两组数字放在一起看,会比较清楚。
美国劳工统计局 2025 年 5 月的数据:经济学家中位年薪 124,720 美元,全美岗位只有 18,600 个,2025 到 2035 年预计增长 5%—6%。同一年,中国 GDP 达到 140.19 万亿元、增长 5.0%,金融业增加值只增长 4.5%,信息传输、软件和信息技术服务业增长 11.1%。
一个岗位少而贵,一个盘子大但在换结构。这就是现在读经济学的真实处境。
01 美国的经济学研究生,两条路差得很远
学术型 PhD,五到六年,核心是微观、宏观、计量三套课,目标是高校、央行、国际组织和智库。这条路看论文和推荐信,不看实习经历。
应用型 MA 或 MSc,一到两年,课程围绕计量、因果推断、政策评估和编程展开。Duke 的 MAE、NYU 的 MA in Economics、Chicago 的 MACSS、Michigan 的 MAE,是常被提到的几个项目。
两者的分水岭不在学校,在“你会不会用数据回答一个具体问题”。R、Stata、Python 只是工具,真正难的是把一个模糊的疑问拆成可检验的假设,再判断结果可不可信。
02 美国这端:头衔少,薪资分叉
“经济学家”这个头衔,全美不到两万个岗位,十年只增加约 1100 个。基数小,增速略高于整体就业的 3.1%,但绝不是一个能容纳大量毕业生的池子。
真正吸纳经济学毕业生的,是旁边那些岗位。据美国劳工统计局职业就业与工资统计(2025 年 5 月):金融与投资分析中位年薪 102,740 美元,数据科学 120,230 美元,管理咨询 101,860 美元,市场研究 78,760 美元。这些岗位的数量,是“经济学家”的几十倍。
所以经济学留学的就业账,不该按“经济学家”来算,要按“分析类岗位”来算。而这一类岗位,正在被 AI 重写底层:数据清洗、初稿撰写、基础建模,机器越来越快;提假设、解释异常、把结论讲给决策者听,仍然得靠人。
03 中国这端:金融不再狂奔,产业在要人
2025 年,国内生产总值 140.19 万亿元,增长 5.0%;第三产业占 57.7%,最终消费对增长的贡献率 52.0%。结构上有两个数字更值得注意:金融业增加值 101,337 亿元,增长 4.5%,低于 GDP 增速;信息传输、软件和信息技术服务业 70,599 亿元,增长 11.1%。
这两个数的差值,大致就是岗位的去向:纯金融机构的扩张在放缓,产业侧的数据与研究需求在扩张。
落到具体岗位上:券商研究所要会写行业深度、能跑产业链调研;银行总行要会做压力测试与资产质量模型;产业公司要会做需求预测、定价和政策测算;平台企业要会做用户增长与供需匹配的归因。
经济学训练里比较硬的那部分,恰好是这些岗位的底层:识别因果、处理内生性、把相关性讲成机制。
04 中美对比:两种不同的定价方式
把关键项摆在一起,差别会更具体。
|
维度
|
美国
|
中国
|
|
市场阶段
|
分析岗细分成熟,门槛高
|
金融收缩、产业侧扩张
|
|
岗位基数
|
经济学家仅 1.86 万个
|
金融业增加值年增 4.5%
|
|
收入水平
|
经济学家中位 12.47 万美元
|
机构与岗位之间分化明显
|
|
成长路径
|
学位—实习—头衔,节奏偏慢
|
项目制跳跃,三年一个台阶
|
|
关键能力
|
计量、编程、英文写作
|
产业理解、政策敏感度、中文表达
|
一句话:美国卖的是“可验证的分析能力”,中国买的是“能把分析变成决策的人”。前者讲证据链,后者讲判断力。
微信扫一扫









