到底什么是 「reduced form」 ？和 「structural form」 区别在哪里？ 第1页

简单说一下区别。

比如，你想预测明天是不是下雨。

structural form：找到气象、气候模型，收集各种数据，结合大气层、月球运动，风速、温度、湿度、紫外线等等各方面数据，经过复杂的模型设定，模拟各个变量之间的相互作用，然后输入这些变量，经过复杂运算，得出结果：明天下雨。

reduced form：根据经验：朝霞不出门，晚霞行千里。今天有朝霞，明天下雨。

前者强调尽可能完全地模拟现实状况，但是因为现实往往都是超级复杂的系统，所以会造成“精确的错误”。

后者强调数据本身的作用，不去深究复杂系统内部的相互作用，跟神经网络有点类似，我也不知道是什么原因，反正根据历史数据，今天有朝霞，明天就下雨。

前者的好处是能够解释结果，我可以告诉你，我得出明天下雨的结果，是因为xxx参数大于xxx，导致xxx计算过程得到了xxx结果，等等，最后推导出明天会下雨。但是还是那句话，因为模型不可能完全模拟现实，所以即便可以解释结果，也不一定对。

后者好处是在保证准确率的情况下，速度非常快。但是因为类似于归纳法，对于一些之前没遇到过的事情，无法提供准确结果。（不过这个也分模型，有的数据模型对于outliers也有很好的预测）

可以参考方汉明老师的《美国经济学教育体系和对中国的启示》中的

在经验研究方法上，美国经济学界有两大派别: Reduced Form Approach 和 Structural Approach。我不知道这两个英语术语该如何翻译成中文。 这两大派别的区别在于它们对经济理论在经验研究的作用。Reduced Form Approach 认为经验研究应该让“数据自己说话” (Let data speak for itself) 。他们认为经济理论模型是研究者的意志决定的, 把研究者的意志强加到数据上面而得到的结论只有在模型正确的情况下才会正确。因为研究者不可能知道什么模型是正确的, 他们的主要研究工具很简单： 使用各种各样的回归分析( Regression) 。 Structure Approach 则认为, 数据不可能完全显示自己是怎么产生的 (Data only can never reveals its own data generating process) 。Structure Approach原创于考尔斯基金会 (Cowles Foundation, 现位于耶鲁大学), Jacob Marschak 是早期的阐述者。Structure Approach 认为， 如果说经济研究的目标是数据产生结构 (Data generating process) 的话, 那么只有在研究者的模型的协助下才能了解数据产生结构， 即便研究者的模型可能是错误的。Structural Approach 在科学研究方法上很接近于物理学家。物理学家要了解物质如何运转, 他们经常提出模型, 然后用实验检验。 物理学家的模型可能是错误的, 即便模型与目前所有的数据符合。但是没有模型, 物理学家的理论是毫无运用的, 因为一大堆无模型的数据不能被用来预测 (Prediction) 。Structural Approach 的经济学家注重模型, 注重估计模型中的原始参数 (Primitive Parameters)。所谓的原始参数指得是那些在偏好和技术方程中的参数。 这些参数不会因为政策干涉而变化 （Invariant to Policy Interventions）。 因此Structural Approach 得出的政策预测能通过卢卡斯批判 （Lucas Critique）。相反， Reduced Form Approach 研究所估计的参数多数不是原始参数，因此无法用来进行预测， 尤其无法预测从来没实施过的政策会有什么影响。