Tag: 计量经济学

Categories
互联网产业观察 经济、IT观察与思考

经济学不是万能的

今天很开心，在北京停留两日的决策还是对的，见了两个非常有趣的人。其中一个是在读Ph.D，专做网络经济的；另一个是一个公司的team leader，谈了一些关于产业界的事儿。我现在是对于产业界格外好奇，特别想知道的是到底经济学应用到什么程度了。

重点说说第二个，至于哪个公司，没有征询过人家同意就暂时不明说了。我们大致说的是跟经济学里面的拍卖理论有关的东西，而且是拍卖理论在现实中的具体应用。比较出乎我意料，他的问题居然是“如何从一个均衡点跳到另一个均衡点”。呃，首先，我一直不知道原来在实践中是有多个均衡点的，一般经济学模型在模拟竞争的时候由于单调性等一系列假设，均衡很多都是唯一的（最简单的参见古诺模型）；其次，就算是有多个（收敛的）均衡点，想从一个跳到另一个（类似于某经济增长模型中的“低水平陷阱”，或者最简单的博弈论中的“box opera”模型），对外来冲击的要求也是比较高的；最后，也是我更倾向的一种观点是，这个均衡不理想（次优）可能是由于非理性预期导致的。然后，大致的思路就是，要证明均衡不唯一->确定不唯一的原因->针对原因做一个外部冲击或者政策调整。当然，从实践层面来说，只有数据能告诉我们真理（能做实验就再理想不过了）。计量经济学的用武之地啊！Frank兄你赶紧毕业来创造价值吧！（顺便我还把Michael老师卖了-嗯啊，您不是最近刚被MS录用了一篇这方面的文章么？我就姑且卖了一通。您能创造的价值肯定很大啊，不过这个市场需要培育，大家对于经济分析能带来的价值还是有点小疑虑的感觉。）

我拍卖理论学的只限于高微课堂上那些，大致也只是把经典的拍卖方式过了一下（纯属找理由为自己不全面的分析开脱，哈哈）；后来在motta的竞争政策课上，多少倒也涉及到了一点点bid的东西，但是看来理论模型还是把现实大大的简化了（话说，当他说到他们也有点“政府”的味道在引导/规制这个市场的时候，我瞬间觉得学的那堆竞争政策/反垄断的东西可以派上用场了。纯市场经济干预啊，还有各类竞争市场的分化机会，好有意思。不过稍稍有点不理解为什么他们有点倾向于培养几个大寡头-大多数经济理论中都是喜欢竞争者越多越好的，最好还势均力敌，那样会比较难以坚守“同谋”策略。这大致是一点实践和理论、长期和短期的不同之处吧）。呃，让我大有种“路漫漫其修远兮，吾将上下而求索”之感。不过，顺带想说的是，经济学绝对不是万能的。我虽然很开心的看到国内有远见卓识的一些公司在试图引入经济学分析，到底经济学能应用到什么样子还是个问题。我隐隐约约觉得，如果这家公司真的想在这里舒舒服服的利用经济学创造价值，可能它真的需要一个Ph.D...当时他问我到底master和Ph.D有什么区别，如果只说econ的话，国内的我不知道，美国的master参差不齐，欧洲的某些master项目还是有一些质量的，只是愿意离开学校暂时不读Ph.D的可能寥寥（除了像我这种脑子暂时抽风，就是不想读了，又不想进投行之类的人...）。当然我这里有给我自己的学校做广告之嫌，不过我们这一年上的就是Ph.D第一年的课确实属实，所以和Ph.D的差距就是研究经验和一到两年的topics级别的课程（还是可以归结为研究经验……）。

嗯，可能最近还会回北京一趟，如果能和他的团队一起聊聊的话，看看实践中到底有什么困难、有什么用武之地。哎，我发现一聊到经济学的应用我真的是挺兴奋的哎，学以致用哈哈！

最终的感觉就是，产业界其实真的挺有趣的……没想到这次回国可以见到这么有趣的人并与之详谈。大概很多学经济学的人都会很乐意看看经济学的应用到底有多大的价值吧，拍卖理论又是最直接可以见效的。美国很多产业里面都有经济学背景的人在做事，而现在看来国内的需求也越来越大。也就是说，不去银行保险证券那些金融机构，经济学也是越来越被认可的。意识到这一点，我真的很开心啊。没想到这次回国收获这么大，看来是有机会可以检验一下自己的经济学知识了。话说，下周去上海一趟，不知道来自于另外一个产业的问题和需求又是什么呢？被某人说的总是让我心痒痒的很，希望不是对经济学的过高期望啊。真的，真的，经济学不是万能的，它有自身的局限的；此外，我只是个master，有些活真的可能是Ph.D更能胜任……哈哈，还是先谈过再做个估量吧，我心里总是有点悬着的。

Categories
事儿关经济

从理解世界到政策分析——经济学角色在变化？

一直觉得，经济学最引人入胜的时期就是“初逢”。几条简单的曲线勾勒出世界的美好，然后简单的分析让人眼前一亮，世界豁然开朗。倡导这样观念的大概 不得不算上张五常老先生，看看他写的散文集或者《卖桔者言》，就知道这个世界是怎么可以被经济学简单的分析的——某种程度上，经济学显得过于强大了。

今天去听了UPF的一个recruitment讲座，是MIT的Dina Pomeranz，讲的是No Taxation without Information。 大概就是说怎么设计一种实验来使得上下游厂商之间难以相互勾结、逃增值税。去听这个讲座一方面是那天和director谈话的时候他提及了这个讲座，另一 方面确实是对social network感兴趣，而这个上下游厂商之间自然而然的形成了一个network。不过，这里想说的是，今天去听的时候那个震撼啊～毫无悬念的，我又成了 唯一一个厚着脸皮去蹭讲座的master，剩下还有两个Ph.D，然后一屋子满满当当的全是亲爱的professors们。看到Gali, Ciccone, 还有一堆给我们上过课的老师……在整个讲座的过程中，氛围也是比较积极的，一场没有硝烟的战争……

当时我就在想一个问题，经济学发展到现在，还仅仅是给我们提供观察世界的一个角度而已么？可能受周围一个原来做public health (health economics)的同学潜移默化的影响，我现在越来越关注经济学之于政策分析。原来确实是对计量有种种偏见的，但是当看到计量在政策分析量化之时的巨 大作用，确实也不得不感慨一番了。在development 和labor这两门课之中，整天就在讨论各个项目的效果评估之类的，确实也蛮有趣的。某种程度上，现在的经济学已经不仅仅是一种分析世界运行方式的工具 了，它跟政策制定的联系或许会越来越紧密。

我是感觉这一年其实受的影响还是蛮大的，回头看原来的对于经济学的看法确实是有些天真了。原来很喜欢理论分析，喜欢建立模型时候的优雅，而现在更关 注经济学在应用之时到底能够发挥多大的威力。有点可爱的是，原来多多少少是有些抵触计量的，现在整天在做的却是跟计量离不开。虽然还在警惕着自己那个“黑屋黑猫”的故事，但是秉承着一种“想找什么的缺点首先要真正的理解它”的思想，还是在不断的深入接触着计量。渐渐开始理解做应用计量的有的时候并不是关注方法本身或者预测的准确度，而更多的是提供一点政策制定时候的方向指导和佐证。对计量这种观点的转变，或许是我以前万万没有预料到的。

今天又连续听了8个小时课，而且是思维在跟着老师走而不是被动灌输似的听，所以实在是累得很，也终于支持不住又一次在高宏课上不幸睡着 了……Gino童鞋讲话永远是一个调实在是容易让人不幸睡着，更何况现在在折腾动态规划汉密尔顿函数之类的无聊东西。我不知道这样旁听+选的课每周那么多 课时的日子还能坚持多久，但是真的是觉得很喜欢这些课，所以暂时还是挺着吧……

哦，最后补充一点好玩的，是上博弈论的时候想到的。最近在讲“correlated equilibrium”这个东西，概念上还是蛮好玩的，大概意思就是引入一个具有第三方公信力的个体，然后传递信号来影响策略选择的过程——这样 player做决策的时候就不是相互独立的了，而是相关的了，因此算各种（混合策略）情况概率的时候就不是简单的相乘了。他用了一个chicken的例 子，就是典型的2×2博弈，也没啥特别好说的。我只是一刹那间突然想起来三国中的一个典故，那就是吕布的“辕门射戟”。这个故事大家应该都耳熟能详了，大 意是：

吕布说：“把画戟插到辕门外一百五十步地方，如果我一箭射中画戟的枝尖，你们两家就不要打了。如果我射不中，打不打我就不 管了。”纪灵希望射不中，刘备希望能射中。……只听"嗖"的一声，吕布大喊："着！"那箭不偏不倚，正中画戟的枝尖。就这样，吕布以他精湛的箭法平息了一 场厮杀。

这里我们可以把吕布理解为那个发送信号的人，他已然决定了刘备和纪灵两家需要选择的策略（当然这里因为吕布太强大了，刘备和纪灵除了遵守吕布设定的 规则之外别无选择），然后用一个信号直接决定了最终的outcome。当然，我们很难说这是个均衡，但是我想只要吕布在那里，这永远会是一个均衡吧……不 过这些都是后话了。

Categories
我的生活状态

妥协……

原来在山大的时候，尤其到了大三，一切的概念就是“好多东西都还没学，抓紧时间补啊”，于是乎可以一学期修掉40+学分（一学分=一周一小时，也就是说理论上我一周要上40+小时的课），还不算那些只能旁听不能注册的研究生课程……大概是习惯了大三那种“地狱”似的生活，对于课程，永远是一种“贪婪”的状态。当然，我这么拿本科的课和研究生的课相比是不公平的，要知道本科的课大多是可以逃掉的——当然，我作为一个理性经济人，逃课的理由往往是出于利益最大化的考虑，某些老师的课实在是哄小孩……这也说明课程质量良莠不齐的现象很严重啊。

然后跑到这边来，习惯性的想多学一点。上学期没什么选择，只能两门必修顺带修了数学，这学期就延续这个趋势选了4门课。呃，然后，顺理成章的，我们亲爱的项目director就开始额外关注我了。第一周试听，OK，他也没说啥。这周，我正想说已经下定决心选这四门（高宏、高微、计量、发展经济学）的时候，他就开始劝我了。其实我也知道，想在这四门中存活不容易，高宏高微就足够折磨死人了，加上一个发展实质上是博士的课程，我就会活得更加的痛苦……我不知道自己是不是有一点点自我折磨的倾向，总是不想给自己机会让自己闲下来。要知道，我好不容易下定决心从十几门课中选了这四门啊！我容易么？然后，还要忍痛割爱掉一门，唉。

最后，大概会把高微暂时放下吧。真的是，我万万没想到跑到UPF来了之后真的开始成学宏观了，当年那个对宏观的种种漠视啊，对计量的种种偏见啊，对发展的种种淡然啊，对微观的种种热爱啊……一切都变了。真的开始学会了妥协，还有善待自己。毕竟，按照director所说的，没有人曾经修过4门课，还是这样比较难的4门。算了，我又何必为难自己……

只不过，这样说来第三学期就真的要选两门课了。不知道能不能顺利的生存下去。想多花点时间在西班牙语上，还想好好的写学期论文……不过，貌似这一切就都成镜中月水中花了。妥协……

我在想，我应该不算是一个不懂得享受生活的人吧？只是当周围若干好友都在问我“why are you torturing yourself? ”的时候，我想确实是，呃，可能从他们的角度来看，太多了。我一直想说，在中国，这种节奏和压力都是为了生存啊，几亿人口的国家啊，想做得更好只能多忍受一些痛苦。看来，这些发达国家长大的孩子们果然在过去的二十几年中过得太幸福了。

算了，既然人在西班牙，就学会妥协吧。并不是什么大不了的事儿。从我的观念来说，就算不选那些课，高微和labor还是会去旁听的……虽然director建议我连旁听都不要去了……话说我还是蛮尊敬这位director的，首先是学术上的成就摆在那里，足以瞻仰；其次是人很好，肯花时间在我们学生身上。像这就已经是我们第二次谈话了，而且足足谈了一个小时，还是他主动email我的……想想在国内的时候，有几个老师肯花时间在学生身上啊，除非本来就很熟，或者是帮人家干活的，像当年我导师那样的真的不多见了……师者，传道授业解惑也，已然消失的无影无踪了。或许这么说有些不公平，但是确实是，我感觉很多教授关心的是人际啊、利益啊这些实际的东西，而并不真正关心教学，更何况学生？中国不是有句话叫做“师傅领进门，修行在个人”么？

有趣的是，从UK或者US过来的同学们多多少少抱怨说在这边接受的老师“面对面”的指导太少了……而我的感觉是，已经很满足了。原来的时候，总在给自己灌输的概念是“自学”，很多时候只能依赖自己。真的是，差别好大……我真的不知道是应该庆幸来到了这里、和那些受过优质教育的孩子们同台相处，还是应该悲哀的发觉过去的若干年已然被种种浪费了呢？算了，积极一点吧！珍惜现在手中所有的，总比光盯着月亮却总也得不到强。

Categories
事儿关经济

数理经济学的发展综述

这个嘛，是一个作业……当然也就是“数理经济学”这门课的作业。老师很聪明的知道我们会去网上抄，所以干脆就给我们这么一个不得不抄的题目，还要求手写……可是手写也得先有的抄才行啊，所以还得先搜搜资料。

为了方便大家，我就把搜到的一些有价值的文献附于此，估计够抄上十几页稿纸的了。因为（中文）文献有限，所以大家一定要删删减减取其精华而抄之，关键处记得注明出处～

我觉得有用的文献如下（排除了数量经济学的东西，我认为后者是“数理经济学+计量经济学”）：

  • 刘凤良. “数理方法在西方经济学中的应用与发展— — 评高山晟的 《经济学中的分析方法》 [J]” . 中国人民大学学报(2002)：4.  （本文我感觉就是阿罗那篇文章的中文翻译版……更好抄。）

  • 刘向晖.“数理经济学史研究”. 西北大学博士论文（2001）（我找到的唯一一篇专门研究这个问题的博士论文，真的是博士论文，好长啊～我只下了他的绪论那章抄了抄就觉得足够了）
  • K. J. Arrow, M.D. Intriligator. HISTORICAL  INTRODUCTION. Handbook of Mathematical Economics, Volume 1。（这么经典的东西怎么能够不抄呢，要知道handbook系列可是撰写论文综述的绝佳材料，当然也是开始研究一个问题寻找高质量参考文献的绝佳材料）

其中前两个是中文的，最后一个是英文的。照例把这些PDF版都扔在google site上面了。当然你也可以自己去CNKI搜搜然后下下来。

还请自行移步：http://sites.google.com/site/loyhome/mathematical

其实越看这些发展，越觉得就是整个经济学发展史的一个缩影，甚至是近代科学技术发展史的一个缩影。最后附上一张自制的流程图，大家可以大略的扫一眼，帮助理清脉络。建议对经济学发展历史感兴趣的诸位，还是去看看《经济思想的成长（The Growth of Economic Thought）》（参见：[cref %e6%b5%8e%e5%8d%97%e7%9c%9f%e7%9a%84%e5%be%88%e7%83%ad4th-week-june]）一书吧！

Categories
事儿关经济

统计学和计量经济学的神奇？

我又要从方法论上说事儿了。关于计量经济学的应用，着实有一种“泛滥”的感觉。尤其是在前段时间和一些同学争论“格林兰因果检验”的时候，对那种“把统计检验结果奉若至宝”的态度实在是感到心痛。这种检验也就是摊上了一个好名字，最多可以否定一下因果关系（这还有待商榷），哪能作为肯定的依据？

这两天和Taiyun Wei、Yihui两位同学交流甚多，他们都是统计学专业科班出身的，可谓对于统计学的认识颇深。让我这么一个连本专业经济学都还没出师的对于统计、计量的看法和认识深入了很多。确实，计量只是一个工具，不能替代真实的世界中的因果关系（causal-relationship），虽然很多计量经济学家都在热衷于这件事儿。

到底，统计学和计量经济学应该在经济学分析中扮演什么角色？

下面是Taiyun Wei同学不辞辛苦整理贴给我的东西：

-------------------------------------以下引用其原文-------------------------------------

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。

    翻译错误：不是“房间”，是“月亮”！感谢Yihui
  • 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？

------------------------------------引用结束-----------------------------------------

看完之后，我的心里颇为一沉，印证了很多我在现实中隐隐约约体会到的对于计量经济学应用（尤其是初学者滥用）的疑惑。虽然其中某些观点稍显偏激，但是在现实中的事实是，太多的急功近利的行为导致了计量经济学、统计学的滥用。经济学专业的学生不去关注经济规律本身和客观的物质世界，只知道一头埋在统计数据里面企图挖掘出来什么鲜为人知的关系。这说明了人们的思考角度已经不是事物本身，而实证检验的英文原文empirical指的是"经验主义"，而不是中文那般美化的仿佛就是现实中的必然规律似的。太多人忽视了统计应用的前提假设，胡乱把一堆例如结构方程模型（SEM）和数据包络(DEA)的东西随便应用到自己的分析中去，而不去严格的证明为什么可以这么用，为什么不会导致结果失真（或许他们也根本证明不了、没有意识去证明）。到这里，我不得不悲哀的说，这已经不是一个方法论的问题，而是彻底的世界观出问题了——认知世界怎么能全部依赖统计？

然后看了Yihui写的一系列文章（三篇，针对低年级统计学专业学生的），外加一两篇分析。网址分别列出，只挑选其中部分内容转载。

----------------------------------------引用开始------------------------------------------

我们先看最简单的一个例子：t检验。我想只要是个学统计的必然都知道这个检验，它是用来检验位置参数的，比如单个样本的 均值是否为0，两样本的均值是否无差异，等等。我们也都知道这个线索：t检验需要t统计量，而t统计量的来历是独立的正态随机变量与卡方随机变量平方根之商（卡方要除以自己的自由度），实际应用中，这里的分母往往就是样本标准差。在t分布被Gosset发表之前，人们往往只能用总体标准差作为分布构造标准 正态随机变量来做检验和估计，Gosset的t分布伟大贡献在于，我们可以用可知的样本标准差替换不可知的总体标准差而且构造t统计量，这下就让人放心多 了，因为我们总是畏惧未知的总体（或者未知的参数），而且在小样本情况下更为畏惧——样本量太少我们就更不敢对总体标准差作出估计。

Gosset的确帮助我们解决了个大麻烦，然而t检验仍然要假设总体服从正态分布，这个麻烦可不好解决。可能马上就会有人说，分布也是可以检验的啊。没 错，是可以检验，比如著名的KS检验；问题就在于，统计分布检验的备择假设太大，我们做假设检验只能有把握得出“样本不服从某种分布”，而不能说“根据检验，样本服从某种分布”：因为犯第一类错误的概率可以控制，而第二类错误的概率只有鬼才知道（不干鬼的事，鬼也许也不知道）。

第二个例子我想稍微说一点关于抽样调查中的统计推断，这里面的统计推断往往比较简单，大致原理就是用样本均值估计总体均 值，样本方差估计总体方差，为什么能这样呢？因为这些估计量往往都是无偏估计，不妨仔细想想“无偏”的意思：期望等于真值；注意不是估计量等于真值，那期 望是什么意思呢？通俗来讲，期望就是一个随机变量按照它的分布不停地变变变，变了无数次之后我们看它在“平均”意义下取值为多少，当然抽样工作不可能一遍 一遍无穷做下去，我们一般仅有一次抽样，得到的估计量也就只有一个值，这一个孤零零的估计值，到底离真实值有多远？只能再去问问鬼。此时可能又有人会说， 我们不是还有方差吗？不是可以做置信区间的估计吗？没错，书上都是这么写的。方差有什么用呢？书上说了，方差是度量离散程度的，试着想一下，告诉你一个随 机变量均值为100，方差为1000，你能想出所谓的“离散程度”是怎样的吗？恐怕也难以想象，所以除非方差为零，否则我一向觉得它在描述统计中并没多大 实际意义（它的确是刻画离散程度的，但怎样叫大怎样叫小？没有标准）。再看置信区间，要谈置信区间一般也就不可避免要用到分布，于是假设条件又来了，一方 面是总体独立同分布，另一方面样本量足够大，这样才能根据中心极限定理构造正态分布随机变量。显然，两个问题来了：抽样能保证独立同分布吗？怎样的样本量 才算作大？又是不好回答的问题。例如分层和整群抽样，很能让人怀疑样本的独立性；而大样本的问题，从数理统计角度（中心极限定理）来看，必须是样本量趋于无穷，显然这是不可能的，若样本量趋于无穷了，那我们还抽什么样？

-我们的下一代必是男孩！-但是他们是选择样本！

其实，关于统计模型的这种质疑，也不是机器学习出现后才开始有的，以前看Gujarati的"Basic Econometrics"一书，曾经读到一段很有意思的话：

Economists' search for "truth" has over the years given rise to the view that economists are people searching in a dark room for a non-existent black cat; econometricians are regularly accused of finding one.
-- Peter Kennedy, A Guide to Econometrics, 3d ed., The MIT Press, Cambridge, Mass., 1992, p.82

经济学家们“在一间黑屋子里找一只本不存在的黑色的猫”，而计量经济学家往往会宣称他们找到了一只这样的猫。听起来很可笑，但从某种意义上来讲，我们何尝不是在做这样的事情？

----------------------------------------引用结束------------------------------------------

原文：谢益辉：关于统计推断的一些惴惴不安

这一篇可谓是最通俗的说明了他的所有观点的，此外还有几篇文章：

个人认为都是非常值得一看的。不再直接粘贴过来原文，敬请直接移步。

注，漫画英文来自：http://myhome.iolfree.ie/%7Elightbulb/Research.html 由我翻译为中文并直接修改图片。