健康資訊大爆炸：從書中自有黃金屋說起
研究發現，忽略異質性會過分簡化經濟模型，並有誤導政策的風險。
先來個經濟題：作為世界首富，馬斯克當年攻讀博士學位只讀了兩天就退學，學歷比我低。他還曾經表示，現在獲取知識多半是免費，不必上大學也能學到新知識。問題是，勸學篇有所謂書中自有黃金屋，經濟學亦有驗證讀一年書工資回報10%的明瑟方程，學歷比我低的馬斯克為甚麼收入比我高？經濟學的答案是，個人收入取決於學歷反映的知識之外，還有經驗、天賦等因素，這些因素除了直接影響個人收入，亦間接左右我們在學校的學習回報。於是，馬斯克和我之間這學歷以外因素的異質性，解釋到他的收入為甚麼比我高。換句話，從公共政策角度看，推動教育可以是合符成本效益的人力資本投資。然而，從個人建議的角度看，忽略個人與個人之間的異質性，合符社會成本效益的教育政策在個人層面可以是誤導的人力資本投資建議。馬斯克和我的例子，馬斯克完成他的博士學位，他可能還會成為世界首富：我讀博士學位兩天就退學，卻不會讓我成為香港馬斯克。
忽略異質性導致的政策風險，正是我的芝大老師赫曼(James Heckman)在他諾貝爾演說《Micro Data, Heterogeneity, and the Evaluation of Public Policy: Nobel Lecture》中強調的。我認為，忽略異質性這個老問題，正正就是今天健康資訊大爆炸，互聯網上健康KOL推廣的健康資訊往往違反醫學界臨床指引背後的一個重要原因。我當然理解互聯網上大藥企陰謀論吸引之處，但我更認為忽略異質性才是雙方陣營的深層次矛盾。醫學界臨床指引背後的學術研究，往往是基於嚴謹的隨機對照試驗(randomized controlled trial)結果，但這些結果的表達又往往側重平均治療效應。問題來了，從個人健康建議角度看，有效的平均治療對某些個人來說未必是最佳建議，部分無效，甚至反效果，在互聯網上一經放大後果卻一發不可收拾。對症下藥，而非按指引下藥，正是個人健康數據愈見整備之下發展個人化的精準醫療的關鍵。