比较出真知；乱比较难免会出谬知。本文提出国际比较的几个方法论问题，都是笔者的内省，不揣浅陋，野人献曝，写出来请方家指正。
国际比较作为一种归纳方法，基本道理是，一定条件下其他经济体的某些制度、战略、政策起到了某种效果，那么，另一经济体在类似条件下加以借鉴，也应该能起到类似效果；其他经济体呈现出某种共性，那么该共性很可能在另一经济体也表现出来。
为了得到可靠结论，就需要尽可能地控制地理、文化、人口规模、发展阶段、法律传统等因素，以提高可比性。但在公共政策研究中，从国际比较中得到经得住推敲的结论，实在不是一件容易的事。下面是几点体会。
第一，15岁和50岁不可比。同一时间点上不同发展阶段经济体之间的机械比较不可取。这一点很容易理解，但现实当中却不容易避免。
比如，拿中国的服务业比重和美国比，无疑会发现中国服务业比重低很多。于是说中国产业结构不合理、落后。如果分析停留在这里，倒也罢了。倘若继续往下走，得出中国应该出台这样那样的政策以使服务业比重尽快达到美国那样高的水平，就有害无益了。
笔者常常用这样一个例子来说明这种比较是多么不合理。山姆吃馒头，馒头上标着1、2、3三个数字。依次吃下这三个馒头后，饱了。在一旁观察的龙人发现，山姆吃下标号为1和2的馒头，都没有说吃饱；而一吃下去标号为3的馒头就说吃饱了。看起来1号和2号都没用，关键在于吃了第3号馒头。于是龙人拿起自己面前标号为3的馒头吃起来，希望吃下去这个馒头就饱了。这显然是荒谬的比较，在报纸杂志甚至严肃的学术刊物中却并不鲜见。
馒头故事看上去很不靠谱。中美之间发展差距如此之大，明显不可比。那么，人均GDP水平接近的经济体之间，可比性又如何呢？
第二，两个身高1．2米的人，未必都是6岁的孩子。同一时点上人均收入水平相当的经济体，相互比较时也需要谨慎。同一时间点上人均收入相同，虽然在一定程度上表明两个经济体发展阶段类似，但也并不表明一国的经验对另一国具有启示。
按照世界银行的世界发展指数，2014年中国人均GDP为7590美元。同年黑山、多美尼加、博茨瓦纳、圣文森特及格瑞纳丁群岛、利比亚、南非和伊拉克，人均GDP稍低于中国，介于7378美元到6420美元之间；马尔代夫、圣卢西亚、保加利亚、阿塞拜疆、哥伦比亚、白俄罗斯、格林纳达和土库曼斯坦，人均GDP稍高于中国，介于7590美元到9031美元之间。这些经济体人均GDP水平和中国接近，它们的经验是否一定可取？未必。这些经济体有些规模很小，和中国这样体量的经济体的可比性明显比较小。
考虑到这一点，选取规模较大的经济体来看，其经验就可取么？也未必。来看更具体的分析。过去20年中，南非人均GDP年增长速度的算术平均值是1．30％，保加利亚是3．61％，哥伦比亚是2．29％。而中国同期则是8．83％。从寻找促进经济社会进一步发展的政策出发，即使这些经济体2014年人均GDP水平和中国接近，它们很难为中国未来发展提供可资借鉴的经验。
这背后的道理有两方面。一是各国汇率决定因素非常复杂。二是这些经济体2014年人均GDP水平，本身就是其制度、战略和政策的结果。如果它们在过去20年中各方面发展得更好的话，它们2014年的人均GDP水平应该更高。如果说这些国家有什么值得中国吸取的话，应该是它们的教训。
第三，两个身高1．2米、体重23公斤的人，也未必都是6岁的孩子。按购买力平价衡量人均GDP相同的经济体，也未见得完全可比。
购买力平价衡量的人均GDP，在经济体之间横向可比性、跨年纵向可比性、跨国跨年的综合可比性，似乎都更好些。但购买力平价方法在解决了一些问题的同时，其实也带来一些问题。
购买力平价方法的合理性是所谓一价定律，即面包在不同国家的价格应该相同，电脑的价格也应该相同，理发的价格也如是。这听上去很有道理。但购买力平价所要衡量的，不只是一种产品，而是千千万万种产品。于是，该方法采用了一系列令人眼花缭乱的技术手段，根本精神是在国别间取平均值。比如，首先把消费品子类中各具体商品的相对价格取平均值，接下来进一步把各消费品子类支出在总支出中所占比重纳入考虑，进一步取平均值。这种多层次平均的根本目的，是在多种商品的背景下贯彻一价定律。这样做固然有很大价值；但也未必就绝对好于直接用汇率方法衡量的结果。具体来说，在生产者、消费者各自优化选择和市场引导之下，富裕程度不同的经济体之间，居民消费支出中衣食住行等各子类所占支出本就应该不同，各子类内部具体商品的相对价格也本该不同。一旦层层平均之后，实际上会低估富裕经济体货币购买力，高估贫穷经济体货币购买力。
考虑到这些因素，用购买力平价衡量的人均GDP为依据选取比较对象时，要注意三点。一是实际发展水平的差距，可能比购买力平价衡量的人均GDP差距大；可能比汇率方法衡量的人均GDP差距小。二是即使购买力平价衡量的人均GDP相近的经济体之间，经验的可借鉴性未必有多大，原因如前文所述，购买力平价方法衡量的人均GDP数据本身，也仍然是制度、战略和政策的结果。如果制度、战略和政策得当，一些经济体的人均GDP本来可能会更高。三是跨国跨时比较时，同样不能刻舟求剑。比如按照麦迪森的世界经济统计数据，2008年中国人均GDP水平相当于美国1926年和1940年的情形。那这意味着中国应该亦步亦趋地采纳美国那些时期的政策么？显然不是。
第四，西瓜籽和黄瓜籽不一样。以两个例子说明这一点。
首先还以服务业比重为例。中国和美国直接进行服务业比重比较，明显不可取。一个看上去更合理的说法是，印度发展阶段比中国还低，可印度服务业比重比中国高，所以中国应该加快发展服务业。这样的比较不无道理，如果体制、政策和相关的人力资本水平改进了，中国服务业比重会比现有水平高。但必须搞明白印度服务业比重高，其实是制造业发展不足的镜像表现而已。考虑到印度服务业对整体经济的带动、在地理空间上的分布、受益人群的分布格局，很难说中国早早形成印度那样的服务业格局，就一定好。事实上，朝鲜由于坚持所谓先军政策，军事活动比重大，无疑会导致其服务业比重很高。朝鲜发展阶段比印度还低，那是不是中印都应该像朝鲜那样发展服务业呢？答案不言而喻。
再举一个关于房价的例子。一个流行的说法是，孟买房价和上海一样高。这个说法本身并不太离谱。但笔者到孟买调研之后才理解，这个说法背后的故事并不简单：支撑上海房价的是海量的供和求；而支撑孟买高房价的则是很小的成交量。孟买的常见图景是，一片贫民窟当中立着一个火柴棍似的高楼。这个高楼的单价可能和上海相当，但周边贫民窟的土地拥有者都以这一个高楼的楼面价做参照，确定自己土地的出让价格。不妨做一个思想实验，倘若孟买给新楼盘的供地规模达到上海那么高的话，孟买的房价还会那么高么？
第五，西瓜子、香瓜瓤、黄瓜皮凑不出什么可口的瓜来。具体来说，各种政策其实都是嵌套在更复杂的政策体系中的一个环节；在不同国家截取不同的政策，然后拼盘而成政策建议，并不可取。
比如，设想针对提高我国医疗服务水平这个目标，用上述拼盘的逻辑，很可能基于国际比较而给出这样的政策建议：像英国和古巴那样免费医疗；像美国那样把医疗总支出占GDP的比重提高到20％以上；像好多西方国家那样建立私人医生制度；像印度那样仿制专利药品，等等。这些大拼盘的建议，每一条或许都有一定可取之处，但拼盘的方法论有瑕疵。因为某一项具体的政策，实际上有其特定的原因和背景。希望把数学、物理、化学、语文各科状元的成绩都体现到自己孩子身上，愿望良好，但难以实现。更何况，有时候具体政策在作为比较对象的经济体中，本就没有起到非常好的效果。
第六，大烩菜值得吃，但不能因此认为白菜和粉条各自的原味，就都是烩过后的那样雷同。
大烩菜算是一种粗放的做菜方式。而有些看上去精致的数据分析，精神实质却类似于大烩菜这种粗放的做菜方式。比如，有人用二战以来全球所有经济体的平均增速为2％—3％为依据，说中国经济增速有很大概率在短期内回归到全球平均增速水平。
这种说法，就如同把不同发育阶段的人的身高混起来说事一样，不靠谱。人的寿命平均75岁，而长个子这件事基本上在20岁之前就完成了。一个人有75个样本值，其中前20个是身高为一定的正数，比如每年9厘米；而后面的55个样本中身高增速为零甚至为微弱的负数。把75个样本一起加以平均，得到的结果比如说是每年2．4厘米。这看上去是严谨的，这样的计算也不能说没有任何价值，比如，可以用这个平均数，去和火星人一生中身高年均增速进行比较。但是，倘若以75个样本的平均数作依据，指着另一个15岁的地球人说：“年轻人，你身高已经快速增长了15年了，下一年你身高增速有很大概率会回归人体身高增速的平均值，即降低到2．4厘米左右。”这显然不靠谱。
与人的发育阶段的例子类似，二战以来全球各经济体大致有三种类型较分明的增长，第一种是成熟国家，类似于成人，个子不再长了；第二种是还没有起飞，经济低增长，类似于还在婴儿期，个子长得慢；第三种是高速追赶，类似于青春期的小伙子，个子快速长大。当援引国际经验判断一个经济体的增长潜力时，需要首先搞清楚其处在哪个发育阶段。
作为结尾，笔者想说的是，国际比较作为一种归纳方法，本该是一种非常严谨的、科学的东西；但实际上却偏偏有点像艺术一样。拿捏好可比性，需要非常谨慎。笔者的粗浅体会是，应该主要借鉴20—30年前和本国当前发展阶段相近，且在这20—30年内实现较快经济社会发展的经济体的经验。
当然，在做国际比较时，具体问题具体分析的原则，更应该时刻记在心中。
（作者系国务院发展研究中心发展战略和区域经济研究部副部长）
文章来源：中国改革论坛网，转载自《中国经济时报》
详见：http://www.chinareform.org.cn/Economy/Macro/Practice/201604/t20160421_247351.htm