现代经济学问题需要数学工具实现
对于中国的一些学生,在学了数学、计量经济学这样一些课程以后不知道怎么用,我觉得这本身跟中国的一些课程的设置是有关系的。在美国,在你学习经济学之前就会告诉你一些必须的先修课程,比如在上中级微观之前就会告诉学生你必须先学习微积分,因为中级微观里要学到效用最大化等问题,就要用到数学里的求极值的方法,就要用到微积分的知识。这样就给了学生一种导向:要想修中级微观,就要先学会微积分;而且,这样还可以告诉学生微积分是怎么样用在经济学的分析里的。
而在中国目前的课程设置情况下,学生在学习高等数学的时候是看不到以后这些课程将会用到哪里的,学的数学课程和以后所学的经济学里的数学应用是有些脱钩的。再者,学生之所以觉得数学和计量经济学比较难学,那可能跟中国目前的教学文化也有一定的关系。现代经济学之所以要用到数学、计量经济学等工具,就是因为现代经济学是建立在一套很严谨的术语、规范的基础之上的,有着一套很严谨的逻辑框架,因此它的内容和形式是高度统一的。你为了分析一些高深的经济学问题,就必须使用一些复杂的数学工具才能实现。当然,我觉得国内的数学和计量经济学的老师们的教学水平在某些方面也要有一定的加强。由于计量经济学要求的门槛高一些,特别是对数学工具的要求比较高,我们就容易把注意力集中在这些数学工具上,而忽略其背后的经济含义。如果老师们能够把这些经济含义通过一些例子讲进去的话,我相信学生肯定会喜欢计量经济学这门课的。
计量经济学所面临的局限是整个经济学科的局限
计量经济学所面临的局限性不是计量经济学本身所特有的,而是整个经济学科所面临的局限性。从整个经济学科的特点来看,其假设条件一般是没有办法直接去验证的。其实过去好几代经济学家一直想要让经济学成为一门像物理学这样的科学。
那么什么是科学呢?首先就是理论体系要有逻辑性,从假设到理论本身,到推论,一定都要有逻辑性,不能有逻辑错误。更重要的一点是,你的理论能不能解释现实,也就是说理论跟现实要有一致性。而后面这一点其实就是计量经济学的工作。我们现在发展一整套的计量经济学的方法、模型和工具,其实都是为了用来分析经济数据,然后看看这些经济数据跟理论是不是相吻合。
那么为什么说计量经济学或者整个经济学科有局限性呢?最关键的一点就是,在自然科学里面,像物理、化学,或者生物,这些都是可以做实验的。你之前可能做了大量的实验来验证某种假说,然后提出了你的理论。等你的理论提出之后,其他人在你的假设条件下可以独立进行实验,来验证你的理论。但是经济学是做不到这一点的。例如研究过去三十年中国的经济转型问题,别人是不可能让中国经济回到三十年前再重复来实验一次的,这种实验是没有办法做的。虽然现在也有实验经济学,但是毕竟实验经济学研究的领域相对还是狭窄的,对于大多数经济现象,我们都是被动的观测者,并不能主动去产生数据。因此,如果你现在通过实证研究提出了一个观点,但别人想要通过做实验来验证这个结论是不可能的。
在物理学、生物学上,我们可以靠做实验来判断对错和真假;而在经济学方面,只能是看你使用的分析方法,如果是实证研究的话,就是看你的计量经济学方法,看哪一个更一般、哪一个更具有科学性,只有这样,才能够判断出哪种结论要更好一些。而这也是相对的。就是说,也许现在受到数据的限制,或者所使用的经验的计量经济学的方法不够好,不能把目前的理论推翻掉,但这并不一定说明这个理论就是正确的理论;过了一段时间,经济现象的数据多了,方法完善了,可能就可以把这个理论推翻掉。从这个意义上讲,我其实是有一点怀疑,经济学是不是可以达到像自然科学那样比较完美、或者完善的程度。所以我们只能从多方面着手,让经济学在方法上、在各方面能够尽量往科学研究方面靠,但是真正要达到自然科学的那种水平还是相当困难的。这是社会科学与自然科学最重要的一点区别。
经济学不跟数据打交道是不可能的
数量分析方法的广泛应用是一种进步。看看中国经济学教育,在1980年之前的30年,经济管理类的学生是不用学数学的,他们主要就是学习马克思的政治经济学。而现代经济学最重要的就是marginal revolution,就是边际革命。所谓边际,对应的数学就是求导数,所以经济学里使用数量分析方法就很正常。为什么要用计量经济学方法去做呢?先看看国外的情况吧。美国高校里的经济学的学术研究一共有三类:第一类是理论研究,具体分为微观理论、宏观理论和计量经济学理论三个主流学科;第二类是应用研究,就是实证,就是用数据来描述客观经济现象,不加任何价值判断;第三类就是政策性的,而政策性的研究在好的高校的经济系里面一般是很少的,是不提倡的。
不过这在中国可能正好是倒过来的。中国这种纯学术的研究本身就比较少,比较早期的一些经济学研究都是带有价值判断的,例如批判马歇尔的新古典微观经济学叫庸俗经济学。后来在接触西方经济学之后,国内学者才懂得必须做实证,就是要以事实为依据,只描述整个经济过程,不加任何价值判断,读者看了以后自己会去判断。这个实际上是社会科学的一个最基本的方法论。一百多年前,在德国有两个学者争论了半天,后来达成了学术界的一个共识,就是科学的研究方法最好不要带任何价值判断,客观地描述整个过程就可以了,这样才可能真正地把一些真相、真理发现出来。如果是这样的话,在经济学里,你不跟数据打交道是不可能的。特别是在经济现象比较复杂的情况下,分析的工具也应该相应地变得复杂才对。我很难想象,复杂的经济现象照样还可以用最简单的一些分析方法来做,这个是绝对不可能的。
现在在中国有很多政策性的建议,它们都是建立在跟数据不打交道的经济逻辑思维上的,而这种经济逻辑思维是隐含的有前提的。如果你的前提错了,你的逻辑思维即使正确,你得到的结论也可能和经济现实不一样,这就是为什么需要经验验证,也就是为什么需要统计、计量的分析。因为经济系统没有办法做实验,因此想要判断一个结论的科学性,每个人的标准都是不一样的。但是有一点是可以肯定的,就是如果没有计量分析,就会出现一种“公说公有理,婆说婆有理”的结果,就很难达到共识。也正是因为这样的原因,现在在国外的经济研究,我估计80%以上的研究都是实证研究。可是,目前中国的一些学者,包括一些年轻学者,在不是很懂计量经济学方法的时候就拿来用,比较机械地照搬别人的方法,这样可能就会得出和中国现实相差十万八千里的结论。而这些就给了那些批评的声音以借口,说用计量经济学方法预测的不准确、分析的与现实不一致等等。但是这并不能说明数量分析方法就是错的。本身这就是一个必经的阶段,现在我们看到的国内的很多学者使用的计量经济学方法,是跟“练习”差不多的。我们现在还没有真正掌握现代经济学的基本分析方法,即使当这些方法掌握之后,分析中国问题时还要具体考虑中国的时空等条件。我相信,到那个时候,批评的声音会少一些。
(文章来源于网络,作者:洪永淼老师)
计量经济学理论与Stata分析入门@视频班(含答疑)
开课信息:
方式:在线视频(18小时内容),提供全套资料及答疑
学费:2200元/1800元 (学生优惠价仅限全日制本科及硕士在读)
报名链接:http://www.peixun.net/main.php?mod=buy&cid=1646
暑期福利:赠送Stata计量40讲(价值5000元)
课程目的:
授课内容基于国际著名经济系本科主流教科书(Wooldridge(2013/2016), Stock and Watson(2012/2018) )和微观调查及宏观经济数据,讲述和分析计量经济学的基本理论和应用。
旨在帮助计量经济学零基础的同学在短期内快速掌握计量经济学的基础理论,并能有效利用Stata进行对社会科学数据进行正确的评价与分析。
理论内容:授课将主要通过直观的解释和梗概性的证明来帮助大家有效掌握计量经济学基本理论;
Stata应用案例问题:在每个方法介绍后详细解释其在经济社会科学论文和数据中的应用。
授课软件采用Stata(15.0以上版本),旨在帮助大家掌握和熟练使用Stata进行正确的现代计量经济分析。
课程简介:
课程主要讲述四个部分,其中前四个部分为重点讲述内容
1.计量经济学及Stata导论
2.回归分析基础理论与应用
3.回归分析理论与应用(扩展)
4.经济时间序列分析的基础理论与应用
讲师介绍:
范红岗,中国人民大学数学学院副教授。中国人民大学数量经济学博士,斯坦福大学经济系访问学者。
主要研究方向:计量经济学理论与应用。
在国内外杂志发表论文数十篇,主持参与国家自然,国家社科,中国人民大学基金7项;
北京市精品课程计量经济学主讲人之一《计量经济学(国家十二五规划教材)》,中国人民大学出版社(第六版)的编写者;与赵国庆教授共同主编《EViews/Stata计量经济学入门》;曾获中国人民大学教学一等奖。
课程大纲:
一,计量经济学及Stata导论:
1,计量经济学在国内外的发展和研究内容
1.1 计量经济学的发展简史和其进入国内的简单历程
1.2 计量经济学的研究内容及其与宏、微观经济学的关系
1.3 计量经济学的建模过程以及不同数据类型对计量经济分析的影响
1.4 Causality与随机试验
2,Stata软件的数据管理和基本操作方法
介绍Stata的运行,数据管理,变量生成与管理,结果输出方法,画图等和计量经济分析相关的技术
3. 参考书目简介
二,回归分析基础理论与应用
1,一元回归分析
1.1 一元回归模型的定义与假设
1.2 系数的OLS估计与解释
1.3 OLS估计的代数与统计性质
1.4 宏、微观经济案例进行Stata回归分析
2,多元回归分析
2.1 多元回归模型的假设与表示方法
2.2 系数的OLS估计与解释
2.3 OLS估计的代数与统计性质
2.4 高斯—马尔可夫定理
2.5 判断模型优劣的方法
2.6 假设检验:t检验,F检验和P值
2.7 OLS估计的大样本理论初步
2.8 宏、微观经济案例进行Stata回归分析
3,模型的函数形式设定与解释
3.1 模型化非线性函数形式的一般策略
3.2 虚拟变量与模型构建策略、经济结构变迁
3.3 非线性函数形式的模型系数解释
3.3 多个案例:分析各种函数形式的系数解释问题
4,异方差性的传统与现代处理方法
4.1 模型存在异方差的可能原因及HCCME
4.2 传统计量经济处理方法:异方差设定,检验与GLS估计
4.3 现代计量经济对异方差的处理
4.4 范例:以一个微观计量问题为例,使用两种方法处理异方差问题
三,回归分析理论与应用(扩展)
1,工具变量与TSLS估计
1.1 IV基本理论
1.2 TSLS基本理论
1.3 检验IV的有效性
1.4 IV和TSLS的Stata应用案例分析与评价
2,联立方程组模型
2.1 联立方程模型的识别与估计理论
2.2 联立方程模型的Stata案例分析
3,面板数据分析
3.1 面板数据分析基本理论与未观察效应
3.2 面板数据分析的模型建立与估计方法选择
3.3 面板数据的Stata案例分析
4,二元选择模型和受限因变量模型;
4.1 LPM,Probit和Logit模型的基本理论
4.2 Censored数据与Tobit模型基本理论
四,经济时间序列分析的基础理论与应用
1. 平稳时间序列分析入门
1.1 时间序列数据与序列相关
1.2 平稳,遍历的概念及其重要性
1.3 基本的线性时间序列过程
1.4 自协方差函数与滞后阶的选择方法
1.5 时间序列变量的生成与设定
1.6 Stata应用案例分析与评价
2. 非平稳时间序列分析入门
2.1 非平稳、单位根与伪回归
2.2 单位根的ADF检验
2.3 Stata应用案例分析与评价
3. 彩蛋(VAR,协整与VECM)
如何联系我们:
尹老师
电话:010-53352991
QQ:42884447
WeChat:yinyinan888
课程涉及的论文:
1. Angrist Joshua D. and William Evans and “Children and Their Parents’ Labor Supply: Evidence from Exogenous Variation in Family Size,” American Economic Review, June 1998, Vol. 88, No. 3, 450-477.
2. Angrist, Joshua D., and Alan B. Krueger ,1991,“Does Compulsory Schooling Attendance Affect Schooling and Earnings?”, Quarterly Journal of Economics, Vol.106, 979-1014,1991.
3. Christensen, L., and W. Greene, 1976, “Economies of Scale in US Electric Power Generation,” Journal of Political Economy, 84, 655–676.
4. Christensen, L., D. Jorgenson, and L. Lau, 1973, “Transcendental Logarithmic Production Frontiers,” Review of Economics and Statistics, 55, 28–45.
5. Kristion, F. Butcher and Anne, Case,1994,“The Effect of Sibling Sex Composition on Women's Education and Earnings” , Quarterly Journal of Economics , Vol.109, 531-563
6. Card, D. ,1995,:“Earnings, Schooling and Ability Revisited”, in Research in Labor Economics, ed. by Solomon W. Polachek, Vol. 14, 23-48. JAI Press, Greenwich, Connecticut,.
7. Cohen, A. and L. Einav,2003,:“The Effects of Mandatory Seat Belt Laws on Driving Behavior and Traffic Fatalities”, Review of Economics and Statistics, Vol. 85, 828-843.
8. Graddy, Kathryn. ,2006,“Markets: The Fulton Fish Market”, Journal of Economic Perspectives, Vol.20(2):207-220.
9. Kane, T. J., and C. E. Rouse (1995), ‘‘Labor-Market Returns to Two-and Four-Year Colleges,’’ American Economic Review 85, 600–614.
10. Mroz, T. A. (1987), ‘‘The Sensitivity of an Empirical Model of Married Women’s Hours of Work to Economic and Statistical Assumptions,’’ Econometrica 55, 765–799.
11. Nerlove, M., 1963,“Returns to Scale in Electricity Supply,” in C. Christ (ed.), Measurement in Economics: Studies in Mathematical Economics and Econometrics in Memory of Yehuda Grunfeld, Stanford: Stanford University Press;
12. Wolak, F., 1994,“An Econometric Analysis of the Asymmetric Information, Regulator-Utility Interaction,”Annales D’Economie et de Statistique, 34, 13–69.
13. Esther Duflo, Pascaline Dupas, and Michael Kremer ,2011, “Peer Effects, Teacher Incentives, and the Impact of Tracking: Evidence from a Randomized Evaluation in Kenya,” American Economic Review, 1739-1774.