1704545910
模型总体设定的关系论导向
1704545911
1704545912
几千年以来，求是求真的学者们都无法回避休谟诘问：如何从经历到的过去、特殊、局部，推论到没有经历到的未来、一般、整体？如前所述，计量经济学基于统计抽样形成的经验数据，运用随机数学分析工具完成或然知识的建构，并按照统计意义的标准进行评价，在回避了休谟质疑的同时，也规避了陷入不可知论的危险。但计量经济学作为统计推断的知识，像任何其他科学知识一样，应当符合科学的基本原则——独立于研究者、独立于样本、具有超越特定时间和空间的某种程度的必然性和普遍性。统计推断逻辑的严密性，只能尽可能防止在统计推断过程中出现新的错误，但并不足以为计量经济学知识提供依据。对计量经济学知识依据的追问，仍然要溯及统计推断的前提——总体设定。因此，总体设定过程的可靠性，决定了计量经济学知识的可靠性。
1704545913
1704545914
对计量经济学模型总体设定的讨论，必须首先回答两个问题：第一，要确定的是经济主体内在的本质意义的属性，还是经济主体之间的关系意义的属性？第二，要确定的是主体之间的动力学关系，还是作为主体经济活动结果的经济变量之间的数据关系？
1704545915
1704545916
事实上，无论是先验理论导向，还是数据关系导向，计量经济学模型总体设定所忽视的正是经济主体之间的动力学关系。正统经济学以其臆构的、具有理想化心理结构的经济人为基础完成理论体系建构。由于割裂了经济主体与其所处环境之间的互动关系，经济人实际上是在特定的偏好关系假设下理性计算、理性选择的虚拟主体，正统经济学中并没有完整的、现实的经济主体（冯燮刚、李子奈，2006b）。经济人参与经济世界的动力学过程、经济人之间的相互作用过程被忽略了，而这些被忽略的动力学过程正是各种经济变量变化的根本原因。缺乏对动力学过程的深刻揭示，缺乏对动力学关系的把握，试图仅从这些变量的实际数据中推导出某种一致、稳定的关系，这样的关系必然因为因果关系的混乱而导致模型或理论对现实的严重背离。如果说先验理论导向的计量经济学模型还试图保留虚拟经济主体——经济人——的位置的话，数据关系导向的计量经济学模型则几乎将注意力完全转向了作为经济主体关联互动结果的经济数据，这一点可以从动态计量经济学基于统计相关性的数据关系导向分析范式中清楚地看到。
1704545917
1704545918
计量经济学模型分析的目的不是为了确定在主体关系意义上无所指的经济变量之间的关系。经济变量及相关数据是经济主体活动的结果，脱离主体互动关系建构的变量，不过是纯粹的数字。计量经济学模型分析的目的是为了发现塑造整个经济世界的经济主体之间的互动规律。从关系论的角度看，主体的任何行为，都应在主体和其身处的环境之间寻找原因。正像自然科学的动力学研究一样，物体运动状态发生变化的根本原因是物体与环境以及物体之间的作用力。同样地，经济主体发生任何行为，尽管有内省、思维（观察、计算、判断、选择等）的私人性心理过程伴随，但都必然由主体与其身处的环境之间的作用（也可称为力）引起。
1704545919
1704545920
这样，经济主体与其身处的环境之间的动力学过程，是真正的数据生成过程。与经济主体的特定动力学过程相关的数据，将为相应动力学规律的描述提供经验基础。以经济主体与环境之间的动力学关系分析为基础、内核和前提，基于该动力学过程生成的数据，以统计相关性为基本准则，验证确定的经济主体与环境的互动关系，正是所要界定的因果关系。只有动力学关系的理论分析，而没有基于统计相关性的经验支持，是无法确认这样的动力学关系的。同样，只有基于统计相关性的、高度易变、多种多样的数据关系，而没有具有良好的、公度性的动力学关系理论框架，也会使统计分析进入迷宫。在关系论导向的计量经济学模型总体设定思路下，关注参数乃是在主体和其身处的环境之间的互动关联中被界定，其本身承载着特定的动力学关系。这就为基于经验数据、以统计相关性为基本法则的随机数学过程，提供了可靠的基础、前提和目标。因此，基于主体行为的动力学关系，可以完成先验理论导向和数据关系导向的综合。
1704545921
1704545922
在关系论导向的计量经济学模型总体设定中，中心极限定理仍然居于十分重要的地位。就中心极限定理的适用条件而言，直接要求模型的动力学关系应当充分准确。只有足够准确的模型总体方程，才可以将其他因素归于不显著的动力学关系，而纳入系统源生的随机扰动项，才能适用中心极限定理。
1704545923
1704545925
模型变量设定的相对性
1704545926
1704545927
完成了计量经济学模型的总体设定，就确定了模型所包含的变量和变量之间的关系，接下来的任务就是基于样本数据对模型的关系参数进行估计。但是在估计之前，一个对估计方法选择和估计结果产生重要影响的问题是关于每个变量的性质的设定，它们是确定的，还是随机的？是内生的，还是外生的？
1704545928
1704545929
正如一个动力学系统中包括状态变量和控制变量一样，任何经济系统，大到国家宏观经济系统，小到个人对某种商品的需求行为，都可以将其中的变量分为状态变量和控制变量两类。凡是经济变量，都是状态变量，都是由系统的数据生成过程生成的，因此它们都是随机的和内生的。但是计量经济学精密的数学过程要求，必须在模型变量设定时就将经济变量分为确定和随机、内生和外生，例如经典计量经济学模型的Gauss-Markov假设的第一条，就假设解释变量是确定性变量。
1704545930
1704545931
无论从先验理论出发，还是数据出发，都没有将确定和随机、内生和外生作为变量本身的固有特性，即认为模型变量设定具有相对性，相对于研究的经济系统，相对于模型系统中特定的参数，相对于不同的应用目标，给予变量确定和随机、内生和外生的界定。例如，对于一个单方程模型，假定那些不受被解释变量影响的解释变量是外生、确定的；对于一个联立方程模型系统，假定那些只影响系统而不受系统影响的变量是外生、确定的。对于模型系统中的同一个变量，相对于某一个关注参数，它具有外生性，但是相对于另外的参数，就可能不再具有外生性。例如，对于一个粮食供求模型系统，如果关注的参数是需求弹性，即价格与需求量之间的关系，供给量（需求量）具有外生性；如果关注的参数是系统的稳定性，供给量（需求量）不再具有外生性。对于模型系统中的同一个变量，如果将模型用于预测，它具有外生性，但是如果将模型用于政策分析，它可能不再具有外生性。例如，相对于预测的外生性变量被要求不受内生变量滞后量的影响，而作为政策变量的外生变量恰恰是根据内生变量滞后量的变化而改变的。
1704545932
1704545933
计量经济学模型的研究范式要求对变量的设定首先作出假定，然后再进行经验检验，也发展了各种统计检验方法。假定是从先验理论出发作出的，统计检验是从数据出发的，二者似乎在这里得到了完美的结合。但是由于统计检验本质上只能证伪，不能证实，实际上，没有被证伪的假定就被接受了，先验的知识世界仍然在变量设定中发挥了主导作用，错误的频频发生就不足为奇了。
1704545934
1704545935
更为严重的是，在许多计量经济学应用研究中，随心所欲地设定变量，不进行起码的统计检验，就不能称之为科学研究了。
1704545936
1704545938
模型随机扰动项的源生性
1704545939
1704545940
随机扰动项在计量经济学模型中占据特别重要的地位，也是计量经济学模型区别于其他经济数学模型的主要特征。如前面所讨论的，将影响被解释变量的因素集进行有效分解，无数非显著因素对被解释变量的影响用一个随机扰动项（stochastic disturbance term）表示，并引入模型。显然，随机扰动项具有源生性。在基于随机抽样的截面数据的经典计量经济学模型中，这个源生的随机扰动项满足Gauss假设和服从正态分布。
1704545941
1704545942
Greene（2000）指出，在确定性模型中引入随机扰动，并不是为了掩盖确定性模型的不足之处。因此，如果所谓的“未被解释的随机扰动”并不是真正的不能被解释的因素，模型就是不适当的。牢记这一点对计量经济学是非常重要的。统计推断的理论不像确定性理论那样，会被仅仅一个不符实际的观察否定。引入随机要素后，对预期结果的描述从确切的表述转化为可能性的描述，除非有占优证据（占优本身则是很难清楚界定的），很难否定随机模型。当然，如果未被解释的随机扰动并不是真正的不能被解释的因素，即使这样的模型难以被否定，也是建模者自欺欺人。不幸的是，Greene的担忧在很多情况下成了现实：在很多计量分析中，随机误差项成了确定性模型不足之处的遮羞布。在大部分计量经济学教科书中，在第一次引入随机扰动项的概念时，都将它定义为“被解释变量观测值与它的期望值之间的离差”，并且将它与随机误差项（stochastic error term）等同。一个“源生”的随机扰动项变成了一个“衍生”的误差。而且在解释它的具体内容时，一般都在“无数非显著因素对被解释变量的影响”之外，加上诸如“变量观测值的观测误差的影响”、“模型关系的设定误差的影响”等。
1704545943
1704545944
将“源生”的随机扰动变成“衍生”的误差，有许多理由可以为此辩解。如果不对数据生成过程的理论结构作出假定，即进行模型总体设定，就无从开始模型研究。但不幸的是，相对于物理学，经济学家对经济现实所知较少，模型总体被研究者有限的知识所确定，因此误差在所难免，只能将总体原型方程的误差项设定为衍生性的。
1704545945
1704545946
问题在于，关于随机扰动项的Gauss假设以及正态性假设，都是基于“源生”的随机扰动而成立的。如果存在模型设定误差、变量观测误差等确定性误差，并将它们归入随机误差项，那么它是否满足这些基本假设？如果不满足，进而进行的统计推断就缺少了基础。对于这个问题，一般的计量经济学教科书没有进行讨论，有的只是进行简单的说明。例如，在Greene（2000）的教科书中就有以下的说明：鉴于我们对随机误差来源的描述，中心极限定理的条件一般都成立，至少近似成立，因此正态假定在多数情况下也都是合理的。
1704545947
1704545948
所谓“设定误差”，是指模型的总体设定不能准确反映所研究的经济系统中的动力学关系。对于单方程模型而言，主要有两种形式的设定误差：一是函数关系设定偏误，例如将实际的非线性关系设定为线性关系；二是变量设定偏误，例如在解释变量中遗漏了显著的变量。所谓“观测误差”，是指变量的样本观测值不能准确反映变量的实际状态。观测误差是普遍存在的，正如Greene（2000）指出的，在理论上确定变量之间的关系并不难，但要得到这些变量的准确度量则完全是另外一回事。例如，合理度量利润、利率、资本存量或资本存量提供的服务流量的困难，都是经验文献中反复出现的主题；在极端情况下，甚至找不到理论变量的可观测的对应物。观测误差又分为被解释变量的观测误差和解释变量的观测误差两类，它们的影响进入“衍生”的随机误差所带来的问题似乎是不同的。
1704545949
1704545950
在上述各种形式的“确定性误差”存在的情况下，随机误差项是否满足关于扰动项的Gauss假设和正态性假设，有些是清楚的，有些则需要讨论。
1704545951
1704545953
假设检验的不对称性
1704545954
1704545955
所谓“假设检验”，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。假设检验采用的逻辑推理方法是反证法。先假定原假设正确，然后根据样本信息，观察由此假设而导致的结果是否合理，从而判断是否接受原假设。判断结果合理与否，是基于“小概率事件不易发生”这一原理的。在计量经济学模型方法体系中，假设检验是最具经济意义和应用价值的方法之一，因而被广泛应用。正确理解假设检验的不对称性，是十分重要的。假设检验的不对称性包括三个方面：一是证伪和证实的不对称性，属于逻辑学范畴；二是犯第一类错误和犯第二类错误的不对称性，属于统计学范畴；三是统计意义和经济意义的不对称性，属于经济学范畴。
1704545956
1704545957
在逻辑学范畴上，经验检验只能证伪，不能证明（证实），这是人们一般认为的，一些计量经济学教科书也是这样写的。但是，波普尔的证伪主义是以“证明”和“证伪”之间的逻辑不对称性为理论起点的：没有什么可以被彻底地证实，但是只要有一个证伪就足够了（布劳格，2000）。这里没有完全否认经验可以证实，只是说证实是有限的和不彻底的，否则就会陷入不可知论。例如，在时间序列平稳性检验中，拒绝“序列是平稳的”假设，只要发现一个观测值不具有相同的均值或方差就足够了，因此它是彻底的；而接受“序列是平稳的”假设，即使所有的经验都已经证实，它仍然是不彻底的，因为随着时间的无限延伸，它可能被新的经验所证伪。但是在这个检验中，“序列是平稳的”假设毕竟经受住了已有经验的检验，尽管没有得到绝对真理，但得到了相对真理。
1704545958
[
上一页 ]
[ :1.704545909e+09 ]
[
下一页 ]