兩位青年經濟學者,如何把研究帶向真實世界?
從改善公共治理,到為AI時代建立更可靠的經濟分析方法
NUS人文社科學院(FASS)公布2026/27年度Faculty Research Awards獲獎名單。
來自NUS經濟系的Martin Mattsson助理教授與Ming Li助理教授共同獲得Award for Promising Researcher(傑出潛力研究者獎)。
兩位學者走在不同的研究路徑上:一位通過實地實驗和數據分析,研究公共機構如何更有效、公平地服務民眾;另一位發展新的計量經濟學方法,幫助研究者理解社會網絡、人工智慧生成數據與複雜經濟現象。
好的社會科學研究,不只解釋世界,
也嘗試創造更可靠的方法,幫助政策與社會作出更好的選擇。
01|NUS FASS為何設立這項研究獎?
FASS Faculty Research Awards旨在肯定學院教職人員在研究上的成就,共設兩個類別。
Award for Excellent Researcher:關注研究的整體影響力、持續卓越表現及重要突破。
Award for Promising Researcher:面向取得博士學位不超過五年的研究者,肯定其獨立開展、具有潛在影響力與發展前景的研究。
本屆兩位獲獎者均獲「傑出潛力研究者獎」。獎項既是對已有成果的認可,也關注他們正在形成的長期研究方向。
02|Martin Mattsson:怎樣讓公共機構真正改善生活?
Martin Mattsson助理教授的研究橫跨發展經濟學、政治經濟學與公共經濟學。他關心的核心問題很直接:政府制度如何設計,才能提供更好的公共服務,並改善更多人的福祉?
他的研究大量使用實地實驗與現代計量方法,覆蓋孟加拉國、印度、巴基斯坦、越南和巴西等地。
其中一項研究檢視公共部門績效計分卡的影響。結果提醒政策制定者:信息系統會推動被衡量的指標改善,但如果制度只強調辦事速度,卻沒有同時衡量廉潔、公平或服務質量,行為可能出現意料之外的變化。
這項發現說明,數字化管理工具並非天然有效。系統「測量什麼」,往往就會改變組織「追求什麼」。

03|從反腐治理到南亞空氣污染
Mattsson助理教授近期也把研究重點延伸到南亞空氣污染問題。
他的團隊研究家庭為何較少採用空氣凈化器,也利用機器學習分析衛星圖像,定位孟加拉國數以千計的磚窯,再結合空氣品質模型,估算不同磚窯造成的健康影響。

這些工作並非只為了繪製更精細的污染地圖,而是希望幫助資源有限的監管機構回答一個現實問題:執法力量應該優先放在哪裡,才能減少最多的健康損害?
研究的價值,不只在於發現問題有多嚴重,
還在於把證據轉化為有限資源下可以執行的優先順序。
他目前主持新加坡教育部Tier 2研究項目「Evaluating Public Sector Governance in Asia」,研究公共機構的設計如何影響亞洲治理質量,項目期為2026年至2028年。

04|Ming Li:當AI數據進入經濟研究,怎樣保證結論可信?
Ming Li助理教授是NUS經濟系教師,也是NUS風險管理研究所研究員。他的研究涵蓋計量經濟學、宏觀經濟學、實證產業組織、人工智慧與經濟學,以及社會網絡。
計量經濟學的任務之一,是幫助研究者從複雜數據中識別可信關係。但現實數據很少像教科書那樣整齊:個體彼此連接、行為相互影響,許多關鍵特徵無法直接觀察,AI生成的數據又帶來新的誤差與推斷問題。
Li助理教授專注於為這些情境發展更嚴謹的識別、估計與統計推斷方法。
他與合作者發表於《Journal of Econometrics》的網絡形成研究,探討在效用不可轉移的關係網絡中,如何識別和估計個體互動;該論文於2025年獲得Zellner Award最佳理論論文獎。

05|AI時代,數據更多不等於答案更可靠
Li助理教授目前主持新加坡教育部Tier 1研究項目「Econometric Inference for Network Models with AI-Generated Data」,項目期為2026年至2029年。
項目嘗試為使用AI生成數據的網絡模型建立有效的計量推斷框架。這一方向具有現實意義:AI可以快速處理文本、補充樣本、模擬行為並生成新數據,但如果研究者沒有充分理解數據如何產生,傳統統計方法可能低估不確定性,甚至給出看似精確卻不可靠的結論。

AI生成數據帶來的關鍵問題包括:
● 數據中的誤差是否具有系統性?
● 網絡成員之間是否相互影響,不能視為獨立樣本?
● 傳統置信區間是否仍然有效?
● 模型結論能否推廣到真實人口與真實經濟環境?
因此,AI為經濟研究帶來的不僅是效率提升,也提出了新的方法論責任:研究者必須說明結論在什麼條件下可信,又有哪些邊界。

06|兩條路徑,共同體現NUS社會科學的研究方向
Mattsson助理教授從現實制度與社區問題出發,利用實驗、行政數據、衛星圖像和機器學習尋找可執行的政策證據;Li助理教授則從方法基礎出發,為複雜網絡和AI數據建立更可靠的分析工具。
兩人的研究一「向外」,深入政府、社區與環境現場;一「向內」,檢驗數據與模型能否支撐可信結論。但它們共享同一目標:讓社會科學既能理解複雜世界,也能為公共決策提供更嚴謹的依據。
這也說明,在NUS的人文社會科學研究中,傳統學科邊界正在不斷延伸。經濟學可以與公共治理、環境健康、衛星遙感、人工智慧和網絡科學連接,而真正重要的衡量標準,始終是研究能否提出值得回答的問題,並產生可驗證、有意義的知識。
從改善制度到校準算法,
NUS青年學者正在為更好的決策建立證據與方法。