統(tǒng)計學和計量經(jīng)濟學有什么區(qū)別

1、統(tǒng)計學和計量經(jīng)濟學有什么區(qū)別?作者：SlowMover鏈接： HYPERLINK /question/24622808/answer/36892158 /question/24622808/answer/36892158 首先說說相同點統(tǒng)計學是通過搜索、整理、分析數(shù)據(jù)等手段，以達到推斷所 測對象的本質，甚至預測對象未來的一門綜合性科學。其中 用到了大量的數(shù)學及其它學科的專業(yè)知識，它的使用范圍幾 乎覆蓋了社會科學和自然科學的各個領域。計量經(jīng)濟學是以 一定的經(jīng)濟理論和統(tǒng)計資料為基礎，運用數(shù)學、統(tǒng)計學方法 與電腦技術，以建立經(jīng)濟計量模型為主要手段，定量分析研 究具有隨機性特性的經(jīng)濟變量關系的一門經(jīng)濟

2、學學科。主要 內容包括理論計量經(jīng)濟學和應用經(jīng)濟計量學。理論經(jīng)濟計量 學主要研究如何運用、改造和發(fā)展數(shù)理統(tǒng)計的方法，使之成 為隨機經(jīng)濟關系測定的特殊方法。應用計量經(jīng)濟學是在一定 的經(jīng)濟理論的指導下，以反映事實的統(tǒng)計數(shù)據(jù)為依據(jù)，用經(jīng) 濟計量方法研究經(jīng)濟數(shù)學模型的實用化或探索實證經(jīng)濟規(guī) 律。1、通過概念可以明顯看由字面差別，統(tǒng)計學更像是類 似數(shù)學的一門基礎性學科，工具性是它的標簽，誰用誰拿。 而計量經(jīng)濟學更像是一個學科內的方法，有用的時候才上。2、統(tǒng)計學在意義上是非常廣泛的，統(tǒng)計學里面的對數(shù)據(jù)的處理方法是計量經(jīng)濟學的基礎，當經(jīng)濟理論與統(tǒng)計方法結合 后就是計量經(jīng)濟學了。經(jīng)濟學還可以和其他學科結合，比如

3、 地理經(jīng)濟學、空間經(jīng)濟學等。統(tǒng)計學除了在經(jīng)濟領域的應用, 也還廣泛應用于其他領域，比如人口普查、生產過程中產品 運行參數(shù)統(tǒng)計分析等。計量經(jīng)濟學，是對經(jīng)濟學的作用存在 莫種期待的結果，它把數(shù)理統(tǒng)計應用于經(jīng)濟數(shù)據(jù)，以使數(shù)量 經(jīng)濟學構造由來的模型得到經(jīng)驗上的支持，并獲得數(shù)值結 果。它不同于經(jīng)濟理論和數(shù)量經(jīng)濟學，也不同于經(jīng)濟統(tǒng)計學 經(jīng)濟理論所作的陳述或假說大多是定性分析的。例如，微觀經(jīng)濟理論聲稱，在其它條件不變的情況下，一種商品的價 格下降可望增加對改商品的需求量，即經(jīng)濟理論假設商品價 格與需求量之間具有一種負的或逆向關系。但此理論并沒有 對這兩者的關系提供任何數(shù)量度量，也就是說，它沒有說由 隨著商品

4、價格的莫一變化，需求量將會上升或下降多少。計 量經(jīng)濟學家的工作就是要提供這一數(shù)值估計。換言之，計量 經(jīng)濟學對大多數(shù)的經(jīng)濟理論賦予經(jīng)驗內容。數(shù)量經(jīng)濟學的主要問題，是要用數(shù)學形式（方程式）表述 經(jīng)濟理論而不去問理論的可度量性或其經(jīng)驗方面的可論證 性。如前所示，計量經(jīng)濟學的主要興趣在于經(jīng)濟理論的經(jīng)驗 驗證。我們將看到，計量經(jīng)濟學家常常使用數(shù)理經(jīng)濟學家所 提由的數(shù)學方程式，但要把這些方程式改造成適合經(jīng)驗檢驗 的形式。這種從數(shù)學方程式到計量經(jīng)濟方程式的轉換需要有許多的創(chuàng)造性和實際技巧。經(jīng)濟統(tǒng)計學的問題，主要是收集、加工并通過圖表的形式 以展現(xiàn)經(jīng)濟數(shù)據(jù)。這也是經(jīng)濟統(tǒng)計學家的工作。他們是收集 國民生產總值，

5、就業(yè)、失業(yè)、價格等數(shù)據(jù)的主要負責人。這 些數(shù)據(jù)從此構成了計量經(jīng)濟工作的原始資料。但是，經(jīng)濟統(tǒng) 計學家的工作卻到此為止。他們不考慮怎樣用所收集來的數(shù) 據(jù)去檢驗經(jīng)濟理論。當然，如果他們考慮的話，他們就變成 計量經(jīng)濟學家了。3、最近在翻閱Angrist的新作“ MostlyHarmless Econometrics”，發(fā)現(xiàn)這位大牛有這樣一段論述：Two things distinguish the discipline of Econometrics from our older sister field of Statistics. One is a lack of shyness about c

6、ausality. Causal inference has always been the name of the game in applied econometrics. The second thing that distinguishes us from most statisticians-and indeed most other social scientists-is an arsenal of statistical tools that grew out of early econometric research on the problem of how to esti

7、mate the parameters in a system of linear simultaneous equations. The most powerful weapon in this arsenal is the method of Instrumental Variables (IV), the subject of this chapter. 關于因 果的討論其實就是說計量經(jīng)濟學背后有經(jīng)濟理論支撐，而單 純的統(tǒng)計只能就數(shù)字說數(shù)字，道不由背后的故事。第二點是 說線性聯(lián)立方程在計量工具發(fā)展中的重要性。IV的由現(xiàn)是應對供給函數(shù)和需求函數(shù)的估計應運而生，SUR以及3SLS也是，但是其

8、他的呢？貌似 Angrist夸大了聯(lián)立方程的重要性。 實際上至今為止，絕大部分的實證研究還是單方程模型。B慧航從計量經(jīng)濟學的方面說，我覺著統(tǒng)計和計量差別非 常之大。一個計量經(jīng)濟學家需要懂很多統(tǒng)計學的知識，但是 在此之前，他必須是一個經(jīng)濟學家。經(jīng)濟學家碰到的問題其實很簡單，就是帶著自己的經(jīng)濟學理 論，用數(shù)據(jù)驗證自己的理論。所以在計量經(jīng)濟學里面，最核 心的問題不是估計、推斷，而是 identification。同樣是在做回歸分析，看的東西也不一樣。比如在線性回歸中的 ANOV A的作用是什么？這個爭論里 面，經(jīng)濟學家在做 OLS的時候，更關注你的你的回歸方程誤 差項里面有什么，而不是這個誤差項的方

9、差有多大。前者決 定了 identification ,后者決定了 R2。舉個例子，做教育的回報，看看多讀一年書能帶來多少薪水 上的提高。經(jīng)濟學家會關心誤差項里面有一個人的能力，這 個變量是看不到的，但是與教育這個變量相關，所以 OLS 是有問題的。但是經(jīng)濟學家不會關心跑由來的這個回歸預測 能力怎么樣，也就是說 R2究竟有多大。所以我們需要工具變量的估計。經(jīng)濟學家甚至可以做由負的R2,只是為了使得回歸更有意義，比如這里：R-squared0in 2SLS-IV estimation? - EcoPaper - 知乎專欄講到IV ,其實工具變量的方法是可以從統(tǒng)計的角度來看，說白了就是一個矩估計的

10、方法。但是真正的計量經(jīng)濟學家是可 以看到這個方法的經(jīng)濟學含義的，比如如果你學了LocalAverage Treatment Effect的話，你就知道了工具變量估計由 來的東西到底是什么東西，而不僅僅是一個統(tǒng)計上的結果。 這也是統(tǒng)計跟計量的區(qū)別吧。另外計量經(jīng)濟學有兩個流派，一個是 reduced-form的估計， 一個是structural的估計。structural的估計深植于經(jīng)濟學的理 論，理論會告訴你你的計量模型的問題和答案。舉個例子，生產函數(shù)大家都知道，比如經(jīng)典的C-D生產函數(shù)：，當我們需要估計里面的參數(shù)的時候，可以寫成：，其中u是擾動項。也許你會想，這個跑個 OLS就可以做由來了，

11、但是計量經(jīng)濟學家會告訴你，不對！因為企業(yè)做決策的時候 是知道自己的技術水平（）的，所以資本與勞動的投入都是 與技術水平有關的，但是，技術水平是我們觀察不到的。怎 么去估計呢？這種計量的問題是脫不開經(jīng)濟學理論的。如果計量經(jīng)濟學是統(tǒng)計學的子集，那這門學科完全沒必要存 在。再補充個例子吧，比如在這個問題：在統(tǒng)計學中為什么要對 變量取對數(shù)？里面，統(tǒng)計學家跟經(jīng)濟學家的思考可能是不一 樣的。在經(jīng)濟學里面，有那么幾個概念我覺著是非常重要但是容易被忽略的，比如data generating process(DGP)。而這個概念又 跟reduced-form緊密相連，structural equations在產

12、生數(shù)據(jù)的 時候肯定是先變成reduced-form再去產生數(shù)據(jù)。無論是做 reduced-form還是structural form ,計量經(jīng)濟學家腦子里一定 是要有DGP這個東西的。所以為什么取對數(shù)？經(jīng)濟學里面有個詞，叫做彈性。另外， 對數(shù)之差就是增長率。經(jīng)濟理論，特別是宏觀理論，經(jīng)常可 以得到log的形式。而且因為有了彈性，取 10g之后更容易 被經(jīng)濟學所解釋。說白了，計量經(jīng)濟學從經(jīng)濟理論由發(fā)，統(tǒng)計學可能更多的從 數(shù)據(jù)由發(fā)。如果僅僅從數(shù)據(jù)方面考慮，我想碰到取不取對數(shù)的問題的時 候，我更愿意用 box-cox transformation 。這個答案只是寫的計量跟統(tǒng)計的差別，完全沒有要比統(tǒng)計

13、和 計量孰優(yōu)孰劣的問題。本來就是兩個有交集但是不相同的學 科，怎么比較好壞。 馬大王說計量用的統(tǒng)計方法都是十年 前的，我不知道這是不是在鄙視計量，但是我想跟你說，你 們統(tǒng)計的方法還是十年前的數(shù)學方法呢，數(shù)學家也沒鄙視你 們啊。這方面很多啊，比如 GMM ,統(tǒng)計學家對此嗤之以鼻，但是經(jīng)濟學家就是喜歡用啊。為什么GMM這么受經(jīng)濟學家歡迎？還是因為上面的問題，因為GMM最容易被經(jīng)濟學家所理解，而GMM提供了一個非常好的框架來解決一系列經(jīng)濟 學家碰到的問題。那些變量是內生的，那些變量是外生的， 理論上來說誰會影響誰，誰不會影響誰，這本來就就是經(jīng)濟 學理論的范疇，而 GMM可以把這套經(jīng)濟理論上的東西直接

14、 轉化成怎樣識別、估計。有人提到了 Sims,他的確即是統(tǒng)計學家，又是經(jīng)濟學家。計 量經(jīng)濟學的確一直走在借鑒統(tǒng)計學的路上，就好像統(tǒng)計學一 直在借鑒數(shù)學方法。計量經(jīng)濟學家認為的跟統(tǒng)計學的差別， 就好像統(tǒng)計學家認為的跟數(shù)學一樣的差別一樣，我們借鑒你 的莫些工具，但是不完全是一回事情。最后，針對評論里面兩個人的言論，我想統(tǒng)一回復：如果我 哪里說錯了，請指正，就像 SlowMover在一樓所做的那樣。 我不回答這種無所謂的問題。我也可以同樣反問你，do youreally know econometrics and economics? do you really understand what I

15、am saying?C知乎用戶 先引用一段我本科 剛畢業(yè)時寫下的話，感覺從自己現(xiàn)有的知識結構來看還算比 較正確：計量經(jīng)濟學的重點不在于解決單純統(tǒng)計方法上的問題，因為 有統(tǒng)計學家在做。計量的重點在于，當無法進行實驗時，如 何解決模型的內生性問題。即，如何通過觀測到的數(shù)據(jù)正確識別模型中的系數(shù)并進行因果推斷。這是它最大的特點，也 是它本身擁有的經(jīng)濟學血統(tǒng)所決定的?；酆?的回答已經(jīng)很好地解釋并擴展了上面這段話的內容， 但我猜想很多人可能并不清楚“內生性”的概念，以及如何“識別”系數(shù)。我假定各位看官已經(jīng)學過回歸分析了，那么 請允許我進一步科普一下。（以下內容改編自我的本科計量 筆記。）假如我想要知道莫個

16、產品的市場需求曲線。作為一 個經(jīng)濟學學員，我根據(jù)自己的專業(yè)知識判斷由該產品的市場 需求是線性的，于是我寫下了這樣一個需求函數(shù)：其中，表 示第期的需求量，表示第期的價格，表示第期的誤差（不可 觀測項）。假如我是這個市場中的獨裁者，那么我就可以進 行一次實驗，從而估計整個市場的需求曲線。我該怎么做 呢？很簡單，我只需要在每個時期給定一個價格，然后記錄 下市場中的交易量。根據(jù)需求函數(shù)的定義，我知道這個交易 量就是。于是在收集了若干個樣本后我畫生了下面這張圖：在這個實驗中，被稱為外生變量（exogenous variable）,即“從 模型之外產生”；更精確地講，是外生變量意味著與誤差項 不相關一一在

17、這個試驗中，是事先給定的，必然獨立于隨機誤差。相對應的，則被稱為內生變量(endogenous variable),即“從模型之內產生”；更精確地講，是內生變量意味著與 誤差項相關。我把這種將外生變量放在等號右邊，將內生變 量放在等號左邊的式子稱為簡化型(reduced form)。對于簡化型，我可以直接通過線性回歸來估計等號右邊的系數(shù)；上 圖中的藍線即為對樣本進行估計后畫由的需求曲線(純手繪，畫得不好請見諒)。然而，在現(xiàn)實世界中并不存在這樣 一個可以決定價格的獨裁者；像上面這樣的實驗，可操作性 微乎其微。既然實驗做不成了，那么我不妨考慮一種較為現(xiàn) 實且簡單的情況，即完全競爭市場，看看能不能用

18、相同的方 法來估計市場需求。首先我有個問題，既然價格不由獨裁者 決定，那么價格是由誰決定的？任何一個學過經(jīng)濟學原理的 人都知道，在完全競爭市場中，均衡價格是由需求和供給共 同決定的。作為一個經(jīng)濟學學員，我根據(jù)自己的專業(yè)知識假 設該產品的市場供給也是線性的。于是我把需求函數(shù)、供給 函數(shù)以及市場由清的條件一并寫了下來：我把這種從經(jīng)濟學 原理中得到的聯(lián)立模型稱為結構型(structural form ) o好了,現(xiàn)在我把所有時期觀察到的均衡價格和交易量都記錄下來， 不就可以像上面一樣估計需求函數(shù)了？等一等，聰明的你是 不是發(fā)現(xiàn)了：我都是不知道的，如果我直接用線性回歸來估 計與之間的關系，那么我到底是

19、在估計需求函數(shù)還是在估計 供給函數(shù)呢？不幸的是，如果沒有額外的信息，那么我估計的東西很可能什么都不是。這是因為當市場由清的條件被強 加于需求和供給之上時，不再可以隨意給定，而必須從模型 之內產生；即必須要滿足下面的等式： （#）所以，也成了一 個內生變量。此時，無論是需求函數(shù)還是供給函數(shù)都不再滿 足簡化型的條件，因而用線性回歸是徹底失效的。為了更清 楚的看到這一點，我可以把（#）式做一下變換：（*）顯然，是與的線性函數(shù)，因而且：零協(xié)方差假設被破壞。這就是可 怕的內生性（endogene計y）。此時通過線性回歸是無法得到中 任何一個系數(shù)的相合估計量的。下面兩張圖提供了一個極端 的例子：第一張圖是一組數(shù)據(jù)的真實產生過程，即每一處交 點都是由需求和供給決定的；第二張圖則是將由此產生的數(shù) 據(jù)進行線性回歸，結果得不到任何有用的信息。由于上述問題都是由無法做實驗的（苦逼）經(jīng)濟學家