1702629265
一切物体在没有受到外力作用的时候，总保持匀速直线运动或静止。
1702629266
1702629267
物体的加速度与物体所受的合外力成正比，与物体的质量成反比，加速度的方向跟合外力的方向相同。
1702629268
1702629269
两个物体之间的作用力和反作用力，在同一直线上，大小相等、方向相反。
1702629270
1702629271
不过，我们无法判断上述定律本身的真伪，这一点需要大家注意。
1702629272
1702629273
比如第一个定律，换句话说可以理解为“力使物体的速度发生变化”。当然，或许有人对“力”这个词有着不同的理解，但是对于“牛顿今后这样定义力这个词”，我们却无法判断其是否正确。
1702629274
1702629275
总之，牛顿最初提出的运动定律是“无法提出反驳”这一讨论的前提。即便如此，通过对这个简单的假设所得出的数学公式展开演绎，可以对我们眼见的所有运动状况进行解释和说明。而且以此建立起来的理论，支撑了基于观察和试验的理论实证，确立了进行归纳推论的方向性目标。
1702629276
1702629277
从牛顿的简单假设到解释说明世间万物的理论体系这一美妙的过程，随后对物理学之外的其他所有领域的学者们都产生了非常深远的影响。
1702629278
1702629279
比如提出共产主义理论体系的卡尔·马克思，他就认为人类社会也和自然一样存在着客观的规律，由此提出了人类历史只用生产力的发展就可以进行解释说明的唯物主义历史观。在费希尔之前有一位叫作阿道夫·凯特莱的统计学家就曾经尝试找出人类的行动规律，他认为人类的行为也和天体运行一样是有规律可循的，并且对人类的相关数据进行收集，开创了被称为社会物理学的学科。另外，高尔顿也将达尔文的进化论进行了数学化的描述，或许他是打算成为生物学领域的牛顿。
1702629280
1702629281
追求更好模型的计量经济学家
1702629282
1702629283
虽然上述那些人的尝试很多都以失败告终，但牛顿的研究方法在物理学领域之外仍然有少数成功的事例，经济学领域就是其中之一。
1702629284
1702629285
经济学家们根据牛顿的假设“一切物体在没有受到外力作用的时候，总保持匀速直线运动或静止”，推测出“所有的经济活动都是以物易物”以及“消费者会选择最大化期待效果的行动”等假设，并且根据这些假设对价格、支出、储蓄等条件之间的关联性通过联立方程式重复进行演绎，尝试对个人与社会的均衡状态进行解释和说明。
1702629286
1702629287
或许是出于这个原因，计量经济学家会经常利用回归分析的结果进行推论。对于流行病学家们来说，只要证明吸烟会提高罹患癌症的风险这个结果就可以了，但是计量经济学家们却要针对此进行“如果这个推测是正确的，那么全日本因此出现了多少损失”的演绎。在前文中我曾经提到过吸烟每年会给日本带来7兆亿日元以上的经济损失，这就是计量经济学家推论出来的结果。
1702629288
1702629289
比如我们得到了一个通过性别、年龄、是否吸烟等数据推测出癌症发病概率的模型，那么根据现在性别、年龄与吸烟率的数据，就能够演绎出由于现在吸烟导致将来癌症发病的人数。进一步根据癌症患者的医疗费等新数据，就可以演绎出“由于吸烟而产生的额外医疗费”这一经济上的损失。
1702629290
1702629291
不过，针对最终的经济损失数据，还必须满足“回归系数在考虑性别与年龄的基础上对其他群体也适用”和“癌症患者的医疗费今后不发生变化”这样的假设条件。
1702629292
1702629293
流行病学家和生物统计学家在利用归纳的方法导出一般规律的时候，会认为“因为没有进行随机对照试验，所以肯定会包含误差，换作其他群体的话或许无法与这个回归系数保持一致”，对涉及普遍性的部分保持比较谦虚的态度。甚至被某些计量经济学家们说成是“胆小鬼”。因此，他们“只在这次的调查对象”范围进行准确无误的因果推论，并且在加上“应用于其他对象群体时请注意”这样的说明后才提交结果。只要他们能够准确地推论出自己感兴趣的原因与结果的关系性，那么对于包括性别和年龄等其他变量的模型是否适用于日本民众就不那么关心了。
1702629294
1702629295
但是，对于计量经济学家们来说，无法作为演绎对象的模型对于经济学的进步来说没有任何意义，因此他们比其他统计学家们更加热衷于利用一切手段去寻找最合适的、最准确的模型。利用抽样调查对社会调查数据进行分析就是他们的方法之一。如果能够获得更好的模型，就能够降低在今后的演绎中出现错误结论的可能性。但是，不管模型有多么完美，他们仍然对类似神经元网络那样的联立方程式一样的表现形式没有任何兴趣。
1702629296
1702629297
另外，我在赫克曼的疗效模型和倾向指数之间也发现了“为了进行演绎的模型”与“为了对导致因果关系出现误差的原因进行调整的模型”这种思想上的区别。
1702629298
1702629299
使用倾向指数进行的分析与随机对照试验一样，属于“除了感兴趣的因素之外其他条件基本相同”的情况。将这样的倾向指数应用在回归模型之中，就能够准确分析多个解释变量对结果变量所造成的影响。哈佛大学的教授鲁宾等人在1994年发表的论文对此有巨大的影响。但是，赫克曼在20世纪70年代就已经提出了回归分析的方法，后人也不断对其进行细节方法上的改善。
1702629300
1702629301
但实际上，并不像有些刻薄的计量经济学家们所说的“统计学家与经济学家相比研究的级别要落后20年”。在流行病学家和生物统计学家看来，在倾向指数实现的分组分析中，能够像随机对照试验那样“平均情况下其他条件基本相同”的话，就足以用来进行因果推论了。但是，对于计量经济学家来说，“公平比较”本身并不是目的，只不过是为了得到更加准确的演绎模型的一种手段罢了。
1702629302
1702629303
影响力不断增强的计量经济学
1702629304
1702629305
几乎所有的统计学家都希望能够尽可能地减少假设。因为一旦假设错误，因果推论的结果出现错误的可能性就会非常大。
1702629306
1702629307
但是另一方面，如果假设在某种程度上是正确的，那么通过演绎就能够得到比数据更多的信息。况且，统计学本身也不是在没有任何假设的前提下就一定准确的东西。
1702629308
1702629309
不管是计量经济学还是统计学，最关键的都不是推论出来的结果，而是其背后隐藏着怎样的假设，以及假设有多少准确性。只要能够理解这两点，那么在推论过程中使用哪种方法，不过就是琐碎的小事。
1702629310
1702629311
这个在演绎与归纳或者说在理论与实证之间扮演着重要角色的计量经济学，实际上是在最近一段时间才在经济学中占有一席之地的。经济学领域最有影响力的约翰·梅纳德·凯恩斯将利用统计学手法的计量经济学称为“黑魔法一样奇怪的东西”，经济学中也将计量经济学褒贬不一地称为“没有理论的测量”。因为对经济学来说理论是非常重要的，由此可见计量经济学的特立独行。
1702629312
1702629313
正如统计学是“最强的学问”一样，计量经济学在数据整理和计算机的发展方面也发挥着举足轻重的作用。恐怕在今后的日子里，经济学的诸多理论都会被计量经济学证明，我们的社会也将会变得更加富强。
1702629314
[
上一页 ]
[ :1.702629265e+09 ]
[
下一页 ]