宏观调控做到“数目管理”了吗？
不能进行数目管理的大明财政
元末大乱后，大明在洪武十四年（1381年）做人口普查1654万户，人口5987万；
休养生息20年后到建文四年（1402年）人口和户数还都降低了，人口普查1626万户，人口5631万人；
紧接着第二年也就是靖难之役后，人口普查1141万户，少了500万户，但是人口增加到了6659万人。
“户部之稽查，犹如儿戏”
实际上，这数字古怪也并不是儿戏，是有内在的逻辑的：
假设朱元璋洪武十四年的统计也许是对的，但是永乐一年的数据就是为了给新的篡位皇帝讨喜，上下造假而已，要不然咋能时隔一年，户数降低了500万，人口提高了1000万。
“州县官臆度造假，中央也就假装不知道。以此忽升忽降，竟和实际情形毫不相干。”
田亩数也一样，1393年核实的水田857万顷，1502年核实了之后腰斩一半到423万顷
从王朝开始后，土地是不断拓荒的，怎么可能还王朝尚在中兴，水田数量腰斩一半？
这个可比内蒙古工业增加值和天津GDP腰斩一半还吓人，毕竟GDP是流量，而土地是确实的存量。
源于官无封建，而吏有封建。此时大明已经建国100多年了，虽然官员一直是中央任免轮换，但是地方已经形成了比较坚实的利益集团，大多数办事的吏，多是世袭，多报田亩就得多交田税，基层统计数据的胥吏已经烂掉了。
张居正看到了第一层，决定理清田亩，很可惜事情没做完就死了。中层的士大夫是没有激励去执行让自己多缴税的政策，改革在死后自然不了了之。
这就是老生常谈的，明朝灭亡亡于财政。
黄仁宇更进一步，明朝亡于“不能进行数目之管理”，但黄仁宇也仅仅在第二层。一切历史是当代史，黄仁宇的对数目管理的崇拜，也受到当时社会对科学管理社会的乐观情绪所影响。
黄仁宇《明代的漕运》成书于1959年，《十六世纪明代中国之财政与税收》成书于1974年，与《万历十五年》放在一起，其主要观点的形成在20世纪60年代，同期，是凯恩斯主义从理论推向实践最为成功的年代，学术界与政界都相信政府在信息优势下对市场的调控。
于是，黄仁宇认为西方之所以战胜东方，是因为西方已经全面实现了“数目之管理”。以至于在另一本新书的名字便致敬了当时非常新潮的MacroEconomy，而把自己的新书（中国大历史）称之为macro-history
此时，距离北京拥有8万名宏观经济学家，还有60年。北京可能真的有一万个宏观研究员
但实际上就在出版之时，早期看起来有效的宏观调控已经开始出现了不太有效的苗头，比如经典的“滞涨”，宏观经济学本身在不断的解释这个事情，包括后面理性预期学派。
可以说某种后验的来看，西方距离理想中的“数目之管理”也差距甚远。
危害更大的是以为自己能进行数目管理
测量不可测量之物，量化不可量化之物，危害性远远要高于不能进行“数目之管理”，典型的就是某系医院对医生的盈利能力进行量化考核。
战后，公司、商业上的成功，让商业方法扩散到了全社会（当然在美国）。管理学强调，管理就是设定目标（无论是泰勒制、福特制、还是KPI与OKR），接着进行监督+激励。
80年代的美国，开始这股风潮从营利性机构吹向了各种政府、大学。
推动者鼓吹，这样可以让“大学”更像企业，但实际上效果并不是很好，举一个极端的例子就是最近在中国出现的曲阜师范数学系，或者是冷冻电镜中的学术强国等。
英国伦敦治安办公室把犯罪率降低20%作为绩效目标，并将此作为晋升的机会。2013年，伦敦警局的人告诉议会委员会：
“统计注水已经成了警务文化里根深蒂固的一部分”
为了达到绩效目标，抢劫、重罪降级成“盗窃抢夺”，强奸通常瞒而不报。治安办公室想达到的目标是减少20%受害者，所以警方高层把他翻译成了降低20%的报案率。
这就是，1974年（与万历十五年出版日同年），坎贝尔指出了关于决策的著名定律的真实写照：
“任何量化的社会指标，越多地用于社会决策，就越容易带来腐败压力，越容易扭曲和腐蚀它意图监管的社会过程”。
所以从数据上看，对某种数据的调控，得到了一个比较好的结果，但实际上，如果这个控制数据的过程与奖励、惩罚有关，那么数据的改变可能仅仅是统计数据环节出现的问题。
无论是当代美国，还是400年前的大明朝，都遇到了一个问题：
上级想通过数据来考核下级，中层的组织能力退化，任何数据上的考核都会通过对数据口径和统计方式的调整来蒙混过去。
企业有约束而公益部门无约束
大家期望让企业的先进的管理办法让大学、政府更像“企业”。
但是企业有一种天然的限制：
不需要在监控中层、测量上花费太多的时间、金钱、以及文化成本，因为一旦达到某个临界点，用科斯讲的话就是，内部的管理成本大于外部的交易成本，企业的扩大与这种绩效的考核就会减少利润乃至让企业崩盘。（因为其他因素大而不能倒的企业除外）
但是恰恰相反，政府、学校等公益性单位，没有任何这样的底线，或者说，任何有潜在兜底的“大而不能倒”的机构，都可以无限制的扩张这种指标，而且扩张这种监管指标，是符合HRBP、稽查、南北镇抚司的利益的。
最终HRBP、厂卫、风控们就会占领国家和公司。
地方政府债务的问题在于地方政府杠杆率吗？
经过上述论证，很显然背道而驰，大明王朝财政上的崩溃仅仅是一个结果：
山西地方财政收入为152万石，山西王爷们每年消耗的俸禄为312万石
河南年财政收入为84万石，而需要供给王爷的是192万石
成都附近州县土地70%在王府名下
每一次受灾中央推出来跨省转移支付，都是中层捞好处的时机。
A省受灾，从B省多征税，B省的地主们和王爷们免税的，而且地最多的士大夫和胥吏组织基层收税，最后加税最多的是老农；A省受灾中，发放补贴的的主要也是各种士大夫和胥吏，得到补贴最多的是他们的土地。
是一个老生常谈的中层组织能力嬗变的结果。2010年《中县干部》里面以县的视角描述了类似的的地方生态。
因为不知道地方政府到底举多少债的问题，所以连续出了两次地方政府债务审计，最近一次的审计现在也没有公开结果。
经过了5年的地方政府的债务约束，我们看真实市场的运行情况，城投债在市场是有增无减的，尽管他可能不叫城投债了。
但是
他是政府背景
从事的是跟政府有关的业务
不以营利为目的，亏了市场也相信政府会救他
粗略统计整个债券市场剔除掉金融类、政府类、地产类的债券，市场中仅有不到10%左右的存量是一般意义上认为的，要为自己亏钱负责的企业，发行的债券。
这都西本质上就是前述所说：看起来想公司运作，但实际上完全没有公司约束的东西。
这东西的本质，就和大明的宗族、美国的大学一样。
你以为你能通过一个KPI指标来进行宏观调控？
你还记得上文提到的英国警察么？
你还记得曲阜师范数学系么？
你还记得通过发永续债和可续期公司债来完成资产负债率降低指标的事情么？
真正的问题不在于数据本身：
用单一数据来观测乃至控制一个复杂系统
而且这个数据还是挑最容易得到的数据来做的
任何时候，数据都是人做的，即便是大数据时代
现在多少短视频、up主在通过揣摩算法推荐机制来构造产品，最后出来的产品虽然一言难尽，但是极大的符合推荐规则。
数据的内涵并非一成不变
我在往期的文章经常会吐槽很多看起来学院派的一本正经，实际上是在做胡说八道的回归。
比如上学的时候，可能学过一个带科技创新的朴素的科布-道格拉斯生产函数。
将人均大学数量，或者教育投入费用，作为科技创新的代理变量。
换句话说，大学越多，或者大学学费越高，或者说硕士、藤校、博士越多，就意味着全要素生产力/科技创新提高么？
显然如果你看过我往期的文章就知道，学历本质上是个“排序商品”。娱乐圈怎么就来到了马尔萨斯时刻？
对于个人来说，读了好的大学，读了高的学位，在提高自身工资和社会地位上是比较显著的；
对于公司来说，高学历、好学校，是有信息优势，降低了筛选成本；
但整个国家，如果全国人民都读上了硕士，那其实是跟没读是一样的；
对企业也是一样的：学历膨胀的结果就是剧场效应，相当于大家都什么都没有读。
所以非常明确的一点，如果用大学教育投入、或者硕士数量、或者人均大学数量等指标来做跨期10年、20年的回归，出发点就错了，但是这样做的人大有人在。
数据统计跟不上现实变化
目前的宏观数据统计比较符合20年前的经济情况，现在就挺过时了。
就像大明王朝的数据统计，在14世纪算是比较先进了，但是人口超过五千万就已经完全不够用了。
就像如果你看统计局的数据，只能看出来，我国经济一直在总量在恶化，结构在恶化。。。。
看不到科技创新了好几轮，移动互联网都变革了三代，只能看出来基建好了，消费不好，地产好了，地产不好，只能看到第二产业增速下降，就业人员在降低。
也看不到围绕着移动互联网的弹性就业
工业增加值报数都是传统的煤电钢建矿傻大三粗，而且基层还要揣摩喜好来先统计同比再统计数量，如既然没有衡量过新经济，那么只看这几个数，宏观经济的结构永远是在恶化的。
然后还有八万人对着这种faker一本正经的胡说八道。
小结：
16世纪末期，葡萄牙、西班牙和荷兰等国水手从远东带回西方许多奇闻逸事，其中有些关于中国文官制度的故事。这些故事所塑造出的中国政府形象，让人以为中国的治理者是一群由学者兼决策者同时又是哲学家所组成的精英团体，他们都经过竞争激烈的考试，证明自己是中国社会中最能干、最睿智，而且最有学问的成员。在17世纪中叶之前，许多向往遥远中国的人本主义者将这个形象更进一步理想化，结果它引发了各种改革运动，促使欧洲几个主要国家改变其政府的行政结构和措施，成为建立近代西方文官制度的主要影响因素。
当时欧洲人觉得遥远的东方体制内海量专家，精确计算，比一帮连澡都洗不上的没文化的骑士不知道高到哪里去了；
我小时候看了不少武侠电影，一直没想明白：我大明拥有当时全球最强大的情报机构东西两厂，以及最强大的特种部队锦衣卫（当然你也可以映射，武侠电影：好莱坞，东西厂：CIA，特种部队：三角洲）
怎么就被一帮大字不识一个的老农和连文字都没有的关外蛮子给一顿爆锤了呢？
文献参考：
1.明史简述
2.万历十五年
3.中国大历史
4.指标陷阱
5.US.News世界大学排名（2020年）