。对于学校教育进行事前风险的预测，就能够保证长期的人力资本投入会有比较低的产出。
现在再来看一下，在当今世界，如果标准冲击差更大的话，对于第一个阶段的学校教育应该是下降的，这就是我们整个的考量。即使整个模型非常简单，但是仍然还是有低度的方差。所以如果我们有这个理论的话，我们看一下事前或者事后风险的问题，我们必须要考虑我们的标准方差不要太大，所以我们需要来进行一定的考量。我刚才谈到的模型还是非常简单的模型，尤其是上学学校教育的第一个阶段和第二个阶段相关的非常简单的模型。
现在从一个更广泛更宽泛的角度看待这个问题。我们来看v函数，它涉及到人力资本回报，这里面有两个参数，就是第一个阶段和第二个阶段人力资本的投入。另外还有人力资本收益的曲率，还有对于学习时间的弹性。对于这块我没有时间讲的非常细。这里是一个模拟，如果风险越来越大的话，对于这方面的人力资本投入变化的一个情况。
所以在这块是有动态互补，我们有三个不同的值，这个是涉及到父母的偏好，对于学校教育投入的偏好。我们想要获得的结果就是对于学校风险，只是在这样的一个位置才会产生效益，而且必须是一个独特值。也就是说我们必须替代的完美的系数是低于1的位置。同时家长的偏好，我们人力资本边际效益下降不能太强，这个非常重要，因为我们想检定的是一个前瞻性的行为，我们要看学生的学习生活是不能够受到前瞻性风险的影响，它要低于我们假设的值。后面有很多的细节没有时间详细介绍，但是所有的这些都是我们后面研究工作的一个前置的前提，也就是告诉大家我们怎么样去研究一个问题，对于一个问题我们背后的思路是什么，也就是想到前瞻性的偏好，家长对于孩子教育的事前选择。
我们也会在文献当中去做一些简化的回归分析，以及一些结构性的分析和政策方面的试验。在这里我们会用到相关检定的结构看一看互补的效应如何。首先我们会用这样的一些变量去关注m6米乐app简化的模式，就是看一看市场的变化如何影响到了未来的行为。我们看到很多的数据集当中，他只有我们学生当中教学的存量，过去他们学习的时间是多少，这个信息是有的。比如说孩子他们花了多少时间来学习，这个是一个所谓的对这种事前行为最具有敏感性的参数，它其实没有办法去区分事前的效应和事后的效应。我们用这样的结构来推导一些相关的信息，用市场层次的变量检定我们模型的效应。另外也强调这个问题是一个困难的问题，如果你去研究发展经济学，我其实经常会看一篇论文，我要看这个论文是不是解决的一个实质性的、困难的问题。我们研究事前的风险效应就是一个困难的问题，这里面我之前也看了很多的文献，文献主要关注的是短期的冲击对人类的影响，而且是微观的影响。这些冲击其实都是非常短期的，比如说在一个村子里面我们就看到，是不是除了这个冲击之后，干旱季或者雨季，孩子就不上学了，就帮家里忙？这个都是按照计量经济学的方法来做的。我们关注的是事前风险，我们关注的是天气的变动率对人力资源的影响，只是下个雨，但是下雨下的是一样的雨，哪怕在一个非常长期的时间当中，该下雨就是下雨，中间不会有太大的变动。在未来，如果气候变化变成全球的普遍现象，某一个村子长期下雨是一个非常正常的事情，不会有不同的变化。我们关注的是这些学校到底是不是处于降雨变动率比较大、降雨不能平均的地区，我们所关注的是变动率对孩子学习时间的影响。
我们要去看一个非常长期的30年的不同小组群体的研究，他们系统性地改变了自己灌溉的方法。哪怕下雨过程中时间变动率不高，但是由于村子的灌溉系统不断地完善和发展，降雨量对它灌溉效果的影响边际越来越小了。因为对不同的农户来说，哪怕不下雨，他有非常好的灌溉系统，也不会闹干旱。所以从时间的度量角度来说，它对我们最终的每个村子结果的变量会产生比较明显的影响。这个是1967年做的印度农村经济的试验。5000万的家庭，按照女性、孩子进行分类，也考虑到不同的种植季节，考虑到不同的农业生产的值和消费值，这个数据对我们非常好用的。这是印度的情况，这是1981年、1982年一直到2007年差不多30年的数据集，这里面有很多的细节。首先有小农户，也就几亩地的这种情况。另外我想要强调的是，他们的消费四分位之间的对数值，25%到75%的变动率的区间，他们的收入差不多是4%的上下浮动率，这是基本的数据信息。这样的话就可以了解我们时间的变量，以及我们数据集的范围。
然后我们关注研究的时间，我们会看这个孩子什么时间上学，也知道他们在哪个时点的时间分配，比如说这个是每天上学的时间、学习的时间、在课堂和学校当中以及回家学习的时间。我们可以看到81年、99年、07年差不多就是5小时到7小时，男孩是差不多4小时的平均值，女孩是4.99的学习平均值。另外任何给定的一个时间，可以按年龄、学历进行区分，至少在这样的一个环境当中，我们会发现年龄没有什么变化，当然，孩子如果长大了之后，他们在学校之外就可以参加一些务农的农活，所以我们会发现这些孩子他们的学习时间变动并不是特别大。在我们的数据当中我们会发现，实际上他们不去上学就可以做一些家务的杂活，在学校当中就是学习，出来之后，特别是女孩，会要求她做家务活，这就是时间的成本，就是你不学习就得干家务。
我们想了解、挖掘一些知识，我们想知道替代的弹性。在任何给定的年份，学习的时间是有三个不同的阶段、三个不同的时期，我就从这样的一个图表的形式给大家展示一下。我们假设动态互补性，如果动态互补性这个理论站得住脚，我们会做一个点阵图。第一段比如说秋天我们学习的时间，然后冬天的学习时间。总体来说我们看到它有正相关，而且是往上走。为什么会往上走呢？有两个原因：第一个是实现了动态的互补，如果你春天不好好学习，冬天也没有必要好好学习，反正成绩很差，反正也赶不上。另外存在一致性，有的家庭认为小孩就得上学，所以s1、s2值更高。如果每年就上两个学期，你就没有办法去解决，动态的互补和异质性两个理论不可能同时站得住脚。如果动态互补性站得住脚，第一个阶段我会读书，第二个阶段也会上学，那就是第三个阶段，第三个阶段取决于第一个阶段和第二个阶段上学的情况，那就是第三种结果，s1、s2求和。这里有五个单元，第一个阶段是5，第二个阶段是0。我们总的学习的时间全部加起来仍然是5，但是要看他们的平衡是怎么分配的。比如说一个人在秋天花了很多的时间学习，冬天不学习，第三阶段你可能也不学，这是我们模型的预测值。如果你秋天不怎么学，冬天学的多，同样的第三个阶段学的也不会多。如果两个阶段冬天和秋天都学两三个小时，第三个阶段就会学的更多。也就是说我们动态性互补的理论站得住脚，我们来做这样的曲面图，这个结果就是非常稳健的结果。
另外我们还有一个动态互补的模型，这个实际上是我们的数据告诉我们的一个形状，这个数据其实完全不具有互补性，实际上它不是一个凸面体，而是一个凹面体。我们看这样的图表，是不是动态互补理论站不住脚呢？看这个数据集展示出来的凹面图，我琢磨了很久。实际上我们挖掘出来一个洞见，洞见来自于异质性，为什么这个曲面凹下去了？我们有两个小组，一个普通的红组，红组对人力资源有非常好的要求，蓝组天生不觉得孩子该上学。红组的家长他们往外凸，蓝色的是低于红色的凸面。s1、s2是密度函数，s1、s2的两种人，都是基于它的极值，只在红组发现，它的最小值在蓝组发现。它们是凸面体，把两个凸面放在一起就出现了凸面带凹陷的图。所以实际上数据所体现出来的凹面图，恰恰证明了人力资源的动态互补的理论，因为这里面还有一个要素就是异质性，如果把两个要素综合起来，就可以很好的去预测，到底我们根本性的替代性弹性的基本参数应该是什么。
这个是回归分析，不多说了。我们看第三个阶段的学习时间对第一第二阶段时间的回归，就是一个复系数，这就是刚才我们看到的带凹面的凸面体的样子。
下面要做的就是用这样的一个全矢量的仿真，我们基于s1、s2、s3相关性的形状进行仿真，仿真的细节就不说了，这里是一个基本的公式结构。在这里我们要把两个图表，这是真实数据的回归，就是s1对s2的影响是0.41。这个是刚才那个表格里的数据，如果把这两个弯矩进行匹配，我们会发现，仿真的数据集当中我们用的独特的参数值，我们的仿真与我们的目标拟合度是比较好的，只要你用的是弯矩的模拟法、弯矩的仿真，我们就可以很好的进行数据的仿真，仿真与我们真实数据的拟合度是非常好的。这个是我们的方法论。
当然它不是完美的拟合，黑色的是真实的数据，这个带点的是仿真，基本上还是个凸面。我们把这种根本性的结构参数进行推导，这个是σ，这个是替代的弹性，也就是不同的要素包括孩子学习的时间，以及人力资本生产的函数，0是完全不互补，1是道格拉斯的函数，是比较高的函数。另外还有一点就是我们的主题，就是说我们对人力资源的效力是不断的递减，也就是说到了一个点之后，家长对于孩子的要求就不断的边际下降了。而且这里面涉及到收入的变异，这个变化比较大的，第二个阶段是第一个阶段的2倍。另外还有比较高的异质性，有些家庭对于孩子学习的要求是另外家庭的2倍。最关键的信息是这两个参数，一个是比较低的替代的弹性，另外就是对人力资源变异性要求比较大。
我们可以用这些评估的参数，对学校教育相关风险的模型进行一个嵌入。我们用这个模型研究了一下学习时间、人力资本和弹性，大约误差是有零点零几左右。这样的数据向我们说明，在数据当中，考虑到它的互补，还考虑到人力资源、人力资本，我们能够从这些数据当中看到，最后在这三个不同的阶段，整个对于学校教育、人力投资的效果是在递减的。
这里还有一些非常基本的数据，刚才我给大家介绍的相关的架构，背后一些相关的技术等等，应该对于学校投资尤其是在于事前的学校教育，它的一些相关的架构。刚才给大家讲了一些相关的架构，理论上的问题，现在我们来看一下实际的情况。
这个是关于降水的冲击。其实对于降雨来讲，如果要是说在某一个村子的降雨实际特别高，可能这个村子的收入也会进一步地降低或者下降，这个是降雨四分位的研究情况。另外对于这个村子来讲，还要看它的农业所占的比例是什么，再来看对这个村子人们收入的影响到底是如何。对于这些表格来讲，它能够让我们了解我们到底从哪里进行具体内容的识别。如果我们要是来看风险问题的话，其实降雨对于所有的村子，在30多年，在各个不同的时期，其实降雨对他们的影响都是非常重大的。对于一个村子来说，虽然时间的流逝、降雨的变化也会对这个村子有巨大的影响，即使降雨的差别是恒定的，仍然也会看到这个影响。这是在印度所做的研究，70年代有一个渠道，但是在80年代时候大家开始挖不同的水渠进行浇水，但是不同的城市是不一样的。这也是研究了一下降雨和灌溉之间的影响，大概是在1985年的时候，那个时候80年代印度村子里的村民开始挖灌溉渠，我们就根据整个变异的图，发现收入不仅仅是跟降雨有关，也跟他们的灌溉体系如何、能够灌到哪片田地有关系的。
这张图当中可以看到，尽管降雨的变化是一样的，但其实对于预测的消费水平来讲也是不一样的，主要是来看一下每一个村子灌溉的情况是不一样，所以他们的收入是不一样的，因此根据这种灌溉四分位预测的消费水平也是不一样的。但是对于在1982年的时候人们的灌溉水平有了进一步上升，我们发现不仅仅是平均的消费水平有了上升，还发现人们有偏好的消费水平也开始进一步上升，这个主要是从1982年的时候开始的。尽管在这个村子里面，降雨的变化四分位水平是不一样的，仍然由于灌溉水平的提高，所以整个总体的消费水平有提高，大家的偏好的水平也有了提高，所以这个是对于整个产出的影响。但是在2007年的时候，其实相比于1982年的时候，他们的情况是不一样的，1982年的时候有一些村子在最低的三分位，那个时候他们的收入状况并不是特别好，但是现在2007年的时候，我们看到去低的三分位的村子的收入状况，跟其他的村子收入也非常类似了。
现在我们再看来一下，进一步研究过去的理论到底是不是正确。现在看一下人均的消费水平受到降雨影响的情况。在这里非常关键的一个问题就在于说，尤其是涉及到每灌溉体系的区域，降雨对于人均的消费水平的影响。当然可能会降低，对于有灌溉的这些区域，他们平均的人均消费水平可能会有一定的上升，但是因为每年降雨情况都是不一样的，所以整个消费的平均水平也会有一定的变化。
这个里面是降雨对于学习时间的影响，其实都是非常非常类似的，非常重要的一点就在于如果我们有很好的灌溉体系，我们就不是一定有降雨才有农作，我们这个孩子需要更多的时间在田地干活，就没有学习时间了。所以我们利用30年的数据研究了一下这两者之间的关系，我们发现，其实灌溉起到了很重要的作用。
现在我们看一些其他的产出。刚才我们考虑了学习的时间，或者是人均的收入，或者是消费的水平等等，如果要是降雨水平比较高的话，人们的收入水平、消费也会比较高。所以有灌溉的区域和村庄，它们可能会效果比较好。
刚才我们谈到了孩子学习的时间，孩子如果不上学、不学习的话，他们都做什么呢？第一个是做家务，所以如果降雨的话呢，同时又有灌溉体系，降雨又比较好的话，在这些区域孩子就不会做更多的家务，有更多的时间来进行学习了。另外一点就是在田地干活，也是一样的，如果有很好的降雨，孩子就不用很多的时间到田里来干活，这在有灌溉体系的村子里也是一样的。在这里想强调的一点就是，收入水平是非常非常重要的，降雨跟收入水平是有一定关系的，但是降雨其实跟孩子们是不是学习并没有直接的正相关的关系，所以收入还是很重要的。
现在我们来研究一下我们非常感兴趣的一个问题，也就是说消费水平的差距，以及它是不是能够造成孩子上学率的下降。所以我们有一个预测消费log的iqr值，我们发现如果风险越大，尤其对于同一个村子，如果消费的差距更大的话，这里的孩子上学率也会下降。另外对于在田地农作也有影响，如果孩子在田地农作，就不能够去上学了，但是如果有更好的灌溉不用去田地干活的话，就会有更多的孩子上学，上学率就会更高。所以在这里，我想强调的一点，这就是事前的。因为我们要考虑到未来的风险，知道在未来有风险的话，在第一时期就会做更多的投资。如果你第一个时期做了投资，第二个时期会继续，如果你说下一个学期能够完成学业的话，这一学期也会学。如果你觉得下一个学期反正学不下去，那么这个学期也不会努力的学习。
table 14是家庭相关的影响，当然相关的结果也是非常的类似。我们研究了同样的家庭，长期对他进行跟踪，结果也是非常类似。
上面那个是上学率，这个是学习时间。这个变量并不是0.1，所以人们在这里其实主要是考虑到，这种风险对于学习时间的影响虽然不是特别大，但是仍然对于孩子的学习时间有很大的影响。
table 15，看一下性别以及年龄段的影响，是不是对于男孩或者女孩有影响呢？其实这个幅度还都是非常类似的。对于不同年龄群之间的差别也并不是特别大，基本上都是非常的类似，尤其是涉及到对于孩子是不是上学的风险，其实对于不同的年龄、不同的学别来讲，并没有非常大的区别。当然如果要是人们的消费水平log值下降10%，也会对孩子上学有影响。
table 16还可以看其他的结果，风险的变异度会影响到他们的投资之初、他们的储蓄或者是一些永久性的变化，比如说导致人力资源产生永久性的变化。总体来说我们唯一看到，主要还是消费的指数受到了比较大的影响。它受到的影响比较大。另外儿童的学习高低时间还可以相互抵消，没有永久性的抵消。
主要是两种意思：第一个从他们不同的学习值之间的关系，我们看到了互补的要素。第二点如果我们做这样的试验的研究，我们去看同一个农村的村子，它随着时间的推移，由于不同的灌溉技术的先进水平，导致他们消费支出的变化，就证明我们确实是有这种事先的风险，也就说很多的家庭他们是以终为始，会考虑其他的可能性。
还有其他的可能性，我们会做其他的研究，我花几分钟讲讲。第一点就是学校本身，是不是有一些学校我们可以消除学习的风险？是不是还有其他的基础设施也可以和我们这个学校配套建设？另外储蓄，我们可以看每年的储蓄变化，有没有证据证明这些家庭他们的储蓄与风险之间有什么响应性的关联？但确实有一种可能性，我们所看到的是一种事前风险的效应，大家会在某些年份进行预防性的储蓄，我们的模型也使得我们可以研究这个方面，但是数据表明他们没有进行预防型的储蓄。另外还有一个可能性，就是我们的模型认为，s1也就是我们的孩子他们刚开始上学的第一阶段，我们模型所研究的是他们没有所谓的存量作为他们响应的基础，如果他们之前上过学，实际上就是有一个存量的人力资本会做出相应的选择，因为恰恰他们是刚刚开始上学，所以我们就没有办法完全证明到底是事前还是事后。如果他们之前上过学，我们可以拿到之前上过学的下一个阶段的数据。另外如果环境充满风险，会影响到对于未来收益、收入水平的预期，这个与我们上不上学是相关的，这样风险就被加倍的增大了。但是风险什么时候减少呢？他们预计未来有风险，那就不上学了，这个也会受影响。另外风险还涉及到收益率，比较高的收益率也会影响到家长管理孩子上不上学。另外还有一种可能性，我们看到，也许大家的学习是15岁还是16岁毕业，这个也不重要，当然这些都是未来可以进一步研究的。
table17在数据当中没有证明我们学校的基础设施有什么问题，这个跟我们最终的结果没有直接的联系，没有联系到他们支出水平的变动，这里面会有一定的效应，但是没有显著性，它也不影响供需之间的失衡，所以这个里面没有相关性。
table18看一下其他村庄的特质。这个里面消费可能有变异，他们的收入水平有变异，有差异，但是比如说这个里面有没有一个工厂、村办厂等等，是不是有银行的基础设施，是不是影响到了他们的收入水平，这些确实对学习的时间有影响，但是没有显著影响。
table19预防性的储蓄，我们发现我们的估计值有不同的水平，他们的储蓄不是根本性的驱动因素。
table20这里看看的天气、温度、平均的降雨量等等，我们看的是近期的一些历史数据，它是没有消除我们关于事前效应的证据的证明力，也就是说它不是最近一些经验的事后结果，还是支撑了我们事前的风险理论。
table21这个向大家证明，降雨量的变动率并没有这样的影响，因为实际上我们降雨的变化与我们的灌溉水平上升来说，它的效应没有那么明显。尤其是放到短期。
table22教育未来的回报。今天的环境的风险，会不会影响到未来的收入和工资水平？这个里面确实有消费支出的差异，以及它与我们学习之间的互动，我们会发现，没有证据来证明之间有非常大的联系，没有证据证明我们目前收入变化的差异，对他们未来的有教育的人和没有教育的人的收入有差异，至少我们观察到的数据不能证明这一点。
table23另外男孩和女孩。印度是一个重男轻女的社会，男性还是和父亲居住在一起，女性都外嫁了，我们再看她们是不是有一些嫁妆，这个会不会影响到女性的婚姻市场，我们发现这个里面并没有很强的显著性，更重要的还是要看她故乡的村庄在哪里，而不是看外嫁的村庄。
table24不是孩子成年之后的影响，而是童年的村庄对于他童年学习的影响。另外村庄当中是不是涉及到生育率，我们生育率测量的数据，生育率对结果也不具有显著性。
table25我们什么时候毕业，小学、中学还是高中？我们也是看到了更大的一群孩子，今天是成年人了，我们去看他们年轻时候学习的时间，是不是学习的时间少了导致他们毕业更早？确实是这样的，至少在印度是这样的，如果你学习的平均时间少，你毕业的就会更早。
大概就是这样的情况，最后我做一个结论，花几分钟介绍一下，然后再讲讲发展经济学的情况。通过我今天的介绍给大家提供一个非常重要的问题，我们用今天提到的一些想法，比如说动态的互补对孩子的学习有影响。我们考虑的是大家真的会前瞻未来吗？我们真正的做下来，把这个模型建起来做做估测，真正地去理解到底这样的变量与孩子家长对他的学习决策之间有什么样的互动关系，这是我们的研究想讨论的话题。
这个数据当时也存在问题，首先它不是最新的数据，而且样本量比较小。当然也可以理解，比如说你问一个农夫，你问他的孩子春天每天学习多长时间，他也不能给你很好的答案，但是这也证明了我们的事前风险的效应。而且他也没有考虑到每年有两个雨季的影响。
另外它对发展产生了什么样的影响呢？这个也是比较好的一个结果，就是说我们要去更好地预测减少短期的风险，就会有比较好的长期的效果。我们可以用各种各样的产品保险的方式，来去进行保障，或者保障一些农夫有低收入的收入水平。
另外印度还有就业保障计划，这个保障计划也是相当于给他储备一个劳动力市场，如果有劳动力短缺的时候，他们就可以到外地打工务工。另外我们也想了解印度的就业保障计划到底能不能使得他们持续的增长，通过我们所谓的事前风险的效应，增加印度人力资源的积累，这个也值得研究。
另外我们使用的是结构性的分析，我们理论的预测，其实本身它的预测值很难来进行检验，但是通过我们创造性的结构性的分析、简化形式的分析，可以很好的检定它的预测值的可靠性，因为我们所讲的是一个非常独特的机制，也就是说到底，是不是人们对于前瞻风险的认知影响到了当今对孩子的教育投资，减少了他们的学习时间。这是我们想了解的主题。
另外就是大家要比较小心的地方。首先我们的数据时效性是一个问题，会导致测量的误差。另外研究学习时间，并不是说你学几个小时，学习时间和效率也是有关系的，学习的效率也要考虑。另外我们是基于一年当中到底它是在全年所有的时间，到底是冬天还是秋天，这个说不清楚。另外我们也要去关注这些孩子，他们每一年的学习情况，比如说第一年学的怎么样，第二年学的怎么样，第三年学的怎么样，相关的信息是缺失的。而且还有代理人的问题，到底是孩子自己主观的选择，还是家长的选择？另外家长是不是真的能够了解学习，家长对这个问题的认知度，这个里面有不确定度，我们也没有进行建模和仿真。另外家长说什么孩子并不一定答应，小孩子有时候也有自己的想法，这个因素没有考虑。另外我们假设风险大家都理解，这个是比较好的这样一个设计，也就是说比如说在农村地区，印度可能觉得长期下雨都有问题，他们也知道有灌溉的系统下不下雨都无所谓，从气候变化的角度来讲，不能对事前的风险都有明显的认知和把握，这里面要引入一个全新的变量，这个变量就应该考虑到他们认知的不确定度。
我发言的正式部分就说到这里。我经常做交流的时候会和大家进行一个问答，如果今天没有时间的话可以给我发邮件。
我讲一下《发展经济学》这本期刊，我也非常骄傲是它的主编。这本期刊办的很不错，特别是在过去的三四十年当中，我们差不多每年1200份稿子，今年1800份稿子，这个期刊办的越来越好。有来自很多中国的学者向我们大量的投稿，很多的学者他们过去都学的非常好，他们毕业之后又回到学校教学，肯定会再培养新一代的非常杰出的、有才能的学生。所以鼓励大家向我们投稿。实际上我们现在每年有1800份投稿，每周我差不多有收到40个投稿，我要筛掉60%到70%，我要看看什么样的文章很有可能会去评审。我想有时候我也会把特别优质的论文一不小心剔除掉了，但是总体来说我要看一下它的摘要，看了摘要之后我就知道这篇论文大概是什么情况。总体来说我觉得我所会关注的，或者大家理解的一点，像我这样的人，我只有10到20分钟的时间来看你的论文，你要保证你的论文一定要写的非常好，特别是引言和摘要一定要写的特别好。我看你写的摘要我只问自己三个问题：第一个问题就是，你写的这个问题我关不关注呢？因为我个人是关注所有领域的问题，我在发展经济学当中各个领域都关注，有些论文可能不在发展经济学的领域当中，我可能就会拒绝。我的联合主编也有可能会关注，大家不仅要看我，也要看我的联合主编他们到底关注的问题是什么。第二个问题就是，你的论文是不是真正解决了别人不能解决的问题？所以我觉得我在这块也想重点强调一点，我也是特别看到，中国还有其他的一些国家也越来越多的这么去做。其实这块可能会是比较的困难，但是一定要用你的数据、你的调查解决比较困难的问题。因为可能对于有些人来讲，对于比较难的问题他们没有找到m6米乐app登录的解决方案，但是你找到了，你有了这个调查、有了这个数据，把非常重要的难题解决了，这是我说的第二个问题。第三个问题就是，有没有给我展示一些证据？有没有让人说服的案例？因为有些内容是非常的简单，还有一些观察性的研究会是比较简单的。但是我们都知道，当我们做论文的时候，可能某个人说，你这么说也是可以的，那你是不是有确实的一些证据，是不是能够真正的解决一些相关经济学方面的问题。所以大家写摘要的时候，一定要考虑到我说的这三个问题，在你的摘要当中要把这三个问题呈现清楚。我们看论文首先看摘要，之后看你的引言，所以这块一定要写的特别好。
如果论文我觉得是可以的，我就会给联合主编来看，我们有很多不同的联合主编，你也可以看我们有一个列表，有他们的名字。他们也有不同的偏好，他们也有他们自己感兴趣的地方，所以他们也可能会挑选他们感兴趣、他们认为重要的文章等等。当然有的时候他也可能会转给我，然后我们共同的来做一个决策。有的时候我们会共同的说“这个文章很好”，有的时候我们会有不同的观点。有的时候一些其他主编给我一些文章让我参考，即使他们觉得很好了我也会细细的看一看，看看他们这些主编的看法、观点到底是什么，然后我有时候可能跟他会说，你的论文也许有的时候不是特别令人有说服力，需要有更多的说服力。也会有审稿人给我推荐文章过来，我也要看审稿人具体的观点是什么。
你怎么样成为一个审稿人呢？我也是非常希望大家成为《发展经济学》杂志的审稿人，这对我们来讲也是非常重要的，因为如果没有审稿人，我们自己的工作人员不能够做全部的工作，当然我们有很多的人也是给我们审了非常好的文章。有人问怎么成为审稿人呢？首先需要在jde杂志上发表过文章，你有没有提交过文章，你有没有在类似的题目上发表一些相关的文章等等。如果你要想成为我们杂志的审稿人，首先你要在我们这里发表过文章，有一些类似主题的文章出来。你也可以首先至少提交一些文章，在我们的数据库名单上，供我们做一些参考。所以有的时候，如果我的一个审稿给我提交了一篇高质量的审稿意见，我也会特别地记住他们，这个是很重要的。
我想说的最后一点就是，在这个领域一些新的研究点是什么？要回答这个问题还是比较难的。现在的研究前沿就在于，实际上发展经济学里面涉及到很多不同的内容，因为很多的时候，我们要研究发展经济学，就必须要到一些低收入的国家发展研究。我和我的同事和我的学生在全球各地的同事，他们都会在全球各地开展一些相关的研究，然后再进行实地的考察等等，我们有一个项目，他们会把他们研究的进展向我们说明，我们也会对他们的数据进行评估等等。现在有很多这方面的文章，我们也希望我们这个论文在未来是有长期的价值的，希望能够让我们了解一下怎么来解决发展经济学相关方面的问题，从长期角度来讲，尤其是涉及到新冠疫情相关的问题。所以对于论文来讲，我们也是希望未来五年或者未来十年要解决的问题，在论文当中有所涉及或者展现。
我就讲到这里，谢谢！