首先需要说明的是，此文所讲的“数字化”不是指技术意义上的数字化，即“将许多复杂多变的信息转变为可以度量的数字、数据，再以这些数字、数据建立起适当的数字化模型，把它们转变为一系列二进制代码，引入计算机内部，进行统一处理。”而是指经济研究过程中不断使用数字说明问题的过程。经济研究中使用数字是个趋势，而且越来越重要，唐·埃思里奇在《应用经济学研究方法论》中甚至说到“一些研究活动由于得不到或不能使用适合的数据而不可能进行”。虽然数字是个好东西，但若使用的数字“不适合”，或若适合的数字使用不当，也非常容易出现问题，这样的问题或可称之为“数字化”的陷进。

例子一，中国农村剩余劳动力的数量。这是个很难测算的数字，别的不说，对于什么是“剩余劳动力”，就有非常大的界定弹性，在我国都讨论20多年了，仍难有定论。但这又是个必须确定的数字，因为明了有多少剩余劳动力，事关诸多重大的政策制定和调整，比如，农业政策、城市化政策、人口政策、就业政策、社会保障政策、教育政策等。为此，很多学者和机构做了大量的工作，下表是中国社科院王德文教授所做的一个归纳。

                      表  中国农村剩余劳动力数量估计

                                                       单位：人

     资料来源：王德文：《刘易斯转折点与中国经验》，载蔡昉主编：《中国人口与劳动问题报告No. 9——刘易斯转折点如何与库兹涅茨转折点会合》，社会科学文献出版社2008年版，第92页。

由于数据收集和处理既昂贵又耗时，一般人在研究经济问题过程若需要数字，通常是借用和引用已有的数据，这就生发出一个问题，用谁估算的数据？像上述关于中国农村剩余劳动力的数字，那还是部分估算，但各自的结果差别已经非常大，从4000多万到2个亿，相差1.5个多亿。1.5个亿可不是个小数字。作为一个研究人员，要在这些数字中选择一个， 难度之大可想而知，相应地，风险也很大，因为这些数字背后所隐含的政策含义差别很大。比如，若剩余劳动力为2亿，则工业化、现代化过程中劳动力就可以说是使之不尽用之不竭的，属于刘易斯所讲的无限供给，低劳动力成本的比较优势将持续很长一段时间，同时转移这些剩余劳动力仍将是一项十分艰巨任务。但若剩余劳动力仅为4000多万，则离刘易斯转折点就已经很近了，我们将面临着劳动力短缺的局面，而且会越来越严重，为此，必须未雨绸缪，重新思考或调整正在实行的政策。比如，关于人力资本投资政策，就需要正确处理正规教育和培训的关系，要更加强调培训的重要性，因为农村中受过较高教育的年轻劳动力大多已经实现转移，那些没有转移出来的剩余劳动力大多是30岁以上的，已超过了受正规教育的年纪，培训对于他们的转移非常重要和必要。还比如，对于劳动力权益的保护，现在予以强调，实施《劳动合同法》等，既是建设和谐社会的需要，是政府关注民生的重要体现，也是顺应劳动力供求变化的重要举措，具有长远意义。

     例子二，高等教育毛入学率。“高等教育毛入学率”指高等学校注册生人数与18-22岁年龄组人口数的比率，是衡量一个国家高等教育发展水平的重要指标之一。这一指标虽也有测算方面的问题，比如电大注册视听生和高等教育自学考试生应如何折算等，但总的来说，有关部门公布的高等教育毛入学率是比较准确的，比如1998年9.8％，2007年为23%。使用这一数字的问题在于比较之中，即简单地对各国的高等教育毛入学率进行比较，而忽视了各国高等教育和劳动力市场方面的差异。比如有人主张我国要继续大幅度扩大等教育规模，其依据是我国的高等教育毛入学率仍然不高，美国等发达国家早已超过了50%，进人了普及化阶段。

这种比较太简单，若以此作为决策的依据，则会导致诸多问题，因为这种比较忽略了中美两国之间两个非常重要的差异。（1）美国的高等教育毛入学率虽然高，但其辍学率也高，据统计，美国仅有70%的高校学生最终毕业，因此，美国新任总统奥巴马的教育发展战略中就有一条，即提供更多的联邦支持，努力降低辍学率。而在我国，所有本科院校学习四年取得学士学位的学生约占95%左右。这说明，仅用高等教育毛入学率来表示中美之间高等教育的差距，是有可能会放大的。（2）美国的劳动力市场是比较均质的，但我国的劳动力市场分割明显。高校培养的人才最终要走向劳动力市场，这意味着，并不是高等教育毛入学率越高越好，关键要看高等教育与劳动力市场之间是否匹配，包括规模、结构、质量等。美国劳动力市场的均质性决定了劳动力的流动性强，大学毕业生的就业选择空间更大。而我国的劳动力市场是异质的，城乡之间、东西部之间、城市内部正规部门与正规部门之间等，差异很大，而且由于制度原因，劳动力的流动性比较差。劳动力市场的异质性和分割性极大地限制了大学毕业生的就业选择空间。今年有610多万大学生毕业，大学生就业已成为了首要的就业问题，国务院常务会议为此还专门进行了部署。其实，在劳动力市场的异质性没有根本改变的情况下，大学生就业难问题短期内也难于根本解决。因为，我国大学的生源来自全国城乡每一个角落，但毕业生就业则主要选择在学校所在地、城市和东部沿海地区。这种来源和去向的极端不对称性，要求我们在使用高等教育毛入学率这一指标进行对比时要慎之又慎。考虑到劳动力市场分割问题和就业的城市偏向，除计算前述一般意义上的高等教育毛入学率外，还可计算另一种意义上的高等教育毛入学率，即高等学校注册生人数与城镇18-22岁年龄组人口数的比率。后一意义上的指标，可能无法进行国际比较，但对于思考当前的大学生就业难问题，对于思考我国高等教育的规模和发展速度问题，应该是很有价值的。

上述两个例子所说明的数字的准确性问题和准确数字的使用问题，在研究甚至决策过程中会经常遇到。相对来说，数字的准确性问题可能更普遍，更严重。要避免“数字化”的陷进，有赖学界同仁的共同努力，但更需要政府有关部门做出努力。比如失业率这一重要指标，我国政府一直只统计和公布城镇登记失业率，而更能说明问题的城镇调查失业率则没有公布。由于城镇调查失业率的计算有一套严格的标准，要经过科学的抽样，要求足够的样本，虽然学者也可以进行调查和计算，但如果由政府有关部门来计算和公布，则可能效果会更好。一个好的消息是，今年初，人力资源和社会保障部新闻发言人尹成基在一次新闻发布会上表示，人保部已经着手开展劳动力调查，将会在检验和分析的基础上争取尽早发布城镇调查失业率。（此文发表于《经济学家茶座》2009年第4期。）