Grow-002 如何拆解經濟議題 (Economic Issue Analysis Framework)
我們每天都會看到很多看似矛盾的經濟新聞。有些新聞告訴我們，台灣 GDP 創新高，經濟表現非常亮眼；但同時，我們又可能看到另一則新聞說，台灣平均薪資雖然達到 4 萬 7 千元，但有七成勞工其實沒有達到平均。再過幾天，可能又看到便當、外食價格上漲，年輕人開始流行搶超商的「友善時光」。這些資訊看起來好像彼此矛盾，但其實不一定如此。總經數據通常只能反映經濟的一部分面向，不同指標只是從不同角度描述台灣經濟的變化。真正重要的是，我們能不能把這些現象拆開，理解背後原因，並用資料驗證自己的判斷。這篇文章會帶你學會一套簡單的議題拆解框架：觀察現象 → 提出問題 → 拆解假設 → 尋找資料 → 分析驗證 → 形成結論。這套方法不只是用在總經分析，也可以幫助你在面對新聞、工作、投資與生活決策時，能用更有邏輯的方式形成自己的判斷。
為什麼議題拆解能力很重要？
- 看懂新聞背後的邏輯與脈絡：新聞常告訴我們「發生了什麼」，但不一定說清楚「為什麼發生」。透過拆解，可以判斷這是短期波動、長期趨勢，還是特定產業帶動。
- 把模糊感受變成可分析問題：例如「經濟很好，為什麼我無感？」一開始只是感受；拆解後，可以轉成產業、薪資、物價與生活成本等面向來分析。
- 讓生活與投資判斷更有依據：面對景氣變化、物價上漲、薪資停滯或市場熱度時，不只是靠感覺反應，而是回到資料理解原因與風險。
- 養成自己的思考力與判斷力：經濟議題常有不同說法。學會拆解後，可以先問「證據是什麼？還有哪些可能原因？」再形成自己的判斷。
6 步驟拆解議題
議題拆解分析框架，是把一個模糊的經濟現象，拆成可以回答的問題、可以驗證的假設，並透過資料一步一步形成結論的方法。這套框架可以分成六個步驟，每一步都有不同任務：
- 觀察現象：描述發生了什麼事
- 提出問題：把現象轉成可以分析的問題
- 拆解假設：把問題變成可以驗證的假設
- 尋找資料：根據假設找到對應指標
- 分析驗證：資料是否支持你的假設？
- 形成結論：回答核心問題並用資料佐證
接下來，我們一步一步來看。
第一步：觀察現象——描述發生了什麼事
分析的第一步，先別急著解釋原因，而是把現象描述清楚。
很多人看到新聞時，會直接跳到判斷。例如看到「GDP 創高」，就說經濟很好；看到「物價上漲」，就說政府沒控制好物價；看到「台股創高」，就說現在市場過熱。
但在分析之前，我們應該先問：
- 發生了什麼變化？
- 是上升、下降，還是出現落差？
- 這個變化是短期波動，還是長期趨勢？
- 哪些產業、地區或族群特別明顯？
- 這件事和生活、工作或投資有什麼關係？
例如：
我觀察到台灣 GDP 成長率大幅上修，AI、半導體與出口表現亮眼，但很多人仍覺得薪資成長有限、生活成本壓力很高。
這就是一個比較好的觀察。它不是結論，而是先把現象說清楚：台灣總經數字表現很好，但多數人的生活感受沒有同步改善。而這個「落差」，就是後面分析的起點。
第二步：提出問題——把現象轉成可以分析的問題
觀察到現象後，下一步是提出核心問題，並列出 2–3 個延伸問題。
寫下並釐清：
我真正想理解的是什麼？
例如：如果台灣經濟真的成長很快，為什麼多數人的薪資與生活感受沒有同步變好？
而針對這個核心問題，可以進一步提出幾個延伸問題：
- 經濟成長的受惠族群，是否集中在特定產業？
- 企業營收與出口變好，是否有反映到一般人的薪資？
- 物價與生活成本，是否削弱了薪資成長帶來的感受？
好的問題通常有幾個特徵：
- 第一：它不能太模糊。
- 第二：它可以用資料回答。
- 第三：它能連結到你想真正關心的事情。
所以，提出問題不是在找答案，而是在決定接下來要分析的方向。
第三步：拆解假設——把問題變成可以驗證的假設
有了核心問題後，接下來才是拆解假設。
這一步很重要，因為很多人會把「問題」和「假設」混在一起。
簡單來說：
問題是你想知道什麼；
假設是你準備用資料驗證的可能答案。
例如，核心問題是：
如果台灣經濟真的成長很快，為什麼多數人的薪資與生活感受沒有同步變好？
我們可以拆成幾個假設：
- H1：GDP 成長主要集中在 AI、半導體與出口產業。
- H2：整體受僱者薪資成長低於 GDP 成長。
- H3：物價指數年增率高於每人每月總薪資年增率。
這些假設都有一個共同特色：它們可以被資料檢查。
好的假設要符合幾個原則：
- 第一，假設要明確
- 不建議寫：大家無感可能是因為經濟成長不平均。
- 比較好的寫法是：GDP 成長主要集中在 AI、半導體與出口產業→這樣後面才知道要查 GDP 組成、出口結構與產業資料。
- 第二：假設要單一
- 一個假設最好只檢查一件事。
- 不建議寫：GDP 成長集中在科技業，而且薪資沒有變好，所以大家無感。這句話混合了兩個方向，應該拆開。
- 比較好的寫法是：
- H1：GDP 成長主要集中在 AI、半導體與出口產業。
- H2：整體受僱者薪資成長低於 GDP 成長。
- 第三：假設要能比較
- 最好可以用「高於、低於、上升、下降、有差異、無差異」來檢查，這樣後面才能用資料驗證。
- 例如：
- 薪資成長低於 GDP 成長。
- 科技業薪資高於整體平均薪資。
- 食物類 CPI 上升幅度高於整體 CPI。
- 第四：假設要能對應資料
- 設立假設時，就要先想：我要用什麼資料來驗證它？
- 如果一個假設完全找不到資料驗證，它就比較不適合放進這份分析裡。
第四步：尋找資料——根據假設找到對應指標
有了假設之後，就有更明確的方向去找對應的指標與資料
從上述的假設，我們可以找到對應的資料，例如：
| 假設 | 需要查的資料 |
|---|---|
| GDP 成長主要集中在 AI、半導體與出口產業 | 產業別 GDP、出口結構、製造業生產指數 |
| 整體受僱者薪資成長低於 GDP 成長 | GDP 成長率、每人每月總薪資、經常性薪資、產業別薪資 |
| 物價指數年增率高於每人每月總薪資年增率 | CPI、食物類 CPI、房租類 CPI、薪資年增率 |
每一個資料，都是為了檢查某個假設是否成立。
在這一步，也要注意幾件事：
- 資料來源是否可靠？
- 資料時間範圍是否一致？
- 指標定義是否理解清楚？
- 是看總量、年增率，還是結構占比？
第五步：分析驗證——資料是否支持你的假設？
找到資料後，接下來是判斷這些資料是否支持我的假設？
驗證結果通常可以分成三種：
| 驗證結果 | 意思 |
|---|---|
| 成立 | 資料大致支持假設 |
| 部分成立 | 資料支持部分方向，但仍有例外或限制 |
| 不成立 | 資料不支持假設，需要修正原本想法 |
這一步很重要，因為好的分析不是為了證明自己一開始是對的，而是讓資料幫助我們修正判斷。
例如：
H3：物價指數年增率高於每人每月總薪資年增率。
如果資料顯示 CPI 年增率低於薪資年增率，那這個假設就不成立。
但這不代表「生活壓力」完全不存在。你還可以進一步觀察：
- CPI 長期累積是否上升？
- 食物類、房租類 CPI 是否漲得更明顯？
- 不同族群的支出結構是否不同？
- 租屋族、外食族、育兒家庭是否更有感？
因此，分析驗證不是只有「對」或「錯」，也可能得到更細緻的答案：
整體物價年增率沒有高於薪資年增率，所以 H3 不成立；但民生項目長期上漲，仍可能讓部分族群感受到生活成本壓力。
這樣的結論會比單純說「物價沒有問題」或「大家都很辛苦」更完整。
第六步：形成結論——回答核心問題並用資料佐證
最後一步，是回到一開始提出的核心問題。
結論要包含幾個部分：
- 回答核心問題以及延伸問題
- 說明哪些假設成立
- 用 2–3 個資料線索支持你的判斷
- 補充限制與後續觀察
例如，核心問題是：
如果台灣經濟真的成長很快，為什麼多數人的薪資與生活感受沒有同步變好？
結論可以這樣寫：
從資料來看，台灣 GDP 創高是真實存在的經濟現象，但成長並沒有平均反映到每個人的生活感受上。主要原因是這波成長較集中在 AI、半導體與出口相關產業，而整體薪資成長沒有完全跟上 GDP 成長。雖然整體 CPI 年增率沒有高於薪資年增率，但食物、外食與房租等民生項目長期上升，仍可能讓一般人感受到生活成本壓力。
這樣的結論就能更清楚回答：
- 成長是真的，感受也是真的
- 但受惠不平均
- 薪資傳導有限
- 民生支出仍有壓力
一個好的結論，不是要把所有分析細節都列出來，而是要用資料回答最核心的問題。
分析限制與後續觀察：讓結論更完整
好的分析除了結論之外，也會列出分析限制。
分析限制不是削弱你的結論，而是讓讀者知道：
這個答案適用到哪裡？
還有哪些地方需要繼續觀察？
常見的分析限制包括：
- 資料是否只看平均值？
- 時間範圍是否太短？
- 是否忽略不同產業、地區、年齡或收入族群？
- 是否只能看到相關性，不能證明因果？
- 資料是否不夠細，無法拆到更具體的族群或產業？
後續觀察則可以思考：
- 哪些指標需要定期更新？
- 這個趨勢是否會延續？
- 是否有新的政策、景氣變化或外部事件影響結果？
- 是否要拆分不同產業、地區或族群？
- 是否要加入更多指標交叉比較？
例如，在 GDP 創高但多數人無感的案例中，後續可以持續觀察：
- 薪資成長是否擴散到更多產業
- 食物、外食、房租等民生成本是否繼續上升
- 內需服務業與一般消費是否跟上出口產業成長
這樣分析就不會停留在單次結論，而是可以變成持續觀察的框架。
結論：看懂經濟，不在停留數字表面，而是學會形成自己判斷
經濟分析不是要每個人都變成經濟學家，而是希望我們在面對新聞、數據與生活變化時，不再只靠直覺或情緒判斷。
看到 GDP 創高時，不只是問「經濟是不是很好」；
看到台股創高時，不只是問「現在能不能買」；
看到物價上漲時，不只是問「是不是所有東西都變貴」；
更好的做法是：
- 先觀察現象
- 再提出問題
- 接著拆解假設
- 找到資料
- 分析驗證
- 最後形成有根據的結論
看懂數字，是理解經濟的第一步；學會拆解問題，才是把經濟知識用在生活與決策裡的關鍵能力。
