计量经济学是伪科学吗？ 第1页

计量经济学不是伪科学。

计量经济学根本不是科学。

计量经济学是针对经济学中常常遇到的统计问题而发展出来的一系列数学工具。

经济学研究是科学研究。科学研究通常需要用到数学工具。但数学工具本身并不是科学，更不是伪科学。

举个简单的例子，线性回归是一种计量经济学方法，研究两个或变量之间的相关性。同样用线性回归方法分析金融数据，发现财报中亏损对公司股价有负面影响，这是科学；发现CEO属牛对公司股价有正面影响，这是伪科学。

工具本身无所谓科学还是伪科学，研究的问题决定是科学还是伪科学。

逻辑美妙，假设错误。

计量经济学肯定不是伪科学，但是为什么会有人认为计量经济学是伪科学就是个很值得思考的问题了。

我们举几个例子：

比如说林毅夫，他是中国最著名的经济学家之一，《Rural Reforms and Agricultural Growth in China》是他的成名作之一。在这篇文章里他提到实施家庭联产承包责任制（HRS）后粮食产量能增加20%（误差仅为1%），而增加1%的化肥施用量可以增加0.19%的粮食产量（误差同样仅为1%），且回归模型的拟合系数达到96%级别，看起来一切都很美好的数据对吧？

但是问题就出在化肥施用量上，如果这个数据没问题，那么以论文中完全实施家庭联产承包责任制后的1985年数据为例，增加1公斤化肥施用量仅仅可以增加4公斤粮食产量。

这个数据问题很大，根据农业部植物营养与养分循环重点实验室张福锁教授在《中国主要粮食作物肥料利用率现状与提高途径》一文中对全国粮食主产区进行的1333个田间试验结果1公斤化肥施用量可以增加8-10.5公斤粮食产量——研究计量经济学的专家为了论证HRS的有效性完全无视了化肥这一重要变量数据他们是否有没有处理好，结果是否正确。

事实上根据《中国统计年鉴1989》p713数据，1985年粮食价格仅为383.3元一吨，而化肥价格高达369.5元一标准吨。这里注意下化肥用的是标准吨，如果以施用量最大的氮肥为例含氮量为21%，而我们指的化肥施用量要折算成100%含氮量，这意味着含氮一吨的化肥价格高达1759元，如果1吨化肥施用量仅仅可以增加4吨粮食产量的话那么增产的粮食价格仅为1533元！这完全不合情理！完全可以推翻林毅夫论文的论证结果。

事实上，我本人也做过估计，仅仅用粮食产量、化肥施用量、成灾面积、HRS、和粮食播种占比这几个量做回归也可以得到很漂亮的数据：

折算后的化肥施用量估计值0.3540（标准误0.025），意味着增加1%的化肥施用量可以增加0.3529%的粮食产量，以1985年数据为例1公斤化肥施用量可以增加9.9公斤粮食产量，与张福锁教授进行的田间试验完全一致。

而增加1%的成灾面积将导致0.082%的粮食产量减少，以1985年数据为例大约是1亩成灾面积减少104公斤粮食产量，这与《中国统计年鉴1989》p205中1985年的粮食平均单产232公斤相一致（成灾是指粮食产量减产3-7成之间）

而HRS在数据上则基本上为0，显示HRS并没有那么大的影响力（事实上如果拿成灾面积占受灾面积占比与HRS占比进行回归，则会发现HRS实际上造成了农田水利的严重破坏，实际上造成了农业减产。）

最后的拟合优度也高达98.5%。

这里就可以看到，计量经济学家们往往会为了自己预设的立场，强行进行拟合，虽然数据很漂亮，但是已经完全与专业的统计数据相悖，很容易让人理解成伪科学。

再举一个例子

这个问题下 @Manolo 提到了一篇即将在经济学顶刊Journal of Political Economy登出的研究Land reform and sex selection in China. ——结论大概是这样包产到户大大影响了性别比例，造成性别比例大幅度上升。

不过可惜的是，由于这篇文章引用的是较早的人口统计数据，数据中因为大量的出生女婴瞒报造成了数据严重扭曲，造成了结论完全错误。根据2010年人口普查的数据：

根据2010年的普查数据，我们甚至可以发现HRS开始推广后（1981年）——对应年龄29岁，人口的性别比例大幅度下降了，最低的1986年甚至低于了1！

那么《Land reform and sex selection in China》这篇文章是2018年的新作，三位作者Almond, D., Li, N. H., & Zhang, S是不知道2010年有人口普查而且数据准确度肯定远高于1990年的普查数据吗？显然不是这样的，因为如果他们引用了2010年的普查数据就没办法圆他们预设的立场了，当然不能用。

而这篇回答里所谓的数据帝 @chenqin 也有回复：“我在这个回答里面引用过这篇文章chenqin：在中国当时的条件和大背景下，如果不实施计划生育，那么有什么更好的方法解决当时中国的人口问题？，但是我对他的解读不太一样，收入越高代表土地越值钱，才越需要儿子来继承，对儿子的偏好是始终存在的，但在大队拥有土地的情况下儿子并不能带来多少好处，而土地承包相当于半个土地私有，就把这种对儿子的偏好给完全暴露出来了，以后有什么东西都继承给儿子，传下去。”

这里我要说明下，我和chenqin曾经就人口问题产生过争论，我们双方都引用了2010年的人口普查数据，因此他肯定知道HRS并没有造成性别比例上升，但是那样就不能得到他的预设立场，那自然在回答只会闭口不谈。

事实上计量经济学界有太多屁股决定脑袋的人，为了预设的立场强行拟合得出数据，不管结论到底有没问题。一旦问题出在其他专业题上，就很容易遭受质疑——预设立场去证明不存在的东西，这和伪科学有什么区别么？

泻药。

我跑回归已经多年了，就我多年的经验来看，在经济学类中，“伪科学”的程度基本是这个顺序：

计量——数理/微观——金融/经营——政治经济学/宏观经济学。

越是排在后面的门类，内容就越是“玄”，就越是接近“伪科学”。

计量，是经济学类中，甚至可以说是整个“社会科学”中最“科学”的部分，如果计量都不是科学的话，整个人文社科就都可以算是“伪科学”了。

我依旧记得伍德里奇的计量教材，序言中清晰地写着：

“经济学要依赖于计量实证，才能成为一门科学”。”

波普尔对于科学的阐述，就是命题要具有“可证伪性”，经济学理论的可证伪性从何而来？只能从统计中来，从跑回归中来，若没有计量分析作为实证，经济学甚至连科学都算不上。

计量经济学，它真正的名字该叫做“回归分析学”，它绝大部分内容都是注重于分析变量间相关性，最常用的手段就是“跑回归”，就是在运用和升级运用你高中阶段就学过的最小二乘法。

也许有chaos的大人物可以不使用我们这种落后的跑回归的方法来分析数据，但考虑到90%的计量经济学家依旧在使用这种手段，以及99%的批判者都仅仅只能批判跑回归的方法，所以我们姑且把计量经济学的范畴浓缩在“回归”二字之上。

对于计量经济学的批判往往来自于这样两方面：

第一个方面便是认为计量经济学在耗费大量力气说明那些显而易见的事情，因而“没有多大用处”。

现实中我们跑回归的人也的确如此，搜集了n组数据，无非就是在说明，B，C，D···等变量对A有影响。

比如你在知网上随便动手搜索“实证分析”四个字，就会得到大量这样的文章：

比如，高管薪酬和公司业绩的关系，这个用鼻子想也能得出“公司业绩越好，高管薪酬越高”的结论。

再比如，“地方财政支出与居民消费的关系。”我国地方财政的一个方向就是发低保和拉就业，你给别人发了钱，不促进消费才怪。

可见我们很多时候，都在试图说明一些“显而易见”的道理。

但这是不是意味着我们在浪费时间？并非是这样，我举个例子，费马大定理，哥德巴赫猜想的正确性，恐怕是无庸置疑的。无数数学家以毕生精力来“证明”这些显而易见的东西，是不是也在“浪费时间”？

花时间证明这些显而易见的道理，恰恰反映了计量经济学家的两种精神：

1:怀疑的精神，科学的精神便是怀疑的精神，我们想象一下，如果这些显而易见的道理被证伪了，业绩好的公司的高管收入不比业绩差的公司高，这岂不是说明了高管也是被压迫的阶级？如果地方财政支出无法促进消费，这岂不是直接证伪了凯恩斯主义？

你怀疑的东西可能是对的，但这不代表你的怀疑精神没有意义，时代在变化，有些过去时代毋庸置疑的信仰也会过时，天主教曾认为洗澡对身体有害，中华传统也认为喝冷水不好，这些理论曾经都有一些道理，但最终被时代淘汰了，如果没有这种怀疑的精神，这些陈旧的信仰要如何才能推翻？回归猿的这种做法，恰恰是科学精神的体现。

2:把自然语言能够表述的规律，用数学语言来表达的精神。

数学家总是在证明一些“显而易见”的东西，但有谁能认为数学是没有意义的呢？证明过程的真正的意义不在于“知道某件事情是真的”，而在于用精确的语言把一个规律给表达出来，因为数学的语言是最为精准的，发展了这样的语言本身就是最大的意义。

在证明的过程中你会发现很多东西，正如你爬山，可能一开始的目的就是爬上山顶，但走在途中，却发现了美丽的花朵。一开始你不知道这里会有花朵，所以你的“目标”只能是“山顶”，如果你因为预知山顶的风光不美而放弃了爬山，那么你反而还会错过这些花朵。

在数学中，这些花朵有很多，“引理”（Lemma）往往是在证明某个问题的过程中被提出来的，有名的引理往往会在别的地方被多次使用。群论（Group Theory）最初是在研究多项式的求根公式中被提出来的，有了二分法和计算机之后高次方程的求根公式变成了无意义的东西，但群论却成为了代数领域重要的研究方向。

在经济学和社会科学中，这些途中出现的“花朵”也并不少见。

譬如，跑回归有时会面临这样一些问题。

比如，变量间的关系不是线性的情况下，用传统的高斯最小二乘法会依然得到一个线性的显著结果，你如果拿着自由落体的距离和时间跑回归，你也会得到一个线性关系，然而我们知道这个关系不是线性的。

为了确认变量间的线性关系和排除递增的测量误差，计量经济学家发明了异方差检验，这样，我们就不会错把非线性的关系当成是线性的。

我们所熟知的“多重共线性”，“异方差”，“自相关”的检验，无一不是在无数次跑回归，在无数次试图证明“显而易见的道理”的过程中发现了问题，随后发明的。

再比如，“岭回归”（Ridge Regression）的方法，也是在无数次跑回归的过程中发明的，岭回归是一种有偏估计，是为了缩小方差来进行有效预测的一种方法，这种方法往往是在被多重共线性严重扭曲了的数据中使用。

如果不跑它个上百次回归，你恐怕是碰不到一次能用上岭回归或者lasso回归的，如果不是经济学界跑回归的繁荣昌盛，这些方法根本就不可能开发出来，现在，这些方法不仅可以用于经济学中，还能造福其他社会科学。

计量经济学是一把剑，不要因为眼前的敌人太弱鸡，就觉得磨剑没有用，有朝一日，也许这把剑能救你命。

对于计量经济学第二个批判，是计量数据的真实性问题，张五常先生觉得这些统计是不够详细的，是不够真实的，有些数据还有误导效果，仅仅靠几个指标，根本就不能反映所有公司的全貌。

张老虽然信奉实践出真知，喜欢到处参考例子，显得比较真实，然而个人的考察很难是无偏的，成功学之所以不靠谱，就在于只考察用什么方法成功了的人，而不考察用同样方法却失败了的人，有的时候运气比你什么技巧都管用，如何说明这是运气而不是技巧的结果？你只能用统计的方法，或者说统计的意义就在于此。

张老说出那番话，反对的可不是计量经济学，而是统计学本身，统计学者并非如同张老所设想的那样，对手里数据的真实性一无所知，我曾经说过，统计方法可以判断出大概有多少公司的财务报表造了假，也可以判断阅卷老师有没有放水让学生及格，随机扰动项的分布能看出很多问题，是蓄意造假的数据，还是统计方法有问题，还是别的什么，往往是瞒不过老练的统计学家的，除非造假的人水平太高。

至于几个指标能否反映企业的真实情况，财务报表上的所有东西，我们回归猿其实都可以运用，如果财务报表不能很好地反映企业的情况，我觉得张老应该首先说“会计学”是伪科学，首先怼财报的编制不科学，也轮不到我们跑回归的来背锅呀。

张老批判的东西多了去了，他还说过效用理论就是空中楼阁，显示偏好的公理不一定成立，这样看来，他一样觉得微观经济学不靠谱，总之整个经济学他觉得靠谱的东西都不多，如果我们把他的话当真，就如同把中科大教授的那句“211都考不上，读个普通一本毫无意义，我建议去日本读个语言学校。”当真一样，那我们还学习经济学干什么？

至于奥派，奥派的数学水平大家有目共睹，罗斯巴德连一点集合论常识都没有，无法理解数理经济学也是自然，何况我们跑回归的也和带着先验前提的数理经济学还是有区别的。

许多人觉得我们是“图表派”，这又是无端的指责，跑回归的其实并不需要画什么图，只需要知道系数，pt值，R方，DW检验，就能知道变量间的相关性，把散点图和拟合曲线画出来，多半是为了说给外行听，或是要介绍新方法，至于表，数据本来就天然存于表中，这也是统计局和会计师的劳动成果，并不是计量经济学的专利。

相比之下，为了说明问题，微观经济学，金融学，商学才是动不动就喜欢“画图”，什么艾奇沃斯图，供求曲线，股价变动，市场变化等等，认为跑回归的才是“图表派”，是典型的无知表现。

对比一下经济学的其他领域，宏观经济学的东西，一派与一派都争论不休，连个基本共识都少有。

微观经济学论证一个问题，假设前提都先写整整一页纸，比如阿罗德布鲁要证明私有经济的一般均衡，假设了“显示偏好的强公理”“局部非饱和”““瓦尔拉斯拍卖者”等10多个前提。

而跑回归的，连“理性人假设”都不需要，除了“统计数据基本属实”“回归分析有效”两条之外，没有任何先验的前提，我实在想象不出，整个社科中还有人比这个更讲“科学”吗？