沈阳师范今年洛阳八中分数线沈阳师范大学沈阳师范大学图书馆2010洛阳八中
计量经济学模型方法论的若干问题
李子奈，清华大学经济管理学院
2007-10
摘要：伴随着计量经济学模型方法的广泛应用，错误也屡屡发生，对计量经济学方法论基础的研究与宣传十分重要。本文结合计量经济学模型的数据依赖性、总体设定、变量设定、假设检验、随机扰动项以及应用局限性，从逻辑学、经济学、数学和统计学角度，对计量经济学方法论基础进行了探讨。
一、引言
计量经济学自20世纪20年代末30年代初步诞生以来，经过40-50年代的发展、60年代的扩张、70年代的批评与反思、80年代以来的新发展，迅速成为经济学中一个最活跃的分支学科。克莱因(R.Klein)称，"计量经济学已经在经济学科中居于最重要的地位"，"在大多数大学和学院中，计量经济学的讲授已经成为经济学课程表中最有权威的一部分"；萨缪尔森(P.Samuelson)认为，"第二次大战后的经济学是计量经济学的时代"。有10位经济学家因为对计量经济学发展的贡献而获得诺贝尔经济学奖，居所有经济学分支学科之首。
计量经济学自20世纪70年代末80年代初进入中国后，迅速为经济学界广泛接受，使得中国的经济学教学与研究发生了迅速而深刻的变化。从80年代中开始，高等院校经济学科相继开设了系统的计量经济学课程，1998年7月，教育部高等学校经济学学科教学指导委员会成立，在第一次会议上，讨论并确定了高等学校经济学门类各专业的8门共同核心课程，其中包括《计量经济学》。将《计量经济学》列入经济类专业核心课程，是我国经济学学科教学走向现代化和科学化的重要标志，必将对我国经济学人才培养质量产生重要影响。
同时，计量经济学模型在经济理论研究和经济问题分析中被迅速广泛采用，已经成为一种主流的实证研究方法。以《经济研究》发表的论文为例，一般认为，《经济研究》的论文反映了中国经济理论研究和学术研究的最高水平。对1984-2006年《经济研究》发表的3100余篇论文进行统计分析，以计量经济学模型方法作为主要分析方法的论文占全部论文的比例，1984年为0，2005、2006年超过50%；而且研究对象遍及经济的各个领域，所应用的模型方法遍及计量经济学的各个分支。
但是，错用和滥用计量经济学模型的现象也不断发生，甚至是普遍存在。究其原因，对计量经济学模型的方法论基础缺乏深入研究和正确理解是最主要的原因。欲使得计量经济学应用研究不致陷入"庸俗"的和"自娱自乐"的境地，并且不使计量经济学被认为是"蹩脚的应用数学"，必须对它的方法论基础开展批判性研究。
计量经济学模型的方法论基础包括逻辑学基础(也可以上升为哲学基础)、经济学基础、数学基础(主要是概率论基础)、统计学基础(主要指数据基础)。本文并不是关于计量经济学方法论的全面研究，只是以通俗的语言对计量经济学应用研究中涉及的一些问题进行初步探讨，以期引起关注。
二、计量经济学模型方法的科学性
任何科学研究，不管是自然科学还是社会科学，甚至人文科学，都遵循以下过程：首先是观察，关于偶然的、个别的、特殊的现象的观察；其次是提出假说，从偶然的、个别的、特殊的现象的观察中，提出假说，或者是理论，或者是模型，这些假说是关于必然、一般、普遍现象而言的；然后需要对假说进行检验，检验方法一般包括实验的方法、预测的方法和回归的方法；最后是发现，关于必然、一般、普遍的规律的发现。
在经济研究中，如果假说(理论或者模型)完全依赖于观察而提出，不附加任何价值判断，然后对理论或者模型进行检验，这一研究过程被称为实证研究(Positive Analysis)。实证研究包括理论实证(Theoretical Analysis)和经验实证(Empirical Analysis)。在经济研究的检验阶段，经验实证分析是科学和便捷的。经济问题无法进行实验，人们不可能构建一个与偶然的、个别的、特殊的现象发生时完全相同的实验平台，进行重复的实验，以检验现象发生的必然和普遍性。根据假说对未来进行预测，然后与真实的"未来"进行比较，以检验假说的正确性，当然是可行的，但并不便捷。对已经发生的经济活动进行"回归分析"(Regression Analysis)，发现其中的规律，并用以检验假说，是最可行的方法。所以说，回归分析在经济研究中是不可缺少的。而计量经济学，说到底就是回归分析。
在认识论范畴上，很难简单地将计量经济学模型方法归为"归纳"或者"演绎"。回归分析是一种归纳(induction)，是从个别事实走向一般理论、概念的思维方法。但具体到建立模型的每个阶段，又是"归纳"和"演绎(deduction)"交替的。从观察到理论模型(假说)的提出，是一个归纳推理过程；而模型的应用，将归纳得到的一般性规律应用于观察以外的事实，又是一个演绎推理过程。
在方法论范畴上，也很难简单地将计量经济学模型方法说成是"证伪主义"，像一些计量经济学教科书以及某些计量经济学家公开宣称的那样。利用样本估计和检验理论模型的过程，是一个经验检验的过程，确实充满着证伪主义方法论。但是，计量经济学模型方法体系是由一批经济学家和数学家完成的，它是依据坚实的概率论基础建立的。可以而且应该在科学哲学的层次上对它进行解释和完善，承认"证伪"和"证实"的"不对称性"，但不是绝对地"只能证伪，不能证实"。
理论模型的科学性和正确性取决于归纳推理过程，更取决于"个别事实"的数量和质量，从这里出发，既提出了计量经济学模型的经济学基础问题，也提出了数学基础(主要是概率论基础)和统计学基础(主要指数据基础)问题。而对假说进行检验，得到一个一定概率意义上该假说被证实或证伪的结论，除了数学基础和统计学基础外，逻辑学基础是十分重要的。
20世纪90年代，西方经济学方法论学者有过一场计量经济学是否存在的讨论。T.Lawson(1997)断言，不管怎样泼洒计量经济学的圣水，我们都没有因此离经济学的天堂更近一点。M.Blaug(1992)认为，我们已经在(计量经济学)这个铁锤上投资了许多，但是它却不能敲碎任何比胡桃大的东西。关于计量经济学是否存在的讨论，实际上是20世纪80年代在西方科学哲学界兴起的关于实在论的争论在经济学领域的继续。科学实在论认为：科学研究的对象、状态和过程是真实存在的，微观观察不到的客体也是真实的；认识是外部世界的映象，理论对象只要在认识上有效，它便是实在的；科学理论是似真的、趋近于真理的过程。K.D.Hoover(1997)等认为，计量经济学与科学实在论是兼容的，而且科学实在论能够帮助人们更好地理解计量经济学扮演的角色和所获得的成功。同时认为，T.Lawson等先验实在论者反对计量经济学的理由是形而上学的，他们为经济世界提供了一个精确的先验的实在论，而计量经济学与先验的实在论不兼容。
简单地说，计量经济学模型方法，无论是它的归纳阶段，还是它的演绎阶段，无论是它的证伪还是证实，都是反映客观经济活动的经济学理论的发现过程所不可缺少的，具有科学性。
三、模型类型设定对数据的依赖性
从上述关于计量经济学模型方法论的讨论中，从人们从事经验实证研究的实践中，都清楚地感受到，正确地提出可供证实或证伪的假说，即计量经济学理论模型，是十分重要的。对该理论模型进行检验的依据是表征已经发生的经济活动的数据，那么相对于不同类型的数据，应该设定不同类型的理论模型，该理论模型是可以通过经验数据获得证实或证伪的，即模型类型设定对数据存在依赖性。否则，经验检验的数学基础、统计学基础和逻辑学基础将被破坏。从学术刊物发表的论文中看到，大量的错误皆源于此。
用于宏观和微观计量经济分析的数据分为三类：截面数据(Cross-sectional Data)、时间序列数据(Time-series Data)和平行数据(Panel Data，也译为面板数据、综列数据)。
对于截面数据，只有当数据是在截面总体中由随机抽样(Stochastic Sampling)得到的样本观测值，并且被解释变量具有连续的随机分布时，才能够将模型类型设定为经典的计量经济学模型。T.Haavelmo(1943)建立了它的概率论基础。但是，在实际的经验实证研究中，面对的截面数据经常是非随机抽样得到的，例如截断数据(Truncation Data)、归并数据(Censored Data)、持续时间数据(Duration Data)等；或者是被解释变量不具有连续随机分布的数据，例如离散选择数据(Discrete Choice Data)、计数数据(Count Data)等。对于这样的数据基础，仍然采用经典计量经济学的模型设定，错误就不可避免了。20世纪70年代以来，针对这些数据的模型类型已经得到发展并建立了坚实的概率论基础，例如J.J.Heckman(1974，1979)和D.L.Mcfadden(1974)等所作出的基础性贡献。
对于时间序列数据，经典计量经济学模型只能建立在平稳时间序列(Stationary Time Series)基础之上，很可惜，实际的时间序列很少是平稳的。由于宏观经济仍然是我国学者进行经验实证研究的主要领域，而宏观时间序列大量是非平稳的，于是出现了大量的错误。C.W.Granger(1974，1987)等的贡献解决了非平稳时间序列模型设定的数学基础问题。
至于平行数据，截面数据和时间序列数据存在的问题同时存在，并且还提出了模型设定的专门问题，例如变截距和变系数问题、随机影响和固定影响问题等，已经发展形成了一套完整的模型方法体系(见Cheng Hsiao，1986，2003)。依据新的模型方法体系设定理论模型，才能进行可靠的经验实证。
四、经典模型总体设定的先验理论导向
当模型类型以数据为基础被决定后，首先需要进行模型总体设定。以单方程计量经济学模型为例，给定任何被解释变量，要对其进行完全的解释，需考虑所有对其有直接影响的因素集。按照与被解释变量关联关系的恒常性和显著性两个维度，