五、模型的统计适切性评价
    计量分析中，参数估计与参数约束关系检验是我们获得有关经济规律一般性结论的归纳论证过程，其可靠性依赖于统计量的良好性质，而这些良好性质的获得又依赖于计量经济模型这个载体中的各种设定。问题在于，这些设定在实际应用中并不必然得到样本数据的支持。如果统计推断建立在各种未得到数据支持的设定之上，其结论将是危如累卵。因此，在Pesaran & Smith(1985)提出的评价计量经济模型的三个标准中，模型在统计上的适切性(Statistical Adequacy)逐渐成为最主要的标准。当一个模型的各种假定得到数据的支持时，我们称该模型在统计上是适切的，或者说是正确设定的(White, 1994; Geweke et al., 2006; Spanos, 1999; Cameron and Trivedi, 2005)。
    对模型统计适切性的重视，是计量经济学提高其应用可靠性的需要，由此形成第三次大讨论的另一核心议题。计量经济学家从两种思路解决这一难题。一种简单的想法就是，找到稳健的计量模型方法，使得统计适切性不依赖于特定的模型设定。另一种思路则是，找到合适的方法证明自己所依赖的假定是合理的，由此形成了模型选择和模型设定检验两种模型评价思路(Geweke et al., 2006)。实证研究中，对于稳健推断、模型设定检验和模型选择的应用也存在重视不够或认识模糊的问题，以下是本文的一些看法。
    首先，我们要强调经济分析不能代替统计适切性评价。例如，对于可能存在内生解释变量的回归模型，研究者往往根据理论分析、直观判断或者已有文献结论等先验经验信息，找到工具变量进行IV估计，进而根据Hausman检验判断是否确实存在内生性问题。如果工具变量的可靠性只停留在经济意义层面，而没有通过模型设定检验进行甄别，由此得到的推断结论很可能是误导性的。以教育收益率的经典实证研究(Hayashi, 2000)为例，使用不同的工具变量集，得到的检验结果截然不同。原因在于上述做法忽视了Hausman检验要求IV估计量具有一致性的隐含条件，而这是在工具变量符合与扰动项正交且与内生解释变量(强)相关等严格假定之下才能得到的理论结果，在实证研究中并不必然成立，必须通过模型设定检验进行验证。(14)
    其次，稳健推断方法与模型评价体现的是对统计适切性的不同要求，各有所长。以回归模型的非球形扰动问题为例，White(1980)与Newey & West(1987)的稳健标准误方法受到越来越多经验研究者的青睐，Angrist & Pischke(2010)甚至认为稳健标准误方法的诞生使得异方差以及序列相关这些设定检验变得不再重要，相应的GLS方法将退出舞台。Leamer(2010)指出这种认识是有失偏颇的，稳健标准误方法与设定检验及相应的GLS方法体现的是对统计适切性的两种不同要求，前者只是要求得到可靠的置信区间范围，后者则更进一步要求有效的点估计。当研究者只关注参数约束检验时，稳健标准误方法足以保证其可靠性；如果关注的是某些政策效应的比较，就涉及参数估计值的具体大小，此时GLS的有效性显然更为重要。此外，以施加较少约束的稳健推断方法代替模型设定检验这一做法还可能限制我们对客观经济世界的进一步探索。Sims(2010)就认为对面板数据的条件异方差进行建模并使用FGLS可以比稳健标准误方法获得更多的经济信息，一个明显的例子就是随机系数模型可以同时体现异方差的来源以及个体的异质性特征。
    再次，对于完整的模型评价而言，模型设定检验和模型选择都具有重要意义，但前者更为关键。在许多时间序列分析中，包括单位根检验、Granger因果关系检验和VAR建模，我们经常只看到研究者根据AIC或BIC等信息准则来确定最优滞后阶数，并未见有关模型设定检验，这种以模型选择替代模型设定检验的做法是危险的。在模型选择过程中，需要先确定一个模型族 ，所有的备选模型都享有同等的地位，然后在特定的标准下挑出最佳模型 。Lehmann(1990)、Spanos(2010)认为这其中隐含着两种可能错误：一是正确的模型 可能不包括在模型族中，更重要的是没有考虑选择可能犯错的概率，这恰恰没有体现在形成新的具有不确定性的知识时，对这些新知识存在错误的可能性进行度量的要求。而模型的设定检验有原假设和备择假设的区别，其结论是基于分布和犯错概率的推断结果。即使通过模型选择得到的最优模型也不能保证所有的设定都得到数据的支持，对那些关系到估计和推断性质的模型设定问题还必须进行严格的设定检验。相比模型选择，模型设定检验是关系到计量经济分析过程可靠性的更为根本的步骤，如时序分析中的模型选择就只是在平衡拟合和简洁性之间的选择，并不能保证残差必然满足独立同分布假定。
    最后，我们强调模型设定检验并不是对数据的重复使用或者数据挖掘。对于给定的数据 ，通常需要用于两种检验：(1)参数约束关系检验；(2)对于设定模型 可靠性的检验。因此，有人质疑这是否对数据进行了重复使用。Spanos(2010)对此给予反驳：一是上述两种检验是对数据Z[n]所提出的两个不同问题，二是这两种检验具有不同的边界。具体而言，参数约束检验假定 在统计上是适切的，问题的探究仍然在其边界内；而模型设定检验考察的问题是数据 是否由 所刻画的随机机制所产生，问题的探究已经超越 的边界。也有学者指责模型设定检验本质上也是一种数据挖掘。实际应用中，数据挖掘的含义很宽：一种是指建模者为了证实某种先验理论而有意掩盖或摒弃与理论相悖的数据信息，这是不可取的；一种是指为了使计量模型通过一系列设定检验而反复修正模型形式的做法，此时只要建模者将模型设定检验的过程明朗化、严谨化和系统化，便是可取的建模方法(韩德瑞和秦朵，1998)。
    在计量模型统计适切性评价中，稳健推断、模型设定检验与模型选择都发挥了重要作用，这些不同方法的使用一定程度上也依赖于研究目的。其中，模型设定检验是最为关键的步骤，每一种模型方法下都有相应的模型设定检验问题。如果设定检验的结果暴露出问题，就应当重新考虑模型的设定，重新进行检验，直至通过检验。这一过程可以概括为“模型设定—模型估计—模型设定检验—模型再设定”，设定检验这种内在的一致性虽然不是保证模型正确分析的充分条件，却是合乎科学逻辑的必要条件(Hendry, 1995)。我们认为，无论是模型设定还是模型设定检验，都要仔细推敲其具体的应用背景和适用条件，对这些细节的处理是否恰当是一项研究科学性的重要体现，前文列举的忽略扰动项概率分布导致错误的例子，很多就是忽略统计适切性的结果。

六、结论与启示
    可信性是计量经济学应用研究的最重要的问题，国际计量经济学界对此有过三次大讨论，涉及计量经济学的学科性质、经济变量之间因果关系的识别及模型统计适切性等方面的内容。本文以此为出发点，联系我国计量经济学应用研究中存在的主要问题，阐述计量经济学应用研究的可靠性来源：
    1.随机性设定是我们利用计量经济模型对真实DGP进行探索的一个主要体现，是正确设定计量模型不可或缺的部分，应得到足够的重视，努力用好。
    2.目前广为应用的非结构计量经济模型对因果关系的推断并不符合因果关系的本质含义，应该慎之又慎。实验与准实验方法及结构计量建模是近年发展起来的对因果关系进行推断的新方法，但在我国尚少运用，应努力发展。
    3.稳健推断、模型设定检验和模型选择都是保证应用研究统计适切性的重要工具。建模过程可靠性的最终落脚点在于模型设定检验，“检验，检验，再检验”这一计量经济学的金科玉律必须成为计量经济分析过程中的“杂草清除”机制。
    我国计量经济学的应用研究面临进一步提高可信性的重要问题，需要全面吸收和借鉴国际计量经济学界对于可信性问题的成果，这对我们的研究模式和教学模式提出了更高的要求。对于研究模式而言，应该避免简单套用国外模型方法的做法，否则将导致研究思路单调、薄弱，甚至是低水平重复。一项成功的、高水平的经验研究通常具有高度综合性，需要对经济理论、计量方法、数据特征、国别情况及其制度约束有深刻理解，并在上述各环节体现研究的科学性与可信性。这一方面有助于我们更准确地解释中国经济现象，另一方面也给了我们对计量模型方法本身进行创新的机会。对于教学模式而言，不应将计量经济学的教学视为计算软件的实验课，如果认为应用计量经济学知识只需要懂得如何操作软件来得到估计和检验结果，就从教学阶段埋下了错用、滥用计量经济学的种子。(15)计量经济学的教学是一项系统工程，需要重视计量经济学思想方法的培养和训练，帮助学习者深入了解整个计量经济学的思想方法和理论体系，明确每种计量模型方法的适用范围和前提条件，才能为提高计量经济学应用研究的可信性打下坚实的基础。
    作者特别感谢匿名审稿人有关本文理论观点提炼的宝贵意见，感谢“2011计量经济学高级学术研讨会(广州)”以及“2011数量经济学前沿国际学术研讨会(上海)”与会学者的建议。当然，文责自负。
    注释：
    ①目前国内约定俗成将实证研究等同于经验研究，同时本文所说经验研究局限为以计量经济模型为工具，因此，实证研究、经验研究以及计量经济学应用研究在本文是同义的。
    ②相关专刊包括Journal of Econometrics第136期、Journal of Econometrics第143期、Econometric Theory 20周年纪念专刊、Journal of Economic Perspectives第24期等。
    ③2003年诺奖获得者Engle的ARCH模型、2000年诺奖获得者Heckman用截断分布来描述选择性样本以及McFadden以随机扰动来捕捉消费者对效用最大的认识偏差并用其表述条件概率都是这方面的例证。
    ④这种划分不是绝对的，例如在时间序列建模中滞后项的选择更多地是体现统计上的适切性，在面板数据建模中，扰动项的设定也体现各种异质性、共同冲击或者相互传递的冲击等丰富的经济含义。
    ⑤王美今和余壮雄(2007)通过模拟比较各种DGP下协整检验迹统计量的临界值和分布，揭示了DGP误设对协整检验结果可能带来的影响，包括过度拒绝原假设、过度接受原假设以及错误的协整系数估计。
    ⑥不可观测成分在此发挥重要作用，通过在模型中引入不可观测的误差空间相关以及不可观测的共同因子，可以有效规避此问题。
    ⑦也有文献称之为项目评估方法(Program Evaluation Approach)。
    ⑧很多应用研究者认为实验学派相比结构方法依赖于更少或更弱的假定，甚至称之为“基本无害的计量经济学”(Mostly Harmless Econometrics)(Angrist and Pischke, 2009)，这其实是对实验进行因果推断需要很强的假定缺少正确认识。Rust(2010)和Keane(2010)指出，两类方法都需要施加较强的假定，区别在于结构建模对经济行为施加显性的假定，实验方法对于关键假定的要求则是隐性的。
    ⑨这种现象称之为处理协议的局部依从性。
    ⑩为解决这些问题，经济学家提出平均处理效应(ATE)、倾向得分匹配(PSM)、局部平均工具变量法(LATE)、回归间断点设计方法(RDD)等方法。
    (11)广义的非结构经验研究还包括那些没有基于正式统计模型的研究，例如对于劳动力参与程度、失业率等的测度，又如恩格尔曲线和菲利普斯曲线这类关于经济变量关系的简单统计描述。
    (12)RBC模型是现代DSGE模型的原型，Kydland和Prescott由于对该新分析范式的奠基性工作而获得2004年诺奖；Sargent则解决了这一结构宏观计量建模中动态分析方法的诸多难题，并成功用于分析经济政策的持久变化，因此荣膺2011年诺奖。
    (13)但是，结构建模的优点并非是免费的，这些方法由于其复杂性和综合性不容易被应用研究者使用，特别是对数值方法和计算机编程具有较高的要求。
    (14)针对这一议题，王美今等(2012)讨论了IV框架下的各种模型设定检验问题，明确了检验统计量的适用条件和逻辑联系，并给出了严谨的模型设定检验一般步骤。
    (15)香港科技大学计量经济学家陈松年教授在“2011计量经济学高级学术研讨会”上特别指出当前计量经济学实证应用研究中存在滥用商业软件的问题，认为应该重视计量经济学基本方法的教学，特别是计量经济学思维方式的培养。

【参考文献】
    [1]韩德瑞(Hendry)、秦朵，1998：《动态经济计量学》，上海人民出版社。
    [2]洪永淼，2007：《计量经济学的地位、作用和局限》，《经济研究》第5期。
    [3]胡毅、王美今、余壮雄，2010：《面板协整检验有限样本性质的模拟比较》，《数量经济技术经济研究》第2期。
    [4]劳(Rao)，2004：《统计与真理：怎样运用偶然性》，中译本，科学出版社。
    [5]李子奈，2007：《计量经济学模型方法论的若干问题》，《经济学动态》第10期。
    [6]李子奈，2008：《计量经济学应用研究的总体回归模型设定》，《经济研究》第8期。
    [7]李子奈、齐良书，2010a：《关于计量经济学模型方法的思考》，《中国社会科学》第2期。
    [8]李子奈、齐良书，2010b：《计量经济学模型的功能与局限》，《数量经济技术经济研究》第9期。
    [9]王美今、林建浩、胡毅，2012：《IV估计框架下模型设定检验问题的讨论》，《统计研究》待发表。
    [10]王美今、余壮雄，2007：《协整检验的DGP识别》，《统计研究》第7期。
    [11]周建、李子奈，2004：《Granger因果关系检验的适用性》，《清华大学学报(自然科学版)》第3期。
    [12]Acemoglu, D., 2010, "Theory, General Equilibrium, and Political Economy in Development Economics", Journal of Economic Perspectives, 24, 17—32.
    [13]Aguirregabiria, Victor, and Pedro Mira, 2010, "Dynamic Discrete Choice Structural Models: A Survey", Journal of Econometrics, 156, 38—67.
    [14]Angrist, J. D., and J rn-Steffen Pischke, 2010, "The Credibility Revolution in Empirical Economics: How Better Research Design Is Taking the Con Out of Econometrics", Journal of Economic Perspectives, 24, 3-30.
    [15]Angrist, J. D., and J rn-Steffen Pischke, 2009, Mostly Harmless Econometrics: An Empiricist's Companion, Princeton: Princeton University Press.
    [16]Black, F., 1982, "The Trouble with Econometric Models", Financial Analyst Journal, 38, 29-37.
    [17]Cameron, A. C., and P. K. Trivedi, 2005, Microeconometrics: Methods and Applications, Cambridge: Cambridge University Press.
    [18]Enders, W., 2004, Applied Econometric Time Series, Wiley.
    [19]Fuhrer, J. C., 2011, "Inflation Persistence", Handbook of Monetary Economics, Vol. 3A, 423-486.
    [20]Geweke, J., J. Horowitz, and H. Pesaran, 2006, "Econometrics: A Bird's Eye View", Working Paper.
    [21]Granger, C. W. J., 1999, Empirical Modeling in Economics: Specification and Evaluation, Cambridge: Cambridge University Press.
    [22]Granger, C. W. J., 2001, "Macroeconometrics: Past and Future", Journal of Econometrics, 100, 17-19.
    [23]Haavelmo, T., 1944, "The Probability Approach in Econometrics", Econometrica, 12, 1-115.
    [24]Hayashi, F., 2000, Econometrics, Princeton: Princeton University Press.
    [25]Heckman, J. J., 2001, "Econometrics and Empirical Economics", Journal of Econometrics, 100, 3-5.
    [26]Hendry, D. F., 1980, "Econometrics: Alchemy or Science?", Economica, 47, 387-406.
    [27]Hendry, D. F., 1995, Dynamic Econometrics, Oxford: Oxford University Press.
    [28]Hoover, K. D., 2005, "The Methodology of Econometrics", Working Paper.
    [29]Johansen, S., 1988, "Statistical Analysis of Cointegration Vectors", Journal of Economic Dynamics and Control, 12, 231-254.
    [30]Johansen, S., and K. Juselius, 1990, "Maximum Likelihood Estimation and Inference on Cointegration: With Applications to the Demand for Money", Oxford Bulletin of Economics and Statistics, 52, 169-210.
    [31]Kao, C., 1999, "Spurious Regression and Residual-based Tests for Cointegration in Panel Data", Journal of Econometrics, 90, 1-44.
    [32]Keane, M. P., 2010, "Structural vs. Atheoretic Approaches to Econometrics", Journal of Econometrics, 156, 3-20.
    [33]Keynes, J. M., 1939, "Professor Tinbergen's Method", Economic Journal, 49, 558-568.
    [34]Keynes, J. M., 1940, "Comment", Economic Journal, 50, 154-156.
    [35]Leamer, E. E., 1983, "Let's Take the Con Out of Econometrics", American Economic Review, 73, 31-43.
    [36]Leamer, E. E., 2010, "Tantalus on the Road to Asymptopia", Journal of Economic Perspectives, 24, 31-46.
    [37]Lehmann, E. L., 1990, "Model Specification: The Views of Fisher and Neyman, and Later Developments", Statistical Science, 5, 160-168.
    [38]Newey, W. K., and K. D. West, 1987, "A Simple, Positive Semi-Definite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix", Econometrica, 55, 703-708.
    [39]Pedroni, P., 1999, "Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors", Oxford Bulletin of Economics and Statistics, 61, 653-670.
    [40]Pesaran, H., 2006, "Estimation and Inference in Large Heterogeneous Panels with a Multifactor Error Structure", Econometrica, 74, 967-1012.
    [41]Pesaran, H., and R. Smith, 1985, "Evaluation of Macroeconometric Models", Economic Modeling, 2, 125—134.
    [42]Phillips, P. C. B., and H. Moon, 1999, "Linear Regression Limit Theory for Nonstationary Panel Data Panel", Econometrica, 67, 1057—1111.
    [43]Pratt, J. W., and R. Schlaifer, 1984, "On the Nature and Discovery of Structure", Journal of the American Statistical Association, 79, 9—21.
    [44]Reiss, P. C., and F. A. Wolak, 2007, "Structural Econometric Modeling: Rationales and Examples from Industrial Organization", Handbook of Econometrics, Vol. 6A, 4277—4415 (Chapter 64).
    [45]Rust, J., 2010, "Comments On: 'Structural vs. Atheoretic Approaches to Econometrics' by Michael Keane", Journal of Econometrics, 156, 21—23.
    [46]Sims, C. A., 1980, "Macroeconomics and Reality", Econometrica, 48, 1—48.
    [47]Sims, C. A., 2010, "But Economics Is Not an Experimental Science", Journal of Economic Perspectives, 24, 59—68.
    [48]Spanos, A., 1999, Probability Theory and Statistical Inference: Econometric Modeling with Observational Data, Cambridge: Cambridge University Press.
    [49]Spanos, A., 2010, "Akaike-type Criteria and the Reliability of Inference: Model Selection versus Statistical Model Specification", Journal of Econometrics, 158, 204—220.
    [50]Stock, J. H., 2010, "The Other Transformation in Econometric Practice Robust Tools for Inference", Journal of Economic Perspectives, 24, 83—94.
    [51]Stock, J. H., and M. W. Watson, 2007, Introduction to Econometrics, 2[th] Edition, Pearson Education.
    [52]Tinbergen, J., 1940, "On a Method of Statistical Business-Cycle Research A Reply", Economic Journal, 50, 141—154.
    [53]White, H., 1994, Estimation, Inference, and Specification Analysis, New York: Cambridge University Press.
    [54]Wold, H. O., 1969, "Econometrics as Pioneering in Non-experimental Model Building", Econometrica, 37, 369—381.
    [55]Woodridge, J. M., 2003, Introductory Econometrics: A Modern Approach, Cincinnati, OH: South-Western College Publishing, 2003.

这篇文章读过，不错啊

王老师是一个潜心学术的好老师，不过当时学计量很痛苦。

谢谢！学习学习

了解

学习一下