[由] 我的目標 (修訂版)

資料科學，是來我在大學中智識上追尋的主軸。不只是透過廣泛且深入的修課來攝取相關知識，我還實際參與了兩個研究專題。一者是勞動經濟學的實證研究，另一者則是有關追蹤資料的估計方法。誠實地說，我曾有段時間很猶豫未來究竟該讀統計還是經濟。

然而，在威斯康辛訪問的這一年，在修了修經濟系習博士班的核心課程，以及與當地老師、學生對談之後，我得以更深入了解了一流大學經濟博士的訓練，而我也終於下定決心我要繼續我在經濟學上的探索。更具體一點，是計量經濟學，一門從資料中萃取資訊與真相的學問。

一般而言，比起其他資料科學的學科，計量經濟學更在意因果關係。但因果關係推論本身就很困難，況且是透過觀察性的資料。實驗雖然更理想，但經濟學家很少有做實驗的機會。因此，一套能從觀察性資料推敲因果關係的技術，對於經濟學研究而言是不可或缺的。為了達成這個目標，一直以來，計量經濟家的前輩們也發展出了許多技巧與其理論基礎，如GMM、RD，DID等等；而應用計量經濟學家也不留餘力吸收最新技術，用以分析社會上重要的議題，進而作為未來政策訂定的依據。我個人也曾受惠於這些理論的發展。在與江淳方教授的實證研究中，奠基在這些理論上，我得以看清資料中的資訊。

誠然，若沒有非常謹慎且明智的運用計量經濟學，與其說是發現真相，研究者很有可能只是在從資料中強化研究者本身自有的偏見。此外，計量經濟學理論絕非無懈可擊。不僅是計量經濟學時常依賴某些無法從資料檢驗的假設（如工具變數的外生性）；而資料的性質也常常與手邊的現有方法有所出入。這方面我個人也實際體驗過。在與江教授的實證研究中，RD是我們主要運用到的方法之一。但是，在我們的資料中，assigning variable是離散的——這一點和一般RD理論中的假設不同。再加上assigning variable的砥柱非常小，使得非參數方法在我們的研究中看起來並不適用。這些疑慮的確合理，也的確可能減損了我們研究結果的可信度。所幸的是，這並非是無解的難題，而只是說明了我們需要一個新的理論架構，來處理、分析新的資料生成型態。這也說明了，理論與實證是互補、相互啟發的兩種學門。

分析新的模型，發展新的估計方法，藉以擴充計量經濟家的工具箱，正也是我和陳釗而教授在Dynamic Quantile Regression with Interactive Effects這個專題中的研究動機。不同以往的追蹤資料的研究中，只考慮了個人特定效果以時間特定效果只以單純相加形式的影響到應變數，我們更考慮了兩者可能有相乘的可能性。以我們目前所知，在動態分量迴歸的文獻中，尚未有相關的理論。在這個研究中，我主要負責寫程式來實現這個新的統計方法，而初步的模擬結果看起來相當不錯。我也想進一步的探討其理論性質，但苦於我個人知識不足，我目前還沒有這個能力。

唯有攻讀博士，才能夠滿足我的好奇心與野心。這一點，我已在威斯康新的這一年充分體認。在博士班的訓練中，頭兩年課程能替學生們打下穩固的基礎，而聚集天下英才討論尖端研究的工作坊，更是研究生們珍貴的養分。與台大的兩位教授合作過後，我也更明瞭在博士班的後幾年，在資深的教授指導下進行自己的研究，則是蛻變成一個成熟而能獨立的研究者必經的過程。

我也深深明白學術這個行業非常競爭。博士班申請，僧多粥少，而博士班畢業後找到一個以終身聘導向的教職又是另一個大挑戰－－更別提終身聘本身了。只有極少數人，才能享有此一殊榮，能夠以知識的生產者的身分維生。當然，這份工作所帶來的回饋也相當可觀的。在這世上，很少有工做能夠讓雇員有不斷學習的機會，還能自由自在地探索自己有興趣的主題。除了研究這一面，我一直以來也很享受寫作和教學，而這也早已是我生活一部分。我目前正在和一群志同道合的朋友，經營一個名為白經濟的網站，致力於分享經濟學的樂趣和利用經濟學分析當下火紅的政策議題。至於教學，我也有相當豐富的經驗。教學的對象不僅是同學，我也曾在國小幫學生上課，做課後輔導。我也曾有一段時間在孤兒院當志工，輔導學步和說話的教學。教學，的確是一段互相成長的過程——即使學生還是個還在呀呀學語的幼兒。

對我而言，博士，不只是個學位，更是對未來美好生活的承諾。