请教经济学方法论：关于学界屡犯检验方法与传导机制环节模型的不匹配问题？（转）

猪人 发表于 2010-11-29 19:34
lz提的是empirical研究的问题，可偏偏把实证两个字理解为了positive。
近200年来，还有谁在做非positive的研究？马克思资本论里面99%的都是positive经济学。

自从实征二字被误写为实证，就引起了国内大部分人的混淆。我还是喜欢叫经验分析，免得误人子弟。

建议您读一读原版的方法论的书。您楼下的朋友已经说的比较全面~~

positivism和empirical有的相似，但不是同一回事。两者的反义词也如您楼下的朋友所言。

但如果细究，会追溯到近代哲学方法的演变，就此打住吧。。。


还是回归正题吧~~~~

antoni09 发表于 2010-11-29 14:24
IV不能说成是自变量，计量经济学中，IV专门指工具变量，参数可不能写成indicator，这个专门指0或1的虚拟变量，参数应该称为parameter，这些专业名词都应该正确使用。
做理论和做经验研究的不一样，做理论的可以偏重某一点，其他的都可以简化，做经验研究的必须同时考虑很多理论可能性。比如楼主列出来的生产函数形式，其实这只是生产函数的一种假定形式，还有其他的生产函数形式，只不过都不如柯布道格拉斯生产函数方便处理而已。因此在做生产函数的计量分析时，单是检验柯布道格拉斯生产函数的那两个系数还是不行的，还必须尽可能的把其他能够影响产值的因素包括进来，这就是为什么那些作者要罗列一大堆理论文献，因为可以根据这些理论来确定什么因素对产值可能起作用。
其实楼主如果多读点国外文献会发现，学界对经验研究的困难应该探讨得非常深入细致了，使用线性回归有什么好处？在理论假定前提不明确的情况下，回归的系数代表了什么意义？以为这些问题很浅的人真的了解线性回归？

受教，您说的有道理。不过indicator是在一些社会科学英文文献中从研究方法论问题时的泛指，不是小弟的独创。但回想计量经济学中确实没有看到，用parameter的确更准确。

您提的问题有些我很赞成，但并没有回答我的问题

您的问题
——“在理论假定前提不明确的情况下，回归的系数代表了什么意义？”——如果是最最简单OLS检验，说明了在两列数据所代表的变量在一定的显著性水平基于线性关系所呈现出的相关性，系数更多代表了相关性，而并非是确切的数值，并非是完全的线性对应。这是计量经济学书本上的大意，也是几乎每个老师都会教授的结论，因为H0是假定参数为0，如果以大概率拒绝，能说明的只是相关性。结论是对的，可少有人质疑为什么那个参数无用。或许因为经典计量经济学的初级教材都是这么举例的，结果做到相关性就可以了。。。（此理由小弟也不确定，但请指正）

但即使这得到检验的相关性，也是基于线性这一前提，回归是在此基础上一定概率的拟合。我们不可以说，因为从结论而言，人们需要的信息是变量之间的相关性，所以就剔除了检验的线性模型这一前提。


回到我的问题。

1。传导机制部分的理论。比如您说的柯布道格拉斯生产函数的例子，小弟的问题不是不肯定您说的“还必须尽可能的把其他能够影响产值的因素包括进来”，而在于如果把这些影响的因素考虑进来，但没有基于原始的柯布道格拉斯生产函数进行再论证（换言之，没有在一个统一的前提和假定下建立包括所涉及因素在内的模型），这也就意味相关传导机制的论述尽管有理论，但是该理论体系合起来看并不是基于一个统一的假定和前提（题外话：这也是为什么西方宏观经济学相比于西方微观经济学至今看上去始终没那么完美的原因，每个流派都在建立自己的假定，且很少兼顾前人理论，未能涵盖其他流派），有的前提与假定甚至会出现自我矛盾。

2。第二个关于检验部分。基于回归检验的原始模型（比如OLS的线性）即使论证了数据的相关性，其实也只是基于回归检验线性这个前提而得到的结论，并非是文章前面传导机制的理论。也就是你检验的再正确还是检验的变量间基于线性关系这一前提的相关性（这里暂且不谈论斜率），检验的过程实际没有用到传导机制部分所叙述的理论。

举个例子：因变量DV是30年来全球的气温逐年的增长率，自变量IV是30年来A国的GDP增长率。假设文章开始运用了这样的传导机制：经济增长——工业化加速——二氧化碳排放增加——全球变暖。但在这一过程没有建立了自己的模型，而是论述A理论“某古典理论提及经济增长——工业化加速”，B理论“某新古典理论工业化加速——二氧化碳排放增加”，C理论“某宏观理论认为二氧化碳排放增加——全球变暖”。然后定性的建立了一个上文提到的传导机制。接着，进行回归检验，假设DV和IV都是平稳的，使用OLS，也确实p值很小，DW,R等从回归方法上都很符合要求。然后文章结束，表明了最初的结论。

我的意思是该文章：第1，该文传导机制实际没有建立严谨的理论（无论多少中间变量，严谨的方法是基于一个前提推出，最好是数学模型）；第2，计量检验从检验方法上DV和IV具有相关性（是显著的，这里不谈斜率或者截距的问题），但所证明的相关性也是建立在线性模型（OLS）基础上的相关；再者，这里的相关性结果与文章前文所论述的传导机制并没有一一对应。换言之，这里的数据并没有证明文中所论述的变量间的传导机制，而是基于检验方法（OLS）的线性模型证明了两变量的相关性。

那么从方法上而言，文中那个传导机制有何意义？如果这个方法是可行的，作者完全可以在传导机制中再随意加入或者减掉一个中间变量，同样可以得到相同的结论。
也许有朋友会说那把传导机制都用前人的已有理论。当然这样的话传导机制是没问题（如果不是抄袭），但是文章的数据不还是没有证明这个传导机制？而经济学论文的核心并不是最后的检验方法，而恰恰是前面的传导机制，没有证明传导机制，光靠数据的相关性是请问说明了什么？ 除非传导机制的模型可以转化为后面计量检验的模型形式（如同经典的柯布道格拉斯生产函数）

这里论述的前提都是基于实证主义（再次说明下，实证主义不等同于经验主义，有些朋友有兴趣还是阅读一些社会科学方法论的原著，比如Karl Popper, Kuhn Thomas, Imre Lakatos的文章，国内有些误解多半源自于翻译者）


文中若有不对之处，请继续批评指正！

lauren 发表于 2010-11-30 04:26 ——“在理论假定前提不明确的情况下，回归的系数代表了什么意义？”——如果是最最简单OLS检验，说明了在两列数据所代表的变量在一定的显著性水平基于线性关系所呈现出的相关性，系数更多代表了相关性，而并非是确切的数值，并非是完全的线性对应。这是计量经济学书本上的大意，也是几乎每个老师都会教授的结论，因为H0是假定参数为0，如果以大概率拒绝，能说明的只是相关性。结论是对的，可少有人质疑为什么那个参数无用。或许因为经典计量经济学的初级教材都是这么举例的，结果做到相关性就可以了。。。（此理由小弟也不确定，但请指正）

个人理解：这里不能说成“以大概率拒绝”。

假设检验中，我们常常提及的是“弃真错误”（原假设本为真，但检验结果是拒绝原假设）及其概率。

对于某原假设以及相关的检验统计量及其分布，拒绝域是由事先给定的显著性水平（弃真错误概率）决定的。给定某一水平p（它一般较小），如果检验结果是拒绝原假设，我们应该说"（该检验中）拒绝原假设犯弃真错误的概率是p"（而不说"以大概率拒绝原假设"），因为拒绝域对应了“小概率事件”，而这里我们又以“小概率事件的实际不可能性原理（实际推断原理）”为另一基础。

13# sungmoo

谢谢指正，不好意思：）

lauren 发表于 2010-11-30 04:26 而经济学论文的核心并不是最后的检验方法，而恰恰是前面的传导机制，没有证明传导机制，光靠数据的相关性是请问说明了什么？ 除非传导机制的模型可以转化为后面计量检验的模型形式（如同经典的柯布道格拉斯生产函数）

个人以为，这里涉及的关键问题是，经济学理论中的命题可否从经验上检验，或者，在何种意义上是“经验上可检验的”。

sungmoo 发表于 2010-11-29 10:44

lauren 发表于 ？

个人感觉：设定理论模型需要假设，设定回归模型需要假设，设定检验仍需要假设。（至少在经济学领域）这些假设是很难严格保持楼主所说的“一致性的”。这受限于已有的数学（包括计量、检验）工具。

理论模型设定相对“自由”一些，而回归与检验必须具有“直接的”可操作性、可计算性，这两者（的假设）经常相互冲突。为了使研究得以进行，研究者不得不牺牲一些逻辑严谨性。

经济学也许无法严格遵行物理学那样的程序。各种研究结果，也都是试探性的，随时受质疑的（当然，质疑者也要遵循一定的规范）。

（类似的问题还可以有许多，比如，所获得的数据真地是模型中变量所对应的吗？数据获得方法是否可靠？——毕竟经济学的数据很少来自可控制的实验室）

谢谢！感觉现状确实如此。 ：）

sungmoo 发表于 2010-11-29 10:53
另外，现实操作中的每一次回归，是否必须以已有的严格的经济学理论为基础，也许也是有争议的。很多统计（或计量）过程，也许是在尚无很严谨清晰的理论的情况下进行的。从而可能发现一些“统计性定律”，并提示人们提出新理论。当然，这里涉及许多方法论上的争议。

同意您的观点。。后来说的经验上验证的确是一个思考的角度，就是感觉方法论上少了些严谨。

不过如果从方法论上可以容忍的话，那就OK。

好贴。

这个问题实际是经济学的通病——不知道什么叫假设。这个问题我在本坛讲了很多次，但是注意的人不多。

假设就是指依据一定的情和理对暂时不能确定的东西进行某种猜测。理论都是然后以此为基本推到出某种结论，结论符合实际，则理论就是正确的。比如看见飞碟，便假设他是外星人的交通工具，比如经济学中的人性自私，物理学中的光速不变，都是这种假设。

但是学术中有两种假设，一种是真假设，一种是假假设（过渡性假设）。真假设就是上面所讲的假设，假假设是指对能够知道的事物进行某种限定而产生的假设，比如假设某人是女人，假设距离不变，假设压力不变，，假设偏好不变。假假设（过渡性假设）只是在于得出某种科学结论中某种相关性才使用，这种相关性也是一种科学结论，但是完整的科学结论。比如开普拉三定律相对于牛顿万有引力定律就是三个不完整的结论，只是万有引力定律中的三种相关性。

楼主所讲的在于我们经济学总是将假假设当做真假设，而且还自以为是。由于假假设下的结论一定是不完整的，所以其结论也是不完整的，总是看起来是，但是又总是不是。比如著名的需求定律就是这样的一个结论，它的问题在于其中假设——其它不变是已知的，都是可变的。“其它不变”是假假设，不是真假设。

曹国奇 发表于 2010-12-4 00:18 楼主所讲的在于我们经济学总是将假假设当做真假设，而且还自以为是。

不妨请楼主出面谈一下：自己是不是这层意思。

经验研究最大的困难是我们的无知，必须承认这一点。认为有个理论上的传导机制，然后使用数据检验这个传导机制是否正确，这是一种直线型的思维方式，这种做法有很多难以克服的困难，一是理论太多，即使否定了一种也不能肯定是另一种，二是理论的假定前提等几乎不可能检验，三是用以检验的数据生成机制我们也了解甚少。现代计量经济学一派主流观点是反过来，我们承认自己的无知，对现实的数据只有很少的信息，也不知道哪个真正的传导机制是什么。那么我们要问自己，我们做的这些回归，这些计量分析方法，究竟代表了一个什么含义？
回到我开头的那个问题，为什么我们要使用线性回归？不是假定变量之间是线性关系的，而是因为即使变量之间存在我们无法知道的非线性关系，线性回归仍然是对这种非线性关系的线性最优逼近！这是我们得到的最乐观的结论了，对先天设定的任何一种显式的非线性函数，我们都无法证明这个函数是对变量之间非线性关系的最优逼近！后来的文献继续考究线性回归的系数代表了什么含义，这方面的内容很丰富，依靠我们掌握的信息不同，系数的含义也不一样，比如在LATE（局部平均处理）的情况下，线性回归的系数代表了一个加权平均处理效应的期望值。
另一个主流的观点是，我们做一个模型，然后调整参数，使这个模型生成的数据信息和实际数据一致，这类似于宏观经济学的calibration的方法。但是这一派也没有企图要去验证什么传导机制，而是直接使用这个模型做各种预测。