劳伦斯·克莱因（Lawrence R. Klein）的演讲
演讲日期：1984年10月25日
当我们研究伟大经济学家的成长历程，或是探索经济思潮何以会有特定走向时，我认为如果能深入了解当时经济情势与经济思想趋向之间的互动关系，必然会有丰硕的收获。这在总体经济学的范畴最为明显，但在整个经济学上亦不例外。在此举一个与我个人发展密切相关的例子，就是为解决二三十年代，尤其是经济大恐慌问题而出现的凯恩斯学派经济学。凯恩斯对当时的各项问题极感兴趣，也尝试发展出能解决这些问题的经济理论，但其间经过长期的酝酿。他的学术生涯深受第一次大战后签订的凡尔赛和约（Treaty of Versailles）的影响，其后还有英国金本位制、战后的通货膨胀、失业等等问题，最后才是1929年开始的经济崩溃。
我们大学在印制介绍手册时，会要求每位教授用几句话来说明自己为何投身到学术领域中。我之所以进入经济学的世界，是因为身为经济大恐慌时代的年轻人，我渴望了解周遭究竟发生了什么事。成长在那个年代，心里的确充满了苦闷，人们很容易因经济生活的问题而丧失斗志，就算是18或20岁的年轻人，也感觉不到有无穷的机会等待着他们。相比之下，在过去的二三十年，年轻人固然担心核战争的威胁，但也同时感受到，如果和平能维持下去，那么他们的未来会有各式各样的机会。
数学与经济学的结合
但当时另一项新兴事物，却给我带来了幸运。我的脑海里原本一直浮着一个想法，就是数学可以应用到经济问题的分析上。我在大学所修的课程，大部分不是数学就是经济学。我并不是富有原创力的数学家，也不是所谓的数学天才，这点我早由自己曾经参与的数学竞赛就知道了。不过我深深被大学的数学课程所吸引，同时产生了数学可以应用到经济学上的念头。例如，用数学式来表现需求曲线或收益的预估。当我泡在加利福尼亚大学柏克莱分校的图书馆里时，十分惊讶地看到，各种新兴学科的相关期刊内容十分深入，探讨问题的复杂程度，更是远远超过我的想像。
其实，我大学时代的指导教授并不赞同我在攻读经济学时兼修数学，但我依照自己的想法而行，充分利用了40年代初期柏克莱的最佳资源：一流的经济系、数学系以及数理统计系。有些人的成就可以追溯到高中时期，但我的学术专业则是发源自第二次世界大战前的柏克莱，以及其后获得的麻省理工学院奖学金。在麻省理工学院，我遇到了耀眼的经济学天才萨缪尔森。当年我在柏克莱的图书馆浏览时，曾经看过好几本早期的《计量经济期刊》（Econometrics），其中萨缪尔森的文章特别吸引我的目光。当我有机会前往麻省理工学院就读时，能和萨缪尔森共同研究的念头，或许更坚定了我的决心。一开始我在他手下担任研究生助理，除了极力找机会与他接触，也努力捕捉他在每次碰面时所传达的见解。
透过数学与政策应用，萨缪尔森成为阐释凯恩斯理论的先锋，而我既和他共事，也就马上面对两项挑战——其一是要让这种总体经济学的思考方式广为人所接受，其二是要让数理方法成为经济学研究的方法的一种。后来，这两项挑战都成功地完成了，但其间也经过一二十年遭受激烈反对的过程。
当萨缪尔森的《经济学》（Economics）成为经济学普遍使用的入门教科书时，凯恩斯经济学可以说自此根深蒂固，形成无法扭转的趋势。在接下来的一批批学生中，经济研究所的课程逐渐转向了数理的研究方法，因此学生学成后的教学或研究，也都是循此脉络。数理方法的终告确立，首先是在美国，继之则是欧洲、日本、印度以及世界各地，不过其中许多基础仍在欧洲建立，而且许多美国数理经济学大师都是外来移民。然而，萨缪尔森与弗里德曼等本土学者使数理经济研究具有美国本土特性，并在美国广受欢迎。
麻省理工学院的岁月，是我进入经济学专业的起步，而我离开研究所后的第一份工作，是在芝加哥大学的考列斯委员会（Cowles Commission）任职。当年我24岁，这份工作好像是又进入另外一个研究所。就像许多科学领域一样，其实我那时就是所谓的博士后研究员。
计量经济模型的起步
40年代末期的芝加哥大学经济学系，真可谓人才济济，这种坚强的阵容，恐怕是后无来者了。在我们这群亲密的工作伙伴里头，先后产生了四位诺贝尔经济学奖得主，而在下一代的考列斯研究人员——部分在芝加哥大学，部分在耶鲁大学——之中，又产生了两位得主。我们合力专注研究单一的课题——为美国经济建构整体的计量经济模型（继30年代丁伯根模型的第二度尝试），运用了当时最先进的统计学理论、经济学理论以及各种现有的资料。经过4～5年密集的研究之后，这个工作团体的成员陆续散开，展开了新的学术生命。不过我个人日后的研究，仍延续了这项建立总体模型的努力，而许多曾经与我共事的才俊，则分别在不同的经济学分支中一展才能——如库普曼（Tjalling Koopmans）在活动分析（Activity Analysis）上、阿罗在一般均衡理论上、西蒙（Simon）在决策分析（Decision Analysis）上、安德生（Anderson）在统计学上、马尔夏克（Jacob Marschak）在组织理论上等等。
