统计学与经济学的关系篇1
在中国，统计学经过几十年的发展，于2011年成为一级学科，这标志中国的统计学正进入一个新的全面发展阶段。与此同时，不少人对统计学的一些分支，特别是经济统计学、计量经济学和数理统计学这些学科的定位、作用以及它们之间的相互关系与发展前景的认识并不一致，在某些方面可能存在认识误区，甚至将经济统计学和数理统计学的发展对立起来。这些认识误区的产生，有其历史的原因，也有现实因素的影响。但是，这不利于统计学的发展。因此，有必要厘清统计学科内部分支，特别是经济统计学、数理统计学、计量经济学与经济理论等之间的相互关系及其发展前景。本文的主要目的，是从统计学与经济学统一的视角，论述统计学各个分支，特别是数理统计学、经济统计学、计量经济学和经济理论(包括数理经济学)各自的学科定位、作用，以及这些学科之间的相互关系。本文的分析表明，作为现代统计学的一个重要发展方向，数理统计学在中国正在迅速兴起。在经济学中，经济统计学和计量经济学由于与经济理论的密切结合，在量化描述经济现象并透过现象揭示内在经济规律的过程中发挥着重要作用，两者一起构成了经济研究特别是实证研究完整的方法论，其中经济统计学作为测度方法论是经济实证研究与计量经济学的前提条件与基础，有其深厚的学科根基以及广阔的发展前景，不可替代。
作为统计推断的一般方法论，数理统计学的发展不会弱化经济统计学与计量经济学在经济学中的方法论作用，相反地，随着这些学科之间的交叉与融合，经济统计学与计量经济学将得到迅速的发展，从而进一步提升中国经济实证研究的水平与科学性。本文的结构如下:第二部分分析并论述统计学、概率论、数理统计学、经济统计学、计量经济学以及经济理论(包括数理经济学)等学科之间的相互关系，特别是它们的区别与联系。第三部分讨论经济统计学的主要特点，以及其在经济研究与经济管理中发挥的基础性作用。第四部分讨论发展经济统计学的主要途径。第五节是结论。
二、经济统计学与计量经济学等相关学科的相互关系
统计学是一门关于数据的科学，是关于数据的搜集、整理、加工、表示、刻画及分析的一般方法论。统计学就其研究范畴来说，包括描述统计学(descriptivestatistics)与推断统计学两大领域。描述统计学主要是数据搜集、整理、加工、表示、刻画和分析等，包括概括性的数据处理与分析;而推断统计学则是基于样本信息，对产生样本数据的母体或系统进行推断的方法论科学。现代统计学的迅速发展有两个主要历史原因，一是各个国家、政府和社会部门基于管理目的搜集社会经济信息的客观需要;二是数学学科中的概率论的发展。在人类社会中，数据搜集的历史非常悠久，描述统计学特别是数据搜集、整理、描述、刻画与分析的重要作用是不言而喻的。数据的搜集及数据质量本身是任何有意义的数据分析的基础与前提。没有高质量的数据，任何数据分析及其结论将毫无意义。在当今信息爆炸时代，如何用简洁、方便、易于解释的方式，从大量复杂数据中概括其最有价值的信息，也是描述统计学的一个重要作用。
但是，现代统计学的发展及其在自然科学与人文社会科学中很多领域的应用，主要是由概率论的产生与发展推动的。概率论的产生最初主要是对研究的需要，后来成为研究不确定性现象最主要的数学工具，广泛地应用于自然、工程、社会、经济等各个领域。在统计应用中，人们一般无法获得整个母体的信息，而只能搜集到母体的一部分信息，即样本信息，其主要原因是因为获取整个母体信息的成本太高、时间太长或者因为客观原因而无法获得。因此，人们只能从有限的样本信息推断母体的规律特征。在这个推断过程中，概率论对描述样本信息与母体规律特征之间的关系提供了一个非常有用的数学工具;更重要的是，它对基于样本数据的统计推断所获得的结论能够给出某种可靠性描述。这奠定了推断统计学的科学基础，也是统计推断区别于其他形式的推断(如命理师根据手相或面相等样本信息推断一个人一生的命运)的最为显著的特点。
因为这些原因，概率论的发展极大地推动了推断统计学的发展，特别地，概率论提供了很多数学概率模型，可用于对母体的概率分布进行建模。因此，统计推断就转化为从样本数据推断数学概论模型参数值以及其他重要特征等信息。这样，推断统计学就主要表现为数理统计学的形式。数理统计学有两个主要内容，一个是模型参数的估计，另一个是参数假设的检验。经过几十年的发展，数理统计学发明了很多推断理论、方法与工具。这些推断理论、方法与工具能够从样本信息推断母体特征、性质与规律，并提供所获结论的可靠性判断。由于自然科学与社会科学大多是从实验数据或观测数据推断所研究的系统或过程的内在规律，因此，数理统计学被广泛而迅速地应用于各个学科和领域的实证研究。数理统计学之所以成为现代统计学的一个重要的发展方向，就是因为它作为一门严谨的实证研究方法论，符合人类科学探索的过程与需要，即从有限样本信息推断系统或过程的性质与规律。随着中国科学的发展与研究水平的提高，包括人文社会科学在内的各个学科，对实证研究的方法论的需要将与日俱增。
因此，统计学特别是数理统计学今后将得到日益广泛的应用与迅速的发展。描述统计学几十年来也有长足的进展，在包括实验或调查方案设计，数据的搜集、整理以及分析，无论在方法论、调查手段还是工具方面，都有极大改进。数据挖掘作为一门关于数据分析方法与技术的新兴学科，可视为描述统计学的范畴。在描述统计学和推断统计学之间，描述统计学发挥着基础性作用，因为描述统计学牵涉到数据的搜集、解释、整理、测度、表示、刻画与分析，而数据及其质量是推断统计学结论科学性的重要前提和基础。描述统计学在刻画数据特征时所使用的一些统计方法与统计量，也是推断统计学的基础工具。与描述统计学相对应，经济统计学是对经济系统中各个主体、部门、变量和各种经济现象的一种数量描述。经济统计学的本质是经济测度学。经济统计学可视为描述统计学的一个分支，但不是描述统计学在经济学领域的简单应用，而是描述统计学和经济理论的有机结合。前苏联以及中国改革开放前的计划统计，特别是部门统计，就是在社会主义计划经济理论和实践基础上建立起来的。随着中国经济从计划经济模式转为市场经济模式，部门统计乃至计划统计越来越不适用于描述中国经济的实际运行。经济统计学需要经济理论的指导。这其实是著名经济统计学家钱伯海(1997)在他的晚年将精力从研究经济统计学转向研究社会劳动价值论的主要原因，因为传统社会主义计划经济理论已经落后于中国经济转型以及中国经济统计学发展的需要。经济统计学主要是在描述统计学和经济理论两者基础上发展起来的，具有统计学与经济学双重学科属性。
由于研究对象经济系统的复杂性，经济统计学中量化描述经济现象与测度经济变量的理论、方法与工具，比描述统计学标准教科书所介绍的理论、方法与工具要丰富和复杂得多。这也是经济统计学的魅力所在。同经济学可划分为宏观经济学与微观经济学一样，经济统计学也可划分为宏观经济统计学、中观经济统计学和微观经济统计学。所谓宏观经济统计学就是国民经济统计学，主要是搜集和整理整个国民经济运行全过程的所有数据信息，对包括存量与流量、总量与结构、国内与国外，静态与动态等各种方面进行量化描述与分析。
微观经济统计学也称为企业经济统计学，主要是对企业本身各种经济活动、经济行为、经济现象进行量化描述。以企业财务为主要对象的会计学，在某种意义上是微观经济统计学的一个重要组成部分，即企业财务统计学。所谓中观经济统计学，是指对介于整个国民经济与企业之间的中观部门，如政府部门、产业部门，不同地区的经济活动和经济现象进行以数据为基础的量化描述。与经济统计学密切相关的一门学科是计量经济学。计量经济学假设经济系统是一个随机过程，服从某一客观运行规律;任何观测经济数据，都是从这个随机经济系统产生出来的。计量经济学的主要任务就是基于观测经济数据，以经济理论为指导，利用统计推断的方法，识别经济变量之间的因果关系，揭示经济运行规律。有关计量经济学的学科定位与方法论作用，可参看洪永淼(2007，2011)，李子奈和齐良书(2010)。
可以说，计量经济学是推断统计学在经济学的应用，但并不是简单的应用，而是统计推断理论和经济理论的有机结合。
首先，在数理统计学中，统计推断是通过数学概率模型对样本数据建模。在计量经济学中，计量经济模型不仅仅是数学概率模型，其模型设定需要经济理论的指导(如选择哪些经济解释变量)。
其次，数理统计学的一些方法论并不能直接用于对经济数据的统计推断，因为经济数据有其特殊性。比如很多高频金融数据，有所谓的波动聚类现象(volatilityclustering);在劳动经济学中，很多数据存在所谓的内生性，这种内生性对识别经济变量之间的因果关系造成很大困扰。另外，一些计量经济模型，如宏观经济学和金融学领域的动态资产资本定价模型(Hansen、Singleton，1982)，是通过欧拉方程条件矩刻画的，其中经济理论(如理性预期理论)并没有假设相关经济变量的概率分布已知。因此，数理统计学没有现成的方法可用于估计、检验这个模型。这就是为什么2013年经济学诺贝尔奖得主Hansen(1982)提出广义矩(Gmm)估计方法的原因。
第三，使用什么样的计量经济模型，要由所研究的经济问题来决定。什么时候需要用回归模型，什么时候需要用波动模型，什么时候需要用整个概率分布模型，这并不是由研究者个人随其偏好而定，而是取决于所研究的经济问题的本质。例如，用历史数据研究市场有效率理论以及资产收益率的可预测性时，合适的计量经济模型是时间序列回归模型(即条件均值模型)。这是因为预期收益率可由条件期望来刻画(陈灯塔和洪永淼，2003)。
第四，计量经济学是经济计量模型的推断方法论，包括如何估计参数和进行检验参数假设，判断模型是否正确设定，以及如何进行经济解释。参数假设与原始的经济假说既密切相关又有区别。经济学家关心的是经济理论、经济假说的正确与否，为此必须首先将经济理论和经济假说转化为可检验的计量经济模型的参数假设，然后利用经济数据进行参数假设检验，并解释参数假设检验结果的经济含义。计量经济学建立在经济观测数据的基础上，即建立在经济统计学的基础上。经济统计学对经济变量和经济现象进行量化测度，这些测度首先表现为经济数据。经济数据是计量经济学实证研究的原材料。计量经济学的推断结论的科学性很大程度取决于原材料即经济数据的质量优劣。
绝大多数经济数据是现实经济生活中的观测数据，不能用可控的实验方法获得，因此经济数据的测度具有巨大的挑战性。同时，由于经济观测数据的不可实验性，计量经济学需要一些基本假设，如假设经济系统是一个随机过程，经济观测数据是经济随机系统的一个(偶然)实现，经济随机系统满足某种平稳性或同质性条件，等等。这些假设是否符合客观经济现实也会影响计量经济实证研究结论的科学性。对经济变量、经济现象的准确测度，是经济实证研究的先决条件与基础。没有高质量的经济数据，任何经济实证分析及其结论将毫无意义。
与此同时，经济统计学可以揭示、刻画重要经济变量的性质以及它们之间的数量关系，也就是通常说的典型经验特征。这些典型经验特征实际上是经济实证研究与经济理论创新的重要基础与出发点。测度与刻画经济变量的数据特征，包括它们之间数量关系的特征，是经济统计学的范畴。如何更进一步地揭示经济变量之间的因果关系以及内在规律，则需要经济理论与统计推断。经济理论在某种意义上就像概率论一样，可以指导对经济现象的建模。因此，在经验典型特征事实基础上，以经济理论为指导，对经济现象进行建模(所建模型即为计量经济模型)，并基于经济观测数据对计量经济模型进行统计推断，从中找出经济变量的因果关系及经济运行规律，并解释经验典型特征事实。这是计量经济学的范畴。可以看出，计量经济学是经济统计学、经济理论(包括数理经济学)与数理统计学三者的有机结合，是一个交叉学科。正如著名计量经济学家Goldberger(1964)指出的，计量经济学可以定义为这样的社会科学:它把经济理论、数学和统计推断作为工具，应用于经济现象的分析。
随着中国经济学研究从定性分析为主转为定量分析为主，特别是转为实证研究为主，可以预计，计量经济学作为实证研究最主要的方法论，将发挥越来越重要的作用。综上所述，经济统计学和计量经济学有不同的研究对象和研究范畴。经济统计学是对各种经济现象、经济行为和经济主体的一种量化描述，其本质是经济测度学。而计量经济学是在观测经济数据的基础上以经济理论为指导进行计量经济学建模与统计推断，从而检验经济理论和经济假说的有效性与正确性，并揭示经济变量的因果关系和内在经济运行规律。
很明显，经济统计学是计量经济学的重要前提与基础。经济统计学和计量经济学两者结合在一起，构成了经济实证研究的完整的方法论。经济统计学是经济研究的基础方法论，是整个经济研究过程中的一个前置环节。计量经济学的推断方法，包括计量经济学模型的构建(由经济理论指导)，模型参数的估计、检验及其经济解释，是经济实证研究的主要内容。1970年经济学诺贝尔奖得主萨缪尔森曾说过，计量经济学可以定义为实际经济现象的数量分析，这种分析基于理论与观测的并行发展，而理论与观测又是通过适当的推断方法得以联系。换言之，计量经济学是建立在经济理论和经济测度两者基础上的，而经济理论和经济观测又是通过统计推断方法，即通过数理统计学而联系在一起。与经济统计学一样，计量经济学同样具有统计学与经济学两种学科属性，并不是数理统计学的一个分支。以上各个相关学科之间的关系，可用图1表示。
三、经济统计学的地位与作用
前文分析指出，经济统计学是对经济现象的量化描述与对经济变量的测度，而计量经济学则是在观测经济数据的基础上，以经济理论为指导，结合统计推断，揭示经济变量的因果关系与经济运行规律。经济统计学和计量经济学一起，构成经济实证研究完整的方法论，其中，经济统计学是经济实证研究与计量经济学的重要方法论前提，它起着一种基础性方法论的作用。那么，经济统计学在社会经济管理和经济研究中具体能够发挥什么样的作用呢?
首先，作为经济测度学，经济统计学用数字描绘经济系统的各种经济现象、各个经济主体、各个经济部门、各个经济层面在不同时间的动态立体图景。Samuelson和nordhaus(2000)指出，虽然GDp和国民经济核算似乎有些神秘，但它们是20世纪最伟大的发明。如同人造卫星探测地球上的气候，GDp描绘出一幅经济运行状况的整体图形。这种对经济现象的数字描述，为经济学者、政府官员、企业家以及社会公众了解整个经济现状以及进行相关的经济决策，提供了非常有价值的信息。可以说，在现代经济学中，宏观经济学和微观经济学是经济理论的基础，而在经济统计学中，国民经济统计学是宏观经济学的统计版本，企业经济统计学则是微观经济学的统计版本。宏观经济学和微观经济学是对经济系统的理论描述，而宏观经济统计学和企业经济统计学是对经济系统的一种现实描述，以数量的形式描绘了整个经济运行的实际状况。
第二，统计学有一个重要思想，是通过构造简单、方便、易于解释但又具有科学性的统计方法与统计工具，从大量数据中概括其最主要特征与最有价值信息。经济统计通过收集每时每刻都在产生的大量经济数据并且进行分析，从中获取最有价值的信息，这是经济统计的最主要任务与最主要功能。在信息爆炸时代，从海量数据中总结有价值的信息，并及时地以简单、方便、易于解释的方式将信息传递给政府官员、经济学者、企业家、社会公众，这些重要经济信息是政府宏观经济管理与决策、企业微观管理与决策及社会公众了解社会经济现象的重要基础。举几个例子:第一个例子，各国中央银行的一个重要任务，是控制通货膨胀。根据通货膨胀率的变化趋势，及时调整央行的货币政策，而通货膨胀率，主要是Cpi的测度，其有效性、精确性与科学性是央行制定政策的依据。第二个例子是经济增长率。GDp增长率是政府进行宏观经济决策与经济管理的一个主要目标，是衡量经济发展的一个重要指标。如何测算GDp是一个重要问题。第三个例子是如何测算中国的人力资本(humancapital)，这也是一个具有挑战性的问题。一段时间以来，社会公众对官方的经济统计数字经常表示质疑，这种质疑一方面表明，中国经济统计学家与经济统计工作者还需要做大量的解释工作和改进工作，另一方面也表明经济统计学知识在中国的普及势在必行。
第三，经济统计学是经济研究特别是实证研究的前提与基础。经济统计学提供的数据质量的优劣，直接影响实证研究结论的科学性。众所周知，经济学研究的最主要任务是通过对所观察到的各种经济现象进行理论思维与理论创新，揭示经济运行规律。经济统计学可以从观测经济数据中找出重要的经济变量之间的数量关系。这些数量关系构成经验典型特征事实。经验典型特征事实是对复杂经济现象的一种概括性刻画，是经济学实证研究与理论创新的重要基础。在宏观经济学中，phillips(1958)从英国宏观经济数据中发现货币工资增长率和失业率之间存在负相关的关系，这后来被转化为刻画通货膨胀与失业率之间的负相关关系并称为菲利普斯曲线。菲利普斯曲线作为宏观经济学的一个经验典型特征事实，构成了凯恩斯以后宏观经济学理论发展的基础。所有宏观经济理论都必须能够解释为什么通货膨胀和失业率之间存在负相关关系。上个世纪70年代，以美国为代表的西方经济陷入了滞涨阶段，菲利普斯曲线变为正斜率，这个新的经验典型特征事实推动了后凯恩斯宏观经济理论的发展。另一个例子，是由mehra和prescott(1985)提出的所谓证劵风险溢价之谜(equityriskpremiumpuzzle)，即美国证券市场收益率远高于无风险债券市场收益率。这一经验典型特征事实，对宏观经济学与金融学领域的资本资产定价理论的发展起着巨大的推动作用。
在微观经济学中，有所谓的恩格尔曲线，即一个家庭消费所占的比例随收入的增加而逐渐减少。这是恩格尔通过微观经济统计数据发现的经验典型特征事实。在金融学方面，早在1960年代，金融经济学家就发现，股票市场存在波动聚类现象，即今天一个大的波动，明天常常伴随另一个大的波动;今天一个小的波动，明天常常会伴随一个小的波动，这两种变化交替进行，而不是大小波动均匀分布。2003年经济学诺贝尔奖获得者engle(1982)提出的著名的aRCH波动模型之所以流行，一个重要原因是它可以解释金融市场波动聚类这个重要经验典型特征。在中国，引起中国经济学者、政府官员和社会公众关注的很多重要经济问题，其实都有经济统计学的贡献。
例如，经济学家在分析中国经济统计数据过程中发现，劳动收入在整个国民经济收入中所占的份额在过去近20年中逐步降低。这个经验典型特征事实成为一段时间以来中国经济学者的热门研究课题。中国经济研究特别是实证研究水平的提升，关键就是要能够在细致、准确地搜集与分析中国经济数据的基础上，总结反映中国经济在转型期的经验典型特征事实，在此基础上提出经济转型理论解释中国经济的运行及发展趋势，并运用计量经济学方法验证经济理论的有效性。如果中国经济学能够遵照这种研究范式，那么中国经济学的研究水平将得到很大提升，并对经济转型理论做出自己创新性的贡献。但是，目前中国经济统计学家、计量经济学家和经济学家在总结中国经济经验典型特征事实方面，做得还很不够，对重要经验典型特征事实在经济研究与理论创新过程中的作用与重要性，也认识不足。
第四，经济测度对计量经济学的学科发展有重要的推动作用。首先，经济测度的质量决定了计量经济学实证分析结论的科学性。其次，经济数据，特别是经济数据的类型，对计量经济学学科发展影响巨大。举几个例子:首先是经济数据观测的误差(measurementerrors)，对计量经济学的推断，包括参数估计和参数假设检验，有很大的影响，如导致不一致的参数估计。为了研究测度误差的影响，计量经济学很早就有了一个分支，即变量误差的计量经济学。当然，变量误差也可能由其他因素而非测度误差引起。第二个例子是时间序列计量经济学的发展。nelson和plosser(1982)在一个实证研究中发现，绝大部分宏观经济时间序列，包括GDp、Cpi和股票价格，都是非平稳时间序列。这对当时以平稳时间序列作为主要研究对象的时间序列计量经济学提出了挑战，因为平稳时间序列计量经济学的理论与方法，不适用于分析非平稳时间序列。
后来的单位根和协整等现代时间序列经济学理论，就是为了研究非平稳时间序列而发展起来的。第三个例子是不完全识别计量经济学(partialidentificationeconometrics)。在微观经济数据中，有一些经济变量不能获得精确测度，比如在美国问卷调查一个人或家庭收入时，因各种原因只能调查收入处于哪个区间，不能获得一个精确测度。这种不精确经济测度，对计量经济学实证研究造成了很大影响。特别地，在估计计量经济模型参数值时，不能获得点估计，只能得到区间估计。这种统计推断的方法催生了一个新的计量经济学分支，即部分或不完全识别计量经济学。第四个例子，在大数据时代，各种以前没办法获得的数据，现在通过现代信息技术可以得到，比如在金融市场，可以获得每笔交易数据，即tickbytickdata，每次交易的价格、交易量以及交易的时间点，都可以完整地记录下来。这种新型的交易数据，包含很多交易行为和市场微观结构的信息。除金融市场外，超级市场或商店通过信用卡完成的交易，其交易以及交易者的信息，也同样可以获得。对这种实时交易数据进行计量经济学建模及推断，产生了一个新的计量经济学分支超高频数据计量经济学(econometricsofultra-highfrequencydata)。更多讨论参见engle(2000)和engleRussell(1998)。
最后一个例子是面板数据。以前大部分经济数据，要么是时间序列数据，要么是横截面数据。现在，越来越多的二维数据，即对每个横截面单位(如个人、家庭、国家等)，可以在不同时期跟踪并测度。这种二维数据称为面板数据。一个很著名的例子，是美国密歇根大学pSiD调查数据。这个数据库调查了很多美国的个人和家庭，而且在不同时期跟踪测度，对研究美国劳动力市场与收入分配发挥了重要作用。这种数据推动了面板数据计量经济学的发展。实际上，不仅是面板数据，现在也可每天观测到一个曲线，如iBm股票价格每天从开盘到收盘随时间变化的曲线，又如不同城市每天温度随时间变化的曲线，这些在统计学上称为函数数据，有相应的统计模型，更多讨论参见Ramsey和Silvema(2005)。上面几个例子表明，数据的类型，即经济测度的类型，在很多方面都推动了计量经济学学科的发展，这其实是经济统计学对计量经济学发展的影响和重要贡献。第五，一个多世纪前，有一位美国学者说过，统计思想与统计思维总有一天会和要求一个人能够读、写一样，是一个人在现代社会中所具备的基本能力。培养大量具有经过系统训练的经济统计人才，对完善一个国家的治理体系与提高治理能力是非常重要的。中国经济统计学的一个重要任务就是培养大量高素质、具有系统的经济统计学训练的专门人才，推动中国市场化经济转型、提高宏观与微观经济管理水平，提高国家社会治理水平。尤其是，现代社会是信息爆炸的社会，需要培养大量懂得搜集数据、分析数据、解释数据、基于数据进行决策与管理的经济统计人才
四、如何推动经济统计学的发展
如何在新的历史条件下提升与发展经济统计学?第一，坚持经济统计学是经济测度学这个基本学科定位。经济统计学用数字描绘各种经济现象、各种经济主体、各个经济部门和各个不同层次在不同时间的动态全景图像。经济统计学的最主要任务是经济测度方法论的创新，发展能够更精确地测度经济现象、经济行为和经济变量的理论方法与工具，并应用于实践。这个基本定位将保证经济统计学在经济学中的基础地位，从而不会受到包括数理统计学和计量经济学在内的其他相关学科在中国兴起的可能冲击与影响。一些学者曾提出广义经济统计学的建议，将作为推断方法论的计量经济学作为其中一部分。
这种想法符合统计学的范畴定义，即如统计学分为描述统计学和推断统计学那样，经济统计学也可分为经济测度学和计量经济学。然而，由于历史的原因，计量经济学作为一个学科在国外已有80多年历史，在中国也有30多年发展历史。如果将计量经济学作为经济统计学的一个组成部分，有可能会出现计量经济学取代经济统计学的情形。因此，坚持经济测度学的基本定位可以更加明确经济统计学的学科特色，有利于经济统计学的长远发展。在这方面，邱东(2013)对国民经济统计学科的定义与内涵、外延发展，做了精确阐述。
事实上，在国外，经济统计学主要也是定位在经济测度学方面。第二，发展经济统计学必须立足本土化。在中国，经济统计，特别是现代统计学意义上的经济统计，历史不是很长。中国地大物博、不同地区之间、城乡之间与不同群体或阶层之间差异巨大，经济统计不但水平较低，而且面临的挑战与困难也特别巨大。这种基本国情为在中国发展经济统计学提供了一个很大的空间，比如，关于宏观经济数据的构建，一个重要问题是处理季节性因素。在西方的经济统计工作中，季节性因素对经济变量的影响，比如感恩节、圣诞节、元旦等等，其处理都有一套成熟的方法，但是这些方法并不完全适合一些具有中国特色的季节性因素。比如中国的端午节、中秋节、春节，都是根据中国农历而定，而不是根据西方公历而定的季节性因素。这些季节性因素的处理方法将与国外季节性因素的处理方法有所不同，这是中国特色。
又如，中国在过去30多年，成功地从计划经济模式转为市场经济模式。但是，与西方发达国家相比，中国市场经济发育、成熟的程度还比较低。中国经济统计学家能否提出一套刻画中国市场经济发展成熟程度的指标，以测度中国市场经济完善的程度?还有，中国过去30多年，以要素投入为主要特征的粗放型经济增长模式已经面临一个转折点。中国经济必须经济转型，以确保持续稳定发展。对中国过去30多年粗放型经济增长模式所带来的一些不可持续的因素制约，如对环境污染的经济成本，在统计方法上还没有一个系统的、有说服力的量化描述与估计。最后，中国正处于实现以民族复兴、人民幸福为主要内容的中国梦过程中，对中国梦的量化指标的构建，包括对人民幸福感指数的构建，也是中国经济统计学家，计量经济学家与经济学家可以做的具有理论与现实意义的研究工作。总之，立足本土、立足国情、服务国家社会经济发展需要，将使经济统计学焕发出巨大的发展活力。第三，大力促进学科交叉与融合，通过学科交叉与融合，推动中国经济统计学的发展与现代化。上文在描述经济统计学的重要作用时，讨论了经济统计学对发展其他学科，特别是计量经济学的重要作用。同样地，包括经济理论、计量经济学、概率论与数理统计学在内的其他相关学科的发展，对发展经济统计学也有很大的推动作用。前面提及，著名经济统计学家钱伯海在他的晚年，集中精力从事社会劳动价值论的研究，他从经济统计学研究中深深感受到要发展经济统计学，特别是国民经济综合平衡核算体系，必须有新的经济理论作为指导。作为经济测度学，经济统计学不可避免地涉及到统计抽样调查。
在这方面，数理统计学特别是抽样理论的最新发展可以提供很大帮助。在国民经济统计学中，对宏观经济变量的测度，以及对宏观经济变量之间数量关系的描述及解释，也需要经济理论的指导。宏观经济变量是微观经济变量在一定时期内的加总(aggregation)。由于微观个体的异质性，加总以后的宏观经济变量的性质，以及宏观经济变量之间的数量关系，与原始的微观经济变量以及它们之间的关系可能有很大的不同。在微观经济学中，一个著名的例子，就是需求函数，即微观个体需求与个体收入之间的关系，如果对微观层面个体的需求函数加总，所获得的总需求与总收入之间的关系与原来个体的需求函数将有所不同，除非微观个体消费者的效用函数满足所谓的hypatheticutilityfunction假设。由此可以看出，对宏观经济变量的测度(类似加总)之后，如何理解宏观经济变量的性质以及它们之间的数量关系，需要有微观基础，而这就涉及到经济理论。另一方面，概率论与数理统计学对理解宏观经济变量的性质也是很有助益的。例如，Granger(1980)讨论了微观消费函数的加总问题。他假设个体之间的边际消费倾向系数有所不同，而且微观个体的边际交易倾向的数值可视为是从分布中产生的实现。
加总以后的宏观消费变量与原始个体消费变量的统计性质将出现本质区别:虽然微观个体的消费是一个短记忆的时间序列，但是加总以后的宏观消费变量将具有长记忆(longmemory)的时间特性。总之，推动各个统计学科的交叉与融合将促进各个学科的发展，包括经济统计学。不管是计量经济学、经济统计学或是数理统计学，这些相关学科都有它们共同的基础，即统计思想与统计思维。因此这些学科完全能够在互相交叉融合中不断完善。同时，也有可能因此产生一些新的交叉学科。例如，实验产生的数据与现实观测经济数据有很多不同特点。特别地，经济观测数据是各种因素联合作用的结果，而且具有不可实验性(即不能通过重复实验获得)，因此一般情况下没有办法将其中某一或某些因素所产生的经济后果准确地分离测度出来。而实验经济学则借鉴自然科学的研究方法，通过控制实验条件排除其他因素的影响，从而可以较精确地测度所关注因素所产生的后果。实验经济学实质上是通过可控实验改进经济测度，从而可以更好地研究经济行为与经济规律，包括经济因果关系。
事实上，实验经济学与经济测度学及计量经济学的交叉与融合，正在产生一个新的交叉学科，即实验计量学(experimetrics)。第四，为了发展经济统计学，必须大力推动国际化，通过国际化推动经济统计学的发展。在中国，经济统计的历史相比西方国家短得多，特别是中国社会主义市场经济的实践只有30几年历史，而西方成熟的市场经济已有几百年历史，我们在统计资料搜集、统计方法与工具等各个方面，还有较大差距。上个世纪70、80年代，中国国家统计局和厦门大学合作，提出了中国国民经济核算体系，这是西方经济统计学、现代经济学和中国经济实际相结合的一个范例。今天中国的经济统计学同样可以从国外相关学科学到很多有益于自己学科发展的知识。例如，众所周知，GDp大体反映了一个经济体社会财富水平。但是GDp作为描述经济发展的指标，有很多缺陷，既不能精确地反映总量，也不能反映经济活动的质量与效益，更不能反映经济结构、社会分配、民生改善、以及对环境破坏的程度等等。
认识到GDp的种种缺陷，国外学者，包括经济统计学家、经济学家，过去几十年提出各种指标，试图修正GDp的缺陷，比如nordhaus和tobin(1972)提出了去除环境污染和交通堵塞等成本的净经济福利指标;Repetto等(1989)提出了扣除资源损耗成本的国内生产净值;Daly、Cobb(1989)提出了将财务分配状况、社会成本等因素计算在内的所谓可持续经济福利指标;pinter、Hard(1995)提出可持续发展指数;Vonweizsacker等(1997)提出了绿色GDp概念，等等。这些对构建适合刻画中国宏观经济增长与发展水平的指标都有很好的借鉴意义。第五，必须顺应时展潮流，与时俱进地发展经济统计学。我们正处于一个大数据的时代，大数据提供了极其丰富的信息。如何有效地获取大数据中的有用信息，统计学无疑提供了非常重要的方法、理论与工具。与此同时，大数据也为包括经济统计学在内的统计学等分支学科的发展提供了一个新的广阔空间。例如，包括跨境电商在内的电子商务，正在中国蓬勃兴起，深刻地影响了贸易、购物、消费乃至生产形态。如何统计电子商务成为一个迫切需要解决的现实经济统计问题，这也为经济统计学的发展提供了一个难得的机遇，又如，大数据使得以较高频率测度宏观经济变量成为可能。目前绝大多数的宏观经济变量(如Cpi)最高频率只有月度数据，在大数据条件下，完全有可能获得更高频(如每周)的宏观经济数据，这样可更及时反映客观经济运行情况。第六，加速经济统计学教材更新换代，尽可能地全面反映几十年来中国乃至世界上经济统计学和现代统计学的研究成果。在国外，不论是统计学还是经济学相关专业，大都没有经济统计学课程设置，因此也就没有相应的教材。这与宏观经济学、微观经济学、计量经济学等其他经济学课程有很大不同。因此，中国经济统计学教育必须更加注重教材建设，在明确学科定位的基础上，总结国内外各个相关学科以及经济统计的理论与实践，尽量汲收国内外所有有用的研究成果与经验，争取使经济统计学的研究与教育不但成为中国经济学教育的一大特色，同时也成为引领世界前沿研究的国际化学科。
五、结论
本文从统计学和经济学统一的视角出发，分析论述了现代统计学若干分支，特别是概率论、统计学、描述统计学、数理统计学、经济统计学、计量经济学以及经济理论(包括数理经济学)之间的内在联系，包括它们的区别与联系，以及发展前景。分析表明，统计学的这些相关学科，各自定位非常清晰，在各自学科发展方面，都有自己不可替代的发展空间。其中，经济统计学既是统计学的分支，也是经济学的分支，是统计学与经济学结合的交叉学科，具有统计学和经济学双重学科身份。经济统计学本质是经济测度学，是经济测度的方法论，是经济学实证研究的前提与基础。这是经济学其他任何相关学科，包括计量经济学，经济理论，数理经济学等无法替代的;也是统计学的其他相关学科，包括数理统计学无法替代的。
随着中国自然科学和社会科学的发展，作为推断方法论的数理统计学与计量经济学，因为有日益增加的需求而得到迅速发展。作为从样本数据推断母体特征的一般方法论，数理统计学因为符合科学研究与探索的过程与需求而在自然科学和社会科学很多领域有广泛的应用。作为经济实证研究的推断方法论，计量经济学在中国过去30多年来有了巨大的发展。在《经济研究》、《统计研究》、《管理世界》等国内顶尖学术期刊，可以看到大量应用计量经济学理论与方法的实证研究，而专门研究经济测度的经济统计学的文章的数量则相对减少，这主要是因为经济实证研究对推断方法论日益增加的需求。计量经济学方法的大量使用，显著地提升了中国经济实证研究水平与规范程度。
统计学与经济学的关系篇2
关键词：基本问题；统计分析；宏观经济
宏观经济分析是一项系统性的工作，有着十分鲜明复杂性特点与专业性特点，涉及工业、农业以及科研等多个社会经济领域。做好宏观经济的统计与分析工作对于科学决策有着十分重要的意义。这就需要相关的研究人员综合运用各种理论与技术对宏观经济统计分析的方法进行深层次的研究。
一、宏观经济统计分析概述
宏观经济统计分析是一项经济学与统计学相结合而形成的独立知识科目体系。由于统计学是经济学十分重要的研究工具，二者之间存在着相互推动、共同发展的关系。将统计学知识与经济学知识结合起来，能够将各个领域的研究方面与研究方法统一起来，打破不同研究内容在领域上的界限，为经济决策与经济规律的探索创造良好的条件。由于我国在宏观经济统计分析领域的起步比较晚，在该研究领域中尚未形成一个高效的研究体系，在我国产业结构升级与经济增长方式变化的过程中，宏观经济统计分析的重要意义才逐渐显示出来。
二、宏观经济统计分析在发展过程中普遍存在的问题
在宏观经济统计分析发展初期，由于统计学的有关理论沿未得到完善，尤其是在计算机技尚未成熟时，统计学分析理论在应用方面的重要意义没有充分显示出来，对于宏观经济分析方面的支持十分有限，造成宏观经济统计分析在实际应用方面所直到的作用不够突出。随着我国社会生产部门的不断分化，越来越多的小型企业尤其是民营企业，在管理与经营决策方面对于新的统计与分析技术表现出了巨大的需求，加上计算机技术的不断发展。统计学理论在研究人员的不断探索下开始进入到了快速发展的阶段。在这一过程中，政府以及有关部门形成了比较明确的周期性经济规划目标，根据周期性经济目标对我国农业、工业以及服务业等产业进行了有针对性的宏观调控，大幅提高我国经济建设的科学性与合理性，为我国经济的调整增长奠定了良好的基础。目前我国宏观经济统计分析在能力在已经进入宏观统计与微观统计并行发展的重要阶段，宏观统计与微观统计在目的划分上更加明确，在应用效率与应用水平上得到了大幅度的蚊帐，两项学科之间存在着相互促进、共同发展的新局面，同时也将宏观经济统计分析的发展带入了一个全新的阶段。当前我国已经全面进入信息化与数字化时代，选择计算机技术与统计分析技术为宏观经济统计分析的发展奠定了良好的基础。尤其是在我国电子商务领域不断创新与发展的过程中，宏观经济统计分析的重要作用得到了最大程度的体现。在网络环境下，消费群体在消费过程中会产生大量的消费需求数据，有关单位与企业可以以用户的消费数据为资源，以统计学与经济学的有关理论为基础，以宏观经济统计分析为重要手段，对未来一段时间内的消费行为进行科学、有效的判断，提高社会产品生产的合理性与有效性，为电子商务消费用户提供更加具有针对性的商品，为我国经济消费的不断增长创造有利的条件。除了电子商务领域之外，银行业与服务业也可以利用宏观经济统计分析的有关手段对用户名的储蓄行为与消费行为进行判断，为用户制定出更加科学的理财方案与出行方案。对于政府单位来说，则可以利用宏观经济统计分析结果，对社会公众的物流状态与交通状态进行有针对性的分析，对社会公众在日常的生产生活活动中的支行规律有一个全面且深入的了解，将宏观经济统计分析的重要作用充分发挥出来。
三、宏观经济统计分析的发展问题研究
当前我国宏观经济统计分析领域已经进入到了快速发展的新阶段。成经济发展过程中，宏观经济统计分析已经成为分析国民经济发展情况与发展水平十分重要的一项工具。有关部门需要进一步加大该领域的研究力度，为领域的发展奠定良好的人才基础与技术基础，真正认识到宏观经济统计分析对于国民经济发展的重要意义。同时，政府及有关单位还需要进一步加强城市数据信息的收集能力建设与处理能力建设，设置云计算中心，对各方面流动数据进行统计，了解经济数据变化的有关规律，交各方面的统计与分析结果应用到市政管理与组织决策中，为区域内乃至于国家的经济增长奠定良好的基础。
四、宏观经济统计分析的自主发展
由于宏观经济统计分析无论对于政府机关还是在于中小企业来说有着十分重要的意义与价值，尤其是在计算机技术不断发展的大背景下，宏观经济统计分析的应用范围与应用空间得到了进一步的拓展，在社会各阶段与各领域工作与研究人员的共同努力下，宏观经济统计分析中的有关理论将会得到不断的发展与完善。同时也是统计学领域宏观经济分析得到快速独立发展的重要机遇，由此可以实现对人类经济社会发展的重要进步性影响，宏观经济统计分析在自身的独立发展前提下吸收了大量的信息数据，之后又利用统计学的思想和方法进行创新研究尝试。
先进的科技和信息技术的发展是国家宏观经济统计分析发展的重要支持，与此同时还应该配合以功能强大的数据库系统和计算机网络系统，在先进技术和统计学专家的密切配合下可以进一步推动其发展，实现系统完善的宏观经济统计分析体系。
作者:张勇单位:太原市迎泽区社会经济调查队
参考文献：
[1]蔡真.宏观经济统计分析发展的基本问题[J].商,2015,47:266.
[2]袁天夫.宏观经济统计分析发展的基本问题研究[J].现代经济信息,2016,06:20.
统计学与经济学的关系篇3
论文摘要：计量经济学是一门涉及面广、计算复杂的较难学的课程。从学这门课应具备的知识条件入手。分析了学好的关键问题是:要把握线性回归模型的几个基本假定，要学会建模，要懂得几种参数估计的方法，还要明白模型检验的意义。
计量经济学是经济学领域内的一门应用性学科。它是以统计知识、数学方法为基础，以一定的经济理论为指导，以计算机为手段，通过建立计量经济模型，考察和研究经济社会中各种经济变量之间的数量关系，预测经济发展的趋势，检验经济政策效果的一门非常具有实用价值的学科。现在很多专业都开设这门课。但由于这门课涉及的知识面广、计算公式多而复杂，要求的应用手段高，所以，学生在学的过程中感到比较困难，且学的效果也不太理想。本人根据自己的教学体会，谈谈学好这门课应注意的几个关键问题。
首先.学生学这门课程必须具备以下条件:统计学、数学和经济学知识以及计算机技术。且缺一不可。
(一)对统计学而言，为了测定经济变量之间的数量关系，计量经济研究过程中采用了统计学的分析方法，如:计量经济学模型的统计检验、参数估计的方法以及建立模型所需要的统计数据资料的搜集等都离不开统计方法。特别是统计数据的搜集、整理和分析。因此，统计学就成为计量经济学研究的基础。统计资料的准确性、时效性和系统性就成为计量经济学模型建立的好坏、参数估计代表性大小的影响因素。
(二)对经济学而言，经济学是计量经济学的理论基础，因为计量经济学研究的主题是经济现象发展变化的规律，计量经济模型描述的是经济变量之间的数量关系，这就决定了计量经济研究必须以经济理论和经济运行机制作为建立模型的理论基础。如消费函数和投资函数的建立，就是以不同的消费理论和投资理论为前提的。此外，计量经济研究的结论反过来可以验证有关经济理论的正确与否。
(三)对数学而言，为了将经济理论和客观事实有机的结合起来，需要采用适当的方法。由于计量经济学研究的主要是多个因素之间静态或动态的随机关系，所以需要引人数理统计以及微积分与矩阵等理论方法，这些方法成为计量经济研究的建模工具。如利用最小二乘法估计模型中的参数就利用到微积分中的极值原理，在多元线性回归模型中要用矩阵理论推导参数的性质，在搜集资料时要用抽样理论等。现在经济学研究的数学化和定量化是经济学科学化的标志。这种科学化推动了经济学领域的发展，如微分学与边际理论，优化方法与最优配置理论，所以，数学是计量经济分析的一个基本工具，用数学方法去思考和描述经济问题和政策，这是计量经济学的关键。
(四)对计算机技术而言，社会发展到今天，计算机已普遍运用到定量分析中，定量分析是依据数理统计理论的发展而发展起来的。它包括系统论、信息论和控制论，其多数方法复杂，计算工作量大，这就需要利用计算机软件来解决问题。
所以，要想学好计量经济学，学生就必须要有厚实的统计学基础，扎实的数学功底和熟练的计算机应用技术。否则，分析问题时将会很困难，甚至分析不下去，即使分析出来，结论和实际也会有很大偏差或者根本和实际经济运行规律相违。
其次，学生学这门课必须注意把握线性回归模型的几个基本假定。
(一)几个基本假定是运用最小二乘法的前提条件。对于线性回归模型，模型估计的任务是用回归分析的方法估计模型的参数，常用的方法是普通最小二乘法，简称ors法，为保证参数估计量具有良好的性质，就需对模型提出几个假定。如果实际模型满足这些假定，ors法就是一种适用的方法，如果实际模型不满足这些假定，ors法就不再适用，这就需要发展其它方法来估计模型。因此它是运用ors法的前提。
几个基本假定是:1、假定解释变量xi是确定性变量，不是随机变量，且之间互不相关。(是
第i个解释变量);2、零均值假定，即，其中为随机误差项;3、同方差假定，即
，其中为方差；4、无自相关假定，即CoV；5、解释变量与随机误差项之间互不相关
假定，即;6、随机误差相服从均值为0，方差为的正态分布假定，即。
(二)几个基本假定是贯穿计量经济学的一条主线。计量经济学研究的一个主要任务是对模型进行
计量经济检验，目的是检验计量经济学的性质。一般是检验模型中随机误差项是否存在异方差和序列
相关的问题、解释变量是否存在多重共线性问题以及解释变量是否是随机变量，这些问题都是根据这
几个基本假定而来的，即如果违背了同方差假定，模型就存在异方差，即;如果违背
解释变量之间互不相关假定，模型就存在多重共线性问题，即0;如果违背随机误差项在
不同样本点之间互不相关假定，模型就存在自相关问题，即0;如果违背解释变量是确定性
变量的假定，那么模型就存在解释变量是随机变量的问题。每一个问题都有它产生的原因，会造成不
同的后果，因此，就有不同的模型检验、处理和估计的方法，所以学生要特别注意把握这几个基本假
定。
第三.学生学这门课要了解为什么要建模.以及如何建模?
模型就是表达研究系统内经济变量之间关系的一个或一组数学方程式。它是根据经济行为理论和样本数据显示出的变量间的关系建立的。如生产函数模型，在实际生活中，经济系统各部门之间、经济过程各环节之间、经济活动中各因素之间除了存在经济行为理论上的相互联系之外，还存在数量上的相互依存关系，这些关系可通过模型来表达。通过模型可进行结构分析、经济预测、政策评价和检验与发展经济理论。模型研究的是当一个或几个变量发生变化时，会对其它变量以至整个经济系统发生影响。如果人们不通过建模，而过分依赖直觉，即凭经验和学识去判断变量之间的关系，则会很危险，因为可能会忽略或者错误地使用某些重要的关系。另外，凭直觉判断变量之间的关系充其量只能算作定性分析，它只能分析出变量发展的趋势，而不能分析出当一个或几个变量每变动一个单位时会引起另一个变量变动几个单位，也就是说，它不能进行定量分析，不能证实变量变化的度以及进行统计检验和计量经济学检验。再有，经济预测时，要提供预测的精度，凭直觉的方法通常会阻碍预测结果置信度的数学度量。所以，只有通过建模，才能比较准确地反映经济现象中各经济变量之间的关系。
那么如何才能科学合理的建模?建模是一门很难掌握的艺术，因为它主要依赖建模过程中的直觉判断，而这些判断又没有清楚的准测。一般建模的方式有四种:一是根据经济行为理论，运用数理经济学的研究方法，判断变量间的关系，推导出模型的具体数学形式;二是根据实际统计资料绘制被解释变量与解释变量之间的相关图，由相关图现实的变量之间的关系确定模型的数学形式。如果相关图中的点大致呈一条直线，那么就建立直线回归模型，如果大致呈一条指数曲线，就建立指数曲线回归模型;三是如果数列是时间数列，可根据时间数列的特点确定模型。例如，若时间数列中各项数据的K次差大致为一常数，一般说可考虑配合K次曲线模型，若时间数列中各项数据的对数一次差大体为一常数，可考虑配合指数曲线模型;四是在某些情况下，如果无法事先确定模型的数学形式，那么就可采用各种可能的形式进行段模拟，然后选择其中较好的一种。这几种方式都是对理论模型的初步设定，在模型的估计和检验过程中还需逐步调整，以得到一个函数形式较为合理的模型。一个合理的模型应包括三点:(1)要符合经济现象的行为理论;(2)模型的建立方法和参数的估计方法要科学;(3)数据要真实可靠。
第四.学生学这门课必须掌握几个主要知识点。
这门课主要学单方程计量经济学模型、扩展的单方程计量经济学模型、联立的计量经济学模型以及模型的应用，其中又以单方程计量经济学模型为基础。不管什么样的模型，都要涉及到模型的建立、参数的估计以及模型的检验，这些其实就是这门课的主要知识点。模型的建立前己述过，这里主要谈谈参数估计的方法和模型的检验方法。
(一)参数估计的方法。模型建立以后，要想在实际中对经济现象进行估计和预测就必须估计模型的参数。参数是模型中表示变量之间数量关系的系数，说明解释变量对被解释变量的影响程度，它是未知的，需要估计。因此参数估计方法是计量经济学的核心内容，可根据不同的原理构造不同类型的估计方法。主要方法有:
1、普通最小二乘法(oiS法)，是应用最多的一种方法。因为用这种方法估计的参数具有线性性、无偏性和最小方差性，即参数具有优良的性质。这种方法是从最小二乘原理出发的其它估计方法的基础，如加权最小二乘法、折扣最小二乘法、间接最小二乘法、二阶段最小二乘法。它的理论前提是各实际观察值与理论估计值离差平方和最小。
2、最大或然法(mL法)，也称最大似然法。这种方法是从最大或然原理出发发展起来的一种估计参数的方法。虽然其应用没有最小二乘法普遍.但在计量经济学中占据很重要的地位。其原理是当从模型总体中随机抽取n组样本观测值之后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的联合概率最大。这个联合概率又称为变量的或然函数，通过对或然函数极大化以求得总体参数的估计量。
3、高斯—牛顿迭代法。对于有些不能转化为线性方程的非线性方程模型，估计参数时用高斯—牛顿迭代法就是一种适用的方法。它的基本思想是用泰勒级数展开式去近似地代替非线性回归模型，然后通过多次迭代去多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳系数，最后使原模型的残差平方和达到最小。它的程序是:(1)选择初始值;(2)把泰勒级数展开;(3)估计修正因子;(4)检验精确度;(5)重复迭代。
(二)模型检验的类型。参数估计出之后，模型便已确定。但模型是否符合实际，能否解释实际经济运行过程，是否最大限度地拟合了样本数据，还需要进行检验，检验类型包括:
1、经济意义检验，主要检验各个参数值的符号以及数值的大小、数值之间的关系在经济意义上是否合理。例如，需求函数中，需求量一般与收人正相关，与价格负相关。所以，收人与价格的参数估计值分别应取正值和负值，如果结果相反，就应调整模型。又如，食品支出的恩格尔函数:其中:表示人均月食品支出水平，表示人均月收人水平，那么的取值区间应在。到1之间，因为食品的增长幅度一般低于收人的增长幅度，如超出这个范围，则不能通过经济意义的检验。
2、统计检验，是利用数理统计中的推断方法，对估计结果的可靠性进行检验。一般包括拟合优度检验法、模型的显著性检验法(F检验法)和解释变量检验法(t检验法)等。统计检验是对所有现象进行回归分析时都必须通过的检验。
统计学与经济学的关系篇4
关键词：计量经济学；语言分析；数理基础；方法论基础；模型功用
中图分类号：F2240文献标识码：a文章编号：1000176X（2013）03000312
一、引言
当前正在持续并不断延伸的经济危机，引发了学术界对于标准经济学建模方法在此次危机预测与应对中作用的探讨，其矛头直指计量经济学，认为计量经济学在经济现实表述与预测方面作用甚微，一些极端观点甚至要求放弃计量经济学模型方法，因之引发当前学术界关于计量经济学“失败与否”的学术之争。争论的实质可归结为一个问题：计量经济学是否是精确、无局限的绝对科学？
对于计量科学的精确性、绝对性的探讨由来已久，当前学术界的争论只是对这一问题的深化。早在1939年，Keynes就指出计量经济学模型方法存在三个层面的问题：一是理论的先验正确性问题[1]，二是线性假设以及滞后期与趋势决定的主观随意性问题，
正如凯恩斯所说，计量经济学模型设定基本是以线性假定为前提的，Juselius在谈及VaR类模型的局限时，也提起过VaR类模型的设定是线性的，因此其对于跨越多个时期的模型预测并不十分理想。
收稿日期：2012-11-24
基金项目：辽宁省社会科学规划基金项目“经济学哲学名篇中元经济学问题研究”（L11BZX010）
作者简介：刘丽艳（1978-），女，辽宁沈阳人，东北财经大学经济哲学研究中心特邀研究员，博士，主要从事计量经济学理论和方法论等方面研究。email：lucyliuliyan@bipteducn三是计量经济学的结构不变性问题。认为这三个问题造成了计量经济学经济分析的局限。相对于凯恩斯，Lawson的观点相对来说比较极端，Lawson对当前计量经济学建模的研究方法进行了严厉的批判[2]，认为当前的计量经济学模型，尤其是VaR系列模型在研究现实经济机制方面作用甚微，模型未获得关于经验现实的真正洞察，其预测结果不具备经验充分性。
而Juselius则更倾向于为现代计量经济学模型、尤其是VaR系列模型进行辩护[3]，认为计量经济学本身不存在任何问题，只是在面对当前危机时应做一些转变[4]。并指出正确设定的、具有经验充分性的协整向量自回归（Co-integrationVectorautoRegrssion，CVaR）模型可以实现这一转变[5]。作为计量经济学的拥护者，Hendry同样对计量经济学进行了辩护，指出虽然计量经济学方法确实可能会产生谬误回归，但这种谬误可通过检验进行回避与拒绝[6]；Hendry提出根据数据生成过程（DGp，DataGenerationprocess）进行建模的理念，指出计量经济学应根据DGp过程进行经验建模，进而保证计量经济学应用研究的科学性与精确性。
国内学界对计量经济学基本持肯定态度，李子奈认为，从计量经济学模型方法的建立、估计与检验过程来说，其方法具有坚实的统计、逻辑基础，符合科学研究的发现过程[7]。计量经济学研究方法实质上就是回归分析，是证实与证伪、归纳与演绎、检验与发现、相对与绝对相结合的过程。并探讨了计量经济学模型政策评价、结构分析、预测与检验功能上的局限。
李子奈在他的“计量经济学方法论的若干问题”，“计量经济学模型的功能与局限”中均有提到这一观点。洪永淼认为计量经济学模型面临三个主要问题：非重要因素的影响问题、观测数据问题以及样本外预测问题[8]。但计量经济学理论本身已经发展得相对成熟与全面，只是由于经济系统的时变性、不可逆性以及经济数据的缺陷导致了计量经济学的分析、预测没有物理学那样精确，这也是计量经济学与自然科学最大的区别。
那么计量经济学究竟是怎样的科学？它是否具有其自身难以避免的不足与局限？要对这一问题进行解答，就要从其模型方法的概率和统计学科基础进行探讨，从其表述语言、方法论及功用层面进行基础研究，以提高其应用研究的科学性，使计量经济学应用研究沿着正确的方向发展，这也正是本文的研究目的。
二、计量经济学的语言分析：模型语言经济学表述的非充分性
经济学语言学转向引发人们对语言在经济分析中作用的广泛关注，进而产生一个问题，计量经济学的主要语言是什么？计量经济学语言具有什么特征？其在经济分析中又处于什么地位？要解决这些问题，就要从什么是计量经济学的语言以及计量经济学语言的方法论地位来着手。
要探讨计量经济学的语言，离不开对计量经济学的界定及其基本分析结构的探讨。计量经济学是通过模型来表述经济现实的，基于统计、概率方法的模型构建是计量经济学经济表述的主要手段与方式，也是计量经济学进行经济研究与分析，以及作用于应用实践的基础途径。从学科的自我表述与实践应用两个层面来说，一方面，以概率和统计为基础的计量经济学模型是计量经济学这一学科的主要表达方式，也就是计量经济学的“语言”；另一方面，从计量经济学的基本分析结构来说，模型是计量经济学分析的基本结构，是计量经济学描述、解释经济现实的主要手段，也是计量经济学进行学科表述与对外自我表达的主要途径，可称为计量经济学的“模型语言”。以概率和统计为基础的计量经济学模型，既是方法又是语言，在计量经济学经济分析中处于核心地位。作为经验实证的计量经济学，其研究方法从方法论上来说是经验实证的模型方法，其语言也必然离不开经验实证的方法论基础地位，是经验实证的模型语言。
那么，计量经济学经验实证的模型语言在经济学研究中处于何种位置？其经济学的表述充分性如何？是否能够替代自然语言？要回答这些问题，首先就要明确经济学学科本质与计量经济学经验实证模型语言的方法论地位。作为社会科学的“皇冠”，其特殊的学科性质决定其不等同于物理学这样的自然科学，同时人类社会也不等同于实验室。经济现实的复杂多变性，人性与人类心理的不可预测性，使得经济发展过程成为一个异常复杂的有机体，这些必然复杂化经济学的表述及其语言，单一的基于以概率和统计的模型语言难以完成这一任务。此外，从经济科学理论表述层面来看，经济理论并不必然由数学或统计学来证明。经济学的语言是多元而非一元的，数学、统计语言是经济学分析语言中不可替代一种，是“多元”中的“一元”，但并不必然比其他语言更重要。当然，这也解释了计量经济学以概率和统计为基础的模型语言在经济分析语言中的地位。
计量经济学经验实证的模型语言是计量经济学科学化经济研究的一个重要体现，但同时也难以避免其自身与生俱来的方法论局限：
首先，经验实证的模型语言面临经济研究中价值判断理念的计量化问题。计量经济学模型语言对经济现实的表述是建立在表示现实经济活动结果数据的概率分布假定基础之上的，模型语言对经济现实中不可度量的社会关系、政策和心理等价值理念的处理是通过主观假定赋值或虚拟变量来完成的。从一定程度上来说，计量经济学模型语言对价值判断的这种表述稍显随意、主观，是不精确的；此外，很多价值判断理念难以通过统计语言或概率分布来表述。因此，计量经济学模型语言存在着价值判断理念计量化的问题。经济研究是以人及其构成社会的经济活动与关系为核心的，而这种社会经济关系的表述不仅是“量”的统计，还包括“质”的描述。计量经济学模型语言对经济现实的解释与描述是通过变量与现实经济因素的映射来完成的，因此，模型对经济现实的解释是建立在模型方程涵盖待解释经济变量这一前提之上的。那么就产生了一个问题，模型是否可以包含所有经济因素，也就是经济因素都可以通过适当量化的形式纳入模型语言的表述范围吗？答案是否定的。很多宏观计量经济学模型中的政策、环境因素以及微观计量模型中的心理因素，都很难一一映射为计量模型中等价的变量形式。虽然虚拟变量是一种选择方式，但现代计量经济学中的虚拟变量通常是简单的“二进制”（0，1），这种“是与否”的极端表述方式很难精确描述经济现实的渐变过程与渐变效应。
此外，即便勉强将价值判断理念通过主观赋值的变量进行计量化，还存在现实经济因素与观测数据统计方式的非“一一映射”问题。很多模型表达的变量或符号在现实经济中有多个对应统计方式，而每种方式的选取都代表着不同的样本数据，有时甚至会影响到模型的估计结果。如探讨外商直接投资与中国经济增长的关系时，涉及到国家开放程度这一政策理念及其模型对应变量的选取。究竟用什么代表开放程度，现实中选取模型样本数据时就涉及一个选择的问题，有的研究者将年进出口贸易总额的GDp占比作为一国开放程度的度量标准，有的将对外政策的颁布作为开放程度的度量。这种变量的选取通常以模型的估计结果是否更优作为条件，可以说这种选取模式是稍显主观随意的，并不具备严格的科学性。
其次，计量经济学模型语言难以完全取代经济学表述中的自然语言，一元的模型语言难以对经济学进行全面、充分表述。第一，能够表述经济世界的是语言性的词语而不是人为创造的符号、模型，计量经济学的模型语言并不比自然语言更接近经济现实，同时，经验实证的模型语言所描述的逻辑建构具有其本身的局限，不能完全取代经济学自然语言的使用。虽然计量经济学模型语言中的数学公式与统计推断过程本身也是一种话语，但这种“话语”本身也有语言问题，爱因斯坦指出，“就数学定律指涉现实而言，它们并不确定；就其确定性而言，他们并不指涉现实”。数学哲学的观点展示出数学、统计的模型语言，作为一种经济学研究语言，其所构建的“经济世界”并不比自然语言的更准确，也不比自然语言的更接近现实世界。第二，人们生活的世界是词语的世界而非函数的世界，对语言最重要的沟通与交流功能来说，经验实证的计量经济学模型语言作为交际语言并不具备足够的充分性。虽然其在统计推断与函数符号表达上具有严谨性与便利性，并因此一定程度上体现了其科学性，但对于语言最为重要的交际功能，计量经济学模型语言并未表现出任何超越其他语言范式的优势，尤其是在与公众交流时[9]。用函数与符号表达的数学语言是自然科学的通用语言，“对自然科学家而言，它就像过去拉丁语对学者一样，而对许多经济学家来说它不幸是希腊语”[10]，因之其模型方程与符号的表达范式可能更容易使人们感觉它只想通过深奥的数学让人肃然起敬，而不是更有助于交流。
还有一个不得不说的问题，不论计量经济学模型语言多么严谨、精确，也不可能做到对完整社会关系进行精确表述，这取决于计量经济学模型设定的非精确性与局部性，因为任何模型都不可能把整个社会复杂多面的关系全部纳入模型体系，无论从技术层面来说还是从方法论层面来说，这是不现实也是不可能实现的。
三、计量经济学的数理基础：非精确数量关系的度量
由于计量经济学以概率和统计作为其学科的数理基础，其结论是基于样本数据（总体样本的一部分）的推断做出的，而非真实的针对总体样本进行的精确运算，因而其结论并非是确定的、精确的。而计量经济学中以概率为基础的随机检验的不对称性与非精确性、概率约化（probabilisticReduction，pR）方法下统计推断的非确定性，都导致了计量经济学度量精确数量关系上的局限。
1以概率为基础的随机检验的不对称性与非精确性
由于观测值很少是现实经济中经济变量的真实值，因此随机模型的存在具有较为重要的作用。
当我们说理论或模型是正确的时候，表示现实世界和理想世界是完全一致的。很多人都认为，即使我们认为理论或模型是正确的，两个世界也不可能是完全一致的（如观测误差、非理），因此人们建立随机模型，来表示这种“一致”的随机性。如果认为观测值和真实值的误差是处于正态的随机分布，即这种“一致”本身就是模型的随机因素。但随机模型本身由于其概率基础的非精确性以及两类前提假定的不对称性，使其模型检验的逻辑基础受到质疑；同时其概率基础的随机性，也严重削弱了随机模型的可靠性与精确性。
首先，以概率为基础的随机检验的不对称性。计量经济学的证伪或检验需要逻辑依据，随机检验在逻辑上具有非对称性，这种非对称性源于对标准逻辑的构建，即对于给定的一系列假定，我们能逻辑性地得出一系列结论：①如果所有的前提都为真（在某种意义上），那么所有的结论也都为真（同样的意义上），这是必然的。②如果任何一个结论是错误的（同样意义上的），那么给定系列的前提假设中至少一个是错误的——但我们不能确定哪一个是错误的（多于一个的时候），也不知道有多少个是错误的，因为可能所有的都是错误的。③如果存在任何一个错误的前提，我们不能排除结论中可能有正确的结论，这是必然的。④如果结论中有一个是正确的，给定系列假设中的任何一个都有可能是错的。这里我们可以说，如果正确运用逻辑，那么前提的正确性可以传递到结论上（假设到预测），而结论的正确性却不一定能传递到前提上，这里存在一个明显的不对称性。同样，对结论的证伪可以至少传递到前提上（一个），但对前提的证伪却不能传递到结论（除非结论与前提一样）。计量经济学的随机检验是建立在通过对结论（根据经济理论、数据建立的模型）的证伪进而证伪前提（经济理论假说）的逻辑基础上的，而逻辑不对称性则削弱了这一检验的逻辑基础。
其次，以概率为基础的随机检验的相对性与非精确性。这里用简单的线性模型来探讨随机模型检验的相对性与非精确性问题。假设线性的两个变量，C=a+bY的每个观测值允许有10%的误差，通过式（1）和式（2）两个观测值，可以通过方程确定a和b的值，即进而通过确定系数的方程与Y3来确定C3的值，得出C3的计算值和观测之间的误差为17%，超出通常10%的标准。
实际上C与Y的观测值可能与其真实值有10%的偏差，而对于第三个观测值C3，其计算值和观测值之间可能有大到17%的误差，而它们之间的关系不能就此确定是非线性的。同时，未对线性假设进行确定并不必然表示对非线性假设的肯定，基于单一观测值的检验并不构成对假设的反驳，而0误差也不代表对线性关系的肯定。15%的误差可能不足以确定模型就是线性的，但也不足以说明模型是非线性的，因此我们称之为对线性假设的非肯定。要区别开对线性假设的非肯定并不代表对非线性假设的肯定。任何判定的标准都应基于对观测误差本质的了解以及对理论本身的了解。通过判断p值来判定，这要求首先观测值符合高斯正态分布步钟形曲线，如果我们假设观测均值是真实的，数据的分布是正态的，那么正态分布的观测值曲线可以用来计算p值，如5%，作为接受的标准。这样的一个缺点就是，很可能错误地接受了不适合的方程或模型。如果观测值的概率分布不是正态的，或如果每次观测到的值不是独立的，那么p值检验就难以进行。若实际的误差分布与假定有差异，则此方法带来的问题足以影响到计量经济学的精确性。
这里还需要指出的是，随机的是模型，而不是现实经济世界。任何随机模型的检验都是对这种假设的一致性的检验，即对理论本身的检验。只有人们认为模型绝对为真，任何违反一致性的变化完全都是由真实世界难以解释的变化引起的时候，人们可以选择相信现实世界是随机的，但这点显然是不成立的。而随机性把理论的真实性变得无可非议，认为理论是不可能出错的，这一先验观点严重损害计量经济学的经验基础。计量经济学随机模型这种把理论和模型假设看成是真实的，世界是随机的这种看法是不诚实的，也是随机模型局限性的一个体现。
2概率约化方法下统计推断的非确定性
计量经济学概率约化方法（probabilisticReduction，pR）的出发点是，经验模型是实质性信息与统计信息的混合体，其主要目标是应用数据来了解观测对象。这两类信息最初被包含进两个不同的模型——理论模型和统计模型，前者是由理论变量构建的，其中一些变量可能是不可观测的；后者则是专门根据数据Z：=（Z1，Z2，…，Zt）潜在的可观测随机变量设定的，问题是找到将两者联系起来的方式，同时不违背实质性信息与统计信息任何一方的完整性。
根据概率约化方法，Z是随机过程{Zt，t∈t}的一个实现，根据Kolmogorov定理，随机过程的概率结构在某些温和规律性条件下，就联合分布D（Z1，Z2，…，Z
建立统计充分性的难度显示，对数据盲目的集合不大可能产生任何规律性；即便偶尔产生了，对一致性度量与外部有效性的探索也将会消除这种伪规律性。现实应用研究中的计量模型，其统计充分性或多或少都存在一定程度上的不充分问题，原因并不取决于建模者，而是经验数据本身就难以完全符合强概率假定。现实中的数据很少能满足统计上要求的时间平稳性或不同数据生成过程的同质性，因此要建立完全的具有统计充分性的模型是几乎不可能的。这也是计量经济学数理基础本身所固有的一个局限。
四、计量经济学的建模过程：不平衡方法论基础的局限性
计量经济学基于经验数据模型符合科学研究的发现过程，是其优势所在，但同时，其建模过程的方法论基础并不平衡，表现为认识论基础上归纳内容重于演绎内容，逻辑学基础上对检验的重视超过发现，一般哲学基础上对“特殊”与“一般”的处理未达到平衡，而这些建模过程中的方法论基础不平衡导致了计量经济学模型方法的局限性。
1计量经济学建模过程中认识论基础的不平衡：归纳重于演绎
计量经济学的一个首要目标就是为经济学提供经验内容，可见经验归纳在计量经济学中独特的重要性；而计量经济学科的产生与发展，也无不体现了归纳法或经验检验在经济研究中的兴起与盛行[13]。虽然计量经济学不只包含归纳，从其建立模型过程看，除去其中经验检验部分则是明显的经验归纳，最初的模型设定与检验后的模型政策评价、预测等功用的实现均属于演绎内容。但不得不承认的是，计量经济学作为“为经济学提供经验基础”的学科，其模型方法不可避免地侧重经验归纳，而现实经济研究应用中，这种对经验归纳的侧重也在一定程度上导致了计量经济学研究方法的局限。
首先，对归纳赋予过多权重可能会导致模型方法的归纳内容缺乏正确前提，进而产生不可靠甚至错误模型结果。缺少足够演绎内容的模型设定，很可能是基于错误的经济理论或数理逻辑，模型设定不充分。那么这种情况下模型的检验结果就会很危险，会有较强的误导性，因为它可能直接导致完全错误甚至荒谬的结论，进而削弱计量经济学模型分析的意义，得出错误甚至荒谬的结论。模型设定是计量经济学研究的基础与前提，只有设定正确的模型才能通过正确的检验步骤得出正确的结论。
其次，对归纳给予过多权重可能会导致统计意义与经济意义的不平衡，使计量经济学的研究倾向于追求统计分析上的完美性，进而趋向于形式主义，降低研究的质量，甚至产生方向性错误。应平衡计量经济学建模过程中归纳与演绎内容的权重，过于重视经验归纳内容，忽视演绎部分，很可能会导致对统计显著性的片面追求而忽略模型的经济意义，进而沦为缺乏经济意义的形式主义，产生“伪回归”谬误。而现实经济研究中也确实存在这种统计上显著、检验环节完美而经济意义上贫乏的研究结果。其中较为普遍的是根据研究目的进行模型设定，随意性较强，甚至有时不符合经济理论或经济惯例，与经验现实相冲突。有时为了突出待研究的关键变量，可能较为随意地增减其他变量以获得关键变量较高的统计显著性。这种模型设定是单纯地对经验归纳的偏重而忽略演绎内容在模型设定中的意义，致使研究缺乏经济理论基础，导致可能误导性的甚至是错误的结论。
总之，必须认识到，计量经济学应用研究中应将抽象演绎与经验归纳相结合。演绎内容决定了计量经济学的模型设定，为归纳内容设定了前提，决定了经验归纳的方向，它就像建筑物的地基一样限制并主导着其基础上建立起来的建筑——模型的经验归纳部分。不能片面地强调归纳或演绎的重要性，而应平衡两种方法在计量模型方法中的应用。
2计量经济学建模过程中逻辑学基础的不平衡：检验重于发现
计量经济学的学科性质并非是狭义的回归分析。广义的计量经济学具有多重科学、哲学和方法论基础，它形式上是统计学、经济理论与数学三者的结合，其目的是为经济研究提供经验基础。在计量经济学模型设定与估计两个环节，由于是以理论与数据相结合的关系论导向进行模型设定，而且严格遵循从一般模型到特殊模型的建模范式，很可能发现与原有的先验理论不同的，并通过严格系列检验的新经济关系，或是证伪已经存在的旧有经济关系，这是一个检验与发现综合运用的过程，它不仅是单纯的检验，还是对新事物探寻的过程。正如丁伯根对计量经济学模型方法的辩护，“它从一定程度来说是检验与发现的结合”，但这里要注意一个问题，计量经济学中的理论发现并不是真正意义上的“发现”，而是估计、检验过程中对先验设定理论假说的完善，或者是对更为适合样本数据、对样本数据拟合更好的模型形式的探寻。
同时，也必须承认，计量经济学对检验的重视要远重于发现。Hendry曾指出，计量经济学的三大黄金定律就是“检验、检验再检验”。理论检验功能也是计量经济学模型的传统功能，可见检验在计量经济学模型方法中的核心地位。对检验过于重视的同时也难以避免地忽略其另一面——发现，这也造成了计量经济学模型方法一定程度的局限。
首先，对检验赋予过多的权重，而忽略发现的重要性，很可能使计量模型分析沦为“统计的炼金术”或“经济学的鬼把戏”。计量经济学建模过程中对检验的重视程度远超发现，这一逻辑学基础的不平衡很可能导致建模者对检验技术的先进性与复杂性的片面重视，即过于偏重统计显著性而忽略对模型经济充分性的考察；同时，建模过程中最为重要的、可能导致理论发现的“异常现象”，很可能在对检验的片面追求中被忽略掉。对于与先验观念相冲突的、导致统计充分性降低的、不符合检验标准的“异常现象”的出现，建模者很可能以其不符合检验标准为根据，在未考虑其可能的经济充分性的前提下，为突出某些变量的显著性而对变量进行随意删减，结果可能将模型从正确设定的方向引向歧途，错过最为重要的“理论发现”。模型的设定脱离了经验现实，进而使统计分析变成形式化的“统计的炼金术”。还有一种更危险的情况，就是根据根本就没有科学性的理论假说，而只是盲目地根据研究目的对变量回归关系进行检验。这种缺乏理论指导的计量分析早在20世纪40年代计量经济学著名的方法论争论——“没有理论的度量”中就已指出其谬误性。无论检验步骤、方法如何完善，没有正确的前提很可能造成“伪回归”而得出错误的结论，使计量经济学应用研究成为“经济学的鬼把戏”。
其次，即便是计量经济学中占主导地位的检验，也不是毫无瑕疵的，计量经济学检验的逻辑不对称性严重损害了计量经济学检验的权威性与说服力。前文已经探讨过计量经济学以概率为基础的随机检验的非对称性，前提的正确性可以明确地传递到每一个结论，而对任一结论的证伪却只能模糊地传递到前提，即难以确定是哪一个或哪些前提是错误的。这种逻辑上的不对称性决定了逻辑在检验中的作用：①只通过检验从理论中推理出来的结论（可能很多都是正确的）不能检验理论本身。②不可能通过前提的真实性间接性地证实所有结论，当其中一个前提恰好是公认的陈述时（至少有一个，这样才能进行解释和预测），由于我们不能知道相对于经验事实来说什么时候这个公认的陈述是对的。③证明前提都是错误的并不能证明特定结论的正确性。由于结论正误和前提正误的不对称性是检验经济理论的最大障碍，对结论的证伪并不能证明理论本身有问题，如果在建模过程中添加了附加假设。由此可见，对随机模型本身的检验并不能检验理论假说的真伪。计量经济学中的检验，从一定程度上来说是无力的。
最后，计量经济学的检验是概率意义上的，是随机的、相对意义上的，难以获得绝对的、精确的结论，认识到这一点同样十分重要。计量模型的回归结果只是在给定的某一显著性水平上，给出是否可以接受待检验的假说；其接受与否是以显著性水平为评判标准的，如经常使用的10%，5%和1%显著性水平。但这里需要注意的是，这一显著性水平是人为选取的，并非是计量经济学科学体系天然生成的。而且，即便通过显著性检验，也不能完全确保检验的假说是完全正确的，因为这里还有一个10%，5%或1%“弃真”（错误地拒绝了原假设）的可能性，通过检验也是存在错误可能性的。也就是说，通过检验只是证明错误的概率偏低而已，而不能绝对地排除错误的可能性。因此，计量经济学以概率为基础的检验，其相对性和非确定性是与生俱来的，这也是计量经济学的局限性之一。
3建模过程哲学基础的不平衡：“特殊”重于“一般”
不同于一般哲学中的一般与特殊，本文的一般与特殊指“一般模型”与“特殊模型”，两者的关系在计量分析的两个层面得到体现：一是始于“一般模型”的建模范式和始于“特殊模型”的建模范式，二是约化过程中“一般”与“特殊”模型的相互转化方面。
“一般模型”源于Hendry的“包含模型”[14]，始于一般模型指从包含所有可能影响变量的一般模型开始的建模范式，在不丢失任何信息的前提下，通过约化过程将复杂的一般模型约化为便于统计分析的、简单的特殊模型。而始于“特殊模型”的建模范式则相反，从包含核心因素的特殊模型开始，通过检验揭示不足之处，再通过增加可能影响因素来完善模型的建模范式。由于模型是对经济现实的表述，理论上应只有一种正确的最终模型设定，但现实中由于经济变量之间的复杂关系与模型推导过程中对统计充分性的片面追求，很可能使二者的最终模型设定相距较远。
因为很可能出现这样的情况，从特殊模型开始进行到路径的“中途”时，发现个别核心变
量已经满足了统计显著性检验的要求，而就此停下来将其作为最终模型。
计量经济学中的“特殊模型”与“一般模型”的转化，在时间序列数据建模过程中尤为突出。由于现代时间序列数据通常采用数据导向的建模方法，为保证其经济理论基础充分性对约化过程进行理论或结构约束，从其本质上来说就是将“一般模型”实施约束进而转化为“特殊模型”。再通过包容性检验来验证这一“特殊模型”的包容性，若无法通过包容性检验，则重新建立一个新的“一般模型”，再逐步约化生成新的“特殊模型”。伦敦经济学院（LondonSchoolofeconomics，LSe）方法就是“一般”与“特殊”交替进行的过程。
然而现实中由于始于“特殊模型”的建模范式更有利于迎合研究目的，更容易通过统计方法上的“努力”突显出某个或某些待研究变量的统计显著性，而成为建模实践应用中一种通用的范式。现实约化过程中，常难以做到两者的转化，而采用单纯的删减变量方式，这都为计量经济学的经济分析带来局限。
首先，现实中无法满足“一切条件不变”假定，进而造成始于“特殊模型”建模范式的经济基础的非充分性。由于现实经济错综复杂，各经济因素处于一个不断变化的、相互作用的动态过程中。若模型中包括的变量并非所有影响因素，而只是部分影响因素，并试图从这一局部来探寻整体，那么首先就要求模型包括的部分影响因素相互作用时，其他未被包括进来的因素满足“一切条件不变”假定，即经济现实满足其他变量不变的假定，但现实中其他影响因素一直是在起作用的，难以满足这一前提假定，这必然造成基于这一假定的模型估计的问题。如始于“特殊模型”建模范式下，对同一问题的研究常出现多种模型设定形式并得出多种不同结论，其主要原因就是始于“特殊模型”的建模范式的局部性与片面性。
其次，始于特殊建模范式混淆了协整方程与均衡方程。均衡方程描述经济体中所有经济变量之间长期的稳定关系，是一个整体概念，其所涉及的时间序列变量（如果样本数据是时间序列数据的话）是经济体中所有影响因素的，是完全的而不是仅仅给定的；协整方程表达的虽然也是长期均衡关系，但其描述的仅是协整方程中包含的变量关系，是局部概念，是不完整的，因而方程中的协整系数也不是变量之间关系的真实反映，因为它是不完全的回归系数。协整方程与均衡方程的关系实质上也是某种“一般”与“特殊”的问题，基于协整方程的模型也可以称之为“特殊模型”，而基于均衡方程的模型也可称之为“一般模型”，若非经过均衡方程约化得出的（根据建模目的随意设定的）协整方程，其与均衡方程是有较大偏差的，将这样的协整方程误认为均衡方程，并将其回归系数描述为潜在的真实经济关系，则是对经济现实的扭曲。
计量经济学模型方法应处理好“一般”与“特殊”的关系，对两者的不当认识与处理，会导致模型分析结论的不可靠性。这里需要注意的是完全实用主义的“特殊”，即不对现实经济做全面的观测，仅根据研究目的设立“特殊模型”，一旦通过检验就到此为止；或仅仅不能通过检验时才逐个增加解释变量，只增加到通过检验为止。这样得到的模型并不具有统计与经济上的双重意义，也使计量经济学的经济分析与科学方法相背离，并渐行渐远。
五、计量经济学的模型功用：计量经济学局限性的外在体现
当前经济危机导致的对计量经济学的重新审视，其中最具争议的就是计量经济学的模型功用。本质上来说，计量经济学模型功用的局限是计量经济学局限性的外在表现。作为一门可靠而非精确的科学，计量经济学的科学性是相对的而非绝对的，这决定了计量经济学模型也非万能的，其在理论检验、变量预测和经济结构关系表述上都有不同程度的局限性。
1计量经济学模型理论检验功用的局限
计量经济学通过对理论进行建模并通过检验模型来检验理论，模型设定是检验理论的关键。因为不论建立随机模型还是非随机模型，模型都要比待检验的理论本身更为具体。为了经验检验的足够确切（现实），总是需要对模型添加进去进一步的假设，以使其适用于特定的经济事件和数学方程[15]。如回归方程应该是线性的还是二次型，观测值中可能包含的随机误差成分，方程中可允许的误差是多少，结论的经济意义。而要解决这些问题就要为模型设定假设条件。
计量经济学的模型是由两部分构成：理论本身和为设定解释理论的方程而附加的假设[16]：①构成理论本身的一系列的行为假设，C=F（Y）。②关于上述理论表述关系的简化的行为假设：C=a+bY，其中a为正，b介于0和1之间。模型是两个系列假设的统一，经济研究是假定这两部分假设都是为真的，并通过对现实数据的应用来推导出第二个假设方程的系数。那么这里就存在两个问题：
第一，反驳一个根据理论建立的模型是否就能反驳该理论？答案是否定的。这是因为在计量经济学模型建立的过程中，建模者人为地添加了很多约束假设，这些假设与理论内涵（implication）共同构成了模型的内涵。对基于理论建立的模型的反驳，相当于对理论以及附加假设的并集进行反驳，并不能直接得出对理论的反驳，也不能证实理论为错。除非能够保证建模过程中附加的假设是绝对正确的，才能保证：反驳模型=反驳理论，但现实中有时甚至难以保证附加假设的正确性，致使这一条件很难得到满足。因此，试图通过反驳一个根据理论建立的模型来反驳理论是徒劳的。
博兰认为在对理论建立模型的同时，也建立一个与此模型完全相反的反模型，对两个模型进行检验，如果反模型不符合现实，证伪，则模型是正确的，即附加假设是正确的。
第二，检验根据一系列理论建立起来的模型是否就能检验理论？答案也是否定的，这里存在一个逻辑上的不一致性。模型是两个或两个以上理论假设的统一，这意味着逻辑上的不对称性，即一旦理论的预测被证伪，我们不知道究竟是理论本身的基本假设出现问题，即第一部分，还是附加假设出现问题，即第二部分。这挑战了建立模型就是为了检验理论的观点。如果想通过模型的经验检验证明理论是错误的，那么就要证明该理论的所有可能模型都是错误的，这和波普所说的需要“证实所有的天鹅都是白色的”[17]很类似，在逻辑上是不可能的。由于对理论建模有无数种方式，排除误差的可能性，只有每个理论建立的模型预测都导致至少一个错误结论的时候，才能证明理论本身至少一个基本假设是错误的。但由于每个特定模型都有特定的附加假设，只有通过证明所有这些附加假设都是正确的，排除第二部分是错误的可能性，才能得出第一部分，也就是理论的基本假设是错误的，但这在现实中是难以做到的。从这个角度来说，通过对理论建立模型，进而对模型经验检验来对理论进行证伪是很困难的。
2计量经济学模型变量预测功用的局限
计量经济学模型方法缘起自宏观经济的短期预测，在计量经济学的发展历程中，也不乏成功预测的例子。预测成为计量经济学模型的一个主要功用，也是判定模型的一个重要标准。但随着经济现实的复杂化，计量经济学预测的精确性受到严重质疑，显示出其模型预测功用一定程度上的局限。
首先，从其学科方法论基础上来看，计量经济学学科并非如劳森所说的寻找覆盖法则（事物之间恒定联系的规律性）的科学。计量经济学也难以达到卡特赖特所期望的构建封闭系统进而测度精确覆盖性法则的层次。而成功预测的前提与基础就是对“覆盖性的法则”的探寻，即对潜在的社会—经济结构、选择结构以及因果机制的精确法则机制的探索。计量经济学只是对经济现实中潜在的、不明显的规律的可能表达，而且即便是“不明显的规律”，也是基于样本的。预测是对于样本外的、尚未发生的经济活动进行的，这种基于样本内知识进行的样本外预测，本身就具有不确定性；同时伴随着经济现实的复杂、多变以及很多不可知因素，预测的非精确性难以避免。
其次，从学科性质上来看，计量经济学模型方法也不是探寻因果机制的精确科学方法。计量经济学是数学、统计学与经济学的结合，其对因果机制的探寻在其模型方法中是以概率或分布函数体现出来的。概率分布假定是统计分析的前提与基础，然而现实经济数据很难严格服从正态分布，因而基于正态分布假定估计出的结构关系并不是全然精确的。同时计量经济学可控实验的缺失，更加剧这种不可靠性。建立在不可靠因果机制基础上的变量关系，难免会在一定程度上影响其预测结论的准确性。
最后，从现实经验数据的非稳定性与数据生成过程的非同质性上来看，一方面，经验数据难以满足统计分析的前提假定要求，进而损害其统计充分性；另一方面，结构参数的不稳定性又进一步加剧了预测的不精确性。正是基于这一点，任何经济数学模型，包括计量经济学中用于短期预测的VaR类模型，
西姆斯（a·Sims，1980），认为为使结构方程可以识别而施加的约束是不可信的，而VaR模型可避免结构约束问题，进而提高预测的准确度。VaR模型试图通过实际经济数据而非经济理论来确定经济系统的动态结构，建模时无需提出先验理论假设，或者说它不排除任何假设，而是通过时间序列提供的信息将这些假设区分出来。VaR模型每个方程的左边是内生变量，右边是自身的滞后和其他内生变量的滞后。对于这类预测问题，都是无能为力的。这也充分说明了计量经济学模型在预测上的局限性。那么计量经济学中用于预测的VaR类
如常用的VaR模型的变形，结构VaR（SVaR），协整VaR（CVaR）等等。模型能否进行精确的宏观经济预测？从2008年金融危机对于学术界的突发性来看，答案可能是否定的。VaR类模型是数据导向性较强、经济理论导向性相对较弱的建模范式，从其模型设定层面来看，该类模型较为适用于自由经济体系。但经济现实中由于各经济体政府干预程度不同，致使模型的“外生约束”因国家、政体和时期的不同而具有较大的差异性，导致VaR类模型的适用程度各异。同时，VaR类模型的线性假定前提也一定程度上损害了其预测的精确性，因为随着时间序列时期的增加，线性假定所决定的VaR类模型走向与经济现实发展趋势的偏差会逐渐增大。这都局限了VaR类模型的预测功用。
3计量经济学模型经济结构表述功用的局限
传统计量经济学观是以逻辑实证主义为其方法论基础的，认为经济理论是先验的真实，而计量经济学模型的作用就是为先验理论决定的模型结构参数估值，
这个观点是斯潘诺斯对传统（先验的）计量经济学观点的解释，后来也用来解释早期计量经济学中的经典方法论争论，第一次是凯恩斯（1939，1940）与丁伯根（1940）之争，第二次是库普曼斯（1947，1949）与Vining（1949a，1949b）之争。这也是计量经济学结构表述功用的体现。现代计量经济学的结构表述则侧重于计量经济学的结构观，并以此为基础来看待计量经济学模型的作用与局限，本文这里主要探讨的是后者。
计量经济学的结构观是结构经验主义在计量经济学中的体现，源起自Fraassen的结构方法，结构经验主义认为科学描述的是结构而非其领域的内容。计量经济学语境下，结构是“对经济机制进行直接特征描述的不变特征集”[18]，而这种不变特征是由参数表述的。经验模型中，结构观用于表述经济“框架”下的一种恒久性观点。要求在样本信息集扩大、时期延展、政策体系变更以及新信息源增加的情况下，结构参数都保持稳定不变。因此，结构的理念是就稳定性与不变性来理解的，在这一结构观下，计量经济学的经济结构表述局限就较为明显。
首先，经验观测数据难以满足结构模型所界定的结构参数的时间稳定性（样本时期延长）、体系稳定性（经济体系变更）以及样本稳定性（样本信息集扩充）。对于时间稳定性与体系稳定性问题，界内的探讨已经较为成熟，早在1939年凯恩斯就提出了计量经济学模型结构参数的非稳定性问题，这也正是“卢卡斯批判”所揭示的思想。对于样本稳定性问题，这里要说明的是，若要在样本信息集变更的情况下保证参数的稳定性，则对观测数据具有较高的要求，即样本数据要满足数据生成过程的同质性，因为统计分析是基于“平均”理念的。由于现实经验数据很难保证观测数据生成过程的同质，因此，对于结构参数保持不变的三个前提条件，现实应用研究中都难以得到满足。
其次，计量经济学的经验模型难以保证与现实世界的一致性，因而很难对经济结构进行准确的表述。计量经济学建模过程中，从理论模型（可能机制）到可估计的经验模型的转化过程也是非正式的。计量经济学经验模型假定数据必须是由某些基本的概率分布所产生的，这样才能对数据生成过程进行进一步的分析，在模型中用数据来对现实进行表述。上文已指出，现实中的经验数据很难完全满足模型所假定的概率分布条件，这样就难以避免其所带来的经验模型统计分析充分性上的局限，进而造成计量经济学模型方法估计结果与经济现实的差距。
最后，计量经济学模型难以对DGp过程进行结构性的表述。约化理论与一般到特殊的方法同样面临着真实数据生成过程的不可知性问题。更进一步，约化理论本身也很难解释清楚经验模型如何在具体层面影射可观测到部分的数据生成过程，而转化、边缘化和因式分解后得到经验模型的过程也忽略掉了一些变量，难以表述完整、可观测部分的数据生成过程，发生了进一步的数据损失。另一方面，从认识论上来说，DGp过程本身就是不可知的，其复杂性与不可知性使计量经济学经验模型对真实、完整的数据生成过程的表述成为不可能，而仅能对DGp中可观测、可度量部分进行局部表述，也就是局部DGp（LDGp）。可见，计量经济学的结构表述难以达到精确、完全的层次，其经验模型对经济结构的表述所能达到的最高层次就是类似，这也是计量经济学模型难以避免的内在局限性。
六、结论与未来研究空间展望
计量经济学是一门相对的科学，其概率统计学科基础以及其表述语言、模型方法论基础决定了其优势所在也是其局限所在：
①计量经济学经验实证模型语言经济学表述的非充分性，体现在其对价值判断理念计量化及其对自然语言取代问题方面。
②计量经济学度量精确数量关系的局限性，体现在计量经济学基于概率的随机检验的不对称性与非确定性，概率约化方法中推断的非确定性以及建立统计充分性的难度层面。
③模型过程方法论基础不平衡的局限，体现为其对归纳与演绎、检验与发现、“特殊”与“一般”三个关系处理的不平衡。
④计量经济学模型理论检验、变量预测和结构关系描述功能上的局限，其实质是计量经济学的非精确性、科学的相对性的外在表现。
本文对计量经济学局限性的思考是计量经济学学科性质基础研究的一部分，关于计量经济学的基础研究涉及到其理论基础、学科基础和方法论基础等，未来在以下几个方面还应进一步延展与纵深：
第一，现代计量经济学理论与研究方法层面。纵观计量经济学的发展历程，每次理论与方法的范式革命都源起于其对当时经济危机处理的无力，如20世纪70年代的石油危机引发的计量经济学反思。鉴于当前的经济危机仍在进行中，学术界关于现代计量经济学的争论仍在继续，也就意味着未来一个阶段计量经济学理论与研究方法可能处于范式变革阶段，如何获得计量经济学理论与应用研究的实质性进步是个重要课题。
第二，计量经济学方法论基础研究层面。计量经济学以科学化经济研究为目标，其每一阶段的发展都体现了科学哲学界定的科学标准，现代科学哲学的多样化发展、科学标准的多元化表现，也必然会为计量经济学的发展走向提供多维空间。
第三，关于计量经济学自身研究方法体系方面。计量经济学目前的研究方法体系庞杂，以教科书研究范式为主其他各种方法体系为辅，各有优势与弊端。如何综合当前计量经济学方法体系中的各个派系，发展出一个科学、系统，能最大程度发挥计量经济学科学性的研究范式是未来的研究目标。
第四，关于计量经济学概率统计基础的研究。计量经济学研究方法体系以概率统计为其数理基础，如何正确、合宜地应用统计与概率方法，最大限度提高计量经济学应用研究的科学性与精确性，是计量经济学与数学两个领域应共同探讨的问题。
第五，关于现代计量经济学的经济学基础方面的研究。由于现代经济学统一理论体系缺位，很难为现代计量经济学提供一个一致的、系统的经济学基础。当前计量经济学的建模范式虽几经转换却仍处于探寻阶段，加之计量经济学本身的非精确性与局限性，必然导致当前计量经济学应用研究中存在一些问题。如何为计量经济学建立一致的、系统的经济学理论框架，不仅仅是计量经济学理论界要解决的问题，也是经济学理论界要解决的问题。
参考文献：
[1]Keynes，Jmprofessortinbergen’smethod＼[J]theeconomicJournal，1939，49（4）：558-568
[2]Lawson，ttheCurrenteconomicCrisis：itsnatureandtheCourseofacademiceconomics＼[J]CambridgeJournalofeconomics，2009，33（4）：759-777
[3]Juselius，KtimetoRejecttheprivilegingofeconomictheoryoverempiricalevidence？aReplytoLawson＼[R]workingpapers09-16，UniversityofCopenhagen，economicsDepartment，2009
[4]Colander，Dtheeconomicsprofession，theFinancialCrisis，andmethod＼[R]middleburyCollegeworkingpaperSeries1038，middleburyCollege，Departmentofeconomics，2010
[5]Kevin，DHCausalStructureandHierarchiesofmodel＼[R]workingpapers11-01，DukeUniversity，Departmentofeconomics，2011
[6]Hendry，DFeconometrics：alchemyorScience？＼[m]oxford：oxfordUniversitypress，2000387-406
[7]李子奈计量经济学模型方法的若干问题＼[J]经济学动态，2007，（10）：22-30
[8]洪永淼计量经济学的地位、作用和局限＼[J]经济研究，2007，（5）：139-153
[9]Roger，enewDirectionsineconomicmethodology＼[m]Routledge：Backhouse，199486-90
[10]Robert，DaCatechism：mathematicsinSocialSciences＼[J]ReviewofeconomicsandStatistics，1954，36（4）：374-377
[11]Spanos，aStatisticalFoundationsofFconometricmodelling[m]Cambridge：CambridgeUniversitypress，1986660
[12]Spanos，aRevisitingDatamining：HuntingwithorwithoutaLicense＼[J]theJournalofeconomicmethodology，2000，（7）：231-264
[13]李子奈关于计量经济学模型方法的思考＼[J]中国社会科学，2010，（2）：69-83
[14]Hendry，DFDynamiceconometrics＼[m]oxford：oxfordUniversitypress，1995239-295
[15]mayo，DGnovelevidenceandSeveretests＼[J]philosophyofScience，1991，58（4）：523-552
[16]Boland，LmodelSpecificationsandStochasticismineconomicmethodology＼[J]SouthafricanJournalofeconomics，1977，45（2）：182-189
统计学与经济学的关系篇5
[关键词]统计思想；经济工作；影响
[中图分类号]F222[文献标识码]a[文章编号]1005-6432（2014）18-0115-02
1统计概述
统计（Statistics），简单而言便是大量数据的收集、分析、解释和表述。统计是用来科学认识世界的方法。没有系统的学过统计学知识的人认为统计只是简单的加减乘除数字运算。但是，真正的统计学是对研究对象的属性起到辅助描述、揭示的功能，统计揭示的规律和研究对象本身固有的规律不是一回事，真正下结论的还是研究对象本身的变化规律。统计本身不能说明什么，它的功能只是辅助判断，一个数据集能作统计，能估计参数，但不一定能证明什么，统计分析对象的生物原型才是下结论的依据。在统计学领域，统计工作、统计资料、统计科学三者相互联系相互作用共同推进统计结果。统计工作的成果是统计资料，换言之统计资料和统计科学的基础是统计工作。宏观而言，统计科学又是一种经验的高度概括，它是指导统计工作的原则和方法。任何一门学科，都有其建立发展的客观条件，统计学学科亦是如此，它是统计工作的经验、计量经济学方法、社会经济理论结合、发展而来的一种边缘性学科。
随着科技的不断进步，现实生活中统计学的应用越来越广泛，而统计思想也被运用到各个领域。统计思维类似于数学中的数感、符号感。美术中的美感，以及人们对于音乐的乐感、节奏感等。统计思维是一种对于给定的数据以及数据有关的量、表、图的潜意识的反映，面对与数据信息有关的问题时，能本能地从统计的角度进行思考，也就是当遇到有关问题时，能想到去收集数据和分析数据。首先我们应该明确这样一种思想，统计并非是简单的数据运算，它更是一种宏观、现实的处理问题的方法。从统计的特性可以看出，它有数量性、总体性、具体性和社会性。这四点相互联系共同解释了统计在工作中的指导意义。
2统计思想
统计学是一个范围很广的学科，学科下属的各个分支领域也构筑了独特的统计思维。如果将统计思想加以整理划分，主要有以下几点。
2.1估计思想
统计中估计思想是一种重要的预测方法。估计是以样本来推测总体，然后对类似的事物由此及彼的认识方法。这就需要有一种预设，即样本与总体是有着相似的特性，样本能够反映并说明总体。但是在现实运用中，样本往往受到偶然因素的影响，使得结果有所偏离。
2.2拟合思想
对拟合加以定义是指对不同类型的事物之间关系之表象的抽象。任何一个单一的关系必须依赖其他关系而存在，所有实际事物真的关系都表现得非常复杂，这种方法就是对规律或者趋势的拟合。这在实际运用中可以对于一些经济规律加以概括运用。
2.3均值思想
均值是对所要研究的问题的简单重要的概括。均值几乎涉及统计学的所有理论，换言之，它是统计学的基本思想。均值思想指导我们：看待问题要从总体出发，寻求其一般性的规律，避免某些偶然因素的干扰。
2.4相关思想
事物是普遍联系的，这是马克思主义哲学体系中指导事物发展的重要思想。总体又是由很多个体相互联系共同构成的，我们要研究的问题往往是由这些问题构成的基础上演变发展而来的。相关思想指导我们处理解决问题要考察相关变量，在相关变量的共同推动下研究事物的发展变化规律。
2.5变异思想
统计学是通过对所搜集数据的处理得出一类现象的概括性结论。变异思想指导我们，要认清各个单位之间是存在差异的，正是这种差异的存在才让我们需要去考察这些问题。统计学反映变异情况较常用的就是方差的概念。均值与方差共同保证了数据的准确性与可靠性。
3统计在经济建设中的应用
在我国当今经济建设条件下，统计学的应用有所涉及却不够深入。各项统计类研究仍然处于一个表面阶段，如果想进一步加大统计学的应用，还需要各领域的研究人员一起努力。我国特殊的国情与经济现状决定了统计应用的局限性，改革开放以来，我国经济统计方面的管理体制仍然不能满足经济发展的内在需要，基础的薄弱使得很多前沿统计技术无法实施。随着全球经济的开放性，我国经济学家们越来越认识到，我国与其他发达国家在统计领域的差距，而这些差距直接导致了经济等方面的落后。
统计学有助于优化经济学的方法，即促进经济学方法的量化与精确化。经济学需要确定各个变量之间的关系，比如说众所周知的供给、需求、价格之间的关系。而研究诸如此类问题，就需要借助经济学的力量，例如回归分析就是一个很好的工具，而回归分析也是经济学分析中的重要手段之一。在现如今这个信息的社会，无论是宏观还是微观层面，都离不开对信息的获取和利用，统计学对于经济与管理都是非常重要的。统计学的相关知识以及统计思维，能够反映社会发展的基本状况，通常反映的是国家或者地区的资源状况及各项经济指标。统计信息的充分利用，不仅能对事物本身进行定量和定性的分析，一般而言，统计学在经济领域采用定量分析与定性分析相结合。定量分析需要对数据进行分析，借助一些统计软件进行专业分析，对于下年度的经济数据预测是必不可少的。定性分析虽然不需要准确的数据测定，但是它要预测经济走势，就需要对上年度的各项数据进行分析讨论，为经济政策的制定等提供依据。其次各种统计方面的技术，为总结和提炼客观经济现象的数量变动提供方法与指导。经济发展是多种因素共同作用的，由于各种因素是不断变化的，这就会出现很多不同的经济现象，为了对它们进行数据分析就需要借助于各种统计技术，对繁杂的数据进行分析，以便可以从偶然中发现必然。最后，统计学的相关知识可以为检验经济学原理的真实性和完整程度提供基础。任何真理都是相对性与绝对性的统一，经济学的原理亦是如此，这些原理需要经过验证才能成为绝对的真理。因此，任何原理都是与一定的统计检测，检验技术相匹配的。
经济的高速发展要求有一个高速运转的管理体系，而统计学的相关知识更是支撑这项体系的重要素材。我国经济的现状就是，对于数据分析的深度不够，无法挖掘有价值的信息。虽然市场经济体制还在不断地发展和深入，但是很多统计工作还没有长足的发展，还习惯于对数字的简单罗列，缺乏深层次的总结分析。而这些方面更需要统计学的运用。所以重视统计学，重视统计思维就显得尤为重要。
当今形势下，经济所涉及的方面在不断增多，涉及的信息在不断增加，接近“爆炸”的程度。这就给经济的研究增加了难度。我们知道，信息的主要表现形式是数据，同样经济中所出现的问题，也需要通过数据来分析，如此大的信息量唯有通过统计学中的科学的方法进行调查整理，才可以服务以后的研究。
随着经济的发展，统计学将会在经济与管理方面继续发挥举足轻重的作用，无论是国民经济管理还是企业管理乃至个人的生产、经营和决策，都要依赖于统计分析的应用。因为统计思维在推理和预测方面的巨大优势，能够很好地解决现存的这些问题，所以统计思维有着很大的发展前景。
参考文献：
[1]陈时艳.论统计思维的素质化培养[J].福建金融管理干部学院学报，2000（3）.
[2]顾桥，万君康，梁东.管理中统计思维的应用及其培养[J].中南财经大学学报，2000（4）.
[3]李金昌，程开明.经济学研究的统计思想探讨[J].商业经济与管理，2008（4）.
[4]李金昌.论统计功能[J].学术月刊，2012（10）.
统计学与经济学的关系篇6
关键词：经济统计学；热点问题；发展阶段
一、我国经济统计学发展的基本阶段
我国的经济统计学有六十年的发展史，特别是自从改革开放以来是经济统计学发展的黄金时期，在学术以及实际应用领域都取得了巨大的进步。我国经济统计学的发展与我国的社会经济发展一样飞速前进，数理统计学与经济统计学两个分支分别或得了良好的发展，并且出现了两者对立发展的局面。我国经济统计学发展的基本阶段一般概括为四部分：
第一阶段是新中国成立之前，这一时期的经济统计学发展相对来说比较滞缓，涉及领域范围较小，集中在国民收入和国民所得的统计与计算分析。
第二阶段是新中国成立到20世纪80年代，这一阶段是我国现代经济统计学发展的起步阶段。该阶段的研究核心问题是统计学的基本原理以及经济统计分析两大部分。
第三阶段是改革开放到20世纪末，这一阶段是我国经济统计学的高速发展期，掀起了学术界和实际部门对于国民经济核算体系的理论与应用研究热潮，经济统计的核心内容有了明确的界定，为推动我国经济统计学的发展起到了决定性的作用。
第四个阶段是国民经济核算体系的全球一体化发展阶段，这是我国经济统计学的完善阶段，也是我国国民经济核算系统以及经济统计学走向成熟的标志。
二、经济统计学的热点分析及应用
1.统计学的生命力就在于应用，应用为统计学的发展赋予活力
“十五”期间异方差性时间序列问题研究、离散多元统计分析研究、数据挖掘理论研究、异常数据诊断的研究、非参数理论与方法的研究、抽样与非抽样误差理论的研究等将是统计理论研究的热点。知识经济、新经济对统计理论与方法提出更高要求，如何适应电子商务时代统计数据的收集，空间遥感技术的运用等都为统计理论提出新挑战，统计工作者必须创新出适合各种复杂类型数据的统计方法才能适应实践的需求。
2.国家经济安全与金融、保险领域
国家的经济安全及其金融危机的防范问题是中国改革开放中必须高度重视的问题。国家经济安全、金融危机的预警系统的研究是与统计学方法紧密联系的研究热点，投资项目的风险管理研究也将依赖统计学者去研究解决。保险产品的精算理论与实践在“九五”期间得到一定的进展，为这一领域的深入发展奠定了基础，如何将发达国家保险精算的理论与中国保险业实际相结合值得深入研究，尤其是保险精算方法向社会保障领域延伸的研究是中国国情赋予给这个领域的迫切任务。
3.统计学在社会、人口、教育、环境等领域
社会的发展、人口的控制、教育结构的调整与发展、环境的保护等领域存在着大量急待研究的问题，统计学方法是定性与定量研究的有力工具。统计学方法在这些领域将会有广阔的应用前景。
三、经济统计学的重大事件分析
1.对经济统计学学科性质的讨论
对经济统计学界定的讨论交点主要可以概括为两个方面，一个是将经济统计学当作是数理统计学应用于经济生活领域的产物，另一个则是将经济统计学当作是社会经济学的一个分支。两种解释分别将经济统计学的性质定义为数理统计学和社会学科，两者在应用领域、存在形式以及发展前沿方面都存在着一定的差异，也就是说将经济统计学划归到两个领域，都会引起一系列的变化。
2.对经济统计学学科改革的讨论
统计改革对于推动我国经济统计学学科建设预计统计理论的完善具有重要的意义，对经济学学科的研究内容进行了新的界定，统一了研究方向。在统计改革的推动下，具有明显中国特色的国民经济统计学体系基本建立，建立了现代化的统计调查体制与研究方法。而对学科改革的讨论主要是对学科发展前景的讨论，从另一方面来说，经济统计学的发展需要在现有理论的基础上进行改革创新。中国统计体制的改革需要的不仅仅是统计理论的支持，还需要与之相适应的创新研究，这也为进一步扩展我国的经济统计学理论奠定了基础。
3.对经济统计学学科建设机制的讨论
国家统计局主导建立的学科建设机制将对以后的学科建设产生重大的促进作用。相对宽松的学术氛围以及国家的相关鼓励支持政策将会为学术自由发展提供良好的氛围，百家争鸣、百花齐放的学术环境下，专家学者对于统计学理论与实际应用的研究热情会进一步提升。对经济统计学学科建设的讨论主要集中在学科交叉问题上，因为经济统计学涉及到的领域相对较广，而且各部分之间没有明显的主次之分。统计学、概率、高等数学以及经济学常识，这些都是经济统计学存在和发展的基础，也就是说在学科建设过程中难免会出现学科交叉的现象。
经济统计学自产生出现到快速的发展再到成熟完善，靠的不是单方面的努力，需要社会各界、政府以及相关学术研究机构的大力支持与配合。相关研究人员更加应该积极探索、开拓思路，深化经济统计改革，完善理论实践研究。
参考文献：
[1]邱东宋旭光肖红叶：《中国经济统计学60年》纪念中国统计学会成立三十周年暨第十五次全国统计科学讨论会文集，2010（112-132）.
统计学与经济学的关系篇7
关键字空间统计分析；空间自相关；空间关联；区域经济分析
中图分类号C8文献标识码a文章编号1674-6708（2014）119-0129-03
0引言
空间统计学（spatialanalysis）起始于20世纪60年代左右，经过五十几年的发展，已广泛应用于人类生活和发展的各个领域。空间现象不同于传统的统计对象，它们之间存在不同方向、不同距离成分等相互作用。传统的数理统计方法无法有效地解决空间样本点的选取、空间估值和两组以上空间数据的关系等问题。空间统计学的一些基本理论都是在传统统计学的基础上发展起来的。空间统计分析主要用于研究与地理位置有关的数据之间的空间关系，基于空间地理位置利用空间统计分析模型计算空间数据的关联度。它不仅能够进行数值计算，将数据分析与地理位置相结合，既考虑到样本值的大小，又弥补传统统计分析忽略空间方位的缺陷，更能描述和揭示空间数据中所蕴涵的独特的空间信息、关系、格局和过程。
空间统计分析主要分析的内容有基本统计量、探索性空间统计分析、分级统计分析、空间插值、空间回归和空间分类。空间统计数据在地方、区域和全国各级水平的经济发展分析过程中都发挥着重要作用。城市的建设和发展与周边的环境是相互联系和影响的，因此城市布局的空间规律可以运用空间统计分析方法进行系统的计算。基于空间统计分析，可以通过对人均GDp的空间分布模式研究以探讨区域经济发展状况。利用GiS系统开发一个分析空间关联的功能模块，运用度量空间自相关、空间关联的一些空间统计分析方法，可将其应用于区域经济分析的各个方面。
本文首先分析了空间统计学中的基本原理，概念与经典分析方法，介绍了空间统计分析在区域社会经济分析各方面的应用实例，最后展望了空间统计分析的应用前景。
1空间统计分析方法
空间数据基本上都具有定位、定性、时间、空间依赖、空间自相关等特征。数据间的空间关联对传统统计分析中相互独立的基本假设不成立，故在处理离散的区域社会经济数据时，需要引入空间统计分析方法。空间连续数据分析方法包括反距离加权法、简单克里格方法、普通克里格方法以及泛克里格方法。本文探讨了面状数据空间模式分析方法，研究地理位置数据间的空间依赖、空间关联或空间自相关。介绍空间权重矩阵，空间地物其位置邻近关系、确定空间权重矩阵的两个简单标准以及空间自相关的几种最著名的方法。
1.1空间权重矩阵
通常情况下，为体现空间自相关指数，反映空间链接和空间邻近关系，常定义一个二元对称空间权重矩阵w来表达个位置的空间邻近关系。
空间权重矩阵的建立规则可以分为三类：一是根据相邻关系；二是根据距离关系；三是选择最近的个点（不论距离远近）。空间权重矩阵可以用来衡量空间位置之间的空间关联程度。
1.2空间自相关度量
空间自相关指同一变量在不同空间位置上的相关性。与区域社会经济相关的各方面因为受到地理分布上具有连续性的过程所影响而在空间上具有自相关特征。空间自相关指数能够对变量空间分布的自相关强度进行检验，空间自相关分析可以包括全程空间自相关分析和局部空间自相关分析。全程空间自相关用于分析整体范围内某一属性是否具有自相关性。局部空间自相关用于分析局部地区某一理现象或某一属性值是否具有自相关性。
1.2.1全局空间自相关
全局空间自相关一般用moran系数和Geary比率来度量。
morani指数反映的是空间邻接或空间邻近的区域单元观测值的相似程度，其公式为
moran指数i值取值一般在之间，小于零表示负相关，大于零表示正相关，等于零表示不相关。
Geary系数等方法也是可选择的统计指标，它与moran指数是负相关关系。
对于moran指数，可计算检验统计量标准化值Z来判断n个区域是否存在空间自相关性，如公式（4）所示。
当Z值为正且显著时，表明存在正的空间自相关，即相似的观测值趋于空间集聚；当Z值为负且显著时，表明存在负的空间自相关，即相似的观测值趋于空间分散；当Z值为零时，则呈随机的空间分布。
1.2.2局部空间自相关
一般而言，全局moran系数可以很好的反映观测值全局的空间相关情况。而观测值的局部特征往往在全局评估中被掩盖了。当需考虑局部特征时，就需要引入局部空间自相关指标。常见的指标包括：空间联系的局部指标、G统计、moran散点图。这里主要介绍moran图和LiSa。
1）空间联系的局部指标LiSa
LiSa包括局部moran指数和局部Geary指数。局部moran指数i被定义为：
式中，。当i>o时表示该区域单元周围相似值的空间集聚，当i
空间联系的局部指标满足下列两个条件：（1）每个区域的LiSa是描述其周围显著的相似值区域空间集聚程度的指标；（2）所有LiSa总与全局空间联系指标成正比。
局部指数Localmoran’si可以将空间关联模式为四种类型，分别与moRan散点图中的四个象限相对应。正的空间关联包括两种类型：“高-高”关联和“低-低”关联。而负的空间关联也有两种类型：“高-低”关联，或者相反的“低-高”关联。
2）moran散点图
moran散点图以（，）为坐标点，常用来研究局部空间的不稳定性。对相邻域单元观测值的空间加权平均值（又称为“空间滞后”向量）和数据（所有观测值与均值之间的离差组成的向量）进行了可视化的二位图示，构成散点图。对moran指数以及外值具有强烈影响的区域，可通过标准回归诊断出来。
moran散点图中第一、三象限代表正的空间联系，第二、四象限代表负的空间联系。“moran显著性水平图”可以由将moran散点图与LiSa显著性水平相结合得到。
1.3空间统计分析与GiS集成
地理信息系统数据库中存储了海量的数据及信息，如能与空间统计分析方法有效集成，提高其空间分析的能力，必将大大拓宽GiS数据库的知识发现和在GiS分析决策上的应用。从而更深入地探索、分析、处理和解释与经济发展相关的各地理特征之间的相互关系。完成空间统计分析与GiS的集成，要在现有成熟的GiS系统中，嵌入空间统计分析功能模块，充分的利用GiS强大的可视化和交互功能，实现区域社会经济数据的空间化统计。
2应用实例
人均GDp是反映区域经济发展整体水平的重要指标，故在探讨区域经济发展水平时，多采用GDp数据以了解经济发展水平的好坏。经济持续增长是一个国家和地区长期追求的目标，也是区域经济持续发展、社会福利增进和政治稳定的前提条件，历来受到各国和地区政府、学术界长期关注和普遍重视。随着理论和实践的发展，有关的理论研究也日益深化。利用空间统计学知识对经济学和经济地理学从不同的角度对经济增长和区域差异的理论做研究已成为重要应用之一。
研究区域经济差异可通过对个地域年平均GDp增长速度进行分析。这里作者将给出两个研究实例以帮助分析应用的过程与技术关键。根据计算出的全局moran系数各个区域的mC可以大致说明空间统计分析方法计算经济区域内存在的空间关联的有效性。首先需要按要求生成一个空间权值矩阵，再计算数据集中的空间自相关性质和强度。同时进行显著性检验（一般取0.05）。又称可进一步分析得到局部区域的moran系数以考察各个区域之间存在的局部空间经济关联模式。
2.1分析湖南省长沙市经济增长速度及区域差异
实验数据为1988～2009年长沙市内五区的GDp数据。实验方法为：计算各个区年平均GDp增长速度，在计算全局的moran系数、各县市的局部mC系数，并借助局部moran系数散点图来确定空间显著特征点。
在生成空间权值矩阵的过程中，首先采用邻近多边形列表来表示区域单元空间邻近关系。在生成邻近多边形列表后，可计算数据的moran系数、均值及检验统计量标准化值Z，得到数据集中的空间自相关。可以得到1988～2009年长沙市各区GDp年平均增速之间存在显著的正的空间自相关。再计算各个区局部moran系数及检验统计量可以考察区域经济的局部空间关系。通过与GiS集成，可将上述的空间统计方法集成到一个arcView中使用的一个模块，为经济决策提供一个种灵活方便的、交互式的可视化支持工具。
2.2分析1978―2001年全国各省区人均GDp水平
实验数据选取1978～2001年中国大陆31个省区的人均GDp（可比价）统计数据，采用自然对数变换方式，对人均GDp进行数据变换以减小变幅来用于空间数据统计分析。
实验方法为：先各省份的人均GDp数据计算morani指数，检验建立在正态分布假设之上，分析各省份人均GDp水平的空间聚集特征，再计算moran散点图以分析对样本全局相关性影响较大的几个省份及各省份空间自相关性的正负，揭示全国经济发展区域分异的空间格局及演变过程。最后，由LiSa分析来进一步探究显著性水平较高的局部空间集聚指标。
实验结果可以得到东部发展水平高，西北、西南发展水平低，且它们在空间上都趋于集聚。集聚的发达地区主要集中在以北京和天津为核心的环渤海区域，以上海为核心的长江三角洲地区，和以广州、深圳为核心的珠三角地区。
2.3分析湖南省县级及以上城市人均GDp分布的空间分布模式
实验数据位为湖南省县级及以上85个城市的“人均GDp”的统计数据。实验方法为先提取数据总体特征，再分析分布的局部特征。
首先用spss软件对实验数据镜像快速聚类并结合标准化z分数将人均GDp指标分为5个级别，使用arcGiS查看分类结果。计算人均GDp统计数据的morani指数值，随机选择999中变化进行检验，接受零假设-空间自相关性不显著的概率仅为0.0010，即认为拒绝零假设，表明全局分布具有较强的正自相关，有显著的空间聚集。再将Localmoran系数的显著水平较高的空间单元计算空间关联类型，最后得到湖南省东部、中部和西部区域城市存在的或正或负的空间关联模式。
3应用前景
区域之间存在的扩散和极化效应，会改变区域空间的差异，传统的数理统计分析通常不能获取这些空间数据的空间依赖性和关联性。对于空间数据的分析与处理，运用传统的统计方法，会在空间关系和数值的相关性上产生很多的问题。空间统计分析方法既考虑了样本的值，又重视了样本的空间位置和空间距离，比传统统计分析方法更适合分析地理空间问题。随着观测技术和计算机技术的发展，空间信息及其处理能力已经得到了很大的提升，利用空间信息分析的理论和方法，有利于人们了解和把握地球与社会的空间运动规律。本文介绍的空间统计分析方法表明了分析区域经济的过程中地理位置的重要性，在分析空间关系的基础上进行数值的相关分析，充分考虑空间的相互作用，更为科学合理地展示了区域社会经济分布情况。基于GiS建立空间统计分析功能，采用空间统计方法研究空间关联数据，更加直观和深刻地展示出了区域经济发展的空间分布特征。
在GiS中嵌入空间统计分析模块，利用空间统计分析的方法计算得出的结果，发挥了GiS技术作为一种交互式的、可视化的决策支持工具的优势，使得空间统计学方法能比传统的分析方法更好的对区域社会经济进行研究与分析。在大多数的区域研究中，相对独立的经济区构成了分析的重要基础。在未来研究中可以研究核心区与邻近区域之间可能存在的以下几种空间经济关联：扩散效应；离心效应；极化效应；无关性。如何可以更好地理解空间因素在经济分析中的高级应用，更好地适应区域经济分析对空间统计分析方法加以改进，更好的利用GiS这门科学技术对区域经济准确高效的统计，提升空间统计精度和效率，将是今后发展的重点。
参考文献
[1]余加丽，余志伟，胡青峰等.空间统计分析在区域经济中的应用研究[J].山西建筑，2008，34（8）：1-2.Doi：10.3969/j.issn.1009-6825.2008，8，1.
[2]陈斐，杜道生.空间统计分析与GiS在区域经济分析中的应用[J].武汉大学学报（信息科学版），2002，27（4）：391-396.Doi：10.3321/j.issn：1671-8860.2002，4，13.
[3]单宝艳.基于空间数据库的山东城镇发展水平的空间统计分析[J].测绘科学，2008，33（4）：121-123，112.Doi：10.3771/j.issn.1009-2307.2008，4，41.
[4]宋琳，董春，胡晶，等.基于空间统计分析与GiS的人均GDp空间分布模式研究[J].测绘科学，2006，31（4）：123-125.Doi：10.3771/j.issn.1009-2307.2006，4，43.
[5]陈斐，杜道生.空间统计分析与GiS在区域经济分析中的应用[J].武汉大学学报（信息科学版），2002，27（4）：391-396.Doi：10.3321/j.issn：1671-8860.2002.04.013.
统计学与经济学的关系篇8
关键词：数学；经济；发展
中图分类号：F0文献标志码：a文章编号：1673-291X（2014）27-0013-02
前言
数学是一门对于经济发展有着重要推动作用的自然学科，在经济发展的研究中数学是一种重要的理论知识与方法，从历年来的诺贝尔经济学奖获得者名单中可以看出，多数获奖的学者都不是将数学方法与经济学巧妙结合起来的。几乎所有的获奖者都具有深厚的数学功底，并且有很大一部分人是著名的数学家。可见数学对于经济学发展的研究有着重要意义。
随着经济学的发展与深化，在研究经济学问题的时候许多经济学家越来越重视数学模型的建立以及计量分析来进行实证检验，通过研究具体的条件来保证结论的可靠性，一般来说进行推理分析不能仅仅依靠文字的表述，这样是无法保障问题的前提具备规范性与严密性的，对于结论的易证实性与准确性也无法保证。因此现代经济学中，越来越多的人将数学作为一项重要的分析工具。在现代经济学研究中，数学成为一项必不可少的工具，如果不了解数学的相关专业知识就无法准确地把握概念的内涵，对于经济发展的研究也就无从谈起，因此进行现代经济发展的研究，应当尽可能多地掌握数学知识。
一、数学对于经济发展的作用与意义
（一）数学对于经济学的作用
在经济发展中，经济学有着基础的支撑作用，而数学在经济学中的应用越来越广泛。作为一种分析框架，现代经济学的前沿观点都很大程度上包含了数学的统计方法与模型建立。在理论研究与实证研究两个方面，现代经济发展的研究都非常依赖数学的作用。
数学模型对于经济发展的理论研究有着以下三个方面的优势：首先，通过数学语言可以非常清楚地表达出已知假设；其次，数学具有逻辑推理严密性的优势，可以对于许多漏洞进行避免；最后，通过数学模型与数学定理推导出许多可靠的结果。许多结果在平时是无法通过直觉加以推导的，因此在理论研究方面，经济发展的数学模型应用可以起到非常好的效果，并且对于已有的研究基础进行下一步拓展，通过更深层次的研究将许多问题联系起来。
而在实证研究的领域，通过使用数学的统计方法可以达到以下几个目的：首先，数学模型可以发展出经济研究领域中的定性与定量分析模型；其次，证据的数量化使得实证分析具有系统性与一般性；最后，统计方法更加先进，对于现有的数据可以进行最大限度地使用。基于这些原因，实证经济学研究通过数学与统计方法可以在理论的基础上实现实证分析，定量的检测系统的数据，对于实证分析中存在的偶然性与表面化加以减少，最后得出定量的结论，这对于统计学以及经济发展都有着重要意义。
在经济学中缺乏应用数学的话，那么现代经济学就无法取得当前的发展。数学对于许多经济学的概念定义有着基础性作用，数学语言可以更加精准地对于经济现象与经济行为进行表述。对于经济规则的逻辑关系，通过数学表达式可以进一步加以揭露，当前许多经济问题都是通过数学模型的建立来加以解决的，并且其结论也是按照数学的语言逻辑来加以推导的。因此数学知识是理解相关概念内涵的关键，对于相关问题的探讨也应当以此为基础。在经济发展的理论分析中，数学有着更加重要的作用，其分析的逻辑更加严谨，能够阐明经济结论成立的边界与适用范围，对于理论结论的成立提供准确的条件；其次，语言更加准确和精炼，前提条件的假设更加清楚，对于许多含混不清的争议可以避免。对于现有的经济理论可以有效地加以改进与推广，通过数学可以得到更加直观的结论。
（二）数学在经济学应用中的意义
数学是基于实证研究而出现的，其诞生是为了服务科学研究以及人类的社会活动，而大量普遍而又复杂的数量关系存在于人类的经济活动中，也就是说，数学对于经济活动从事者来说是一项必要的工具，对于经济学科的研究更加不可或缺。文章从经济学数学化的角度进行分析，数学对于经济学应用的意义。
第一，数学在经济学中的应用使得经济学得以进一步发展。在经济学的发展历程中，每一次重大突破都有数学的突出贡献。在经济学的发展史上，亚当斯密所创设的看不见的手的经济理论，将市场经济中的内在规律揭示出来，使得人们对市场经济的研究有了更深一步的认识。这一经济思想是应用了一系列现代数学工具所得出的完备证明。通过其他许多案例可以发现随着数学的发展，人类经济行为中最为难以把握的问题都可以通过数学来加以突破，在经济学中，数学的应用也使得两者的关系不断得到强化。
对于传统经济学，通过数学的思维方式与论证方法可以进行彻底的改造，使得旧有的研究方式向新的研究方式转变，现代经济学的发展得到了质的突破。经济学理论的变革需要数学思维方式来推动，如经济学中的风险与不确定性可以通过概率统计中的相关因素来加以确定，使得人们对于未知经济现象的认识进一步加深，并且现代许多经济学理论也是据此诞生的，包括金融理论与保险理论等。因此数学在经济学中的应用使得两者取得了更大的发展空间，对于经济学中的研究对象，通过数学可以进一步使其具体化，经济变量的关系也可以进一步量化，并且逻辑推理更加缜密，在理论上最终能够保障得到具体明确的结论，经济学理论的科学性也就越强，经济发展也就朝着科学化的方向迈进。
第二，数学在经济学中的应用可以使得经济学不断向数学靠拢。在经济学中的数学化应用，可以使得两门学科的关系不断拉近，对于人们在经济研究中的思维模式可以很大程度上加以改变，思维与行为中的定量特性也就不断加大，即使无法通过数学来准确地说明许多经济现象，但是数学仍然是一门最严谨的学科，而许多语言应用往往存在不够严谨的缺陷。
在数学领域中，将未经证明的命题作为定理是无法存在的，一般来说都是以假说的形式来对于未经统计检验的理论观点进行描述的，当前理论研究与经验研究是经济学研究的两个核心部分，一般来说在经济学领域的理论研究，数学方法较为严谨，对于一个假说的证明具有较强的科学性；而经验研究方面，通过统计数据以及经济计量模型对于相关假说进行统计。并且数学理论对于经济学理论有着非常强的影响，对于经济现象中越来越多的经济变量，通过模型建立来进行研究，对于其中的关键变量之间的关系加以系统表达。
第三，数学在经济学中的应用可以加深经济学的严谨性。一般来说，采用数学形式可以使得经济学朝着更加严谨化、和精密化的方向发展，定性与定量分析紧密融合是将来经济学发展的趋势。人们对于经济发展的研究从计量经济学以及数理经济学的角度出发，逐渐进入科学的时代，对于经济分析可以通过数学来加以简化，通过数学表述来减少文字表述所带来的各种不确定性。
采用一定的数学形式，使得经济学逐渐走向精密化与严谨化的方向，最终将经济学转变为一门定性与定量分析的学科。作为最严谨的逻辑形式，数学语言的表达直接明了，难以产生歧义，可以被证伪。因此经济学的数学化趋势使得经济研究的水平不断提高。
二、数学知识在现代商业经济发展中的作用
在古代商业经济中，数学知识的应用较为简单，一般来说加减乘除等基础知识就足够了，但是基本数学知识的运用对于古代商业经济的发展仍然是至关重要的。在古代人们的日常生活中，对于数学计算的重要性已经非常重视，许多大宗货品的交易对于计算速度的要求越来越高，对于商业发展来说，数学应用起到非常重要的作用。
与古代商业经济发展中数学知识的应用相比，现代社会生活中人们的数学知识应用更加复杂，而且范围更广，当前数学已经发展成为一个非常重要的自然学科体系，具有完备的理论系统，在生活中不仅需要加减乘除，而且在许多生活中，高级数学知识的应用越来越广泛。
当前市场经济发展中，数学知识应用的一个重要领域在于商品促销。根据实例研究，在市场调查过程中，利用统计方面的数学知识可以有效地对于各种经济现象进行分析。并且在其他活动中，例如促销活动中，对于促销产品的销售情况加以统计，对于利润模式进行研究同样需要数学知识。在商业经济活动中，数学知识有着非常重要的运用，特别是销售工作中，对于利润与成本关系的计算，对于各种影响变量的分析，都能够对于经济利益加以有效反应，对于销售利润以及变量之间的函数关系最终得到最佳的经济方案，这是数学在经济活动中应用的具体体现。
除了函数数学知识的应用之外，在许多高科技领域中，数学知识的应用更加深入，在金融行业中许多复杂的数学知识起着关键作用，数学知识对于国民生产总值的运算以及各种经济系数的分析，都可以对于中国经济发展的整体变化进行充分揭示，对于中国经济发展的客观情况进行准确描述，使得国家宏观经济发展规划更加合理。经济学是现代数学应用最为广泛的一个学科，而现代商业经济的发展离不开经济学的支撑，对于国民经济发展的各个相关领域的系数，国家的统计部门都需要进行相关分析，也需要对于数学知识加以合理利用。
统计学与经济学的关系篇9
关键词：计量统计模型；向量自回归模型；经济增长；脉冲响应函数；方差分析
中图分类号：F224文献识别码：a文章编号：1001-828X（2016）033-0000-01
随着计量统计学与经济学知识的相互融合，各种计量统计模型在经济增长问题中的应用越来越广泛，这里主要通过向量自回归模型来探讨计量统计模型在其中的应用。
一、VaR模型在经济增长问题中的应用
首先抽取统计数据，确定相关变量，然后建立向量自回归VaR[1]模型，并用Johansen协整检验、脉冲响应函数与方差分解[2]等方法对多个自变量的相关性进行了实证研究。VaR模型是进行多个自变量的分析时最易操作的计量统计模型，经常用于预测相关时间序列，并分析随机扰动项对变量的影响，进而说明各种因素对变量造成的影响。此外运用VaR模型的优势在于可合理地描述变量间的互动关系，而无需事先对变量的外生性和内生性进行辨别。本文以高等教育的投入和教育规模与经济增长之间的关系为例进行说明。
1.自变量选择、数据处理
通常以地区生产总值（GDp）来代表经济增长，而收集到的数据是绝对数据，因此会受通货膨胀等因素的影响。将数据换算成某年的不变价格，然后以某年为基期来计算，用以剔除通货膨胀等因素的影响。为了消除异方差，从而更好的分析某省教育投入（eDU）、教育规模（SCa）、地区生产总值（GDp）之间的关系，对eDU、SCa、GDp取自然对数，分别用ineDU、LnSCa和inGDp[3]表示。
2.平稳性检验
在估计VaR回归模型之前，因为现实中的经济时间序列一般均为非平稳的，采用传统的计量统计学知识去建立模型，较容易产生虚假回归[3]的现象。因此我们需要对各个变量进行aDF检验，若各个变量存在单整阶数，而且阶数相等时，这样才可以有效地确定多个变量间的相互关系。
3.VaR模型建立
运用通过平稳性检验的变量建立VaR模型。传统的计量统计方法不足以说明变量之间的动态关系，同时内生变量在方程两端均有出现，将会使判断和估计变得特别复杂。为了解决这些问题，ChristopherSims[1]于1980年提出了VaR模型，并运用到经济学中，使经济系统动态性分析加速发展，进而解释各种自变量对经济增长形成的影响。
VaR（p）模型的数学表达式[1]是：
Yt=a+p1Yt-1+p2Yt-2+…+ppYt-p+Ut
其中，Yt是包含多个内生变量的列向量，这里内生变量就是指教育投入、教育规模和经济增长，p是滞后阶数，t是样本个数。pj是n行n列的系数矩阵。Ut是随机扰动项，j=1，2，…，n。
4.VaR模型的稳定性检验
对上述建立的VaR模型进行稳定性检验，如果模型中aR特征多项式的全部根的倒数值都在单位圆内[4]，说明VaR模型是稳定的，则可以说这个VaR模型是有效可靠的，能够进行接下来的脉冲响应和方差分解分析。
5.Johansen协整检验
Juselius与Johansen[1]共同提出了以VaR模型为基础的检验回归系数的方法。进行多个变量协整检验采用这种方法更为合适。此方法是为了说明各变量之间是否存在长期稳定的均衡关系。运用Johansen检验法对各变量进行协整检验，建立标准化的协整方程，通过系数看出各变量间的均衡关系。
6.Granger因果关系检验
由Johansen协整检验可得，某自变量与经济增长存在长期的协整关系，但这种关系是否是一种因果关系，需要进行Granger因果关系检验。Granger因果关系检验[1]是检验一个变量的滞后变量是否能够引入到其他变量中。若某个变量受到其他变量的滞后影响，则称它们具有Granger因果关系[5]。
7.脉冲响应函数与方差分解
为了更加明确多个自变量与经济增长之间的动态关系，在分析VaR模型时，实际上是考虑一个脉冲项发生变化进而对整个系统的影响程度，这就是脉冲响应函数分析法。方差分解帮助我们了解每一个结构冲击对内生变量变化的贡献度[6]，用以分析不同结构冲击的重要程度。
二、小结
本文以计量统计学中典型的VaR模型为例，说明了计量统计模型应用在经济增长问题中的具体步骤。在计量统计学中，还有很多的统计方法适用于经济问题，比如主成分分析法、层次分析法等等，大家都可以此为例进行展开学习与应用。运用计量统计学分析各因素如何影响经济增长，为制定经济政策的参与者提供好的建议，提升计量统计学的现实意义。
参考文献：
[1]王少平.计量经济学[m]高等教育出版社，2011：1-992.
[2]张晓峒.eviews使用指南与案例[m].北京：机械工业出版社.2007：84-87，121-122
[3]邓媛，李瑞光.VaR模型实证分析云南省教育投入与经济增长的关系[J].2009（2）：1-6.
[4]马鹏媛，米红.高等教育规模与经济增长关系演变的实证研究[J].2012（2）：1-5.
[5]蔡文伯，程璐.新疆教育增L与高等教育规模VaR模型[J].2012（12）：1-3.
统计学与经济学的关系篇10
关键词:大数据；经济统计；专业建设
当前，大数据已经渗透到社会、经济、政治以及文化等众多领域。大数据在给各行各业带来了新的历史发展机遇的同时，也将给各行各业带来新的挑战。显然，对高等教育来讲也同样如此。相应的，对直接服务于经济统计人才培养的经济统计学专业建设来讲，迫切需要回答的问题是，在新形势下，专业建设遇到新的挑战又将是怎样的呢？进一步的，为了积极应对新的挑战又需要对旧的培养模式进行怎样的修正和改进呢？从现有的文献资料看，虽然学术界已经积累了大量与（经济）统计学专业建设相关的研究成果（如庞皓，1991；曾五一，1999；曾五一和尚卫平，1999；曾五一等，2010；朱宇兵，2009等），但基于大数据背景对这些问题较为深入的研究还比较缺乏，本研究则可以视为是对此进行弥补的一个努力尝试。
1经济统计学专业建设的发展现状
从某种意义上讲，经济统计学是一个新的专业。2012年10月，教育部颁布了《普通高等学校本科专业目录（2012年）》。在新专业目录中，除保留统计学为理学类一级学科（包括统计学和应用统计学两个二级学科）之外，在经济学类的经济学一级学科下增设经济统计学。正是在这样的背景下，目前我国高校经济统计学专业的开设一般有两种情况，一种是新专业目录颁布后新设立的，如中央财经大学、对外经济贸易大学、西南政法大学以及中南民族大学等；一种则是由原来的统计学专业更名而来的，如中南财经政法大学、天津财经大学、江西财经大学、南京财经大学以及中央民族大学等。从发展历史过程看，经济统计学并非是一个全新的专业，而是由以前的统计学专业发展而来。在1998年9月国家教育部颁布的《普通高等学校本科专业目录和专业介绍》中，统计学被列为理学类一级学科，但可选择授予经济学或理学学位。在这种背景下，根据具体的办学条件和偏好，各高校采用了不同的教育模式，一类是强调各类统计学所具有的共性。它肯定统计学的“理学性质”，按照理学类学科的特点设置课程。另一类则是强调各类统计学的个性，如财经类院校统计学专业（曾五一等，2010）。前者的数量较少，它是将统计学作为应用数学的一个分支来看待，所开设课程主要是数学和各种数理统计方法。后者数量占有绝大的比重，其专业方向包括国民经济统计、经济统计、管理统计、金融证券统计等（李宝瑜，2004）。从我国统计学学科建设的发展过程看，其特征主要表现为两个转变，即从起初的侧重理论培养向当前的强调实际应用转变以及从起初的主要服务政府部门向当前的主要服务社会企业组织转变。由于新专业目录颁布时间还很短，经济统计学专业还没有建立起新的培养模式，主要还是其前身———（经济学方向的）统计学——培养模式的一种延续。从我们掌握的资料看，目前各高校经济统计学专业的培养方案还主要是参照1998年《普通高等学校本科专业介绍》制定的，其培养目标是所谓的“复合型人才”，即具有坚实的经济理论基础，既懂数理统计方法、又懂经济统计方法，并能熟练掌握现代计算手段的经济统计人才（曾五一等，2010）。这种人才既是统计人才又是经济管理人才，不仅能胜任基层企业和政府部门的日常统计业务，而且能从事市场调查、经济预测、信息分析和其他经济管理工作。相应的，在具体的课程体系构建和安排上，各高校大都贯彻了“大统计”的学科观点，遵循“厚基础、宽口径、重应用”的复合型人才培养原则（向书坚和平卫英，2010），即在强调较为完整系统地介绍统计学主要理论和分析方法的同时，还强调其与经济学其他学科的密切联系，按照经济类学科的特点设置课程。也就是说，经济统计学专业的课程设置具有显著的二元性特征。从各高校的具体设置看，统计学方面的课程一般有数学基础课、概率论、数理统计、运筹学、随机过程、回归分析、时间序列分析、多元统计分析、抽样调查、非参数统计、统计预测与决策等；而经济学方面的课程一般则有微观经济学、宏观经济学、会计学、国际经济学以及与专业方向（如国民经济统计、财务会计统计、金融证券统计等）有关的课程。此外，和其他专业一样，经济统计学也重视学生应用和创新能力的培养，特别强调本专业的毕业生应该具有熟练地采集数据和应用计算机分析、处理数据的能力。因此，excel、SaS、SpSS等常用软件的学习和训练也通常以实验课的形式被纳入到课程体系中。但是，要注意的是，我国各高校在制定或修订经济统计学培养方案时，有意或无意地忽视了当前随互联网技术日新月异带来的大数据海量涌现。而由于大数据和传统数据存在显著的差异，各高校现有的经济统计培养模式可能需要做出重大调整。
2大数据带来的挑战
大数据之所以在众多领域里引起关注，其根本的原因在于大数据蕴含着巨大的潜在价值。相对于传统的标准化数据，大数据不仅体量庞大、产生速率极快，而且也更为全面（甚至是整体数据）。因此，大数据的分析结果也更接近真实。换句话说，大数据分析往往意味着人们能够从这些全面的数据中获取新的洞察力，从而更有可能创造出新的价值，进而带来更大的发展。大数据蕴含的巨大潜在价值，势必将打破现有的数据边界，使大数据逐渐成为经济统计分析的主要对象。由于大数据与传统的标准数据存在显著的差异，对未来的经济统计工作而言，大数据势必将带来新的问题或挑战。简要地说，大数据带来新的问题或挑战主要来自于两个方面，即：
（1）数据来源问题。与传统数据主要来源于抽样调查或组织内部不同，大数据是互联网高速发展的产物。随着科技环境的巨变———个人电脑的全球普及，移动智能终端的盛行，物联网和社交网络的爆炸式发展，以及数以千万计的联网传感器节点在交通、汽车、工业、公用事业和零售部门等的广泛分布，这些都让数据的生产和收集的途径更为多元、更为广泛。不过，需要特别注意的是，由于其蕴含的巨大潜在价值，大数据已经成为了可以与物质和人力资本相提并论的重要生产要素和组织资产。相应的，对各类逐利组织（尤其是企业）来说，不仅需要考虑如何收集到大量的有效信息，同时也希望这些信息为其独自所占有，如最近阿里巴巴封杀微信、京东，断绝与社交网络新浪微博的账号合作。这种电商行业“封杀”现象的出现，其理由看似是如这些企业所宣称的那样为了保护公司的信息安全，但背后的根源其实是担心自身的内部商业信息通过互联网泄漏，担心用户流量的命脉被他人掌握。因此，在大数据时代，如何解决数据的封闭性问题将是经济统计工作数据收集面临的一个重要挑战。此外，对经济统计人才来讲，由于数据不再仅仅是标准结构的，资料收集新技术的开发和掌握也成为一种迫切的需要。
（2）数据分析问题。由于数据更多的是半结构化或非结构化的，传统的经济统计分析工具和方法可能不再有效。就大数据分析而言，经济统计工作需要解决的问题是如何从体量庞大且杂乱无章的各类数据中挖掘有效信息以创造新的知识和新的价值。在以前，数据很大程度上是指“数字”，如业务量、营业收入额、利润额、工业企业产值、固定资产投资、GDp等，都是一个个数字或者是可以进行编码的简单文本。而在大数据时代，人们不再是隐藏在终端和网络后面的隐形者，购物、社交、游戏、阅读、出行等信息都变成数据被收集到各种各样的储存设备中。而数据也不再是单纯的“数字”，还包括文本、图片、音频、视频等多种格式，其涵括的内容也更为丰富，如博客、微博、通话录音、位置信息、交易信息、点评信息、互动信息等。也就是说，数据不再只是结构化的，更多是广泛存在于社交网络、物联网、电子商务等之中的半结构化数据和非结构化数据。随着数据越来越大，越来越复杂，增长越来越快，要想建立和保持竞争优势需要对数据进行实时、有效的分析。而由于数据更多的是以半结构化和非结构化形式出现，过去传统的数据分析技术可能无法实现实时监测和分析。
3应对措施及建议
从个人服务到商业运营，从医疗卫生到公共教育，从城市交通到公共管理，大数据已开始撼动世界的方方面面。在带来新的发展机遇的同时，大数据时代也向包括经济统计在内的众多领域提出了众多挑战，需要做好充足的准备及应对。具体到与人才培养息息相关的经济统计学专业建设，我们认为需要从以下几个方面做出必要的变革：
（1）树立市场意识，避免人才培养与现实需求脱节。从目前的实际情况看，我国高校经济统计人才培养与市场需求之间或多或少存在一定程度的“学”“用”脱节，还没有全面实现学以致用。一方面，以企业为主的各类组织对经济统计人才需求非常急迫，如最近一份针对近千家企业和从业人员的调查显示，97.9%的企业认为数据分析对电商运营很重要，超过半数的企业表示数据分析能力欠缺，同时有近60%的企业希望专业数据分析人才加入，并愿意为此支付更高薪资；①另一方面，无论是课程体系还是教学内容以及教学方式，现有模式基本上是以传统数据为对象的。换句话说，在现有培养方式下，学生掌握的数理统计和经济统计方法可能无法满足大数据的分析需要，如传统的统计分组、频数分布等数据整理方法显然难以完全适用于图片、音频、视频等非结构化数据。因此，要真正做到“厚基础、宽口径、重应用”，则需要根据经济发展的需求设置教学计划、更新落后的教育内容、采纳现代化的教学手段，需要注意与其他学科之间进行充分的交流与融合，跟上当代社会科学的杂交化、整体化趋势发展的步伐。
（2）经济、统计与it相融合，优化课程体系。在大数据的洪流中，数据分析是否能够带来新的洞察力、创造新的知识和价值，取决于从业人员是否掌握大数据收集、管理、分析和开发的相关特定工具。从我国高校经济统计学专业课程体系看，专业课程设置主要包括经济类基础课程与专业主干课程两大基本模块。虽然各高校都强调遵循“厚基础、宽口径、重应用”的复合型经济统计人才培养原则，也主张将理论方法的教学与计算机软件紧密结合起来（如“统计学导论”选用excel，“应用多元统计分析”选用SpSS，“计量经济学”选用eviews等软件作为计算工具），但在大数据的开发和应用日益成为新潮流、新趋势的背景下，仍然很少看到有高校在经济统计学专业中开设独立的、专门涉及大数据技术的相关课程。因此，根据现实人才需求的新变化以及大数据技术的不断进步和升级，我们应该对经济统计学专业的课程体系进行必要的调整，即根据大数据分析的内在需要，在经济学和统计学相关课程之外把大数据技术相关的课程纳入到现有体系之中，实现“经济、统计与it”三方面内容的平衡和融合。在大数据时代，虽然经济统计所包括的主要工作仍然是数据收集和数据分析等，但是其内容却发生了翻天覆地的变化。如收集数据不再依赖于随机采样，而是需要利用多个数据库来接收发自客户端的数据，并导入到一个集中的大型分布式数据库。相应的，数据存储和预处理以及数据挖掘和分析也都是以分布式数据库为工作对象的。考虑到本科教育的基本要求与技术的实际发展水平以及通用性等，在Hadoop、noSQL、HDFS等目前较为常用的大型数据分析软件和工具中，我们建议至少增设Hadoop方面相关的课程。
（3）与时俱进，加强师资队伍培养。能否把本专业的学生培养成为复合型的应用人才，取决于是否拥有一支高素质的教师队伍。随着大数据及其应用成为一种新的潮流和趋势，经济统计的专业教师团队建设也需要做出相应的调整和变革。从教师队伍的结构看，由于经济统计学专业发展的过程使然，目前我国各高校该专业的专业教师以具有经济学或统计学学科教育背景的教师为主，而具有信息技术教育背景的教师还非常稀少。由于大数据及其应用需要融合经济、统计以及it等多个领域的理论、方法和工具，因此对经济统计专业建设而言，当前最为迫切的是，需要建设一支教育背景涵盖上述三个领域的结构合理的教师队伍。而实现的途径无非是两种：一方面是在全校范围内进行挖潜，重新组合和配置教师资源以优化经济统计专业教师团队；另一方面则是实施“请进来”战略，加大力度引进海内外优秀人才。在内部挖潜和外部引进的同时，专业教师团队建设还应该努力创造一个良好的人才成长环境，鼓励教师积极“走出去”，到国内外高水平大学进修和学习，鼓励教师不断以新的知识充实、提高自己，以此来不断提高本专业的教师质量和水平.
参考文献
[1]李宝瑜.统计学一级学科建设中的若干问题[J].统计研究,2004(8).
[2]庞皓.经济统计学课程体系改革的方向[J].统计研究,1991(1).
[3]向书坚,平卫英.30年来我国财经类院校统计学专业本科课程设置的历史回顾与展望[J].统计研究,2010(1).
[4]曾五一.关于经济管理类统计学专业课程体系设置的几点意见[J].统计教育,1999(8).
[5]曾五一,尚卫平.关于经济统计学若干问题的思考[J].统计研究,1999(11).
[6]曾五一,肖红叶,庞皓,朱建平.经济管理类统计学专业教学体系的改革与创新[J].统计研究,2010(2).