写反教育案最痛苦的部分是计算教育的回报。我花了15个月的时间做电子表格。我提出了基线案例，做了几十次“主题变化”，注意到一个小错误或死路一条，然后重新开始。几位程序员朋友建议我学习一种新的编程语言，比如Python，以自动完成所有工作，但我98%确定这将花费更长的时间——并在结果中引入了许多额外的错误。我年轻时做过很多编程，我知道自己的局限性。
我非常重视质量控制。大约有六个朋友放弃了整整一天的时间坐在我旁边，而我在导游的带领下讲解了我计算数字背后的原因。在这本书出版的四年前，我公开发布了电子表格，并要求全世界通过发现我工作中的错误来“让我难堪”。如果记忆有用的话，一个EconLog阅读器确实发现了一个小错误。当这本书最终出版时，我发布了这本书回归教育计算的所有电子表格的最终版本。书中的内容与我与全世界分享的内容一一对应。完全透明。
你猜怎么着？自2018年《反教育案》（the Case Against Education）出版以来，就没有人给我发过关于这些电子表格的电子邮件。这本书受到了媒体的广泛关注。我的结果完全相反：我对教育的社会回报的首选估计几乎对所有人口都是负的。我大声利用这些结果呼吁大幅削减教育支出。然而，自从这本书出版以来，没有人费心挑战我的数学。不公开。不是私下。没人关心我的电子表格。
结果是，我本可以挽救一年的生命。我本可以掩盖几十个棘手的问题。税收。转移。教育对长寿的影响。教育对生活质量的影响。教育对犯罪的影响。学校和工作相比是多么令人不愉快。与其阅读多篇文献来提取合理的参数，我本可以只看一眼，为每一个无关紧要的问题制定规则。谁会打电话给我？
别误会我；反对教育的案件招致了大量批评。然而，几乎没有一个是定量的。一些批评人士诉诸常识：“教育不能像卡普兰所说的那样浪费。”一些评论家称我为庸俗者：“教育不是为了赚钱，而是为了成为一个完整的人。”尽管我写了整整一章反对这种误解。一些批评者奇怪地声称，最近的一篇论文驳斥了我的整个事业。但据我记忆所及，从未有人批评过我的数学。
我的回归教育计算最新颖的特点是，我试图计算所有重要的事情。我拿了无数以标准回报率估算开始的论文，并用一个新的复杂度对它们进行了调整。然后我合并了所有对我来说似乎有说服力的调整，以获得最终的政策相关数据。如果你想利用研究人员所知道的一切来制定最佳政策，那正是你要做的。
然而，最终我发现，真正的智力问题不是供给不足，而是需求不足。教育研究人员不会为了让世界更接近真相而调整标准回报计算。他们调整标准回报率计算，以获得另一份出版物——然后继续他们的生活。如果全世界都对我们所知道的回归教育的一切给予关注和终身教职，那么早就有人这么做了。
很难避免一个令人沮丧的结论：定量社会科学在现实世界中几乎不相关——几乎所有社会科学家都暗地里同意这一点。研究人员使用的复杂数学是一次性的。你部署它来获得一份出版物，然后继续你的职业生涯。到了给出政策建议的时候，数学问题就不存在了。如果幸运的话，研究人员会默认常识。否则，他们会继续他们的意识形态和现状偏见，使用最新的权威报纸作为遮羞布。经验社会科学教给我们的关于世界的知识远远多于纯粹的理论。然而在实践中，即使是实证研究人员也几乎不关心实证社会科学到底要教什么。