一所省级示范学校如何在异地开出同等教育质量的分校，一家雄心勃勃的小公司如何扩张为大企业，一项在试验区表现良好的政策如何在更多地区推广……这些都是创业者和政策制定者关心的问题，它们可以归结为一句话：如何让好的想法变得伟大，让伟大的想法变得规模化。

“新生事物刚开始都很微小，如何才能成长为庞然大物，这就涉及‘规模化的科学’。”行为经济学领域顶尖学者、芝加哥大学教授约翰·李斯特（John List）在北京大学光华管理学院举办的光华思想力夏季论坛第二场主题演讲中如是说。在主题演讲结束后，北京大学光华管理学院应用经济学系孟涓涓教授与李斯特教授还进行了精彩的对话。

五大关键指标检验你的想法是否能放大

李斯特教授从多年前的一次经历谈起。2008年的时候，他参与了一个在芝加哥贫困社区开办早教中心实地试验项目，这个项目的目的是推动当地的教育公平——让贫困社区的孩子也能享受与富裕社区孩子同等质量的教育。2010年后，他们开展了实地试验，在项目中采取了一些干预手段，最终结果表明这些干预手段卓有成效——那些入学时候起点非常低的孩子在经过一段时间的学习之后，取得了长足进步。由此，他心中萌发了一个念头：“I want every kid in the world to have this program（我想要世界上的每个孩子都能加入这个项目）。”

当李斯特教授试图说服美国政府官员大规模推广该项目的时候，却遭受了对方提出的三点疑问：a).在小规模尺度上表现卓越的项目，通常在大规模尺度上难以复制；b).世上没有万灵丹；c).所有专家都说干预政策将发挥作用，但最终结果却往往与预期不符。

面对来自政府官员的质疑，李斯特教授开始认真思考“规模化”的问题。细思之下，他发现规模化问题是如此重要且几乎伴随着他的职业生涯。比如，他在白宫任职期间，在制定每项政策时都需要考虑该政策是否能大规模推广；在担任Uber首席经济学家期间，每当想到一个好主意，也需要思考“它是否能够规模化，不仅是在美国实施，而是能够推向全球”。

经过长久的思考和实践，李斯特教授认为好的想法难以大规模推广有其深层原因。他做了这样一个类比，放大规模好比提高电压等级，我们虽然可以借此覆盖更多新地点和新受众，但在小规模尺度下发生的事情和把规模放大后是不一样的，在很多情况下会出现“压降”。换言之，最初在实验室尺度上的看起来不错的研究，当规模放大后就可能不尽如人意。

关于“世上没有万灵丹”的质疑，李斯特教授认为可以通过检验五个关键指标来检验一个想法是否具备规模放大的潜质。

第一，是否为偶然现象。如果项目本身缺乏足够的电压那么就难以推广。举例来说，对于某个在a地大获成功的项目，在推广之前可以在更多地方进行试验，以确定这是偶然现象还是有真正的优势。

第二，是否了解目标受众。在很多情况下，我们可能过高地估计了我们的想法和创意能够触及的人群规模。

第三，成功取决于“厨师”（专业人才），还是“配料”（想法本身的组成部分）。举例来说，一家餐厅可能一开始非常成功，于是老板想开50家分店，但是老板需要首先弄清楚的事情是这家餐厅成功的原因，到底是因为厨师还是食材。如果是依赖一位独一无二的大厨而获得成功，那么这样的成功是难以复制的；如果餐厅成功是因为食材且食材能够大规模采购，这样的成功就有望放大。

第四，想法或创意是否有溢出效应。要衡量什么样的溢出效应和你的想法或创意有相关性，然后考虑在放大之后是否有比较好的规模效应。如果项目经放大之后有比较好的规模效应，那它在放大之后会形成更高的“电压”。

第五，是否有供给侧优势。简单来说，随着规模不断增长，想法和创意是否在供应侧或者成本侧有优势。

规模化检验：在A/B测试中，引入选项C

近年来，不少组织热衷于用A/B测试来指导贫困问题、歧视问题、气候变化问题的解决，但却没有取得什么实质性进展。李斯特教授认为，企图用有效性检测的方法来推动世界发生巨变可能得出错误答案。什么意思呢？以A/B测试为例，我们通常将A/B测试中选项A设为对照组，选项B设为处理组，在对处理组施加干预后，观察处理组与对照组的表现有什么不同。这是一种常见的有效性检测实验，它有对照组和处理组，目的是检验干预手段是否使得处理组发生变化。但这种实验室尺度的干预和规模放大之后的干预不同，它更多是在小规模尺度上，考察干预的有效性。

李斯特教授结合前文提及的第三个关键指标进行了更深入的讲解。他表示，如果在小规模尺度上证明有效的方法，在放大规模后有效性却发挥不出来，那么说明这种方法不一定有用。如果我们想知道到底哪些好的想法和创意能够放大，想要解决大规模的尺度下的实际问题，需要把选项C加入到A/B测试中来，而选项C就是把一些关键的大规模特征纳入考量。

李斯特教授还是以自己参与过的芝加哥早教中心项目为例，他们当时想大面积推广这个项目，计划招募更多的老师——不是招募30名优秀老师，而是要招募30000名老师。可想而知，这个招募任务是非常有难度的。他们当时进行过A/B测试，现在看来，李斯特教授认为有必要补充C选项，就是把相对没有那么优秀的老师设为C组。因为在规模放大之后难免会有一些不是那么优秀的老师加入其中，通过设置C选项可以把一些关键的规模放大之后的特征纳入进去考察，然后对比三组样本的表现差异。谈及在A/B测试中设置C选项的意义，李斯特教授说：“就像必须排除个体特征一样，我们也必须排除情境特征。”

孟涓涓：当前，无论是政府还是企业都开始关注到行为经济学，至少开始接受AB测试这样的做法，光华管理学院也在推进成立行为科学和政策干预交叉创新团队，目的就是希望在政府、企业以及学者之间搭建起一个桥梁，那么您认为政府和企业所推出的一些政策或举措在规模放大的过程中，有哪些是需要特别关注的要点呢？

John List：这是非常好的问题。首先，我想对新团队的成立道一声祝贺和恭喜。这有利于进一步推动行为经济学学科发展和将好想法放大。你们能够联合公共部门和私营部门，并架起其中的桥梁，非常值得肯定。我现在是沃尔玛首席经济学家，面临很多规模化方面的问题和挑战，现在我们也正在和各州以及联邦政府就规模化这件事情进行商讨。关于在政府的政策和公司干预放大过程中需要注意的事项，我认为还是可以从刚刚谈及的五大要点入手。

值得注意的是，政府和企业在考虑问题时角度不一样。政府更多关注于收入以及收入的分配。政府层面会考虑民众获得了多少收益，以及在民众之间这些收益是如何来进行分配的。而企业的想法不一样，企业是从供给侧出发思考问题。他们会考虑这些想法是否具有更好的规模效应，我想对于这些公司来说，如果他们实现了规模化，那么他们可以进入到需求侧，一方面可以更好地来削减支出，另一方面可以通过规模效应、规模经济建立起自己的“防火墙”和“护城河”。这样当新公司进入你的赛道后，就很难和与你竞争。这和政府思考问题的方式是不一样的，因为政府是垄断的，政府不存在门槛的问题。不管是在中国还是美国，对于政府来说，他们在提供公共产品和公共服务的时候不会考虑竞争的问题，所以他们更多的是考虑收入和分配的问题。

此外，在美国我们可以看到当政府推出一个新政策的时候，在很多情况之下，这一政策可能没有办法再收回。因为，有些时候是需要很多年来验证这样一个政策是否行之有效的。在美国，有些时候即便发现这个政策没什么大用，但是也有可能仅仅由于会对很少一部分人有用，这部分人就会尽最大的努力维护自身的利益或者说这项政策，这就是既得利益者的行为。在这种情况下，政府有可能会不断推出一些不那么好的政策，因为他们知道不管这些政策有多糟有多差，总会有人拥护这些政策。对政府来说很重要的一点是，当犯错的时候需要意识到错误的存在，并且在未来避免犯错。我们都知道覆水难收的道理，正因为检验一项政策的成效需要漫长的时间，所以在推出政策之初就要格外谨慎。我想在中国来说也是一样，对于中央政府来说，它也需要考量在不同的地方政策实施的效果。这就是我在所写的书《电压效应》中谈及的内容。之前我也看到一篇很好的文章，提及中国政府也在规模化方面尝试做得更好。

孟涓涓：当我们试图扩大行为干预，并且提高公众对行为的洞察认识的时候，有时会出现适得其反的现象，您是否在研究中也曾经经历过类似的状况，对此问题您有什么思考？

John List：我想分享两个案例。第一，在1960年代，美国联邦政府出台政策，要求司机必须系安全带。联邦政府预计此项政策可能拯救数百万生命。这听上去似乎也很合理。但接下来发生了什么呢？因为有了安全带，人们在开车时变得更加“冒险”，更加不关注安全的问题。因为当人们感觉到更加安全的时候，可能就会采取更加“冒险”的做法，尤其是在开车的时候。同理，当我们考虑到想法的溢出效应时，其实也应将其纳入考虑。

第二，在2017年的时候，我正在Uber担任首席经济学家。我们曾经讨论过Uber司机是否要收小费的问题。在2017年，打Uber的乘客是不用通过APP付小费的，后面我们尝试在APP里开通付小费功能，最初有5%的Uber司机可收小费，收小费的司机比没有收到小费司机接更多的单，行使更多的里程，赚更多的钱，所以我们都觉得这是好事。接下来把5%扩大到100%，100%的司机都能收到小费。结果司机们订单更多了，但是他们也过劳了，提供的供给已经超过了市场需求。在这样的情况之下，他们的工资水平没有办法上升。对于司机来说，收小费之后他们的总收入和没有收小费之前一样，因为他们工资并没有增长。这是我们之前完全没有想到的适得其反的状况。很多情况下，溢出效应在某种程度上可以进行预测，但是我们需要收集很多数据。所以在行为经济学里我们要有很好的测量工具，去了解政策和想法到底能产生多大的溢出。

John List（约翰·李斯特），芝加哥大学教授、实地实验研究方法的开拓者和主要推动者。他建构了实地实验的概念与类型学体系，并将其广泛应用于经济理论检验、慈善捐助、市场歧视、行为金融等实验经济学的主要研究领域，有力地推动了实验经济学研究的发展。

孟涓涓，现任北京大学光华管理学院应用经济系系主任、教授。曾获得2017年北京大学教学优秀奖与光华管理学院厉以宁教学奖。本科就读于北京大学光华管理学院金融系，博士就读于美国加州大学圣迭戈分校经济系。孟涓涓长期专注于行为经济学与行为金融学的研究。她的研究成果发表在诸多国外一流学术期刊上，如American Economic Review, Management Science, International Economic Review, Journal of Public Economics, Journal of Development Economics, Games and Economic Theory, Journal of Economic Behavior and Organization等。