统计学和计量经济学有什么区别Word文档下载推荐.docx

1、而计量经济学更像是一个学科内的方法，有用的时候才上。2、统计学在意义上是非常广泛的，统计学里面的对数据的处理方法是计量经济学的基础，当经济理论与统计方法结合后就是计量经济学了。经济学还可以和其他学科结合，比如地理经济学、空间经济学等。统计学除了在经济领域的应用，也还广泛应用于其他领域，比如人口普查、生产过程中产品运行参数统计分析等。计量经济学，是对经济学的作用存在某种期待的结果，它把数理统计应用于经济数据，以使数量经济学构造出来的模型得到经验上的支持，并获得数值结果。它不同于经济理论和数量经济学，也不同于经济统计学。 经济理论所作的陈述或假说大多是定性分析的。例如，微观经济理论声称，在其它条件

2、不变的情况下，一种商品的价格下降可望增加对改商品的需求量，即经济理论假设商品价格与需求量之间具有一种负的或逆向关系。但此理论并没有对这两者的关系提供任何数量度量，也就是说，它没有说出随着商品价格的某一变化，需求量将会上升或下降多少。计量经济学家的工作就是要提供这一数值估计。换言之，计量经济学对大多数的经济理论赋予经验内容。 数量经济学的主要问题，是要用数学形式（方程式）表述经济理论而不去问理论的可度量性或其经验方面的可论证性。如前所示，计量经济学的主要兴趣在于经济理论的经验验证。我们将看到，计量经济学家常常使用数理经济学家所提出的数学方程式，但要把这些方程式改造成适合经验检验的形式。这种从数学

3、方程式到计量经济方程式的转换需要有许多的创造性和实际技巧。 经济统计学的问题，主要是收集、加工并通过图表的形式以展现经济数据。这也是经济统计学家的工作。他们是收集国民生产总值，就业、失业、价格等数据的主要负责人。这些数据从此构成了计量经济工作的原始资料。但是，经济统计学家的工作却到此为止。他们不考虑怎样用所收集来的数据去检验经济理论。当然，如果他们考虑的话，他们就变成计量经济学家了。3、最近在翻阅Angrist的新作“Mostly Harmless Econometrics”，发现这位大牛有这样一段论述： Two things distinguish the discipline of Eco

4、nometrics from our older sister field of Statistics. One is a lack of shyness about causality. Causal inference has always been the name of the game in applied econometrics. The second thing that distinguishes us from most statisticians-and indeed most other social scientists-is an arsenal of statis

5、tical tools that grew out of early econometric research on the problem of how to estimate the parameters in a system of linear simultaneous equations. The most powerful weapon in this arsenal is the method of Instrumental Variables （IV）, the subject of this chapter. 关于因果的讨论其实就是说计量经济学背后有经济理论支撑，而单纯的统计

6、只能就数字说数字，道不出背后的故事。第二点是说线性联立方程在计量工具发展中的重要性。IV的出现是应对供给函数和需求函数的估计应运而生，SUR以及3SLS也是，但是其他的呢？貌似Angrist夸大了联立方程的重要性。实际上至今为止，绝大部分的实证研究还是单方程模型。B 慧航 从计量经济学的方面说，我觉着统计和计量差别非常之大。一个计量经济学家需要懂很多统计学的知识，但是在此之前，他必须是一个经济学家。经济学家碰到的问题其实很简单，就是带着自己的经济学理论，用数据验证自己的理论。所以在计量经济学里面，最核心的问题不是估计、推断，而是identification。同样是在做回归分析，看的东西也不一样

7、。比如在线性回归中的 ANOVA 的作用是什么？这个争论里面，经济学家在做OLS的时候，更关注你的你的回归方程误差项里面有什么，而不是这个误差项的方差有多大。前者决定了identification，后者决定了R2。举个例子，做教育的回报，看看多读一年书能带来多少薪水上的提高。经济学家会关心误差项里面有一个人的能力，这个变量是看不到的，但是与教育这个变量相关，所以OLS是有问题的。但是经济学家不会关心跑出来的这个回归预测能力怎么样，也就是说R2究竟有多大。所以我们需要工具变量的估计。经济学家甚至可以做出负的R2，只是为了使得回归更有意义，比如这里：R-squared<0 in 2SLS-I

8、V estimation? - EcoPaper - 知乎专栏讲到IV，其实工具变量的方法是可以从统计的角度来看，说白了就是一个矩估计的方法。但是真正的计量经济学家是可以看到这个方法的经济学含义的，比如如果你学了Local Average Treatment Effect的话，你就知道了工具变量估计出来的东西到底是什么东西，而不仅仅是一个统计上的结果。这也是统计跟计量的区别吧。另外计量经济学有两个流派，一个是reduced-form的估计，一个是structural的估计。structural的估计深植于经济学的理论，理论会告诉你你的计量模型的问题和答案。举个例子，生产函数大家都知道，比如经典

9、的C-D生产函数：，当我们需要估计里面的参数的时候，可以写成：，其中u是扰动项。也许你会想，这个跑个OLS就可以做出来了，但是计量经济学家会告诉你，不对！因为企业做决策的时候是知道自己的技术水平（）的，所以资本与劳动的投入都是与技术水平有关的，但是，技术水平是我们观察不到的。怎么去估计呢？这种计量的问题是脱不开经济学理论的。如果计量经济学是统计学的子集，那这门学科完全没必要存在。=再补充个例子吧，比如在这个问题：在统计学中为什么要对变量取对数？里面，统计学家跟经济学家的思考可能是不一样的。在经济学里面，有那么几个概念我觉着是非常重要但是容易被忽略的，比如data generating proc

10、ess（DGP）。而这个概念又跟reduced-form紧密相连，structural equations 在产生数据的时候肯定是先变成reduced-form再去产生数据。无论是做reduced-form还是structural form，计量经济学家脑子里一定是要有DGP这个东西的。所以为什么取对数？经济学里面有个词，叫做弹性。另外，对数之差就是增长率。经济理论，特别是宏观理论，经常可以得到log的形式。而且因为有了弹性，取log之后更容易被经济学所解释。说白了，计量经济学从经济理论出发，统计学可能更多的从数据出发。如果仅仅从数据方面考虑，我想碰到取不取对数的问题的时候，我更愿意用box-

11、cox transformation。=这个答案只是写的计量跟统计的差别，完全没有要比统计和计量孰优孰劣的问题。本来就是两个有交集但是不相同的学科，怎么比较好坏。 马大王说计量用的统计方法都是十年前的，我不知道这是不是在鄙视计量，但是我想跟你说，你们统计的方法还是十年前的数学方法呢，数学家也没鄙视你们啊。这方面很多啊，比如GMM，统计学家对此嗤之以鼻，但是经济学家就是喜欢用啊。为什么GMM这么受经济学家欢迎？还是因为上面的问题，因为GMM最容易被经济学家所理解，而GMM提供了一个非常好的框架来解决一系列经济学家碰到的问题。那些变量是内生的，那些变量是外生的，理论上来说谁会影响谁，谁不会影响谁，

12、这本来就就是经济学理论的范畴，而GMM可以把这套经济理论上的东西直接转化成怎样识别、估计。有人提到了Sims，他的确即是统计学家，又是经济学家。计量经济学的确一直走在借鉴统计学的路上，就好像统计学一直在借鉴数学方法。计量经济学家认为的跟统计学的差别，就好像统计学家认为的跟数学一样的差别一样，我们借鉴你的某些工具，但是不完全是一回事情。最后，针对评论里面两个人的言论，我想统一回复：如果我哪里说错了，请指正，就像 SlowMover在一楼所做的那样。我不回答这种无所谓的问题。我也可以同样反问你，do you really know econometrics and economics? do yo

13、u really understand what I am saying?C 知乎用户 先引用一段我本科刚毕业时写下的话，感觉从自己现有的知识结构来看还算比较正确：计量经济学的重点不在于解决单纯统计方法上的问题，因为有统计学家在做。计量的重点在于，当无法进行实验时，如何解决模型的内生性问题。即，如何通过观测到的数据正确识别模型中的系数并进行因果推断。这是它最大的特点，也是它本身拥有的经济学血统所决定的。慧航 的回答已经很好地解释并扩展了上面这段话的内容，但我猜想很多人可能并不清楚“内生性”的概念，以及如何“识别”系数。我假定各位看官已经学过回归分析了，那么请允许我进一步科普一下。（以下内容改编

14、自我的本科计量笔记。）假如我想要知道某个产品的市场需求曲线。作为一个经济学学员，我根据自己的专业知识判断出该产品的市场需求是线性的，于是我写下了这样一个需求函数：其中，表示第期的需求量，表示第期的价格，表示第期的误差（不可观测项）。假如我是这个市场中的独裁者，那么我就可以进行一次实验，从而估计整个市场的需求曲线。我该怎么做呢？很简单，我只需要在每个时期给定一个价格，然后记录下市场中的交易量。根据需求函数的定义，我知道这个交易量就是。于是在收集了若干个样本后我画出了下面这张图：&img src= data-rawwidth=264 data-rawheight=271 class=content_image width=gt;在这个实验中，被称为外生变量（exogenous variable），即“从模型之外产生”；更精确地讲，是外生变量意味着与误差项不相关在这个试验中，是事先给定的，必然独立于随机误差。相对应的，则被称为内生变量（endogenous variable）