全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 SPSS论坛
9543 9
2007-05-24

关于计量经济学中的目的性的一点思考
一直以来,都在思考一个问题:数学的形式化、确定性、逻辑演绎与社会科学方法,尤其是与经济科学的方法之间的关系。对于经济科学,我总倾向归纳总结的方法。这是有原因的。
对于社会科学中通过技巧性的各种方法得到的精确结论,我总是敬而远之。从休谟(David Hume)的方法论来看,“从某种意义上来说,信仰等同于习惯”。正是由于两个事件之间的乡邻和再现,人们开始相信他们之间的因果关系,但由于人类认识的不完全性,我们如何可能进行定量分析呢,更不用说从中抽象出一般规律了。人们总是试图通过分析社会运动规律的表现发现、找到社会规律。殊不知,其中已然隐含了一个前提条件:我们已经明白了社会运动规律。但社会运动规律本身却是我们在寻找的。在统计学、计量经济学中,或许也包含了这个隐含的前提条件。
恰好,在这个学期的计量经济学的教学中找到一个比较好的例子可以说明上述的问题。在庞浩主编的《计量经济学》教材第64页练习题2.2的解答中有比较好的体现。借此我们来分析这个题目。



通过上述三种累积方式的散点图、关系系数以及t检验、f检验效果来看,我们会发现:不进行变换处理的效果最差,而通过自变量累积得到的效果显然又不如自变量及因变量同时累积的效果好。因此我们在这种技巧性的方法帮助下,得到了一个较好的模型。但其中却是问题重重。
在单一对应并不产生足够的相关性显著,但若将上、下两组数据(生产费用和利润额)分别累积,从而得到全新的一组数据时,会发现经过叠加后的数据拟合比题目给出的原始数据的拟合好,也就是说相关性极其显著。我们的目的就是找到这种相关性,并且是试图找到更好的相关性。在这里,据说是由于尽可能减小了时滞效应的原因。但这两个变量的关系真的如此紧密吗?其中的变化是等价的吗?这些,我们都需要思考。
我们是不是还应该考虑这样一个问题,即我们在尽可能减小时滞效应而进行叠加、累积等技巧性变换时,会不会导致一些关系因素变量被消除或者是将其他因素变量添加进来了,从而导致了由弱显著性关系变为强显著性关系呢?这样的提问是有根据的。
热力学告诉我们,高温物体的分子运动平均速度较快,运动较混乱,分子组织度不高。当我们给该高温物体进行降温处理时,我们可以发现该物体的分子运动的平均速度也下降了,分子运动也有了一定的规律性,即组织度提高。但我们需要注意,该规律性的产生是由于外部因素——降温处理——的介入影响,从而导致高温物体的性质被改变,也就是说高温物体的内部结构被改变了。从这一角度看,我们进行技巧性的数据变换的方法是不是比较类似呢?我们在叠加数据以寻找其中显著性关系的技巧性的做法是不是也改变了数据的内部联系呢?从哥德尔不完备性定理来看,我们并不能认识到我们的这种做法是可以的,或者是因为添加了其他因素而导致结果出现偏差。因此当我们进行类似的、带有强烈目的性的形式化、技巧化的变换时,需要慎重。
在这里我们还有一点是需要注意的:数学发展的历程。在纯数学中,由于数字不具有实质性的意义(忽略矢量性),那么我们在累积等变换处理的时候是可以毫无顾虑的。当数字存在于特定的时空中时,我们怎么可以忽略其背后的意义、其特殊的背景而进行类似的纯粹数学中的变换处理呢?犹如物理学中力的矢量性是不可以忽略的一样。各学科是相融通的,仅仅是指各学科的基本思想是一致的,并非是指可以大规模的、不加思考的移植其他学科的理论、方法作为工具进入其他的学科。任何学科都像是一个独立的子系统,有其特殊的学科环境和结构;正是这种特殊性,可能会拒绝思想基础一致、但充满学科技巧性的理论和方法的“移植”,从而以各种征候表现这种不适。但是我们经常并不理会这种征候,甚至漠视这种征候。
从进化论的角度来看,当低层次组织耦合进化成高层次组织的时候,低层次组织的一些特值、特性在高层次组织中并不被表现。但这能说明那些没有被显现的特性在低层次组织相互耦合形成高层次组织的过程中没有任何作用吗?依次类推,当我们在进行类似上述数据的技巧性的累加变换时,是不是也会使一些因素在变换后的数据中不被显现,却同时夸大了自变量与因变量之间的关系呢?我们需要思考!
亚当.斯密在《国福论》中表述货币价值的思想是值得借鉴的。以合金代替纯金,使金币名义价格上扬。即使用非完全一致的因素代替部分一致的因素(变量),导致了估计货币价值时的错误抬高。这是不是也可以用来表述上文中所提出的问题呢?在进行叠加变换的时候,我们也是这样在使用某种不显露的手法来接近我们的目的、目标。
这也就是我们在进行理论组合时,可能犯的错误之一。形式化导致确定性、精确性。但对于社会科学来说,这种确定性、精确性却可能是致命的。形式逻辑中的因果律就是因果关系。它是人们在思考各种自然现象、社会现象时的一种可能正确的猜测。严格的因果律,是从大量类似事件的条件、结果归纳总结中得出的,但是它并没有有对之进行量化处理,也不可能对之量化处理。也就是说,通过因果律,也不可能认为多少作为原因的因素出现,就将导致什么样的结果。因果律不是一一映射。社会科学的研究对象更是处于微妙之中的。当这种机械主义的量化理论在社会科学中普遍出现之时,必然也是社会科学的思想、精神消亡殆尽之时。
面对经济学中诸多过于形式化、技巧化的方法,实在是过于痛心。邹恒甫先生在《现代经济学前沿丛书》的序言中说,对于我们芸芸众生来说,想通过新思想来参与经济学前沿的创新是基本不可能的,但是可以通过掌握、使用数学技巧则是可望又可及的。我是不赞同这个观点的。新思想是不会在技巧性的手法中出现的。惟有依靠社会观察和多视角的分析,我们才能够开创一个思考的新局面。而绝大多数的国人却是在工业革命、信息革命中迷失了方向,以至妄自菲薄。这是不可取的。
正如肯尼思.W.汤普森(Kenneth W .Thompson)说,“如果将现代思想植根于以往的哲学,它兴旺发展的可能性就会更大”。政治科学是如此,同样作为人文社会科学的经济学又何尝不是如此呢?!这才是本文提出问题之目的。



120167.rar
大小:(41.82 KB)

 马上下载

本附件包括:

  • 计量经济学2.doc



因为有一些图片传不上来,所以只能这样打包传上来了。敬请指正。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2007-5-27 20:31:00
失望啊,混杂成这个样子了。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2007-5-27 21:53:00

楼主的意思是加权=数据变换。数据变化可能引起数据对定量事物的“失真”。我的看法是,科学有它内在的操作规则,这一点统计学家和具体研究者是很清楚。数据分析不一定就是客观描述事物,甚至我个人认为这是不太恰当的。对数据赋予一定数值在抽样中是一种修正,为了样本更好描述整体,在统计方法中加权是一种对统计算法的适应(修正),这是我的看法。

总得看,楼主是思考过加权的哲学命题的,谢谢你的思想。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2007-5-27 22:20:00

既然数据分析不一定能客观描述事物,那么我们为什么还要不经过思考就直接运用呢?

尤其是在当前,我们并没有去思考这背后的意义,那么这种运用是不是一种轻佻?

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2007-5-28 09:08:00

特别在现实工作当中,很多人市场研究公司的研究员,为了把结果做得漂亮!

每次都是乱加权,乱同方法.....哎!我每次看见都心里酸酸的!!

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2007-5-28 12:43:00

如果对楼主作人格判定的话:适合在中国的大学中教书。

受传统理论束缚太多,是典型中式教育的产品。

建议看下“负熵经济学”,尽管里面很多见解差强人意,但是依旧有借鉴之处。

另外,建议看英文原文的近几年的一些论文,而不是翻译版。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群