两位青年经济学者,如何把研究带向真实世界?
从改善公共治理,到为AI时代建立更可靠的经济分析方法
NUS人文社科学院(FASS)公布2026/27年度Faculty Research Awards获奖名单。
来自NUS经济系的Martin Mattsson助理教授与Ming Li助理教授共同获得Award for Promising Researcher(杰出潜力研究者奖)。
两位学者走在不同的研究路径上:一位通过实地实验和数据分析,研究公共机构如何更有效、公平地服务民众;另一位发展新的计量经济学方法,帮助研究者理解社会网络、人工智能生成数据与复杂经济现象。
好的社会科学研究,不只解释世界,
也尝试创造更可靠的方法,帮助政策与社会作出更好的选择。
01|NUS FASS为何设立这项研究奖?
FASS Faculty Research Awards旨在肯定学院教职人员在研究上的成就,共设两个类别。
Award for Excellent Researcher:关注研究的整体影响力、持续卓越表现及重要突破。
Award for Promising Researcher:面向取得博士学位不超过五年的研究者,肯定其独立开展、具有潜在影响力与发展前景的研究。
本届两位获奖者均获“杰出潜力研究者奖”。奖项既是对已有成果的认可,也关注他们正在形成的长期研究方向。
02|Martin Mattsson:怎样让公共机构真正改善生活?
Martin Mattsson助理教授的研究横跨发展经济学、政治经济学与公共经济学。他关心的核心问题很直接:政府制度如何设计,才能提供更好的公共服务,并改善更多人的福祉?
他的研究大量使用实地实验与现代计量方法,覆盖孟加拉国、印度、巴基斯坦、越南和巴西等地。
其中一项研究检视公共部门绩效计分卡的影响。结果提醒政策制定者:信息系统会推动被衡量的指标改善,但如果制度只强调办事速度,却没有同时衡量廉洁、公平或服务质量,行为可能出现意料之外的变化。
这项发现说明,数字化管理工具并非天然有效。系统“测量什么”,往往就会改变组织“追求什么”。

03|从反腐治理到南亚空气污染
Mattsson助理教授近期也把研究重点延伸到南亚空气污染问题。
他的团队研究家庭为何较少采用空气净化器,也利用机器学习分析卫星图像,定位孟加拉国数以千计的砖窑,再结合空气质量模型,估算不同砖窑造成的健康影响。

这些工作并非只为了绘制更精细的污染地图,而是希望帮助资源有限的监管机构回答一个现实问题:执法力量应该优先放在哪里,才能减少最多的健康损害?
研究的价值,不只在于发现问题有多严重,
还在于把证据转化为有限资源下可以执行的优先顺序。
他目前主持新加坡教育部Tier 2研究项目“Evaluating Public Sector Governance in Asia”,研究公共机构的设计如何影响亚洲治理质量,项目期为2026年至2028年。

04|Ming Li:当AI数据进入经济研究,怎样保证结论可信?
Ming Li助理教授是NUS经济系教师,也是NUS风险管理研究所研究员。他的研究涵盖计量经济学、宏观经济学、实证产业组织、人工智能与经济学,以及社会网络。
计量经济学的任务之一,是帮助研究者从复杂数据中识别可信关系。但现实数据很少像教科书那样整齐:个体彼此连接、行为相互影响,许多关键特征无法直接观察,AI生成的数据又带来新的误差与推断问题。
Li助理教授专注于为这些情境发展更严谨的识别、估计与统计推断方法。
他与合作者发表于《Journal of Econometrics》的网络形成研究,探讨在效用不可转移的关系网络中,如何识别和估计个体互动;该论文于2025年获得Zellner Award最佳理论论文奖。

05|AI时代,数据更多不等于答案更可靠
Li助理教授目前主持新加坡教育部Tier 1研究项目“Econometric Inference for Network Models with AI-Generated Data”,项目期为2026年至2029年。
项目尝试为使用AI生成数据的网络模型建立有效的计量推断框架。这一方向具有现实意义:AI可以快速处理文本、补充样本、模拟行为并生成新数据,但如果研究者没有充分理解数据如何产生,传统统计方法可能低估不确定性,甚至给出看似精确却不可靠的结论。

AI生成数据带来的关键问题包括:
● 数据中的误差是否具有系统性?
● 网络成员之间是否相互影响,不能视为独立样本?
● 传统置信区间是否仍然有效?
● 模型结论能否推广到真实人口与真实经济环境?
因此,AI为经济研究带来的不仅是效率提升,也提出了新的方法论责任:研究者必须说明结论在什么条件下可信,又有哪些边界。

06|两条路径,共同体现NUS社会科学的研究方向
Mattsson助理教授从现实制度与社区问题出发,利用实验、行政数据、卫星图像和机器学习寻找可执行的政策证据;Li助理教授则从方法基础出发,为复杂网络和AI数据建立更可靠的分析工具。
两人的研究一“向外”,深入政府、社区与环境现场;一“向内”,检验数据与模型能否支撑可信结论。但它们共享同一目标:让社会科学既能理解复杂世界,也能为公共决策提供更严谨的依据。
这也说明,在NUS的人文社会科学研究中,传统学科边界正在不断延伸。经济学可以与公共治理、环境健康、卫星遥感、人工智能和网络科学连接,而真正重要的衡量标准,始终是研究能否提出值得回答的问题,并产生可验证、有意义的知识。
从改善制度到校准算法,
NUS青年学者正在为更好的决策建立证据与方法。