Jerzy Neyman

Jerzy Neyman (1894--1981)

Jerzy Neyman（耶日·内曼）是波兰裔数学家和统计学家，现代数理统计学的奠基人之一。他在 假设检验、置信区间、抽样调查 和 因果推断 等领域做出了开创性贡献，深刻影响了 计量经济学 的方法论基础。

生平与学术背景

Neyman 1894 年出生于俄罗斯帝国比萨拉比亚（今摩尔多瓦），在哈尔科夫大学接受数学教育。1920 年代移居波兰，先后在比得哥什和华沙工作。1934 年赴伦敦大学学院（UCL），与 卡尔·皮尔逊 之子 Egon Pearson 展开合作，这段合作催生了统计史上最重要的成果之一。1938 年移居美国，在加州大学伯克利分校建立了世界级的统计学实验室，培养了众多杰出统计学家。

Neyman--Pearson 引理

Neyman 与 Egon Pearson 于 1933 年提出的 Neyman--Pearson 引理 是假设检验理论的基石。该引理证明了：在给定 第一类错误 概率（显著性水平 $\alpha$）的约束下，似然比检验 (Likelihood Ratio Test) 是使 第二类错误 概率最小化（即 功效 最大化）的一致最优检验 (Uniformly Most Powerful, UMP)。这一理论框架将假设检验从 Fisher 的"显著性检验"范式（仅关注 $p$ 值）扩展为同时考虑两类错误的决策理论框架，引入了 备择假设 ($H_1$) 和检验功效的概念。

置信区间理论

Neyman 在 1937 年发表的论文中系统提出了 置信区间 (Confidence Interval) 的严格数学定义。与传统贝叶斯"逆概率"区间不同，Neyman 的置信区间基于频率学派视角：一个 95\% 置信区间意味着在重复抽样下，构造区间的程序有 95\% 的概率覆盖真实参数值，而非真实参数有 95\% 的概率落在该区间内。这一区分对正确理解 置信区间与预测区间 的差异至关重要，也是计量经济学标准误差和区间估计的理论来源。

Neyman 分配与抽样理论

在 抽样调查 领域，Neyman 于 1934 年提出了 Neyman 分配 (Neyman Allocation)，即在 分层抽样 中如何将样本最优分配到各层以最小化估计量的方差。Neyman 分配要求每层的样本量与该层的总体规模及标准差成正比：$n_h \propto N_h \sigma_h$。这一方法至今仍是政府统计、市场调查和大规模社会调查中分层抽样的标准工具。

潜在结果与因果推断

Neyman 在 1923 年（博士论文）中针对农业田间实验首次引入了 潜在结果 (Potential Outcomes) 的数学符号，将处理效应定义为同一个体在接受处理和不接受处理两种状态下的结果之差。这一框架后来被 Rubin 因果模型 继承和推广，成为现代 因果推断 和 处理效应 估计（如 DID、工具变量、倾向得分匹配）的理论源头。Neyman 还证明了在随机化实验中，均值差估计量是总体平均处理效应的无偏估计量，奠定了随机化实验的统计基础。

对计量经济学的深远影响

Neyman 的工作深刻地塑造了现代计量经济学。假设检验的 Neyman--Pearson 框架是 回归系数显著性检验、模型设定检验（如 Durbin--Wu--Hausman 检验）和 结构突变检验（如 Chow 检验）的逻辑基础。置信区间理论是所有回归系数区间估计的来源。潜在结果框架则是当代微观计量经济学"可信性革命"（Credibility Revolution）的核心语言。Fisher 和 Neyman 之间的哲学分歧——关于假设检验是"纯显著性检验"还是"两类错误的决策理论"——持续激发了统计方法论的长达数十年的辩论。