计量经济学

计量经济学是经济学的一个分支，运用统计学方法、概率理论和数学模型研究经济数据。它将对经济行为的理论解释与实际观测结果联系起来，用于估计关系、检验假设、进行预测和研究因果效应。其核心关注点包括经济变量如何生成、依据现有证据能够识别哪些关系，以及如何量化不确定性。计量经济分析既涵盖观测数据，也涵盖实验数据，并不局限于回归分析或因果推断。(users.ssc.wisc.edu)

历史发展

特里格韦·哈维尔莫于1944年发表的《计量经济学中的概率方法》是一项奠基性成果，该著作将经济建模置于概率框架之中。由此，经济观测数据可以被视为随机机制的产物来分析，而不再仅被看作对完全确定性关系的不精确测量。哈维尔莫因阐明计量经济学的概率基础并分析经济联立结构，于1989年获得诺贝尔经济学奖。(arxiv.org)

此后的发展拓展了分析动态数据、评估政策和研究异质性反应的方法。2021年诺贝尔经济学奖表彰了戴维·卡德对劳动经济学的实证贡献，以及约书亚·安格里斯特和吉多·因本斯对因果关系分析的方法论贡献。他们的研究阐明了研究者能够从自然实验中作出哪些推断，其中也包括某项干预仅改变部分个体参与情况的情形。(nobelprize.org)

数据与经济模型

计量经济数据通常有三种形式。截面数据描述某一时期不同单位（如家庭或企业）的情况。时间序列数据追踪变量在连续时期中的变化。面板数据对同一批单位进行重复观测，使研究者能够区分单位内部的变化与单位之间的差异。每种数据结构都涉及不同的依赖关系和抽样假设。(users.ssc.wisc.edu)

一种常见的模型是线性回归：

其中，$y_i$ 是结果变量，$x_{ij}$ 是解释变量，$\beta_j$ 是系数，$u_i$ 汇集了模型中未明确表示的影响因素。普通最小二乘法通过最小化残差平方和来估计系数。除非有进一步的假设支持因果解释，否则这些系数描述的只是条件关联。计量经济模型也可以是非线性的，包含多个方程，或用于描述离散选择和动态调整。(users.ssc.wisc.edu)

识别与因果解释

识别所考察的是：在给定假设下，研究者关注的量能否由可观测数据的分布唯一确定。它与估计不同：识别关乎原则上能够获知什么，估计则关乎如何从有限样本中提取这些信息。不同的因果解释可能产生相同的可观测关联。(arxiv.org)

一个核心难题是内生性，即解释变量与模型的扰动项相关。其来源包括遗漏的共同原因、某些形式的测量误差，以及变量之间的联立决定。例如，观测到的价格和数量同时反映了供给与需求，因此二者的相关性本身并不能识别其中任何一条曲线。增加观测数据并不能自动解决这一问题。(ocw.mit.edu)

工具变量方法使用一个额外变量，它能引起内生解释变量的变化，同时满足对其与结果变量及不可观测决定因素之间关系的限制。仅有相关性还不够：工具变量还必须满足所需的排除限制和外生性假设。当不同个体的反应存在异质性时，工具变量可能识别的是某个特定子群体的效应，而非总体效应。(arxiv.org)

其他方法则通过研究设计考察因果关系。随机对照试验以随机方式分配处理。双重差分法比较处理组与对照组的变化，通常要求两组在未接受处理时具有平行趋势。断点回归设计利用处理分配的阈值，在适当的连续性假设成立时，识别阈值附近的效应。这些方法识别的量各不相同，所依赖的假设也不同；不能仅仅因为使用了某种估计量，就认定相应方法有效。(ocw.mit.edu)

估计与统计推断

在明确研究目标和识别假设之后，研究者会选择估计方法。除最小二乘估计量和工具变量估计量外，计量经济学还使用最大似然估计、广义矩估计和贝叶斯推断。这些方法是否适用，取决于模型、可用信息以及对数据生成过程的假设。(users.ssc.wisc.edu)

统计推断通过标准误、置信区间和假设检验来评估不确定性。经济观测数据可能存在扰动项方差不等、序列依赖或组内相关。稳健标准误或聚类标准误可以处理特定形式的这类依赖，但无法补救无效的因果识别。敏感性分析考察采用不同模型设定或假设时，结论会如何变化。统计显著性不同于经济重要性：即使某个效应估计得很精确，其实际影响仍可能很小。(pubs.aeaweb.org)

动态分析、预测与机器学习

在宏观经济学和金融领域，时间序列模型用于分析持续性、趋势以及随时间变化的波动率。对互不相关的非平稳序列进行回归，可能得出看似显著却具有误导性的关系。协整指非平稳序列的某种组合具有平稳性的情形，使研究者能够在分析短期调整的同时研究长期关系。条件异方差模型刻画波动率随时间的变化。这些贡献获得了2003年诺贝尔经济学奖的表彰。(nobelprize.org)

机器学习提供了灵活的预测方法和处理高维数据的工具。正则化和交叉验证有助于控制模型复杂度并评估预测表现。计量经济学也利用这些工具估计因果模型的中间组成部分，并研究异质性效应。不过，准确预测并不意味着能够确定干预的后果：一个模型可能很好地预测结果，却无法识别在采用不同政策时，这些结果会如何改变。(arxiv.org)