Chapter2条件期望及现代观点下计量经济的基本理念和理论基础Chapter2现代观点下计量经济的基本理念和理论基础§1问题的提出从数据谈起模型、数据哪个是第一位的？传统观点是模型第一位，现代观点认为数据是第一位的。我们不应当假设数据满足模型的条件，而应当要求模型适应数据的特点，这是现代观点下计量经济的出发点。a.如果手头有一些数据，，它能告诉你什么？什么也没有！因为我们不知道数据来源背景，从而不知道数据所表达的含义。b.如果该数据是某人历次考试成绩的记录，它能告诉你什么？可以认为，是某人的学习能力，称为总体（population），是学习能力的观测或反映，它是取自总体中的样本，可建立简单模型：，是真值，是客观存在的能力，但不可观测。于是用就反映了该学生的学习能力水平，就反映了该生学习能力的稳定性。等等。c.但是，如果该数据是某企业的股票价格，那么就没有理由认为是相互独立的，而是一个与时间有关联的序列，那么和就有可能不再有一个稳定的极限。例如随机游走，，。则。从而显得不可预测，这样的数据以前认为是没有用的，但在现在的随机过程理论和计算机技术下，我们仍能从中捕捉到“股票价值”的某些信息。这里，我们看到，经济中数据的来源是非常复杂的，有的可以看成是服从某一分布的随机变量的取值，有的则是某一特定的随机过程的实现，甚至是不平稳过程的实现。d、进一步对于有相互关联的多组数据，，同样我们首先要知道数据的来源，知道有关的知识，这一点与传统观点是一致的。但传统观点的局限是，解释变量是确定性的，与误差项无关。而这种要求的数据一般只在实验室中才能做到，大量经济数据一般事前无法安排并且解释变量之间也存在关联性，解释变量与误差项之间也有关联性，另外，数1Chapter2条件期望及现代观点下计量经济的基本理念和理论基础据是不可重复的。为此，现实经济要求我们对数据的限制要放宽。我们做如下的陈述：假设：（1）我们关注的对象称为总体（Population）是一个随机变量；（2）认为影响总体的原因是一个维随机变量，；（3）的联合分布存在，且存在期望和方差；（4）可以从随机抽取观测样本（randomsampling），或抽取受各种限制的观测样本。提出的问题是，如果能从获取观测样本（信息），如何调整对的认识？即如何用来表达？注：（1）的联合分布、期望、方差存在，并不意味着已知。（2）的因果关系中，的分量对的影响既有轻重之分，又有可观测和不可观测之分，甚至有半不可观测的情况。即的因果关系可以按理论要求更加随意的设定。例如，我们关注的是工资与教育的关系，但是影响工资的因素除了教育之外根据劳动经济学的知识，还有工作经验和能力。其中，工作经验可用工作年限表示，又由于工作经验有正外部性，故可设计工作经验的平方作为另一个解释变量而能力则是不可观测的，如chapter1的例1，但仍可以放在因果关系中，不过需要有特殊的处理。（3）因果关系不一定是线性关系，从平均意义或期望的意义上讲，我们要关注的是条件期望。的直观含义是如果知道，平均意义上看是什么？它包含比从总体平均意义上看是什么，即有更多的信息。并且希望能把表达出来，建立一个模型，称为总体模型（populationmodel）。（4）随机抽取样本的最基本形式是截面数据（crosssectiondata），含义是给定一个固定的时间点或是时间段上，解释变量与因变量的数据是从总体中随机发生的，而实验数据（experimentaldata）的含义是实验者预先设定或不受干扰的测定解释变量的实验值，然后观测因变量的结果值，传统观点下的样本假定为实验数据与实验数据是完全分开的，指的是一切其他环境对结果的随机影响。这个要求太强。除了截面数据，随机样本的另外几种形式有：Pooledcrosssectiondata在不同时间点样本独立，但不同分布（混同样本）；Spatialcorrelation在不同地区样本有相关性，不独立（空间相关性样本）；Clustersample时间数据有分段特征（串数据）；Paneldata称面板数据，数据有二元特征，特别是有时间特征，但时间不太长有限。这些特殊样本的处理，特别是面板数据我们在后面的模型中专门分析、介绍2Chapter2条件期望及现代观点下计量经...