正如黑兹利特所言，在这个故事中被大多数人所忽略的就是，当石头打碎玻璃后对于面包师、玻璃工人、裁缝、家具厂商等消费或生产选择行为的一系列“变化”。而且，这种“系列变化”也不是“一系列”，而是无限多样的“多系列变化”。原本面包师不是要去买一块新玻璃，而是准备用这笔钱去买一台新电视机，这样一来本来电视机厂商可能赚到的这笔钱，由于其他情况发生“莫名其妙的变化”却没能得到，这便是由此引发的“多叉”系列变化。
这类无限多变的“生活故事”，每天都在我们身边以丰富多彩的形式上演，只是我们没有用经济学家的眼光去冷静审视过而已。现在，我们已经清楚地认识到，在解析现实经济问题时，把握相关因素总体变化，而不是仅局限于理论模型给定的关键因素变化，具有何等重要的意义。但是，我们在现实生活中往往“很容易忘掉”这一点；为此，遇到问题先不要急忙下结论，要先看看是否还有“其他变化”我们没有考虑进去。
经济学家视点
☆ 变中有变。一件事情的变化很少不会带来其他事情的变化。
☆ 完美在细节之中。为了认识整个事件真相，就要识别所有相关因素的变化情况。
☆ 理论的抽象要回复到现实的具体处才有用。在对现实问题作判断时，首先要搜集足够的经验数据做支撑，综合考虑各种相关变量的变化方向和程度，才能最终判定某一变化带来的净效应是什么。
像经济学家那样思考
（1）假设，与不系安全带相比，当每个司机都系安全带时，车祸中的司机死亡人数会减少，那么是不是就可以说，系安全带就可以减少伤亡事故呢？为什么？
（2）消费者在购物时，对于同一件商品来说，在什么情况下愿买便宜的？又在什么情况下宁愿付高价？为什么？
（3）史密斯认为降低所得税率会增加所得税收入，而琼斯则认为降低所得税率将减少所得税收入。你赞同哪种观点？试解释原因并说明你在推论时所隐含的假设条件。
（4）在关于驾车系安全带的例子中，我们提到，系安全带将引起两个因素向相反的方向变化。具体讲，就是指每起车祸中司机死亡人数将减少，而车祸发生次数也将增加，最终司机死亡总数将取决于每个因素相对于另一因素变化的幅度大小。请从生活中举一类似例子来作相应解说。
（5）“如果一个因素（如Ａ）变化会引起另外两个因素（如Ｂ和Ｃ）发生变化，而且，这两个因素的变化方向相反，那么，我们就需要用一些经验数据来确认这两个作用方向相反的变量，在变化程度上引起的净效应。”你是否认同这个观点？请说明理由。
第5章 为什么预测比解释更难（1）
我们来设想一下，你已在课堂上学过一些经济学知识，而目前正在家里过暑假，恰好家里举办了一次聚会，有亲戚听说你学过经济学课程，就兴致勃勃地过来请教你：“近来房价一直在上涨，你能告诉我接下来一年半载这房价还会不会再涨啊？”
显然，这位亲戚是在与你讨论有关“预测”的事情。她想让你“预测”未来一段时间内房价会有什么变化：是继续上涨，还是下跌，抑或是保持稳定？
在经济学课堂上，当你学习了供给与需求的基本知识，如果让你“预测”竞争市场中的价格变化，这似乎是件轻而易举的事儿。因为你知道，在竞争市场中，供求决定价格。例如，某个商品，如果供给保持不变，需求增加价格会涨，需求减少价格就跌。
但是，这是在课堂上，不是在现实生活中。你在课堂上所谓的“预测”，其实是一种“解释”：老师把供给和需求变量作为“假设条件”告诉了你，让你知道供求与价格在竞争市场条件下究竟是一种怎样的关系，因此你觉得很“容易”。而在现实生活中，关键的问题恰恰在于，市场供求变化信息是我们谁也无法确切知道的。因此，在现实世界中，了解有关供给和需求究竟是怎么变化的就显得至关重要。
要预测，你须知道些什么
现在，让我们还是回到那个有关房价的问题上。你的亲戚表面上是在问你房价会如何变化，其实她是想知道，或相当于在问，未来房子的供给与需求将会怎样变化。因为，她肯定知道“物以稀为贵”的道理，知道了供求变化，她也就知道了价格会怎么变。于是，我们就将问题转换为判定如下13种供求变化的可能性：
1。需求增长，供给不变；
2。需求与供给都增长，但供给增长得更快；
3。需求与供给都增加，但供给增长得较慢；
4。需求与供给按同一幅度增长；
5。需求增长，供给下降；
6。需求下降，供给不变；
7。需求与供给都下降，但供给下降更快；
8。求与供给都下降，但供给下降得慢；
9。求与供给按相同幅度下降；
10。求下降，供给增长；
11。求不变，供给增长；
12。求不变，供给下降；
13。需求与供给都不变。
那么，到底哪一种可能性将会成为现实呢？
为了回答这个问题，你就得知道供给与需求都有哪些影响因素。
譬如，需求是下面一系列因素的“函数”，或取决于这些因素的变化，诸如人口规模的变化、货币供给的变化、替代品价格的变化、互补品价格的变化、人口年龄结构的变化、未来价格预期的变化、工资的变化等等。而供给也是一系列因素的函数，或者说取决于如下因素的变化，诸如技术的变化、生产力的变化、税赋的变化、一定区域供应商数量的变化、相关资源（对房屋来说，相关资源包括木材、混凝土、金属材料等）价格的变化等等。简言之，要了解供给与需求的变化，进而预测价格走势，你必须先了解所有影响供求变化的因素，诸如货币供应、相关资源价格等都将会有怎样的变化。
第5章 为什么预测比解释更难（2）
但这还不够。让我们再进一步设想一下，你现在已经掌握了所需要的所有数据：你知道相关资源的价格是否增加或减少，也了解（房屋建筑业）生产力将会增加还是减少，如此等等。然而，你还是有一个大麻烦：你不能确定这些影响因素中，究竟哪个变量比哪个变量对供给或需求的影响要大些或小些。
我们可以举个例子来说明这个问题。
假如，随着货币供应增加，人们对房屋的需求也增长；与此同时，随着生产力提高，房屋的供给也在增长。假设只有这两个因素增长了。我们再假设，在这个世界上只存在两件事情，一件是货币供应增长，另一件事情就是生产力提高。根据这个信息，你本可以预测房屋的需求和供给都会有所增长。但是，据此你还是没有办法知道在房价上发生了什么事情，因为你没法判断房屋的需求的增长是高于还是低于供给的增长，抑或是二者同步增长。换句话说，你需要弄清楚，这货币供应增长对房子需求的影响，与生产力提高对房子供给的影响，究竟哪一个更强烈些，哪一个更微弱些，或二者影响强度大致不相上下。
让我们再进一步简要总结一下：要做出关于房价走势的确切预测，你究竟需要知道些什么信息呢？归纳起来，有5个方面。
第一，你要知道房价是房屋需求与供给的函数。这一点，你可以从任何一门经济学课程中学到。
第二，你要知道供求可能发生的各种变化及其匹配情况，你可能注意到了我们列出的13种可能情况。关于这些信息，你同样可以在经济学课程中学到。
第三，你要知道什么因素会影响供给，哪些因素会影响需求。对此，任何一门经济学课程也都会告诉你的。
第四，你要知道当前影响房屋供求的所有因素及其变化情况。或者说，你需要知道货币供应、生产力、相关资源价格、人口及价格预期等都会发生什么变化。这些信息就不是经济学课程能够教给你的，实际当中要搜集掌握到通常也很困难，即便能够得到，似乎也很难令人确信。
第五，你应该知道在影响房屋供求的因素中，哪些因素影响强度相对更大些，尤其是在这些因素对房价影响方向不一致的情况下，这一点更为重要。以上例来说：货币供应增加，房屋需求会增加；生产力提高，房屋供给也增加。需求增加会使价格上涨，而供给增加会导致价格下降。但是，由于需求与供给不是毫不相干的，二者对房价会产生相反的拉力。在这场拉力比赛中究竟哪方会“赢”？这要取决于货币供给影响需求的强度与生产力影响供给的强度究竟哪个更大些。实际中，要确知这样的信息，不是一件容易的事情；而遗憾的是，没有此信息，要准确预测房价，那也是一件“很难很难”或“几乎不可能”的事情。
第5章 为什么预测比解释更难（3）
综上所述，我们得出的结论是：由于必要的“硬”信息往往难以获得，所以，要做出“斩钉截铁”的准确预测是不容易的。就算具备了供求分析的足够知识也白搭，因为你根本没有充分的信息、足够的时间去做精准预测。
要做解释，你只需知道些什么
假设一年半载过去了，房价真的涨了。现在，有人问你：“房价为什么会上涨？”在这里，那人是想让你给出一个“解释”，而不是叫你做“预测”。给出一个“合理解释”比做一个“正确预测”要容易些，因为这不需要那么多信息。
让我们回头来看一下前面列举的那13种可能情况。其中，只有第1、3、5、7、12这五种情况会导致价格上涨。例如，第1种情况是“需求增加，供给不变”，第3种情况是“需求增加，供给减少”。这两种情况都会导致涨价。
有一个办法，即通过分析猜中的几率大小，我们就可以知道，为什么合理解释要比正确预测容易得多。如果有人让你“预测”来年房屋市场的供求状况，你只有1/13的机会猜中，也就是说，你成功的几率大概是77％。但是，如果有人让你“解释”来年引起房价上涨的供求组合情况究竟是哪一种（也就是从中“挑”一个原因），你就会有1/5猜中的机会，也就是20％的成功几率。
现在，让我们来看看，你要做解释究竟应具备哪些信息。回顾一下可能导致房价上涨的五种供求情况：1、3、5、7、12。其中有三种情况（1、3、5）说到需求增长，有三种情况（5、7、12）提到供给下降。现在你需要知道的是，可能导致需求增长或供给减少的变量是什么，只要你发现其中哪怕是一个变量的信息，你就可以自动排除关于房价上涨的至少两种解释。
例如，如果你知道货币供给增加了，那么房屋需求就会增长。这种情况下，你可以自动排除第7种和第12种情况，因为第7种设定的是需求降低，而第12种是设定需求不变。或者，假如你知道生产力提高了，你就会判定供给会增长。这样你就可以排除第1、5、7和12这几种可能性，因为第1种情况是设定供给不变，而第5、7、12种情况的条件则是供给降低，这样，只有第3种情况是合理的解释：生产力提高导致供给增加，而房价上涨的唯一原因，就是需求增长的幅度比供给要大�