Categories
读书有感

真实的大数定理[2nd week, May]

记得几周前上课的时候乔老师说过,股市上唯一能帮你挣钱的就是大数定理。其实感觉现在的经济学研究越来越像统计学应用,到处都是大量的数据加上统计计量。可能从哲学的观点上这样是有点麻木的,但是可能对于现在的学者来说似乎没有更好的办法。

最近我对大数定理也是感触颇深,一直在写一篇关于FDI的论文[Manuscript NO.5],其中对组员唯一的要求就是“数据尽可能全面、统计口径保持一致”。记得前段时间国家统计局也强调说“统计数据必须保持真实,否则会影响宏观经济决策和预测”。由此可见一斑。It's better later than never.

然后就是下周四要做一个英文的presentation,可能会持续15-25分钟,PDF是中英对照的,但是我会全部用英语陈述——因为主要是给一位瑞典老师讲的,不用英语他也听不懂啊!

附上一张赠书给他的照片:

内容是关于寒假的那篇论文:济南市柳埠国家森林公园生态经济价值评估(Evaluation of Ecological Economic Functions of Jinan Liubu National Forest Park)。好象是第一次讲自己写的东西,虽然PDF做的比较简单,但是也不怕他们提出什么问题来,毕竟对这篇文章我现在几乎就是烂熟于胸到不愿意去看了。这比讲拼凑起来的其他人的东西容易多了!听取一些意见看看吧。

PDF下载/PDF available Here:http://www.loyhome.cn/Evaluation_of_Ecological_Economic_Functions.pdf

在线版:
Evaluation of Ecological Economic Functions of Jinan Liubu National Forest Park

Publish at Scribd or explore others: Business & Economics Research forest park ecological economics

另外打算暑假的时候写一篇关于劳动力的论文[Manuscript NO.6],可能会用到CHNS和DHS的一些数据。这样罗列起来手里已经积压着6个题目了,去掉FDI还有5个。大概暑假的时候只会挑着其中的两三个写写吧。估计也足够了。

最后例行的说一下这周看的东西:

  • 《经济研究》4月份的一篇:《公共部门与非公共部门工资差异》,昨天被薛欣欣老师批的一塌糊涂的一篇破文章,我们都叫嚣着要整理批判意见投给经济研究杂志社。
  • 《经济学动态》2009.4 一些最新的动态

可以看出来我越来越懒了,除了查找一些文献外都不怎么看书了。讲座也一场都没听,只是看看照片过瘾就算了

6 replies on “真实的大数定理[2nd week, May]”

我是学统计的,不过我一直对经济学中的好多模型疑虑重重,比如计量经济学中的因果检验、协整理论等。我们经济学学得不多,我不知道博主怎么看经济学和统计学的结合。张五常教授对计量经济学似乎没有多少好感。

统计要慎用,极容易出错,统计在任何实体科学中都应该起到辅助作用,但是绝对不可以喧宾夺主、本末倒置。

我个人认为“计量经济学”纯属“概率统计”在经济学中的应用。但是确实如你所说,很多东西确有值得疑虑的地方。
格林兰因果检验这个东西,很多初学者很喜欢,满天的论文里也都是这个东西。但是我和我的一些老师们达成的一致意见是:只是统计上的因果,能否定因果关系,却不能反过来支持因果关系。
张五常恕我直言,毕竟学习的大都是上个世纪的东西了,计量的繁荣则似乎是近二十年的事情。我认为计量只是提供一种参考的论据,只是为了辅助证明观点。
很高兴作为一个统计学专业学生你对统计学的定位,我们有时候经常感叹经济学被数学冲击的太厉害,整个经济学都快成了“数学建模”竞赛了。但是确实,数学是一个非常好的帮助我们思考的工具,能用科学严谨的逻辑去证明一些事情,而不是只是主观的不能证明也不能证伪的评判。
只是我目前的一点浅薄看法,欢迎继续讨论这个问题!

只是统计上的因果,能否定因果关系,却不能反过来支持因果关系。

我之前也这么认为,但是我目前的看法是:统计上的因果,即不能否定因果关系,也不能支持因果关系。之所以说不能否定因果关系,是因为实际条件可能错综复杂,相互影响、噪声影响可能很严重。还有即便是统计方法,可能不同的方法得到的结果都是不一样的,有的支持有的不支持,这时候应该怎么选择呢?下面是我和朋友们的一些讨论,不当之处尽管批评:

我觉得现实生活中的因果关系不可能从数学或者统计分析中得到,因果关系是一种很强的关系,只能通过对具体问题机理的分析、验证才能确定,单纯从数据来看,很不安全。计量经济学中有个著名的granger因果检验,我觉得它的局限性很大,但也算是没有办法的办法了。我的基本统计观是:实体科学为主,统计分析为客。统计永远是为实体科学服务的,固然十分重要,但不能反客为主。——魏太云

目前学界的结论是,部分因果关系是可以推导出来的,当某些条件符合的时候。有本非常经典的书,叫《caustion,prediction and search 》,这里第一章就讨论到这个问题。你有兴趣的话可以去看看。当然,这些条件很容易就被人攻击。比如,有一个条件是,所有的variables of the system should be included or measured。这就是说,如果某一个变量的数据无法取得的话,那么从这个相关矩阵中找到的因果关系可能就是错的。——黄兄

真正的因果关系,应该是排除宇宙中(或者一个更大的未知全集)所有其它变量的影响,看剩下的两个变量是否有时间上的先后必然关系。这样一来,太阳黑子、宇宙射线、外星人、植物释放的氧气、到COS论坛注册的人数、蝴蝶是否扇动了翅膀等都应该纳入回归方程……计量经济学家如何解决这个问题呢?(很不幸,格兰杰因果检验的横行似乎把原始问题掩盖了)

我对计量经济学的意见很大,以至于后来彻底放弃了这方面的学习,以上因果关系的问题便是原因之一。

当然我不否认他们很认真,他们付出了很多努力,但如果是我的话,我不会钻进这个角落,我会用脑子(用心理学、经济学、社会学等)去验证因果关系,而不是用数学推导。有时候我觉得统计和量化就有点“过犹不及”的意思,导致我们训练出一批“有知识、没常识”的数学家。——谢兄

本科时候读Wooldridge中级计量的书,觉得比Weisberg的应用线性回归写的好。当时只是觉得他对于ceteris paribus(Rubin曾讨论过这个假定与其理论的关系)得解释很深入。最近在听Chen S.X老师计量专题的同时细细的看了Wooldridge高级计量书的某些细节,才恍然大悟:原来计量经济学家一直都在做causal inference。

这种说法不是没有根据的!Wooldridge在Econometric Analysis of Cross Section and Panel Data开篇就是“因果关系与其他条件不变分析”,阐释了计量经济学对于因果关系的关注。在书的Chaper 18, 专门介绍了Rubin的虚拟事实模型,这在统计学的教科书中几乎是找不到的!不过糟糕的是,中文翻译者根本不懂因果推断,把ignorability翻译成“不可知性”,差之毫厘,谬以千里!在章,Wooldridge还介绍了Propensity Score以及Principal Stratification(Wooldridge写书的时候Frangakis和Rubin的文章还没有发表,所以后者没有被明确的提出),这些都是因果的核心概念。

老板认为,计量经济学讨论的endogeneity和exogeneity,就是流行病学讨论的有无confounding的问题。知道了两者的关系,则茅塞顿开。

至此,我除了佩服老板的统计直觉以外,还不得不对这些关注因果的计量经济学家表示充分的敬意,因为要想从observational data推断因果,真是难于上青天!据说,Hume认为,这是不可能的。——丁兄

说这些话不是说统计无用,相反,统计很有用,但要具体问题具体分析,用得合适、恰当,而不要盲目套模型。但怎么用得恰当,可是很大的一个问题。正如号称经济学家的人那么多,但真正会用的有几个?

谢谢!非常感动,把这么好的东西贴给我!
稍作整理后,会放到一篇日志中!非常感谢!
我对计量经济学及其应用会越来越慎重,从你的留言中受益匪浅!

[...] 上次有位老师嘲讽我们的时候说,“谁能解释清楚价值规律和价值就能达到诺贝尔奖的平均水平了”,我很反感这种业内人士拿着业内观点来嘲讽学生的做法。价值理论是整个微观经济学的核心和最最基本的问题,作为老师不去谆谆善诱,而来嘲讽初学者,真不知道是为了鼓励还是为了显示自己的水准。想说的就是,对于基本问题的思考不仅不会中断,而且会越来越深入。可能同一个问题,在不同认知水准下的思考会是不同层次的,但是我相信,会是越来越接近本质的。其实上面说的那个问题本质就是:对于历史的态度。或者说,大数定理究竟会在多大程度上指导我们的实践和预测将来?究竟是指导,还是误导? [...]

Comments are closed.