计量经济学学习方法

和大家一起学习计量经济学

同学们，大家晚上好，今天我很荣幸受邀给大家讲讲自己在学习计量经济学上面的一些心得体会。我在此很受鼓舞，十分感谢大家给我这样一个审视自己的机会。回顾最初接触计量经济学的时间里，我深感自己走了很多的弯路。如今作为一名研究生二年级的学生，我总在想，是不是应该找一个机会把自己的这些教训给大家讲一讲，也好让我后面的学弟学妹更好的集中精力，在计量经济学的学习上有所突破。然后，需要申明的是，我今天所讲的内容，也只是我个人的一些粗疏的看法，我相信在座的各位，也有自己的不同的看法，欢迎你们提出来，我们一起学习。

计量经济学是一门什么样的学科？我自己不是经常思考这些问题。有一天我稍微闲一点坐下来思考这个问题的时候，我才发觉自己走得有些偏。简单地说，归根结底，计量经济学仍然是一门经济学的子学科，是一门应用性的科学。其性质决定了我们在学习计量经济学的时候一定是要以问题为导向的。这就是为什么一些人苦苦做方法论而不得其法的道理。不同于西方经济学的学习方法，计量经济学是一门将统计理论、数理经济学和经济理论紧密结合的学科，其最终的目的就是做统计推断和假设检验？我问大家，如果你要写一篇论文，怎么让读者信服你的观点？我们在初中的时候写过议论文，语文老师经常对我们说的一句话是：摆事实、讲道理，动之以情，晓之以理。我们学习计量经济学、写经验分析的文章也是一样？如何学会让论文替我们说话？如何用计量经济学帮助我们讲好一个经济学故事？这是我们在学习计量经济学应该长期思考、不断精益求精的问题。

计量经济学的学习？需要相应的基础知识储备？比如说，概率论与数理统计的知识，比如说，需要很强、很熟练的线性代数、矩阵论甚至高级的计量经济学还需要学习高阶矩阵微分的知识，足够的知识储备会让我们在今后的学习中如虎添翼。特别的是，计量经济学借用的数理统计和随机过程的知识，将会是处理较为复杂的数据生成过程的得力助手。

所以，我建议你们学好这些相关方面的基础知识：我们学校图书馆引入了相关方面的翻译本的外文教材，数量庞大、卷帙浩繁，没有一定的定力和毅力，还无法将这些知识所消化吸收。同时，当遇到更为复杂的回归方法时候，我们可能还需要在优化算法上面下功夫：比如说EM算法，蒙特卡洛模拟等一些模拟计算方法等。这些都要借助一定的统计知识。

当然，我说这些不是要吓唬大家的意思，我其实想说的是，尽管方法很多，你可能总也学不完，这是实话，因为你学得越多，可能想挑战自己的欲望就越强烈，于是就不会停下来，甚至白天黑夜的想怎么样改进算法之类的问题。不过，由于计量经济学归根结底还是一门应用型的经济学，所以我们学得再多的方法，最终还是要学会应用。而且更加辩证地看，只有在实际应用中发展的计量经济学方法论，才会有持久的生命力。那么我们还需要做些什么样的工作呢？我们又怎么样在应用中学会计量经济学呢？说了这么多，我现在才进入正题。

大家翻到第四版教材的第3页，传统的计量经济学方法论按下列路线进行：陈述理论或者假说；设定理论的数学模型；设定理论的计量经济学模型；获取数据；计量经济学模型的参数估计；假设检验；预报或者预测；利用模型进行控制或制定政策。这些就是一般的一个思想方法，那么我想说明的一点是，模型估计不应该太简单，比如说一般的最小二乘法，但也不应该太复杂，太复杂反而不容易把问题说清楚。比如你要验证汇率波动对中国进出口的影响，采用向量误差纠正模型寻找协整方程就可以了，如果发现有明显的结构特征，就要试图去解释结构变化的特征，是采用阈值协整模型，是采用马尔科夫区制转换机制，等等，这些都要从数据本身入手。一篇计量经济学的论文，如果说选题的新颖程度和经济现实意义决定了其广度，则其数据分析方法决定了其分析问题的深度。当我们对于当前的经济热点问题的某一个方面比较感兴趣，也希望找到这些方面的数据进行验证的时候，选择合适的数据是第一步，而不是选择合适的模型。请大家记住，在数据可靠的前提下，数据永远是计量经济分析的第一步，然后找到更好的模型。古扎拉蒂也说，研究结果

不能比数据的质量要好，当我们的数据质量受到怀疑的时候，也不必过于教条的对待研究的结果。

教材的第一章里面，讲的是回归分析，在这里，我希望大家不要小心的是，所谓的回归分析不仅仅是线性回归一种，而普通最小二乘法（直线拟合）的方法只是其中的一个例子，大家如果点开Eviews3.0这个比较低的软件版本来看的话，发现估计方法设定这一栏里面就有好多个方法：最小二乘法LS；两阶段最小二乘法TSLS；自回归条件异常差ARCH；广义矩估计GMM；二元选择BINARY；次序选择ORDERED；审查数据CENSORD；COUNT计数数据。对于时间序列数据我刚才说过了，可能还有向量自回归的方法，还有大家今后有些同学会从事经济研究，有些同学会从事经济实务方面的工作，按照世纪经济工作性质的不同，侧重点是不同的。也许，从事经济实务工作的同学遇到的数据是在学校中从事教学研究的同学所不能经常遇到的，因而也就遇到的更复杂的数据类型也更多，所以我觉得大家都有做好这方面准备的必要，这样就不会再工作的时候手足无措了。数据，说明白了，也就是信息。我们知道，在信息社会的今天，信息铺天盖地，如何在众多的信息中把握最核心、最重要的，是十分关键的。我举一个例子，如果给你一个任务，预测明年的通货膨胀率是多少？明年的房价是否还会持续走高？人民币升值的最大容忍程度是多少？你准备怎么做？这些问题其实要找个方面的数据，找到合理的度量的变量进行经验分析，然后得出合理的区间估计或者点估计，这就是我们应用计量经济学而非一般经济理论能够解释的。

因此，既然数据如此重要，那么我就从数据说开去吧。首先数据类型主要有三种：时间序列数据、横截面数据和混合面板数据。如果是时间序列数据，我们需要知道这些数据的平稳性，以及序列之间是否存在协整关系，如果不平稳，是否存在平滑的转移机制；如果不存在平滑的转移机制，如何刻画这种具有jump特征的数据？如果是横截面数据，可能问题更多，一是因为横截面数据不能像时间序列数据一样可以直接在计量软件上找到趋势，而只能对一些解释变量逐个地描出散点图来查看。大家看看在对异方差的检验的部分，

方法是很多的，但是有一个比较明显的特点就是，如果不能直观的从图上查看异方差的来源，我们则需要做很多的工作，帕克检验、格莱泽检验、斯皮尔曼等级相关检验、GQ检验、BPG检验、怀特检验，对于面板数据，你还需要做一些检验，是采用固定效应还是随机效应？

对于数据的敏感性，最终决定了你对计量经济学方法论的理解程度。我们遇到的统计指标，主要分以下四类数据类型：比率尺度（ratio scale）、区间尺度（interval scale）、序数尺度（ordinal scale）和名义程度（nominal scale），这四类数据应用的模型也是有讲究的。一般来讲，作为序数尺度和名义尺度更多的采用虚拟变量的形式，包括在微观计量经济学中的定序数据和特征变量的数据实际上也是如此。我以前做的一个事情就是，拿到一些数据，没有经过数据的分析，就直接很兴奋地在Eviews上点了一下，然后结果就出来了。于是觉得很不错，洋洋得意。可是后来我发觉，一段时间之后，我除了会在Eviews上点一下，什么也没学会，好像就是为了用这个软件而用它，没有真正体会数据分析的本质。我刚才说过，计量经济学是一门应用性的科学，但是计量经济学软件不是万灵药，我们不能依赖软件告诉我们这些数据提供了我们什么信息，所以这些工作就只有通过我们只记得分析来做了。我举一个例子来说，一个普通的最小二乘法，是怎么算出来的呢？大家翻到附录C的线性回归模型的矩阵方法部分就知道了，所谓的最小二乘法，最终只不过是将我们所得的样本信息转化成一个矩阵的表达式而已，为了得到贝塔系数向量，只需要简单的用矩阵计算就可以了。计算机软件只是替代我们做了一个计算的工作。STATA是这样，Matlab也是这样。所以，我想告诉大家的是，如何处理好计量软件与计量分析的关系是十分重要的，而不要在写文章的时候一上来就没有任何说明就做一个回归，然后得出系数，让人丈二和尚摸不着头脑。

计量经济学是一门科学与艺术相结合的学科，因此也要讲究美学价值。说理是就像讲一个故事，你这个故事讲得不明白，听众不知到你讲的什么东西，你做的方法再高明也不

能算是一个成功的论文。所以，要正确处理好分析问题与阐述问题的关系，因为研究某一个问题的过程和理解某一个问题的过程，这两个思维方式可能是不同步的。我再举个例子说，大家看一看国外比较著名的期刊AER，JPE等上面的文章，一般引言会很长，而且人家分辨文章的好坏从摘要和引言这两方面入手。这个引言并不是最先就写好，而是将数据描述、模型设定核估计、经济含义分析结束之后再做的这个引言。引言就是要想办法让读者朝着自己的思路去想问题，吸引读者的兴趣。

我今天讲的一些问题是需要大家在学习的时候注意的，这里我不想再讲下去，其实说明白一点，学习计量经济学，没有其他的办法，就是要读文献、找数据、自己做分析。除此之外别无他法，妄想一下子就学会是不可能的。而且，你学的越深，你还会感到自己在很多方面的工作还没有做足。这里我推荐几个阅读材料：一个是学院的主页上面提供了服务下载，一个是徐院长的关于高级宏观经济学的讲义，一个是关于张晓峒的当代计量经济学的研究领域。我建议大家都下载下来学习一下，会帮助大家走向前言的。其下载网址是：

http://eco.hust.edu.cn/index.php?tid=5&cid=44

这里我觉得我今天已经说得很多了，于是我想起来一件事情，就是如何备考的事情：说实话，我不是一个会考试的人，如果大家问我关于怎么考试的问题，我觉得自己的经验有限。但是因为受委托也附带的讲一下吧。

关于计量经济学，我个人推荐大家先参看古扎拉蒂第四版教材335页的关于放松经典模型的假定的说明部分。这部分将这本书的前后两部分联系起来了，具有承前启后的作用，对于大家理解中级计量经济学到底讲了些什么有很好的启示。然后就是自己要一章一章的看书了，关于各个统计量是怎么构造的，首先要把这些过程记住，弄懂他们的用法。在出现多重共线性、异方差和自相关的不同的情况下，如何从数据上识别，如何进行检验，这

些都是需要我们记住的，特别是在联立方程模型的这一章，关于模型的可识别性的几个判别条件、关于时间序列数据建模的前沿专题，是否能够自己去学着做，这些问题都是不可轻视的。关于这本书的第三部分，计量经济学专题部分的几个章节，也是目前计量经济学研究的前沿，十四章的非线性回归，涉及到了优化算法，十五章的定性响应回归模型，是微观计量经济学的前沿问题，十六章则是面板数据前沿，十七章是动态计量经济学前沿。特别需要重视的是面板数据和动态计量经济学前言部分，因为难度适中，所以应该是考试的重点。总体而言，这本书是不可多得的好书，我相信大家复习的时候，如果通过将看书做习题结合起来，并写一篇自己的小论文的话，必定受益匪浅。关于第四部分的时间序列分析前沿，则推荐在课本的基础上阅读哈密尔顿的时间序列分析，有些同学也已经学过了这门课，那么会有更深刻的认识。作为一名经济学专业的学生，掌握一定的计量工具是十分必要的。

那么，现在的一个问题是，我们应该从哪里开始？对于这个问题，我想说的是，还是从熟练操作Eviews开始。今年上半年，我做了2008级本科生计量经济学的助教，我给他们讲操作的时候也遇到了一些问题。首先是以前学习的一些知识因为长时间没有用而忘记了，而是在实践操作中有了更加精准的学习，不会像以前自学的时候一样自己在软件上面乱点一气了。所以我觉得很有必要参加本科生的计量课，如果时间允许的话。大家还是对照课本和课本附送的数据，一个一个的跟着练习，看课本中的案例要解释一个什么问题，然后自己跟着做就行了，有些问题不亲自体会他怎么做是不好学会的。有的数据文件可能有问题，这个我在做助教的时候遇到过，大家以课本为标准，修改附送的某些数据文件。

最后一个是，学习计量经济学，该使用什么软件？我推荐大家按照自己的需要去选择吧，在人大经济论坛上有各种软件的程序包、软件的学习方法，供大家下载。论坛币多的同学可以为大家服务，至于怎么增加论坛币，你们熟悉规则就知道该怎么办了。这里我给大家推荐Eviews、stata、Matlab、Gauss等等。不用求多，只要精通一个软件其实就可

以了。当然，Matlab深受欢迎，这里我觉得如果你要做数据仿真和数值模拟的话，用Matlab十分简便的。下面我就给大家将两个例子吧。

第一个是课本的习题7.4：

1.打开Eviews，点选File->New->Programme,然后把下面的程序复制到新建的Programme窗口中：

workfile sp1 u 1 25

matrix(1000,1)m1

for !k=1 to 1000

series x=2*nrnd

equation eq1.ls x c

series e=x-@mean(x)

m1(!k,1)=@sumsq(e)/24

next show m1

expand 1 1000

smpl 1 1000

mtos(m1,gr)

matrix(1,1)m2

m2(1,1)=@mean(ser01)

show m2

2.在Programme窗口选项中点击Save->文件名为sp1->保存

3.点击Programme窗口的Run->在出现的对话框中选择OK

这样程序就会自动运行了。

显示的结果在4的附近，这就和真值4接近了。当然如果增加试验次数的话，可以把出现的1000全部改为10000试一试，结果会更精确。

第二个是我做计量经济学实验课助教的时候杨老师提供的程序，这一部分已经出现在他所参编的《计量经济学》（高教出版社，2011）：

Workfile sp2 u 1 100

series cn

series y

series cofb0

series stcofb0

series re

series cofb1

series stcofb1

series w

series cofb1oth

group x1

group x2

!b0=1

!b1=0.5

!k=2

!n=50

for !m=1 to 100

for !i=1 to !n

y(!i)=1+0.5*!i

cn=!b0+!b1*y+nrnd

w=nrnd*0.001

next

ls cn c y

cofb0(!m)=c(1)

stcofb0(!m)=@qtdist(0.025,!n-2)*@stderrs(1)

cofb1(!m)=c(2)

stcofb1(!m)=@qtdist(0.025,!n-2)*@stderrs(2)

re=cn-c(1)-c(2)*y

!sw=0

!swx=0

for !nn=1 to !n-2

!sw=!sw+w(!nn)

!swx=!swx+w(!nn)*y(!nn)

next

w(!nn-1)=(1-!swx+!sw*y(!nn))/(y(!nn-1)-y(!nn))

w(!nn)=-1*!sw-w(!nn-1)

!bstar=0

for !s=1 to !n

!bstar=!bstar+w(!s)*cn(!s)

next

cofb1oth(!m)=!bstar

next

series bl1=cofb0-stcofb0

series bu1=cofb0+stcofb0

series bl2=cofb1-stcofb1

series bu2=cofb1+stcofb1

series bb1=0.5

series bb0=1

group x1 bb0 cofb0 bl1 bu1

group x2 bb1 cofb1 bl2 bu2

group x3 bb1 cofb1 cofb1oth

x1.line

x2.line

x3.line

图7.1和图7.2分别反映了经典假设下，截矩项和斜率系数OLS估计量的无偏性。图7.3反映了OLS估计量（以斜率系数为例）的有效性——相对其它任意无偏估计量有更小的方差。

图10.1

图10.2

图10.3（COFB1为斜率系数的OLS估计，COFB1OTH为随机生成的任意的无偏估计量）

好了，这个蒙特卡洛模拟的方法很有用，比如说，按照你自己的想法有一个数据生成过程，然后再用随机数生成的方法得到这样的数据，然后再用你自己觉得合适的方法去估计，验证其一致性和无偏性就行了。

最后，关于高级微观的考试，这个我就更没有什么经验可以分享的了，我只是觉得，好好看书，将知识点归纳分类，变成自己容易记忆和使用的东西就可以了，你学习的初步目的就达到了。不过我真心的祝愿大家掌握好高微的语言，这个语言就是高微的分析框架。最终的一般均衡是如何实现的，这个过程要清晰，前面的五章就是这个内容，第六章社会选择，第七章博弈论，第八章信息经济学和第九章拍卖理路都是比较前沿的知识，关键的是要熟悉他们的分析语言，熟悉他们描述的经济环境，是如何假设的，分析工具是什么？这个都要搞清楚。

好了，我今天就讲到这里吧，祝大家学习进步，生活愉快！