改进“计量经济学”教材设计的几点思考

1、    改进“计量经济学”教材设计的几点思考计量经济学在经济学的理论和经验研究中的重要地位早已为人们熟知。在对计量经济学教材的巨大需求下， 各种版本的本科层次的教材也大量涌现， 但由于计量经济学在国内经济学界毕竟是比较新的学科， 绝大多数教材的结构设计具有很大程度的雷同。这一方面反映了计量经济学固有的学科特征， 也反映了对计量经济学教学理念和学科内容的理解有待加深。本文总结了传统教材的结构设计特点，并提出了相应的新的结构设计思路。一、传统教材的总体结构设计到20 世纪70 年代末， 计量经济学的发展被认为达到了第一个高峰， 许多计量经济学家将这一阶段之前

2、提出内容归入经典内容。计量经济学的二大任务参数估计和假设检验都以参数估计量的统计性质为基础。为保证参数估计量具有良好的统计性质， 通常对模型提出若干基本假设。如果实际模型满足这些基本假设， 普通最小二乘法就是一种适用的估计方法； 如果实际模型不满足这些基本假定， 普通最小二乘法就不再适用， 而要发展其他方法来估计模型。按照这一思路， 传统的教材将计量经济学的所谓经典内容划分为二个部分来介绍： 首先是满足基本假设的模型， 然后是不满足基本假设， 从而需要进一步修正的模型。国内外多数计量经济学教材都是按照这种结构来设计的，几乎成了一种典型设计。这种安排说明教材设计还受到20世纪70 年代对计量经济

3、学认识的束缚。这种安排看似条理清晰， 逻辑分明， 实际上使计量经济学在很大程度上脱离了其赖以展开的实际问题背景， 无谓地增加了理解难度和内容负担， 甚至变成了一门“奇怪”的数学。在这种典型设计下， 计量经济学的这二部分内容往往占据了整个教材的大部分篇幅， 连接这二部分的中心环节就是考察普通最小二乘法的基本假设是否得到满足。所以，如何对待普通最小二乘法的基本假设就成为了教材结构改革的关键。所以， 下面围绕普通最小二乘法的基本假定， 对传统教材结构设计上的一些问题展开具体分析， 并提出相应的改进建议。二、普通最小二乘法的基本假设传统教材的第一部分一般讲述一元回归模型和多元回归模型。该部分首先列出一

4、系列的假定条件， 然后， 在这些假定条件下， 讨论最小二乘估计量的性质。这种教材设计是要学生在没有充分的建模经验的情况下， 去理解许多抽象的假设， 然后背负着不甚理解的许多假设去研究普通最小二乘估计量的统计性质。这种情况下， 一方面学生难以体会到这些假设的必要性， 另一方面无法发挥学生的直觉来理解这些假设。这种教材结构既违反了教学的循序渐进原则，又使得计量经济学一开始就掉进理想化的真空； 几乎窒息了理论联系实际的空间， 也影响了对普通最小二乘估计量统计性质的理解。这使得教材和教学陷入了抽象理论加呆板例解的机械模式。那么如何改变这种传统的教材结构设计呢？ 假定条件的引入的总体原则应该是就简避繁，

5、 先直观后抽象。例如同方差假定和无自相关假定的引入。不同教材对普通最小二乘法的基本假设的表述稍有不同， 但典型地会包括同方差和无自相关假定。而这二条假设多是从数学定义上进行表述， 不仅使得学生难以理解其含义， 也难以真正体会引入这二条假设必要性和合理性。本文建议， 这二条假定条件由一条便于理解的假设替代： 样本的抽取是简单随机抽样。在简单随机抽样的条件下， 得到的样本是独立同分布的， 自然就满足了同方差和无自相关的假定。这种替代至少带来如下几点好处： 第一， 简单随机抽样的概念容易理解。相对于异方差和自相关， 简单随机抽样的概念十分具体， 而且容易列举实例帮助理解， 从而使该假设的引入十分自然

6、。实际上，计量经济学的先修课程概率统计甚至已经讲述了这个概念。第二， 该假设便于检验。在计量经济学建模实践中， 学生只需要根据对简单随机抽样的理解， 就可以考察所研究的具体经济问题是否满足这条假设。第三， 简单随机抽样的概念使得计量经济学方法与数理统计学紧密联系起来。初学者理解计量经济学的科学性， 关键是将计量经济学方法建立在数理统计的基础上， 或者建立起计量经济学与概率统计之间的密切联系。数理统计的一个基础就是大数定律和中心极限定理， 而大数定律和中心极限定理成立的要求就是n 个随机变量独立同分布。所以， 在简单随机抽样的假设下， 最小二乘估计量的抽样分布， 包括一致性和正态分布性质， 就可

7、直接利用中心极限定理得到。第四， 便于理解假设的必要性。由于中心极限定理和大数定律都要求简单随机抽样的假设， 所以， 普通最小二乘估计量的统计性质成立也要求简单随机抽样。三、自相关看作模型设定问题还是模型估计问题自相关是一个影响参数估计的严重问题， 所以， 在计量经济学的发展过程中， 存在自相关的模型的估计一度受到高度关注， 并提出了一系列关于自相关的检测、补救等措施。这种关注体现在多数的现有教材上， 自相关被列为一个相对独立的重要问题， 从其后果、检验到补救展开讨论。这是一种被普遍采用的传统的教学与教材设计。仔细研究自相关问题的补救措施， 即广义差分最小二乘法， 可以发现它实际上隐含了二个过

8、程： 一是估计所谓的自相关系数， 二是利用自相关系数的估计值， 重新设定模型， 并对重新设定的模型进行估计。为了自相关系数估计的精确性， 往往需要循环重复上述两个过程。这极大增加了处理自相关问题的复杂程度。从研究实际经济问题的角度， 如果以时间序列数据为分析对象， 自相关往往成为一个突出问题； 而在分析横截面数据时， 自相关一般并不是一个严重问题。虽然从理论上存在所谓的空间自相关， 但在实践上一般并不存在。由此可见， 自相关问题具体到时间序列数据的环境下更便于展开讨论。在时间序列数据的背景下， 自相关问题可以通过在模型中引入相应的滞后因变量和滞后自变量， 即重新设定模型为自回归分布滞后模型而基

9、本得以缓解或克服。从建立计量经济模型的实践来看， 这是一种直观有效的建模途径。这不仅降低了学生理解相关问题的难度， 而且减少了自相关问题占用的篇幅， 节约了宝贵的课时资源。换句话说， 与其在抽象意义下分析自相关的概念， 不如在时间序列的具体环境下引入， 与其把模型设定看作给定， 而试图补救模型自相关引起的估计问题， 不如通过重新设定模型而从根本上消除自相关。所以， 本文建议在理解了简单随机抽样假设基础上， 将自相关问题具体到时间序列数据的环境下展开讨论， 而不应泛泛的分析。四、怎样处理异方差问题类似于自相关， 传统教材中异方差问题的处理， 也是遵循后果、检验和补救的思路， 其中被重点讲授的补救

10、措施是加权最小二乘法。加权最小二乘法的前提是明确异方差的具体形式。如果已知异方差的具体形式， 加权最小二乘法具有完美的理论性质。但是， 实际问题中并不知道异方差的具体形式， 必须首先对异方差的形式进行估计。估计的准确性， 会严重影响加权最小二乘法的效果， 从而影响最终模型结果的所有方面， 包括估计量的性质和假设检验等。实际上， 异方差仅仅影响普通最小二乘估计量的方差， 至于无偏性， 一致性仍然成立。在计量经济学的建模实践中， 最小方差性并不是一味追求的目的。估计量有效性要根据具体研究的问题来判断，不具有最小方差性的估计量未必不能满足对估计精度的实际要求。另一方面， 在样本容量较大的情况下， 估

11、计量的方差一般都可以满足实际的需要， 而没有必要一味追求方差最小。综合考虑， 加权最小二乘法处理异方差问题， 往往得不偿失。异方差引起的根本问题是对估计量方差的估计有偏，从而造成了假设检验问题和参数的置信区间问题。该问题通过引入异方差稳健的标准误来处理即可。这种处理方式避免了传统处理方式下， 各种繁琐的异方差的检验过程和异方差具体形式估计过程。实际上， 经过近几十年的计量经济建模实践证明， 在多数情况下这种处理的实际效果要优于传统的加权最小二乘法； 当代计量经济学家也已经更多地通过引入异方差稳健的标准误来处理异方差问题。既然如此， 计量经济学教材就应该尽量回避或弱化异方差繁琐的检验和估计过程，

12、 直接介绍异方差稳健标准误， 对异方差问题给出一个简明有效的处理。五、解释变量看作确定性变量还是随机变量传统教学设计中， 一般把解释变量假设为确定性变量， 不是随机变量。这往往也是一条普通最小二乘法的基本假设。实际上，这一假定对于普通最小二乘法既无必要又难以理解。无论被解释变量还是解释变量， 只不过是对随机抽取的个体的不同方面的描述。由于个体的抽取是随机的， 被解释变量被认为是随机变量， 同时得到的解释变量何以假定为确定性变量呢？ 所以这种假定人为增加了学生理解的困难。另一方面， 在满足其他假定条件下， 高斯-马尔可夫定理也只要求解释变量与模型扰动项不相关即可， 不要求解释变量为确定性变量。当

13、然， 抽样过程也可以按照某个解释变量进行， 这时的解释变量的确是确定性变量， 但这种情形只是一个特例， 并不违反解释变量与模型扰动项不相关的假设。总之， 如果把模型看作一系列的假设， 那么理解模型在很大程度上就是理解其假设。假设越多越抽象， 模型就越难以理解和把握。所以， 普通最小二乘假设置于教学的中心地位是合理的， 但关键是如何提出这些假设。这些假设的提出需要体现循序渐渐的教学原则， 符合由具体到抽象再到具体的认识规律。作为初级课程， 相对于抽象的假设， 具体化的假设会有更好的教学效果。计量经济学教材内容还必须贴近现实， 必须突出计量经济学作为致用之学的特点。计量经济学的一切理论和方法都必须在具体问题的背景下来理解， 引导学生创造性的学习和分析具体问题。实际上， 如果做到这些， 将会发现计量经济学的教与学都是一项有趣的活动。经济论文网为您提供优质、专业的代写计量经济论文服务，如有业务