（轉）關於計量經濟學

當初一個舍友來自西部地區，從沒學過計量（OLS都沒學過）。但畢業論文老闆要求用數據說話，發愁。我於心不忍，告訴她：我每天晚上自習回來，睡覺前花10分鐘給你講解一下STATA的操作和出來的各項結果意義。第一天，我講了OLS。畫了一張散點圖和一根直線，用了1分鐘就讓她完全理解了OLS的精髓，這是用來幹啥的。後面9分鐘講解了STATA的操作和OLS的各種變種。結果只一個星期，講完五種方法（下面會介紹），她信心大增。後來一下子發了好幾篇CSSCI，計量做的天花亂墜，讓人誤以為是一個大師。畢業論文也順利通過。她說我的方法是當今世界上最快的計量速成法。她說，以後有時間要好好看看計量書，打打基礎。我推薦她讀伍德里奇的那本現代觀點。但她論文發表了好多篇，至今還沒看那本書。問其原因：「看了一下OLS，跟你講的沒啥區別，就是多了些推導。那些推導看不看都不影響我用軟體。現在沒空看，先發論文再說。」

我笑其太浮躁。但後來想想，這種學習方法不一定適合所有人，但或許適合一部分人群。因此有必要寫出來讓這部分人群都有所收穫，不會因為發不了CSSCI而擔憂，不會因為畢業論文不會做計量而擔憂。因此有了本文。你是不是屬於這樣的人群？請看下面：

本文的目標人群：

1、不懂計量的人；

2、想學計量卻苦於缺乏時間的人；

3、想學計量卻看不懂、推導不了那些恐怖矩陣的人，也就是不想看推導過程，也想發論文的人。

4、不想看計量書，卻想寫計量論文，發幾篇CSSCI，儘快畢業的人。

5、所有想速成的人。

但是目標人群一定要能看懂STATA軟體操作手冊的人（或者其他軟體操作手冊）。如果你不認得手冊上的字，不要來告訴我。我也不認得。如果你能找到一個懂STATA、EVIEWS的人給你講解一下，那麼你看不懂手冊也無所謂。

本文的目標：不看計量推導、不看計量書籍就能發計量論文，而且是大規模批量生產計量論文，甚至是發經濟研究和管理世界。

目標能否實現：取決於你能否掌握本黑客教程的內容，能否閱讀軟體手冊。

申明：不是教你如何抄襲作弊，而是教你寫計量論文的方法和捷徑。

目錄

一、計量論文的兩大要點是什麼？

二、如何判斷計量論文的水平高低？

三、做計量的「大殺器」有哪些？

四、瞎倒騰計量的秘訣

五、大規模發CSSCI的建議

一、計量論文的兩大要點是什麼？

1、計量模型的建立（就是那個方程，表達什麼經濟含義要知道）；

2、模型中的係數如何估計出來（關鍵在於估計方法的選擇）。

第1個要點涉及你論文主題。你一般要想用數據檢驗某種經濟關係，根據這種經濟關係來建立計量模型。如果你不知道要檢驗什麼經濟關係，那我勸你就此打住。你發不了經濟研究了。

第2個要點。千萬種方法的出現，目的都是要把那個係數給估計出來。不同估計方法的估計效果好壞，就是根據各種統計量來判斷。如果能選擇一種最合適你數據的估計方法，那麼這論文基本就成了。

二、如何判斷計量論文的水平高低？

掌握了上面兩個要點，只是說你能寫出一篇計量論文，並不是說能寫出一篇高水平的論文。水平的高低在於你處理這兩個要點時水平的高低。下面仔細講解。

如果只是為了寫計量論文，只需要「知其然」即可。沒有人會因為不會推導OLS估計量而對軟體裡面出來的結果不知所措。這條途徑，最快捷的走法是找一個懂的人，把結果裡面的各種東西所表示的意思給你講一遍，每個東西要注意什麼。基本就可以了。在一般的CSSCI上發表論文沒有什麼問題。如果找不到人，就看STATA的手冊，裡面的例子會講解每個指標參數統計量的含義。這樣慢一點，但效果很好，而且也能成為STATA專家。STATA手冊比高級計量教材看起來輕鬆多了，就是告訴你怎麼操作軟體，然後得到什麼結果的。

計量論文中的估計問題，最關鍵的事情，不是能推導估計量，而是在STATA裡面選擇一個「合適」的方法估計出來。然後解釋結果的經濟意義。而計量水平的高低，不在於方法的複雜性，而在於方法的合適程度。因此高水平的計量論文，不必要求作者掌握高深的計量推導，而在於「選擇」的技巧。每種計量方法，都有優劣。所謂用人之長，容人之短。水平高的人，能夠選擇以其之長，攻它之短。同時又能隱藏計量方法內在的拙劣。

其實，計量論文的水平主要決定於論文的主題的重要性。這個話題大家都很關心，就很重要，發表就很容易。所以，你會發現國際頂級期刊上一些計量論文所用的方法很簡單。這些論文能發表，主要是他討論的問題很重要（這涉及第一個要點），採用的方法即使有缺陷，也無傷大雅。如果問題不是非常重要，只是有新意，但是估計方法比較合適，也能發一個中上等期刊。如果問題屬於雞毛蒜皮之類，那就只能訴諸於超級複雜的計量方法，祈求審稿人看論文時，方法還沒看完就已經累得半死，再也沒有心情來思考你的問題的重要性，然後也能通過了。

三、做計量的「大殺器」有哪些？

所謂的大殺器，不是指超級複雜的計量方法，而是指這種東西一旦用起來，一般不會有人來攻擊。所謂的一招斃命，斃了審稿人的命。計量方法很多，可以說滿天飛。但是，真正有價值的方法，被人公認為具有一定可信度的方法（就是所謂的「大殺器」），只有5種。並不是你所看到的所有的方法都有人信。這點大部分初學計量的人都不會意識到。看到書上介紹一個方法，就認為這是一個好方法。其實不是。書上很多方法的介紹，僅僅是出於理論推演的需要，並不是實際研究中都能用的。你如果查閱一下國際上關於經驗研究類的論文，會發現大部分論文所用方法無非是：

1、簡單回歸；

2、工具變數回歸；

3、面板固定效應回歸；

4、差分再差分回歸(difference in differnece)；

5、狂忒二回歸(Quantile)。

大殺器就這幾種，破綻最少，公認度最高，使用最廣泛。真是所謂的老少皆宜、童叟無欺。其他的方法都不會更好，只會招致更多的破綻。你在STATA裡面還可以看到無數的其他方法，例如GMM、多層次分析法等。這個GMM實在是一個沒有用的忽悠，他還分為diffGMM和系統GMM。其關鍵思想是當你找不到工具變數時，用滯後項來做工具變數。結果你會發現令人崩潰的情況：不同滯後變數的階數，嚴重影響你的結果，更令人崩潰的是，一些判斷估計結果優劣的指標會失靈。這完全是胡搞！這GMM的唯一價值在於理論價值，而不在於實踐價值。你如果要玩計量，你就可以在GMM的基礎上進行修改（玩計量的方法後面講）。

有人會問：簡單回歸會不會太簡單？我只能說你真逗。STATA裡面那麼多選項，你加就是了。什麼異方差、什麼序列相關，一大堆儘管加。如果你實在無法確定是否有異方差和序列相關，那就把選項都加上。反正如果沒有異方差，結果是一樣的。有異方差，軟體就自動給你糾正了。這不很爽嘛。如果樣本太少，你還能加一個選項：bootstrap來估計方差。你看爽不爽！bootstrap就是自己提靴子的方法。自己把腳抬起來扛在肩上走路，就這麼牛。這個bootstrap就是用30個樣本能做到30萬樣本那樣的效果。有吸引力吧。你說這個簡單回歸簡單還是不簡單！很簡單，就是加選項。可是，要理論推導，就不簡單了。我估計國內能推導的沒幾個人。經濟研究上論文作者，最多只有5%的人能推導，而且大部分是海龜。所以，你不需要會推導，也能把計量做的天花亂墜。

工具變數(IV)回歸，這不用說了，有內生性變數，就用這個吧。一旦有內生性變數，你的估計就有問題了。國際審稿人會拼了老命整死你。國內審稿人大部分不懂這東西（除了經濟研究這類刊物的部分審稿人以外）。工具變數的選擇只要掌握一個關鍵點就行：找一個和內生性變數有數據相關的，但是沒有因果關係的東西，這就是你的IV了。例如貿易量如果是內生的，那麼你找地理距離作為IV。北京到紐約的距離，那是自然形成的，沒人認為是由貿易量導致的，這就是沒有因果關係。但是你會發現兩者在數據上具有相關性。這就很好。這種數據相關性越強，IV的效果就越好。就這麼一段話，IV變數回歸就講完了。在STATA裡面，你直接把原回歸方程寫出來，然後把IV填進去就可以了，回車就得到你的結果。關鍵是你不一定能找到這樣的工具變數。你能找到，這個工具也不大能用。不過要注意，IV不靈不代表你不能發表。經濟研究上還不是發了一大堆這樣的論文。所以，你只要找到一個IV，效果不是差的太離譜，一般都能發。當然不能發國際一流了。國內是沒問題。國內審稿人沒人會重複你的結果看看是否有問題，因此你說這個IV效果已經是最好的了，世界上還找不到第二個比這個更好的了，審稿人也沒的話說。就發表唄！如果審稿人說，另外一個IV效果可能要比你的好。那你就採納他的建議用他的IV（儘管他的建議會更差），然後感謝他一下。第二次審稿，難道他還會說自己上次是胡說八道？？？所以就發表了，哈哈哈哈！

有人又會問：面板不是還有個隨機效應嘛？我只能說，你是看過書的人，所以才知道隨機效應。其實隨機效應壓根就沒什麼用處。有人信誓旦旦說可以用hausman來檢驗。我只能告訴你，這檢驗壓根就不可靠。可靠也是理論上可靠，實踐上根本沒人信。當然中國人都信，不信的都是美國歐洲這樣的計量經濟學家。你難道不知道hausman還會出現負值！做過這個檢驗的人都很頭疼這個負值，不知道該怎麼做。你如果看看一些高手的建議，或者一些書籍，你就會發現，最權威的建議就是：當你無法判斷該用固定效應還是隨機效應的時候，選擇固定效應更可靠。隨機效應不是任何時候都可以做，但是固定效應是任何時候都可以做。所以你知道該怎麼做了吧。

差分再差分，是固定效應的一個變種，在估計某個事件發生帶來的效應時最有用的方法，特簡單，看看STATA手冊就明白了。狂忒二回歸(Quantile)是一般均值回歸的一個推廣。看名字挺嚇人，其實很簡單。如果你知道OLS是一個均值回歸，那類推就可以知道1/2分位數回歸。你知道的，正態分布下，均值就是1/2分位數的地方。均值回歸就是1/2分位數回歸。知道了1/2回歸，你自然知道1/4和3/4分位數回歸了。如果還不懂，翻開伍德里奇的書，講到簡單OLS回歸時，我記得有一個圖，上面對不同位置的x位置畫了不同的正態分布密度函數(第2版是figure 2.1，pp26，見下面)。如果是異方差問題，那麼不同x位置的正太分布圖的方差就有變化。這個圖上註明了預測值是E(Y|X)，就是Y的條件期望，就是那根回歸預測直線啦。在正態分布下就是Y的密度函數的中心點的連線，就是1/2分位數點的連線。如果那條預測線畫在密度函數的1/4和3/4分位數點上，那麼預測結果就不是Y的均值（在非正態下可能是均值），而是1/4和3/4分位數點的預測值。這下明白狂忒二回歸了吧。分位數回歸就是看看那根預測直線在不同的分位數點上有什麼結果,得到什麼樣的回歸係數。通常的OLS預測直線，僅僅是一個特例而已。進一步推廣，可以推廣到任意分位數點回歸的情況。道理一樣。

伍德里奇《計量經濟學導論——現代觀點》的圖2.1（解釋Quantile回歸的意義）

不過要注意，大殺器要用對。有內生性變數，你就不要用簡單回歸了，你得用IV回歸。這幾種大殺器的精髓一領會，基本上其他東西就難不倒你了。就是STATA裡面的選項多選幾個或者少選幾個的問題。你所要做的就是在STATA裡面打鉤、設置參數。對付一般的CSSCI論文，已經是綽綽有餘了。如果你提了一個大家很感興趣的問題，就是一個重要問題，那麼用用IV，或者固定面板，發個經濟研究基本沒問題。如果你的問題不是很重要，還想發經濟研究，那你就要簡單問題複雜化。上面大殺器能解決的問題，你就用更不可靠的方法但更複雜的方法去解決吧。大家用開源軟體就會知道，一般開源軟體會有一個穩定版本，功能比較少，效果很穩定，能滿足你日常幾乎所有的需求。還有一個開發版本，專門給那些吃飽了撐著沒事幹的人倒騰的版本，因為是開發版本，所以很不穩定，經常會出錯、崩潰。不過能倒騰的人不怕崩潰，崩潰了能自己修。你要是想倒騰，接著往下看吧。

四、瞎倒騰計量的秘訣

瞎倒騰有兩種水平，第一種是低水平，第二種，那你也猜到了，就是高水平瞎倒騰。

低水平瞎倒騰，就是大殺器不夠過癮，要用攝人魂魄、但容易走火入魔的計量方法達到發表經濟研究的目的。例如，沒事弄弄協整，搞一把單位根檢驗之類的。聽起來頭頭是道，其實都是杞人憂天。你想想，要是有協整，時間序列你根本不用著急。要是沒有協整，你著急也沒用。那你還協整個啥！面板來說，你有協整，也沒有一個較好的估計方法，期刊上不是還有很多人在用固定效應OLS，或者是加點滯後滯前項變成一個固定效應動態OLS來估計非平穩面板嘛。面板到現在為止也沒有一個公認的可靠的協整向量估計方法，否則STATA這樣的軟體早就提供按鈕了（STATA和EVIEW現在只有協整的檢驗方法，不是協整向量的估計）。既然沒有公認可靠的方法，你急啥！

其實，協整這玩意，最大的價值也在於理論價值，實踐價值幾乎沒有。當年格蘭傑發表協整思想，說如果變數不平穩，在沒有協整關係的情況下，前人回歸都不可靠。這話把大家嚇個半死。驚魂未定時格蘭傑又說，在協整情況下沒問題，大部分論文中的經濟變數都有協整關係。大家一聽，鬆了口氣，原來沒有問題。有問題的那些少數自然自討沒趣。從格蘭傑當年這搞笑天分，你就知道期刊上那些協整玩意都是忽悠。當然，又是單位根檢驗，又是協整檢驗，然後各種估計方法，這就好幾頁篇幅過去了，經濟研究編輯一看，至少進入匿名審稿了。兵法曰：唱空城計，以靜制動。意思你知道的。

上面是低水平瞎倒騰。雖然攝人魂魄，但是一旦走火入魔，論文就被斃。風險和收益，你自己把握吧。下面簡單談談高水平瞎倒騰。這不屬於本文的目標範圍，但是既然提到瞎倒騰，不提一下這個有點缺陷。能幹這事的人，一般都要看過高級計量。不看是不會的。如果你沒看過，下面可以直接跳過。

這高水平瞎倒騰，基本上是一招斃命，當然是斃審稿人和主編的命。要斃了自己的命，還不如不瞎倒騰呢。我只講一下操作步驟。能如此瞎倒騰的人，基本一看就能心領神會。找一篇頂級期刊的名人寫的經驗研究論文。這類論文通常是問題很重要，方法很傻瓜。然後你去拓展方法。這裡改改殘差假設，那裡修修變數平穩性強度，重新推導一下估計量（這就是為什麼走這條路，你就得會推導），得到一個新的分布，然後按照這個新分布來做顯著性檢驗，得到你想要的結果。看看有什麼結果變化。啥變化也沒有那幾乎是不可能的。即使沒大的變化，也會有係數程度大小的變化，或者顯著性有所輕微變化。只要有變化，就大做文章，巴拉巴拉一大堆討論，暈死他再說。這論文寫出來，投經濟研究自然沒什麼問題。說實話國內能這麼玩的人畢竟少數。你玩把戲，審稿人都不一定看得出來。自然就通過了。如果投國際上一流刊物，那麼多人在玩這個把戲，都是火眼金睛，就看你玩的轉否。如同馬戲團的雜技，有人玩得溜，有人會出破綻。

再補充一個中等水平的瞎倒騰方法。你也不需要會推導公式，但是你得會用一些傻×程序，例如GAUSS，MATLAB、R等。你平時緊緊盯著那些出新方法的期刊，我指的是國際期刊哦。一旦有一個新方法出來，作者都會附一個程序，例如R程序。你就下載下來。看明白這篇對應論文的摘要、introduction和結論，基本搞清楚這方法是針對什麼樣的問題的，在什麼情況下能用。這就行了。你拿過來把中國數據往裡面灌，然後出來一篇論文。因為這方法很新，國內基本沒人見過，即使見過也是極少數人。沒人見過就好辦事。你說自己的結果怎麼樣可靠，怎麼樣比別人的結果要好，那就是好。編輯肯定沒見過這方法，審稿人只是小概率見過。所以這論文一投就中。

五、大規模發CSSCI的建議

以揭示經濟變數之間關係為目的的人，掌握大殺器的用法就夠了。發CSSCI沒有問題。你把一個數據集用一個方法做一遍，每個方法都做一遍。然後挑最差的一個結果寫一篇論文，然後發表。然後次佳的結果寫第二篇，推進你第一篇的結論，說你用了新方法有了新發現。准能發。這年頭的CSSCI，大部分都是沒有什麼新結果的，花錢就能發。你要弄出一些新結果來推進一下，那就是上層之作了。然後，你知道的，第三篇文章殺出來了，第四篇文章又殺出來了。別忘了，還有第五種狂忒二方法，CSSCI編輯基本不知道啥東西，你基本上是一招殺敵。這樣至少5篇CSSCI。一般研究生博士生都能畢業了。碰到**的學校，你也**一點，再找一個數據集，再整5篇CSSCI。10篇總能讓人畢業了吧！！！如果你的學校非要發經濟研究管理世界中國社科，那你就再把我上面的五種方法看一遍，融會貫通，讓自己能做到對症下藥，發經濟研究基本沒問題。對症下藥就是計量方法要選擇合適的，那幾種大殺器不要用錯了地方。

結論

你那學校發經濟研究也不能畢業？？？難道你在哈佛念書？那你看錯帖子了。哈佛寫經驗類論文是不能畢業的！！！對於大部分國內學生來說，沒人教授計量經濟學，很痛苦。有人教授計量，更痛苦。計量經濟學的教材、那些漫天飛舞的矩陣，有時間看看，沒時間不看也行，不影響寫論文。關鍵是看看軟體的手冊，有條件找個懂軟體的人，一周就能成為計量寫作的高手。我猜想看這帖子的大部分人都是屬於寫經驗論文的吧，按照上面的方法，發個10篇CSSCI基本沒問題。難道畢業還有問題？

特別申明：以上方法，只是用於應急、被迫發表才能畢業等情況。如果有時間，還需要認真閱讀高級計量，不但做到知其然，還要做到知其所以然。