關(guān)于計量經(jīng)濟學(xué)

當初一個舍友來自西部地區(qū)，從沒學(xué)過計量（OLS都沒學(xué)過）。但畢業(yè)論文老板要求用數(shù)據(jù)說話，發(fā)愁。我于心不忍，告訴她：我每天晚上自習(xí)回來，睡覺前花10分鐘給你講解一下STATA的操作和出來的各項結(jié)果意義。第一天，我講了OLS。畫了一張散點圖和一根直線，用了1分鐘就讓她完全理解了OLS的精髓，這是用來干啥的。后面9分鐘講解了STATA的操作和OLS的各種變種。結(jié)果只一個星期，講完五種方法（下面會介紹），她信心大增。后來一下子發(fā)了好幾篇CSSCI，計量做的天花亂墜，讓人誤以為是一個大師。畢業(yè)論文也順利通過。她說我的方法是當今世界上最快的計量速成法。她說，以后有時間要好好看看計量書，打打基礎(chǔ)。我推薦她讀伍德里奇的那本現(xiàn)代觀點。但她論文發(fā)表了好多篇，至今還沒看那本書。問其原因：“看了一下OLS，跟你講的沒啥區(qū)別，就是多了些推導(dǎo)。那些推導(dǎo)看不看都不影響我用軟件?，F(xiàn)在沒空看，先發(fā)論文再說?！蔽倚ζ涮≡辍５髞硐胂?，這種學(xué)習(xí)方法不一定適合所有人，但或許適合一部分人群。因此有必要寫出來讓這部分人群都有所收獲，不會因為發(fā)不了CSSCI而擔憂，不會因為畢業(yè)論文不會做計量而擔憂。因此有了本文。你是不是屬于這樣的人群？請看下面：本文的目標人群：3、想學(xué)計量卻看不懂、推導(dǎo)不了那些恐怖矩陣的人，也就是不想看推導(dǎo)過程，也想4、不想看計量書，卻想寫計量論文，發(fā)幾篇CSSCI，盡快畢業(yè)的人。但是目標人群一定要能看懂STATA軟件操作手冊的人（或者其他軟件操作手冊）。如果你不認得手冊上的字，不要來告訴我。我也不認得。如果你能找到一個懂STATA、EVIEWS的人給你講解一下，那么你看不懂手冊也無所謂。本文的目標：不看計量推導(dǎo)、不看計量書籍就能發(fā)計量論文，而且是大規(guī)模批量生產(chǎn)計量論文，甚至是發(fā)經(jīng)濟研究和管理世界。目標能否實現(xiàn)：取決于你能否掌握本黑客教程的內(nèi)容，能否閱讀軟件手冊。申明：不是教你如何抄襲作弊，而是教你寫計量論文的方法和捷徑。四、瞎倒騰計量的秘訣1、計量模型的建立（就是那個方程，表達什么經(jīng)濟含義要知道）；2、模型中的系數(shù)如何估計出來（關(guān)鍵在于估計方法的選擇）。第1個要點涉及你論文主題。你一般要想用數(shù)據(jù)檢驗?zāi)撤N經(jīng)濟關(guān)系，根據(jù)這種經(jīng)濟關(guān)系來建立計量模型。如果你不知道要檢驗什么經(jīng)濟關(guān)系，那我勸你就此打住。你發(fā)不了第2個要點。千萬種方法的出現(xiàn)，目的都是要把那個系數(shù)給估計出來。不同估計方法的估計效果好壞，就是根據(jù)各種統(tǒng)計量來判斷。如果能選擇一種最合適你數(shù)據(jù)的估計方法，那么這論文基本就成了。二、如何判斷計量論文的水平高低？掌握了上面兩個要點，只是說你能寫出一篇計量論文，并不是說能寫出一篇高水平的論文。水平的高低在于你處理這兩個要點時水平的高低。下面仔細講解。如果只是為了寫計量論文，只需要“知其然”即可。沒有人會因為不會推導(dǎo)OLS估計量而對軟件里面出來的結(jié)果不知所措。這條途徑，最快捷的走法是找一個懂的人，把結(jié)果里面的各種東西所表示的意思給你講一遍，每個東西要注意什么?；揪涂梢粤?。在一般的CSSCI上發(fā)表論文沒有什么問題。如果找不到人，就看STATA的手冊，里面的例子會講解每個指標參數(shù)統(tǒng)計量的含義。這樣慢一點，但效果很好，而且也能成為STATA專家。STATA手冊比高級計量教材看起來輕松多了，就是告訴你怎么操作軟件，然后得到什么計量論文中的估計問題，最關(guān)鍵的事情，不是能推導(dǎo)估計量，而是在STATA里面選擇一個“合適”的方法估計出來。然后解釋結(jié)果的經(jīng)濟意義。而計量水平的高低，不在于方法的復(fù)雜性，而在于方法的合適程度。因此高水平的計量論文，不必要求作者掌握高深的計量推導(dǎo)，而在于“選擇”的技巧。每種計量方法，都有優(yōu)劣。所謂用人之長，容人之短。水平高的人，能夠選擇以其之長，攻它之短。同時又能隱藏計量方法內(nèi)在的拙劣。其實，計量論文的水平主要決定于論文的主題的重要性。這個話題大家都很關(guān)心，就很重要，發(fā)表就很容易。所以，你會發(fā)現(xiàn)國際頂級期刊上一些計量論文所用的方法很簡單。這些論文能發(fā)表，主要是他討論的問題很重要（這涉及第一個要點），采用的方法即使有缺陷，也無傷大雅。如果問題不是非常重要，只是有新意，但是估計方法比較合適，也能發(fā)一個中上等期刊。如果問題屬于雞毛蒜皮之類，那就只能訴諸于超級復(fù)雜的計量方法，祈求審稿人看論文時，方法還沒看完就已經(jīng)累得半死，再也沒有心情來思考你的問題的重要性，然后也能通過了。三、做計量的“大殺器”有哪些？所謂的大殺器，不是指超級復(fù)雜的計量方法，而是指這種東西一旦用起來，一般不會有人來攻擊。所謂的一招斃命，斃了審稿人的命。計量方法很多，可以說滿天飛。但是，真正有價值的方法，被人公認為具有一定可信度的方法（就是所謂的“大殺器”），只有5種。并不是你所看到的所有的方法都有人信。這點大部分初學(xué)計量的人都不會意識到。看到書上介紹一個方法，就認為這是一個好方法。其實不是。書上很多方法的介紹，僅僅是出于理論推演的需要，并不是實際研究中都能用的。你如果查閱一下國際上關(guān)于經(jīng)驗研究類的論文，會發(fā)現(xiàn)大部分論文所用方法無非是：3、面板固定效應(yīng)回歸；4、差分再差分回歸(differenceindiffernece)；5、分位數(shù)回歸(Quantile)。大殺器就這幾種，破綻最少，公認度最高，使用最廣泛。真是所謂的老少皆宜、童叟無欺。其他的方法都不會更好，只會招致更多的破綻。你在STATA里面還可以看到無數(shù)的其他方法，例如GMM、多層次分析法等。這個GMM實在是一個沒有用的忽悠，他還分為diffGMM和系統(tǒng)GMM。其關(guān)鍵思想是當你找不到工具變量時，用滯后項來做工具變量。結(jié)果你會發(fā)現(xiàn)令人崩潰的情況：不同滯后變量的階數(shù)，嚴重影響你的結(jié)果，更令人崩潰的是，一些判斷估計結(jié)果優(yōu)劣的指標會失靈。這完全是胡搞！這GMM的唯一價值在于理論價值，而不在于實踐價值。你如果要玩計量，你就可以在GMM的基礎(chǔ)上進行修改（玩計量的方法后面講）。有人會問：簡單回歸會不會太簡單？我只能說你真逗。STATA里面那么多選項，你加就是了。什么異方差、什么序列相關(guān)，一大堆盡管加。如果你實在無法確定是否有異方差和序列相關(guān)，那就把選項都加上。反正如果沒有異方差，結(jié)果是一樣的。有異方差，軟件就自動給你糾正了。這不很爽嘛。如果樣本太少，你還能加一個選項：bootstrap來估計方差。你看爽不爽！bootstrap就是自己提靴子的方法。自己把腳抬起來扛在肩上走路，就這么牛。這個bootstrap就是用30個樣本能做到30萬樣本那樣的效果。有吸引你說這個簡單回歸簡單還是不簡單！很簡單，就是加選項。可是，要理論推導(dǎo)，就不簡單了。我估計國內(nèi)能推導(dǎo)的沒幾個人。經(jīng)濟研究上論文作者，最多只有5%的人能推導(dǎo)，而且大部分是海龜。所以，你不需要會推導(dǎo)，也能把計量做的天花亂墜。工具變量(IV)回歸，這不用說了，有內(nèi)生性變量，就用這個吧。一旦有內(nèi)生性變量，你的估計就有問題了。國際審稿人會拼了老命整死你。國內(nèi)審稿人大部分不懂這東西（除了經(jīng)濟研究這類刊物的部分審稿人以外）。工具變量的選擇只要掌握一個關(guān)鍵點就行：找一個和內(nèi)生性變量有數(shù)據(jù)相關(guān)的，但是沒有因果關(guān)系的東西，這就是你的IV了。例如貿(mào)易量如果是內(nèi)生的，那么你找地理距離作為IV。北京到紐約的距離，那是自然形成的，沒人認為是由貿(mào)易量導(dǎo)致的，這就是沒有因果關(guān)系。但是你會發(fā)現(xiàn)兩者在數(shù)據(jù)上具有相關(guān)性。這就很好。這種數(shù)據(jù)相關(guān)性越強，IV的效果就越好。就這么一段話，IV變量回歸就講完了。在STATA里面，你直接把原回歸方程寫出來，然后把IV填進去就可以了，回車就得到你的結(jié)果。關(guān)鍵是你不一定能找到這樣的工具變量。你能找到，這個工具也不大能用。不過要注意，IV不靈不代表你不能發(fā)表。經(jīng)濟研究上還不是發(fā)了一大堆這樣的論文。所以，你只要找到一個IV，效果不是差的太離譜，一般都能發(fā)。當然不能發(fā)國際一流了。國內(nèi)是沒問題。國內(nèi)審稿人沒人會重復(fù)你的結(jié)果看看是否有問題，因此你說這個IV效果已經(jīng)是最好的了，世界上還找不到第二個比這個更好的了，審稿人也沒的話說。就發(fā)表唄！如果審稿人說，另外一個IV效果可能要比你的好。那你就采納他的建議用他的IV（盡管他的建議會更差），然后感謝他一下。第二次審稿，難道他還會說自己上次是胡說八道？？？所以就發(fā)表了，哈哈哈哈！有人又會問：面板不是還有個隨機效應(yīng)嘛？我只能說，你是看過書的人，所以才知道隨機效應(yīng)。其實隨機效應(yīng)壓根就沒什么用處。有人信誓旦旦說可以用hausman來檢驗。我只能告訴你，這檢驗壓根就不可靠?？煽恳彩抢碚撋峡煽?，實踐上根本沒人信。當然中國人都信，不信的都是美國歐洲這樣的計量經(jīng)濟學(xué)家。你難道不知道hausman還會出現(xiàn)負值！做過這個檢驗的人都很頭疼這個負值，不知道該怎么做。你如果看看一些高手的建議，或者一些書籍，你就會發(fā)現(xiàn)，最權(quán)威的建議就是：當你無法判斷該用固定效應(yīng)還是隨機效應(yīng)的時候，選擇固定效應(yīng)更可靠。隨機效應(yīng)不是任何時候都可以做，但是固定效應(yīng)是任何時候都可以做。所以你知道該怎么做了吧。差分再差分，是固定效應(yīng)的一個變種，在估計某個事件發(fā)生帶來的效應(yīng)時最有用的方法，特簡單，看看STATA手冊就明白了?？襁貧w(Quantile)是一般均值回歸的一個推廣?？疵滞樔?，其實很簡單。如果你知道OLS是一個均值回歸，那類推就可以知道1/2分位數(shù)回歸。你知道的，正態(tài)分布下，均值就是1/2分位數(shù)的地方。均值回歸就是翻開伍德里奇的書，講到簡單OLS回歸時，我記得有一個圖，上面對不同位置的x位置畫了不同的正態(tài)分布密度函數(shù)(第2版是figure2.1，pp26，見下面)。如果是異方差問題，那么不同x位置的正太分布圖的方差就有變化。這個圖上注明了預(yù)測值是E(Y|X)，就是Y的條件期望，就是那根回歸預(yù)測直線啦。在正態(tài)分布下就是Y的密度函數(shù)的中心點的連線，就是1/2分位數(shù)點的連線。如果那那么預(yù)測結(jié)果就不是Y的均值（在非正態(tài)下可能是均值），而是1/4和3/4分位數(shù)點的預(yù)測值。這下明白狂忒二回歸了吧。分位數(shù)回歸就是看看那根預(yù)測直線在不同的分位數(shù)點上有什么結(jié)果,得到什么樣的回歸系數(shù)。通常的OLS預(yù)測直線，僅僅是一個特例而已。進一步推廣，可以推廣到任意分位數(shù)點回歸的情況。道理一樣。伍德里奇《計量經(jīng)濟學(xué)導(dǎo)論——現(xiàn)代觀點》的圖2.1（解釋Quantile回歸的意義）不過要注意，大殺器要用對。有內(nèi)生性變量，你就不要用簡單回歸了，你得用IV回歸。這幾種大殺器的精髓一領(lǐng)會，基本上其他東西就難不倒你了。就是STATA里面的選項多選幾個或者少選幾個的問題。你所要做的就是在STATA里面打鉤、設(shè)置參數(shù)。對付一般的CSSCI論文，已經(jīng)是綽綽有余了。如果你提了一個大家很感興趣的問題，就是一個重要問題，那么用用IV，或者固定面板，發(fā)個經(jīng)濟研究基本沒問題。如果你的問題不是很重要，還想發(fā)經(jīng)濟研究，那你就要簡單問題復(fù)雜化。上面大殺器能解決的問題，你就用更不可靠的方法但更復(fù)雜的方法去解決吧。大家用開源軟件就會知道，一般開源軟件會有一個穩(wěn)定版本，功能比較少，效果很穩(wěn)定，能滿足你日常幾乎所有的需求。還有一個開發(fā)版本，專門給那些吃飽了撐著沒事干的人倒騰的版本，因為是開發(fā)版本，所以很不穩(wěn)定，經(jīng)常會出錯、崩潰。不過能倒騰的人不怕崩潰，崩潰了能自己修。你要是想倒騰，接著往瞎倒騰有兩種水平，第一種是低水平，第二種，那你也猜到了，就是高水平瞎倒騰。低水平瞎倒騰，就是大殺器不夠過癮，要用攝人魂魄、但容易走火入魔的計量方法達到發(fā)表經(jīng)濟研究的目的。例如，沒事弄弄協(xié)整，搞一把單位根檢驗之類的。聽起來頭頭是道，其實都是杞人憂天。你想想，要是有協(xié)整，時間序列你根本不用著急。要是沒有協(xié)整，你著急也沒用。那你還協(xié)整個啥！面板來說，你有協(xié)整，也沒有一個較好的估計方法，期刊上不是還有很多人在用固定效應(yīng)OLS，或者是加點滯后滯前項變成一個固定效應(yīng)動態(tài)OLS來估計非平穩(wěn)面板嘛。面板到現(xiàn)在為止也沒有一個公認的可靠的協(xié)整向量估計方法，否則STATA這樣的軟件早就提供按鈕了（STATA和EVIEW現(xiàn)在只有協(xié)整的檢驗方法，不是協(xié)整向量的估計）。既然沒有公認可靠的方法，你急啥！其實，協(xié)整這玩意，最大的價值也在于理論價值，實踐價值幾乎沒有。當年格蘭杰發(fā)表協(xié)整思想，說如果變量不平穩(wěn)，在沒有協(xié)整關(guān)系的情況下，前人回歸都不可靠。這話把大家嚇個半死。驚魂未定時格蘭杰又說，在協(xié)整情況下沒問題，大部分論文中的經(jīng)濟變量都有協(xié)整關(guān)系。大家一聽，松了口氣，原來沒有問題。有問題的那些少數(shù)自然自討沒趣。從格蘭杰當年這搞笑天分，你就知道期刊上那些協(xié)整玩意都是忽悠。當然，又是單位根檢驗，又是協(xié)整檢驗，然后各種估計方法，這就好幾頁篇幅過去了，經(jīng)濟研究編輯一看，至少進入匿名審稿了。兵法曰：唱空城計，以靜制動。意思你知道的。上面是低水平瞎倒騰。雖然攝人魂魄，但是一旦走火入魔，論文就被斃。風險和收益，你自己把握吧。下面簡單談?wù)劯咚较沟跪v。這不屬于本文的目標范圍，但是既然提到瞎倒騰，不提一下這個有點缺陷。能干這事的人，一般都要看過高級計量。不看是不會的。如果你沒看過，下面可以直接跳過。這高水平瞎倒騰，基本上是一招斃命，當然是斃審稿人和主編的命。要斃了自己的命，還不如不瞎倒騰呢。我只講一下操作步驟。能如此瞎倒騰的人，基本一看就能心領(lǐng)神會。找一篇頂級期刊的名人寫的經(jīng)驗研究論文。這類論文通常是問題很重要，方法很傻瓜。然后你去拓展方法。這里改改殘差假設(shè)，那里修修變量平穩(wěn)性強度，重新推導(dǎo)一下估計量（這就是為什么走這條路，你就得會推導(dǎo)），得到一個新的分布，然后按照這個新分布來做顯著性檢驗，得到你想要的結(jié)果?？纯从惺裁唇Y(jié)果變化。啥變化也沒有那幾乎是不可能的。即使沒大的變化，也會有系數(shù)程度大小的變化，或者顯著性有所輕微變化。只要有變化，就大做文章，巴拉巴拉一大堆討論，暈死他再說。這論文寫出來，投經(jīng)濟研究自然沒什么問題。說實話國內(nèi)能這么玩的人畢竟少數(shù)。你玩把戲，審稿人都不一定看得出來。自然就通過了。如果投國際上一流刊物，那么多人在玩這個把戲，都是火眼金睛，就看你玩的轉(zhuǎn)否。如同馬戲團的雜技，有人玩得溜，有人會出破綻。再補充一個中等水平的瞎倒騰方法。你也不需要會推導(dǎo)公式，但是你得會用一些傻×程序，例如GAUSS，MATLAB、R等。你平時緊緊盯著那些出新方法的期刊，我指的是國際期刊哦。一旦有一個新方法出來，作者都會附一個程序，例如R程序。你就下載下來?？疵靼走@篇對應(yīng)論文的摘要、introduction和結(jié)論，基本搞清楚這方法是針對什么樣的問題的，在什么情況下能用。這就行了。你拿過來把中國數(shù)據(jù)往里面灌，然后出來一篇論文。因為這方法很新，國內(nèi)基本沒人見過，即使見過也是極少數(shù)人。沒人見過就好辦事。你說自己的結(jié)果怎么樣可靠，怎么樣比別人的結(jié)果要好，那就是好。編輯肯定沒見過這方法，審稿人只是小概率見過。所以這論文一