因果关系的求索之路：如何学习计量经济学？

1205

收藏 2021-12-03

因果关系的求索之路：如何学习计量经济学？（来源功夫计量）在谈论如何学习计量经济学之前，我们首先要明确计量经济学的站位。「计量经济学不是统计学，更不是数学，计量经济学是经济学，它关心的是经济变量之间的因果关系」，而不是相关关系。借助观测数据探寻因果关系是一件极不容易的事情，随时随地就有可能“误入藕花深处”，得到错误的结论。David Card、Joshua D. Angrist和Guido W. Imbens三位经济学家长期致力于计量经济学因果推断领域的研究，也因此获得了2021年诺贝尔经济学奖（当然我们还应该记得Rubin和Alan Krueger等人）。他们所提倡的因果推断方法论已经成为了现代微观计量经济学的绝对主流，显著而深刻地影响了整个实证经济学领域的研究，无数的经济学学者都在使用他们这一套方法论开展研究，无数的学子都在学习建立在因果推断理论体系下的新计量经济学，可以说今年的诺贝尔经济学奖是真正的实至名归、民心所向。那么究竟什么是因果关系呢？其实说起来很简单，所谓因果就是原因与结果，万事万物，有因必有果，有果必有因，计量经济学要做的无非就是两方面的事情，一是寻找结果背后的原因，二是分析原因对结果的影响。相对而言，第二方面的事情更加简单，可操作性更强，我们做的也更多。在实证研究中，我们通常做的就是分析一个原因变量A对结果变量B的影响（机制），绝大部分经济学实证论文都是如此。例如，林毅夫老师（1992）发表在AER上的论文《Rural Reforms and Agricultural Growth in China》（中国的农村改革与农业增长）研究的就是家庭联产承包责任制对中国农业增长的影响，家庭联产承包责任制改革是因，中国农业增长是果，林老师使用规范的计量经济学方法厘清了中国农村改革和农业增长之间的因果关系。囿于选择性偏差（内生性问题）的存在，识别因果效应是相当困难的，如何消除选择性偏差（内生性问题）可谓成了整个微观计量经济学的核心，「随机试验、回归、工具变量、双重差分和断点回归这“功夫五侠”都能够或多或少地解决某些类型的选择性偏差问题」，至于它们的“功力”如何，大家可以去阅读安神的《精通计量：从原因到结果的探寻之旅》和赵西亮老师的《基本有用的计量经济学》，这两本书都是从消除选择性偏差和识别因果效应角度展开的。除此之外，我们还要明白「计量经济学更多地是用于解释，而不是用于预测」。在计量经济学中，函数形式通常是由经济模型本身给出，而不是数据驱动，模型中每一个参数都是具有“经济学含义”的，我们的计量方法是服务于理论的，经济学理论指导我们建立合适的计量模型，并帮助我们对估计系数的方向和大小进行解释。如果你想要做预测，那么机器学习会更是你的菜，支持向量机、随机森林、XGBoost、LightGBM和神经网络等算法都是预测的好手（但解释能力差），如果你对这方面感兴趣，那么可以去阅读周志华老师的《机器学习》（西瓜书）和李航老师的《统计学习方法》（蓝皮书）。现在有越来越多的学者开始将机器学习方法引入传统的计量经济学，特别值得我们思考的是如何将机器学习与因果推断结合起来，如果不能紧密结合，那么机器学习对经济学来说也就是“牛头不对马嘴”。很多学校在讲授计量经济学的过程中，「过多地进行数学推导和定理证明，不重视与实证问题的结合和对因果推断的强调」，像高斯马尔科夫假定、异方差、自相关和联立方程模型等老掉牙的问题能啰啰嗦嗦讲一大堆，而对现在主流的微观计量方法如固定效应方法（FE）、双重差分法（DID）、断点回归设计（RDD）、合成控制法（SCM）和倾向得分匹配（PSM）等方法提及的篇幅相当少甚至可以说没有。这样老师教的很累，学生学的也很累，甚至会给学生带来计量经济学就是数学和统计学的极大误解，到了写毕业论文的时候，大家也就只会用个OLS、MLE，计量的教学方式存在问题，如何指望学生能写出好的经济学实证论文。当然，想要练就一身计量功夫，那自然少不了“武林秘籍”（教材）的帮助和指引：

入门：中室牧子和津川友介《原因与结果的经济学》、李井奎《大侦探经济学：现代经济学中的因果推荐革命》、伍德里奇《计量经济学导论：现代观点》，配合安神《精通计量：从原因到结果的探寻之旅》。《原因与结果的经济学》这本小书极其通俗易懂，即使没有数学基础也能读懂，可当做一本睡前枕边读物，李井奎老师的新书《大侦探经济学》同样是一本很好的因果推断科普读物，李老师通过许多有趣的案例（论文），为我们介绍了经济学学者是如何借助计量工具去探寻因果关系的，个人强烈推荐。伍德里奇《计量经济学导论：现代观点》这本书最大的好处就是根据常见的数据类型（横截面、时间序列、混合截面和面板数据）介绍对应的方法，但是缺乏因果推断的内容（会让你觉得计量就是高斯马尔科夫假定，就是在跑回归），和安神的新书《精通计量：从原因到结果的探寻之旅》配合起来学习能够更好地理解回归和因果推断。
进阶：陈强老师《高级计量经济学及Stata应用》或科林·卡梅伦《用STATA学微观计量经济学》，这两本书的好处是可以边学计量边学Stata，陈强老师的书中的公式、定理推导较多，不喜欢数学的同学可以只看纯文字部分，然后对照着Stata操作部分进行学习。
应用：安神《基本无害的计量经济学》（“圣经”）、赵西亮《基本有用的计量经济学》、邱嘉平《因果推断实用计量方法》，安神的基本无害可谓是微观计量领域的“圣经”，不过中译版一言难尽，英文好的同志可以去看原版，英文不好的同志可以去读赵西亮老师和邱嘉平老师的那两本书，内容都涵盖了微观计量的主流方法，干货满满，相信诸君读完定有收获。啃完教材就可以开始阅读国内国外top期刊上的经典论文了，AER、QJE和JPE等top期刊都会在官网上公布论文的数据和代码，可供大家学习和借鉴，「重现一篇top期刊论文的结果应当是学习计量方法的最好方式」。

计量经济学不是统计学，但它需要我们有数学和统计学的相关基础。从我的观点来看，概率论与数理统计这门课一定要学好，计量经济学的很多知识都需要概率论与数理统计的知识作为支撑，参数估计、假设检验和中心极限定理都是相当重要的，线性代数倒其实无所谓，很多计量经济学教材都没有使用矩阵的知识，比如伍德里奇的《计量经济学导论》、安神的《基本无害的计量经济学》，不过学有余力的同志最好还是能够把矩阵吃透，一是理解正规方程组求解更加容易，二是能够为学习高级计量打好基础。计量经济学是一门需要与软件结合起来学习的课程，掌握一门计量软件是相当重要的，Stata绝对算是计量软件中的主流，特别是在微观计量方面应该算是“打遍天下无敌手”。Stata在经济学领域的学者中是相当popular的，大家去看看国外top期刊论文公布的代码就知道了，基本都是Stata代码。Stata操作方便、简单易学，只要你会一点英语基本基本就能明白那些代码的意思，非常适合没有编程基础的同学。相信大家都听过所谓的统计软件“鄙视链”，Python -> R -> SAS -> Stata -> Eviews -> SPSS，我个人觉得完全没必要进行排序，只有适合与不适合，没有好与不好。尺有所短、寸有所长，每种统计软件都有各自的优势和劣势，「Stata长于计量经济学（特别是微观计量），R长于统计推断，Python长于网络爬虫、数据挖掘和机器学习」。如果你非觉得用Python做计量显得“高端大气上档次”，那么欢迎去尝试一下，很多估计方法都无包可调，需要你自己手撕代码，而Stata拥有强大的“计量生态”，常用的计量方法都有对应的命令（官方命令+外部命令）。总之，我的建议是「经管人最好学Stata，学有余力的情况下可以去学习R和Python」。