计量经济学的性质与经济数据¶

本页回答两个入门问题：计量经济学到底在做什么？ 以及 它处理的数据长什么样？ 前者给出一条从"现实问题"到"政策含义"的标准分析路径，并点出贯穿全课的核心威胁——内生性；后者把经济数据归为四种结构（横截面 / 时间序列 / 混合截面 / 面板），不同结构决定了后续用什么模型、需要什么假设。

核心结论速览

主题	要点
学科定位	用统计方法对观测数据（非实验数据）做经济关系的定量分析：估计关系、检验理论、预测、评估政策
分析路径	提出问题 → 构造理论模型 → 设定计量模型 → 获取数据 → 估计参数 → 检验假设 → 预测 / 政策含义
回归 ≠ 因果	统计上的依赖关系不等于因果关系；因果需满足共变、时序、非巧合、且不能被第三因素取代
内生性（核心威胁）	解释变量与误差项相关 \(\Rightarrow\) 估计有偏且不一致。三大来源：遗漏变量、同时性（反向因果）、样本选择
四种数据结构	横截面 / 时间序列 / 混合截面 / 面板，由"时间维度 × 个体维度 × 个体是否随时间重复"区分

什么是计量经济学¶

定义（计量经济学）

计量经济学是应用统计方法对经济数据进行经济关系定量分析的学科。它通常分析非实验数据（也称观测数据 observational data）：

数据并非来自对个人、企业或经济系统的受控实验；
自然科学常能在实验环境中获得实验数据，但社会科学中获取实验数据往往很困难（成本、伦理、不可重复）。

典型分析目标有四个：估计经济变量之间的关系、检验经济理论与假设、预测经济变量、评估与执行政府和商业政策。

与其他社会科学研究方法相比，计量经济学的特点在于"用观测数据做量化的因果推断"：

方法	数据来源	特点
调查（Survey）	问卷 / 感知指标（满意度、忠诚度）	易受共同方法偏差影响
实验（Experiment）	受控实验	因果识别强，但因素有限、实施困难
计量经济学（Econometrics）	观测数据	应用广泛、可量化实际关系并做因果推断

计量分析的基本路径¶

一项规范的计量研究通常沿如下路径推进——这条主线把后续各章串了起来：

提出问题：界定研究对象（总体 population）、定义概念与变量，把现实 / 理论问题精炼为可研究的命题；
构造理论模型：选择分析框架（同一问题可有不同框架，如消费理论中的 Keynes / Friedman / Duesenberry），设定描述变量关系的数理方程，分单方程模型与联立方程模型；
设定计量模型：在理论模型基础上筛选解释变量、确定函数形式（散点图 + 经济理论），并加入随机扰动项——这是计量模型区别于数理模型的关键；
获取数据：明确数据类型与质量（完整性、准确性、一致性）；
估计参数：用最小二乘（OLS）、最大似然（MLE）或矩估计（MOM）等从样本估计总体关系；
检验假设：做经济意义检验、统计检验（\(R^2\)、\(t\)、\(F\)）与计量经济学检验（异方差、自相关、多重共线性等）；
预测与政策含义：给出经济预报或政策建议。

定义（计量模型 vs 数理模型）

二者的根本区别在于是否含随机项：

对比	数理模型	计量模型
模型作用	揭示要素间的逻辑联系	揭示要素间的定量关系
模型形式	确定性方程	含随机项的随机方程
模型实例	\(y = A e^{rt} K^\alpha L^\beta\)	\(y = A e^{rt} K^\alpha L^\beta u\)

计量模型多出的随机项 \(u\)，承载了所有未纳入模型的因素——它既是计量分析的出发点，也是内生性问题的根源。

回归不等于因果¶

回归分析研究"一个因变量对一个或多个解释变量的依赖关系"，但统计意义上的依赖关系不等于现实的因果关系。

因果关系的必要条件

要主张 \(x\) 是 \(y\) 的原因，至少需要：

共变：\(x\) 变化必然伴随 \(y\) 变化；
时间顺序：前因后果，原因在先；
非巧合的统计关系：相关并非偶然；
排他性：两者的共变不是由第三个因素造成，也不能被其他因素取代。

相关性是对称关系（\(x\) 与 \(y\) 相关 \(\iff\) \(y\) 与 \(x\) 相关），因果是非对称关系。相关并不意味着因果——这是全课反复强调的底线。

内生性：贯穿全课的核心威胁¶

核心概念：内生性（endogeneity）

解释变量与误差项存在相关关系，从而导致回归系数的估计值有偏且不一致。它是观测数据做因果推断时最主要的障碍，后续各章的许多技术（多元回归控制变量、工具变量、面板固定效应等）本质上都在对付它。

内生性有三大典型来源：

遗漏变量偏误（Omitted Variable Bias）：把本应作为解释变量的因素丢进了误差项，且它与已纳入的解释变量相关。例如估计"教育对工资的影响"时遗漏了"能力"。
同时性偏差 / 反向因果（Simultaneity）：\(y\) 与 \(x\) 互为因果。例如研究教育对工资的影响时，对未来工资的预期可能反过来影响个人受教育年限。
样本选择偏差（Selection bias）：样本不是从总体随机抽取，而是经由某种选择机制进入。

例：选择偏差如何制造内生性

断言"参加了职业培训的人更可能晋升"，若只在已选择参加培训的人群里做回归，会夸大培训的效果。原因：是否参加培训往往是自我选择的——这些人本身可能更有上进心、能力更强。"被选进来"这件事同时与结果变量相关，于是选择机制把误差项与解释变量挂上了钩，形成内生性。

类比："参加奥数训练班的人更可能得奖"，但他们可能本就数学更强——得奖未必是训练导致的。

经济数据的四种结构¶

数据结构决定了能用什么模型、需要哪些假设。四种结构按"时间维度 × 个体维度 × 个体是否随时间重复"区分：

定义（四种数据结构）

横截面数据（cross-sectional）：在同一时点（或可忽略的短时间内）对多个个体采样，通常可视为对总体的随机抽样；时间固定、个体多样。例：某年各省的居民收入。
时间序列数据（time series）：对单个个体在多个连续时点观测；时间是主分析维度，观测通常连续相关，且常有趋势与季节性。例：一国多年的 GDP、某股票的每日收盘价。
混合截面数据（pooled cross section）：在不同时点对不同个体样本各做一次横截面并合并；横截面之间彼此独立、不追踪同一个体，次序无关。常用于评估政策变化（改革前后两次抽样对比）。
面板数据（panel / 纵列数据）：对同一组个体在多个时点重复观测，兼有横截面与时间序列两个维度；可控制不可观测的时间不变个体特征、建模滞后响应。例：若干城市连续多年的犯罪统计。

四者的对照如下表（✅ 表示"具备 / 是"）：

数据类型	时间维度	个体维度	个体随时间重复	示例
横截面数据	❌ 固定时间	✅ 多个个体	❌ 否	某年不同省的收入
时间序列数据	✅ 多个时间	❌ 单个个体	✅ 是	一国多年的 GDP
混合截面数据	✅ 多个时间	✅ 多个个体	❌ 否	不同年份的问卷
面板数据	✅ 多个时间	✅ 多个个体	✅ 是	企业 10 年财报

易错点：混合截面 vs 面板

二者都"既有时间又有个体"，区别只在个体是否被重复跟踪：

混合截面每期重新抽样，个体多半不同，横截面间相互独立、可打乱次序；
面板锁定同一批个体逐期跟踪，正因如此才能"差分掉"个体固定特征。把面板当混合截面处理，会丢掉面板最大的价值（控制不可观测异质性）。

速查表¶

学科与分析路径：

项目	要点
数据性质	观测数据（非实验），故内生性是常态威胁
分析七步	问题 → 理论模型 → 计量模型 → 数据 → 估计 → 检验 → 预测 / 政策
计量 vs 数理模型	多了随机扰动项 \(u\)
三类检验	经济意义检验 / 统计检验（\(R^2,t,F\)）/ 计量检验（异方差、自相关、共线性…）

内生性三来源（务必能各举一例）：

来源	机制	例子
遗漏变量	重要变量入了误差项且与 \(x\) 相关	估教育回报遗漏"能力"
同时性	\(x\) 与 \(y\) 互为因果	工资预期反过来影响受教育年限
样本选择	非随机的选择机制进入样本	只在参训者中估培训效果

易错点与考点提醒：

高频混淆

相关 ≠ 因果：考试中给定一个回归结果问"能否得出因果结论"，标准答案几乎总是"不能，需排除内生性"；
误差项 \(u\) vs 残差 \(\hat u\)：\(u\) 是总体模型中不可观测的扰动，\(\hat u = y - \hat y\) 是估计后可算出的样本量，两者不可混用；
数据结构判别：先看"个体是否随时间重复"——重复且锁定同一批 → 面板；每期换样本 → 混合截面。