发帖
34 个论坛币
雷达卡
计量经济学像是统计学在经济领域的应用，就像生物统计学是统计学在生物医学中的应用一样。乍一看好像没什么区别，就是应用领域不同而已。但仔细研究却发现他们差别很大，可能一开始确实只是在不同领域的应用，但随着各自的发展，走的路也越来越不同，已经不仅仅是方法的差别了，更多的是理念上的差别。
随便翻一本计量经济学的书，就可以看到它们主要内容就是回归、面板数据、时间序列分析等。通常计量经济学对回归的分析比生物统计学更加细致，对自变量与因变量的关系、自变量的类型、因变量的概率分布等等分的清清楚楚。但计量经济学有点像搞物理，它们希望把经济现象能够发现一种像物理领域一样的放之四海而皆准的规律，就像牛顿的万有引力一样，所以他们喜欢假定某些社会经济条件不变，来预测某些经济发展规律。
生物统计学相对要“胆小”一些，不会像计量经济学那样敢于四处推断，在他们看来，根据现有样本能推断的范围是有限的，无法得到一个放之四海而皆准的结果。所以很多情况下，生物统计学尽管也用回归，但他们可能得到影响某种结果的危险因素就够了。不会再进一步深入分析下去。而计量经济学不满足于这些，他们会进一步假设，这些危险因素是怎么影响的，如果他们影响，会产生什么样的后果等等。
有些计量经济学家看不起生物统计学家，认为生物统计学比计量经济学至少落后20年，实际上并非如此。只不过两个领域的理念不同，所用的方法也不同而已。
比如，计量经济学家在分析二分类结果变量时，喜欢用probit回归，而不是logistic回归，他们觉得probit回归在概率上意义明确。而生物统计学家喜欢用logistic回归，他们觉得logistic回归的解释意义清楚。
再如，在分析因果关系时，计量经济学家喜欢用hechman模型，他们觉得这个更像是个模型，更值得分析。所以计量经济学家看不起生物统计学用倾向值得分来处理因果推论。而实际上，生物统计学家认为，只要倾向值得分能够保证其他条件相同的情况下，也足以进行因果推断了。而计量经济学家则需要一个完美的模型来证明他们的优越性。
计量经济学追求完美和细致，生物统计学家追求简洁和实用。所以同样对于多层数据，计量经济学家会把固定效应模型、随机效应模型分的很细，而生物统计学家主要用多水平模型，有时也用广义估计方程，而这可能是计量经济学家永远都不会用的模型。他们会觉得广义估计方程太简单，只是校正了相关性，得到参数估计。这也是计量经济学家不屑于用神经网络的原因，因为神经网络就像个黑箱，你把输入的内容放进去，结果就出来了，这是计量经济学家所无法忍受的，弄不清中间到底发生了什么事。而生物统计学家会觉得很方便，他们不追求中间发生了什么，只要结果准确、合理就可以了。
所以，如果你是学生物统计，不要因为好像计量经济学更深入而觉得计量经济学更高级，所有的差别只是因为思想的差别，并非生物统计学比计量经济学落后。当然，如果你能将他们融会贯通，当然更好，其实很多方法本来就可以融会贯通，领域的差异并不是鸿沟。
相关的计量经济学与统计学的讨论可参看此贴：https://bbs.pinggu.org/thread-2930588-1-1.html
同时欢迎大家积极回复发表自己的一些见解哦！
京公网安备 11010802022788号
