一个计量经济学家需要懂很多统计学的知识，但是在此之前，他必须是一个经济学家。
经济学家碰到的问题其实很简单，就是带着自己的经济学理论，用数据验证自己的理论。所以在计量经济学里面，最核心的问题不是估计、推断，而是identification。

同样是在做回归分析，看的东西也不一样。

比如在线性回归中的 ANOVA 的作用是什么？这个争论里面，经济学家在做OLS的时候，更关注你的你的回归方程误差项里面有什么，而不是这个误差项的方差有多大。前者决定了identification，后者决定了R2。

举个例子，做教育的回报，看看多读一年书能带来多少薪水上的提高。经济学家会关心误差项里面有一个人的能力，这个变量是看不到的，但是与教育这个变量相关，所以OLS是有问题的。但是经济学家不会关心跑出来的这个回归预测能力怎么样，也就是说R2究竟有多大。

所以我们需要工具变量的估计。经济学家甚至可以做出负的R2，只是为了使得回归更有意义。

讲到IV，其实工具变量的方法是可以从统计的角度来看，说白了就是一个矩估计的方法。但是真正的计量经济学家是可以看到这个方法的经济学含义的，比如如果你学了Local Average Treatment Effect的话，你就知道了工具变量估计出来的东西到底是什么东西，而不仅仅是一个统计上的结果。这也是统计跟计量的区别吧。

另外计量经济学有两个流派，一个是reduced-form的估计，一个是structural的估计。structural的估计深植于经济学的理论，理论会告诉你你的计量模型的问题和答案。

举个例子，生产函数大家都知道，比如经典的C-D生产函数：，当我们需要估计里面的参数的时候，可以写成：，其中u是扰动项。也许你会想，这个跑个OLS就可以做出来了，但是计量经济学家会告诉你，不对！因为企业做决策的时候是知道自己的技术水平（）的，所以资本与劳动的投入都是与技术水平有关的，但是，技术水平是我们观察不到的。怎么去估计呢？这种计量的问题是脱不开经济学理论的。

如果计量经济学是统计学的子集，那这门学科完全没必要存在。
===========
再补充个例子吧，比如在这个问题：在统计学中为什么要对变量取对数？里面，统计学家跟经济学家的思考可能是不一样的。
在经济学里面，有那么几个概念我觉着是非常重要但是容易被忽略的，比如data generating process(DGP)。而这个概念又跟reduced-form紧密相连，structural equations 在产生数据的时候肯定是先变成reduced-form再去产生数据。无论是做reduced-form还是structural form，计量经济学家脑子里一定是要有DGP这个东西的。

所以为什么取对数？经济学里面有个词，叫做弹性。另外，对数之差就是增长率。经济理论，特别是宏观理论，经常可以得到log的形式。而且因为有了弹性，取log之后更容易被经济学所解释。

说白了，计量经济学从经济理论出发，统计学可能更多的从数据出发。

如果仅仅从数据方面考虑，我想碰到取不取对数的问题的时候，我更愿意用box-cox transformation。
================
这个答案只是写的计量跟统计的差别，完全没有要比统计和计量孰优孰劣的问题。本来就是两个有交集但是不相同的学科，怎么比较好坏。 @马大王说计量用的统计方法都是十年前的，我不知道这是不是在鄙视计量，但是我想跟你说，你们统计的方法还是十年前的数学方法呢，数学家也没鄙视你们啊。

这方面很多啊，比如GMM，统计学家对此嗤之以鼻，但是经济学家就是喜欢用啊。为什么GMM这么受经济学家欢迎？还是因为上面的问题，因为GMM最容易被经济学家所理解，而GMM提供了一个非常好的框架来解决一系列经济学家碰到的问题。那些变量是内生的，那些变量是外生的，理论上来说谁会影响谁，谁不会影响谁，这本来就就是经济学理论的范畴，而GMM可以把这套经济理论上的东西直接转化成怎样识别、估计。

有人提到了Sims，他的确即是统计学家，又是经济学家。计量经济学的确一直走在借鉴统计学的路上，就好像统计学一直在借鉴数学方法。计量经济学家认为的跟统计学的差别，就好像统计学家认为的跟数学一样的差别一样，我们借鉴你的某些工具，但是不完全是一回事情。
最后，针对评论里面两个人的言论，我想统一回复：如果我哪里说错了，请指正，就像 @SlowMover在一楼所做的那样。我不回答这种无所谓的问题。我也可以同样反问你，do you really know econometrics and economics? do you really understand what I am saying?



（知乎 慧航）