从找数据到生产数据：把金融排斥变成可测量的变量

一、被数据卡住的领域

普惠金融有一个长期的尴尬：研究对象越往下沉，统计痕迹越稀薄。大型银行的信贷流水、上市公司的财报、交易所的行情，都有现成数据库接着；而小微业主、农户、个体工商户和民间借贷参与者——普惠金融真正关心的对象——很少留下结构化记录。

现有的数据底座大致三层。宏观层是人民银行 2016 年建立、2021 年修订的普惠金融指标体系，覆盖账户拥有率、电子支付普及、贷款渗透等，颗粒度到省一级。微观层是 CHFS、CFPS 这类家庭调查与世界银行 Global Findex 的跨国账户口径：前者能问到信贷申请与被拒的经历，但两三年才有一轮，样本以万计而非以百万计；后者覆盖虽广，落到中国的样本细度却很有限。机构层是银行年报与监管报表，反映的是供给端"投了多少"，回答不了需求端"够不够用、贵不贵"。

真正麻烦的是三个看不见。信贷配给（credit rationing）在 Stiglitz 和 Weiss 1981 年的框架里是一种均衡结果：利率停在市场出清水平之下，一部分人想借借不到。它发生在信贷员的桌子上，不发生在任何统计报表里。金融排斥（financial exclusion）是一个过程，从网点撤并到产品门槛设计，散落在公告与条款的只言片语中。融资约束在实证里长期用 SA、KZ、WW 这类代理指数，可它们全都依赖上市公司财报——最缺钱的小微主体恰恰没有财报。更隐蔽的还有"不敢贷"群体（discouraged borrowers）：怕被拒绝而根本不去申请，连问卷里"申请被拒"的选项都接不到他们。

所以这个领域的约束从来不是信息不存在，而是信息没有被变成数据。判决书、年报、公文、招聘广告里躺着大量经济事实，只是读它们的成本过去高得离谱。

二、数据库可以围绕问题被生产

变化分两步到来。第一步是"读"的成本崩塌。Dell 在 2025 年《Journal of Economic Literature》的综述里系统梳理了深度学习进入经济数据工作的路径：文档数字化、记录匹配、文本分类、海量语料探索。第二步更进一步，是 2026 年 Afonso 等人提出的 Deep Research on a Loop（DRIL）：研究者事先规定好每个变量如何取值、按什么规则判定、证据要达到什么标准，AI Agent 据此循环作业——检索公开资料、核对证据、把结果写进数据库，直到数据集收口。作者用这条流程更新了全球税收支出数据，并给出一个分量不轻的判断：哪怕只自动化一部分，实证经济学生产数据的方式也可能被改写。

落到普惠金融，材料清单其实一直摆在那里：

以民间借贷利率为例。学界长期依赖温州民间融资综合利率指数这类监测，点位有限、覆盖受限。而裁判文书网的民间借贷判决书里，每一份都是一个"合同加执行结果"的标本。过去没人做全量提取，不是不可能，而是人工读几十万份判决书不现实。当"读懂一份非结构化材料"的边际成本被压到接近于零，这些材料第一次成为可开采的矿。

于是约束的性质变了。一项研究能不能做，不再取决于数据库是否已经存在，而取决于两件新事：原始材料是否可得，以及把它们转换成数据的方法是否可靠。

三、看不见的概念，接进同一条流水线

数据生产解决"有没有"。"测得准不准"是第二层，也是普惠金融受益最大的一层：那些从来没有天然指标的核心概念，第一次有机会被直接测量。

2026 年，Asirvatham、Mokski 和 Shleifer 提出 GABRIEL 工具，把 GPT 用于定性材料的属性测量（property measurement）：让模型按研究者定义的属性给文本打分——比如衡量一篇讲话对创新的拥护程度——再把这些判断转成可分析的变量。作者让 GPT 与人工在超过一千项标注任务上对表，并用这一方法建成了覆盖约 3.7 万项技术的数据库。

这件事的方法论含义在于：概念操作化的载体，从问卷题项变成了编码规则，也就是提示词。写问卷和写编码手册，本质上是同一门手艺——定义概念、给出情境、预防误读。普惠金融里一批经典难题，都可以沿着这条思路重新问一遍：

表中"生产路径"与"传统做法"的分界线要划清楚：模型只负责执行定义，不负责替你定义。"什么算被配给"这道题，Stiglitz-Weiss 之后四十多年里由理论回答，现在依然要由人来回答——只是答案的形态从"构造一个代理指数"变成了"写一份编码手册"。

编码手册才是这项研究设计的核心资产。问卷时代，题项设计决定测量效度；数据生产时代，这份职责整体迁移到提示词与编码规则上。它值得像问卷一样做预调研、试填和修订——文本变量进因果模型的工程细节，此前在本站 BERT 一文里有专门讨论。

四、生产出来的变量，能直接进回归吗

不能想当然。Ludwig、Mullainathan 和 Rambachan 在 2026 年《Annual Review of Economics》的框架里专门区分了两类用法：用 LLM 做预测，与用 LLM 做测量和估计。后一类里，模型输出是一个带误差的观测值。设真实概念为 $x_i$，模型给出的变量为 $w_i$：

如果误差 $e_i$ 是经典测量误差——与真值无关、无系统偏向——后果是熟悉的衰减偏误（attenuation bias）：

系数向零收缩，结论偏保守但方向不乱。麻烦在于，LLM 的误差通常不经典：换一个模型、改一句提示词、甚至模型悄悄升级版本，$e_i$ 的分布都会整体移动，而且移动方向没有保证。

这不只是理论警告。Yin、Vu 和 Persico 在 2026 年用三个前沿模型在同一套规则下重造"职业 AI 暴露"指标：三个版本的平均暴露水平最大差 3.6 倍，逐职业一致率最低只有 57%；把这些不同版本的指标放进同一套双重差分设计，个体层面估计系数最大相差 2.4 倍，县级分析里甚至出现从显著为负到不显著为正的翻转。同一个"测量"，足以翻动一个研究结论。

普惠金融场景还有三处额外敏感：

• 中文司法与公文语域特殊。"月息两分"要正确换算成"年化 24%"才能进面板，"借条"与"欠条"的法律含义差异更要求编码规则精确——模型理解不稳，就会直接污染利率变量。
• 裁判文书公开口径收紧。能被采集到的判决不再是总体的随机样本，这个选择偏差必须在研究设计里正面处理，AI 帮不上忙。
• 利率表述形式繁多。提取规则本身就是研究设计的一部分，不该外包给模型的默认行为。

Ludwig 等的验证框架与 Duan、Pelger 的纠偏工作给出了应对方向：保留人工验证样本校准误差结构，用多模型乘多提示词的组合做稳健性检验，必要时对估计量直接纠偏。这些工具有一个共同前提——承认手里的变量是生产出来的，不是观测到的。

五、一条可落地的生产流水线

把上面的要素串起来，一个谨慎的研究者可以这样组织数据生产：

1. 概念操作化

   把概念写成编码手册：正例、反例、边界情形的归档规则。定义含糊，后面全是垃圾进垃圾出。

2. 界定原始材料与抽样框

   来源清单、时间窗、可得性约束，以及最要紧的一点：缺失机制——哪些材料系统性地到不了你手上。

3. 撰写提示词与证据规则

   要求模型只依据原文片段作答并逐条引用，禁止调用外部知识；提示词本身纳入版本管理。

4. 构建金样本

   分层抽取数百条，双人背对背人工标注，分歧经仲裁后冻结。它是整条流水线的尺子。

5. 全量编码

   冻结模型版本与参数，逐批编码并保存全部原始输出，不做任何中间清洗。

6. 验证与纠偏

   对照金样本报告准确率与一致率；跑多模型乘多提示词矩阵查稳健性；必要时按误差结构纠偏后再进回归。

7. 归档与披露

   模型与版本、调用日期、提示词、原始输出、金样本、纠偏方法全部入库。"数据怎么来的"从此是研究设计的一部分。

三条红线：没有金样本不上全量——没有人工基准，任何"高准确率"都无从谈起；模型判定不当事实转述——变量来自编码规则，正文表述必须保留这一口径；不挑结果——稳健性矩阵要么全报告，要么别做。

六、扩大的是问题集合，不是证据的可信度

最后回到分寸。生产数据降低的是"做不了"的门槛：民间利率面板、政策力度指数、排斥强度测量，过去靠一两位博士生几年手工整理，或者根本做不动，现在几周可以跑通初版。但有两件事它没有改变。

一是重要性。可测量不等于值得测量，一个新变量要回答的仍是重要的政策问题：普惠金融资源的配置效率、小微信贷的传导机制、数字化对排斥结构的重塑。二是识别。变量再多，因果结论依然取决于设计，断点、配对、准实验这些老手艺一样不能少。产业界其实在走同一条路：广州落地的"Token 贷"把词元消耗、算力合同这些原本难以核验的信息变成授信依据（本站此前有专门讨论），与研究侧把非结构化材料变成变量，是同一枚硬币的两面。

对研究生来说，这门新手艺的门槛并不高：会写问卷就会写编码手册，懂抽样就懂金样本，学过测量误差就学得会纠偏。真正稀缺的从来不是处理能力，而是三样东西：挑得出重要的问题，写得出干净的概念定义，扛得住审稿人对生产过程的追问。

数据可以围绕问题被生产，是这一轮方法论变化给普惠金融最大的礼物；而判断哪些问题值得为它生产数据，仍然是经济学家的活儿。