精通計量經濟學可以做哪些有趣的事情？

01-07

計量剛入門。
如果精通計量經濟學可以做哪些有意思的事情？
是不是只要能找到數據，可以大開腦洞的去研究事物的聯繫。
計量經濟學大神們都做過哪些有意思的事？

我回答下第三個小問題，「計量經濟學大神們都做過哪些有意思的事？」我剛學習計量的時候很討厭，後來發現實證這麼好玩，希望這個帖子對大家的學習會有所幫助。

現在做實證研究的大神都是先發papers，發完papers再把他們的研究內容整理成通俗易懂的書籍。所以給大家推薦幾本大神寫的書籍，大家有興趣可以根據書籍後的「參考文獻」去找paper讀。

1. Abhijit Banerjee, and Esther Duflo. Poor economics: A radical rethinking of the way to fight global poverty. PublicAffairs, 2011.

中譯本：貧窮的本質 (豆瓣)

2. Daron Acemoglu, and James A. Robinson. Why nations fail: the origins of power, prosperity and poverty. Crown Business, 2012.

（刪節）中譯本：國家為什麼會失敗 (豆瓣)

台譯本：國家為什麼會失敗 (豆瓣)

3. Uri Gneezy, and John List. The Why Axis: Hidden Motives and the Undiscovered Economics of Everyday Life. PublicAffairs, 2013.

中譯本：還沒有

改天有時間了再詳細介紹吧...

Btw，我覺得上面的Duflo，Acemoglu和List都會拿諾獎...

其實我不是這個專業的也完全不精通我的主業是web開發

隨便聊聊有趣的想法吧我覺得精通計量經濟學最有趣的事情莫過於給一個網遊設計一套完整的貨幣金融體系

建議可以從分析魔獸世界入手魔獸世界的金融體系是經過精心設計的但是我覺得距離完美還很遙遠

曾經有一套網遊宣稱要建立接近真實世界的貨幣金融體系但是遊戲本身貌似最終失敗了這是好多年前的老新聞搜索一番之後沒有找到原文的報道不知道哪位大神知道的可以補充

Mark！慢慢來答。

因為在大學裡主教這門課，所以對題主的這個問題有很多感受和體會。特別是這門課貌似高大上不接地氣的樣子，讓很多學生在開始學這門課之初就有心生怯意。一個調動他們積極性和消除畏難情緒的過程是必須的，也是我每次開始上這門課都要用近10個課時的時間來煽情和打雞血的原因之一。

首先，計量經濟學本身可以說是應用經濟學一級學科下最枯燥乏味的三級學科分支（二級學科是數量經濟學）之一。主要是因為這門學科是一門純工具性的學科，經濟學及其他人文社會科學要用到計量經濟學主要是因為科學研究的如下一個事實：科學劃界問題-科學界目前比較流行的劃分科學與偽科學的標準是：如果一門學科，不能證實也不能證偽，那麼這門學科就被認為是偽科學的（波普爾的證偽主義和石里克的邏輯實證主義）。於是，要將經濟學貼上科學的標籤，就不得不藉助實證科學的力量（請注意我用了不得不，目前科技哲學的發展已遠遠超越了證偽主義的狹隘意義觀，但就像現在主流經濟學依然佔領著經濟學的話語權一樣，你懂的）。計量經濟學讓經濟學和社會科學有了一種可以事先控制其犯錯誤的概率的統計推斷機制，使得經濟學研究在邏輯實證主義主義的範式框架下展開研究。比如，我們在本科接觸到的假設檢驗，就是在事先設定的顯著水平（犯第一類錯誤的概率）下，對原假設成立與否進行檢驗。實際上就是控制P(拒絕H0IH0為真）這個條件概率小於事先允許的範圍（顯著水平）。

因此作為一種純工具性的學科，就像我們學駕照和學游泳一樣，就是個熟練工的問題。但是學習的過程真的是很枯燥乏味一點激情都木有有木有？

現在進入題主的問題。本人對計量經濟學還遠遠沒有到精通的地步。只是因為要給研究生上這門課，利用兩個暑假的時間好好惡補了一下讀書的時候敷衍塞責了的計量知識而已。我實際上的研究領域是金融市場微觀結構，做畢業論文的時候碰到一個實證檢驗問題：杠杠效應的中國股市實證。

槓桿效應是指股票價格波動過程中的不對稱現象：價格上行時的波動率要小於價格下行時的波動率。我用的計量模型是當時我對計量經濟學能理解的最高知識-指數GARCH（General Autoregression Conditional Heteroskasitisity）模型。當時我能找到的文獻中估計的槓桿係數均為負值，也就是都肯定了價格上行時的波動率要小於價格下行時的波動率這一結論。------------------

然而此處一萬個草泥瑪.........

我做了N變，取對數、濾波....特么怎麼都是個正的.....當年就是因為這個被推遲半年答辯，後來一系列的人生推遲、拖延，蓋源於此。

然而，突然有一天夜裡，像是腦洞大開：她怎麼就不能是個正的呢？（請原諒我用了她，我對她真是愛恨交加糾結到了極致了，相信每一隻論文狗都懂得）

如果中國股民就是那麼一群賭徒，他們喜歡追高，厭惡殺跌，你們咬我呀咬我呀。。。。不正好套上個中國股市不成熟的帽子嗎？

是不是只要能找到數據，可以大開腦洞的去研究事物的聯繫。

我認為顯然不是這樣

弄了一堆數據肯定可以做很多回歸出來，但經常只是發現了很多相關關係而已，內生性和偽回歸問題都不容易解決，計量經濟學學的越多，越不敢這樣亂做回歸

哪裡需要精通！！只要了解一些就可以做很有趣的事情了！！！！

本人酷愛看電影。

本科大二上的時候拉了一幫小夥伴收集了1919年-2014年的所有奧斯卡最佳影片提名影片的相關數據，包括IMDB評分（用以表示影片口碑）、製作國、發行國、票房（按通脹調整）、導演名望、導演國籍與影片類型等，構建了Conditional Logit Model （條件logistic模型），用stepwise regression篩選不顯著變數，研究奧斯卡最佳影片的評獎偏好的問題。最後發現具有電影口碑（IMDB越高）越好，導演為西歐人、發行國為美國這樣組合特徵的影片最容易獲獎。票房、導演口碑和影片類型這樣的變數則對拿獎影響不顯著。

後面還結合conditional logit model和CHAID Decision Tree模型的結果對2015年奧斯卡獎最佳影片進行了預測（從國外的博彩網上找了最熱門的15部影片）。當時綜合下來（50/50權重）預測的結果是The Theory of Everything有最大可能性獲獎，當然很可惜，預測錯了，最後是《鳥人》拿獎了。

回歸的結果：

兩種模型的歷史預測相關性（說明模型的一致性)：

模型預測的最佳影片

儘管裡面很多的建模方法在現在看來欠妥，（例如，stepwise regression的使用，影片類型的劃分too arbitrary，還有IMDB與得獎的反向因果問題）當時還是玩得挺開心的。小夥伴們都覺得我好NB啦~

大概是可以欣賞Daron Acemoglu這個經濟學界的鋼鐵俠的作品了吧。

首先，你想找的聯繫得說得通，有理論支持

其次，你的研究方法要過關，除了正確的回歸模型以外還要有必要的檢驗

再者，要找得到靠譜的數據……

還有，你得得到比較好的回歸結果

最後…這結果得有點用吧…

非大神…也算不上有趣，所以可能偏題了

當初學計量經濟學的時候很喜歡那個老師，寫期末論文的時候附帶隔了十萬八千里引用了他的文章，最後他發現了…

這不算有趣的事情…

中國計量學院玩無人機測繪的生科狗飄過