经济计量

经济计量 (Econometrics)

经济计量 (Econometrics) 是运用统计学和数学方法对经济学理论所表述的经济关系进行定量实证研究的学科。其核心任务是从非实验性的观测数据中推断经济变量之间的因果效应与结构关系。经济计量学与数理经济学和计算经济学构成现代经济学定量分析的三大方法支柱——前者侧重于用数学语言描述经济理论，后者侧重于用数值算法求解复杂模型，而经济计量学则聚焦于用数据检验理论和估计参数。这一学科的思想渊源可追溯至格雷欣法则时代的统计观察，但其正式确立则以 1930 年计量经济学会 (Econometric Society) 的成立和 Econometrica 期刊的创刊为标志。

经济计量的基本框架

任何经济计量分析都遵循若干共同的逻辑步骤：首先是模型设定，即依据经济理论将变量间的结构关系以数学方程的形式表达；其次是数据收集，涉及时间序列数据、横截面数据或面板数据；再次是参数估计，最常用的方法是普通最小二乘法 (OLS) 和极大似然估计 (MLE)；然后是假设检验，对经济理论的预测进行统计推断；最后是预测与政策评估。这一循环并非一次性完成——研究者通常需要根据诊断检验的结果反复修正模型设定，直至获得统计性质良好且经济含义合理的估计结果。

经典线性回归模型

经济计量学的基础是线性回归模型。对于 $i = 1,\ldots,n$ 个观测，模型可写为：

其中 $y_i$ 是被解释变量，$x_{ij}$ 是解释变量，$\beta_j$ 是待估参数，$\varepsilon_i$ 是随机误差项。高斯-马尔可夫定理 (Gauss-Markov Theorem) 指出，在零条件均值、同方差性和误差不相关等经典假设下，OLS 估计量 $\hat{\beta}$ 是所有线性无偏估计量中方差最小的，即BLUE (Best Linear Unbiased Estimator)。这一性质奠定了最小二乘法在经典经济计量中的核心地位。回归系数的经济含义可通过边际效应来解读：在保持其他变量不变的条件下，$x_j$ 每变动一单位，$y$ 的期望值变动 $\beta_j$ 单位。

违反经典假设的情境

现实经济数据几乎从不同时满足经典假设，由此催生了一系列专门化的经济计量方法。

异方差性 (Heteroskedasticity) 指误差项的方差不恒定，在横截面数据（如家庭调查中不同收入群体消费方差的差异）中尤为常见。White (1980) 提出的异方差一致标准误 (Heteroskedasticity-Consistent Standard Errors, HC) 允许在异方差存在时仍进行有效的统计推断。广义最小二乘法 (GLS) 则通过加权变换直接校正异方差。Breusch-Pagan 检验和White 检验是检测异方差的常用诊断工具。

自相关 (Autocorrelation) 指误差项在时间维度上存在序列依赖，常见于时间序列数据。Durbin-Watson 检验是检测一阶自相关的经典工具，而Newey-West 稳健标准误 (HAC 估计量) 则同时校正自相关和异方差对标准误的影响。当模型中包含滞后被解释变量时，Durbin h 统计量可替代标准 DW 检验。

多重共线性 (Multicollinearity) 指解释变量之间高度相关，导致参数估计的方差膨胀。方差膨胀因子 (VIF) 是诊断多重共线性的常用指标。尽管多重共线性不破坏 OLS 的无偏性，但它使估计精度严重下降——实践中通常通过删除冗余变量、增加样本量或采用岭回归 (Ridge Regression) 等正则化方法来缓解。

内生性与工具变量

内生性 (Endogeneity) 是经济计量学中最核心的挑战之一。当解释变量与误差项相关时，OLS 估计量将丧失一致性，导致有偏的因果推断。内生性的主要来源包括遗漏变量偏误、测量误差和联立性 (simultaneity)。

工具变量法 (Instrumental Variables, IV) 是解决内生性的标准方法。一个有效的工具变量 $z$ 必须满足两个条件：相关性 (relevance)，即 $\text{Corr}(z,x) \neq 0$；以及外生性 (exogeneity)，即 $\text{Corr}(z,\varepsilon) = 0$。两阶段最小二乘法 (2SLS) 是 IV 估计的通用框架。Angrist 和 Imbens 等学者发展的局部平均处理效应 (LATE) 框架为 IV 估计提供了更严谨的因果解释。弱工具变量问题——当工具变量与内生解释变量相关性较弱时——会导致 IV 估计的有限样本偏误和渐近方差过大，F 统计量是检测弱工具变量的常用诊断指标。

面板数据方法

面板数据 (Panel Data) 兼具横截面和时间序列的双重维度，允许研究者控制不可观测的个体异质性。固定效应模型 (Fixed Effects, FE) 通过个体层面的虚拟变量或组内差分消除不随时间变化的遗漏变量偏误；随机效应模型 (Random Effects, RE) 则将个体效应视为随机变量。Hausman 检验常用于判断使用 FE 还是 RE 更为恰当。近年来，双向固定效应 (Two-Way Fixed Effects) 和交互固定效应 (Interactive Fixed Effects) 模型在应用微观经济学中日益普及。聚类稳健标准误 (Cluster-Robust Standard Errors) 是面板数据分析中处理组内相关性的标准做法。

时间序列经济计量

时间序列经济计量关注变量在时间维度上的动态关系。平稳性 (Stationarity) 是经典时间序列分析的基本前提——单位根检验 (如ADF 检验和PP 检验) 用于判断序列是否包含随机趋势。若两个或多个非平稳序列之间存在协整 (Cointegration) 关系，则它们虽然各自具有随机趋势，但线性组合是平稳的。Engle-Granger 两步法和Johansen 检验是协整分析的经典方法。VAR 模型 (Vector Autoregression) 和结构 VAR (SVAR) 是宏观经济时间序列建模的标准工具，而格兰杰因果检验用于判断变量间的预测能力关系。

经济计量的应用与局限

经济计量方法在宏观经济学（如估算IS 曲线和菲利普斯曲线的参数）、劳动经济学（如估计教育回报率）和金融经济学（如验证CAPM和有效市场假说）中有广泛应用。此外，发展经济学中的随机对照试验 (RCT) 和断点回归设计 (RDD) 已极大地拓展了经济计量的方法论边界。然而，经济计量面临的根本挑战在于：经济学是"一门以非实验数据为特征的社会科学"，研究者无法像自然科学家那样控制所有混杂因素。识别 (Identification) 问题——即能否从观测数据中唯一恢复出因果参数——是贯穿整个学科的核心议题。Leamer (1983) 对经济计量实践的局限性提出过深刻的批评，指出研究者对模型设定的任意选择会导致脆弱的推断结果；此后发展的稳健性检验 (Robustness Check) 和敏感性分析 (Sensitivity Analysis) 已成为实证研究的标准规范。