计量经济学批判

期刊目录网审计论文发表2018-08-04 10:45关注(1)

　　余斌

　　(中国社会科学院马克思主义研究院，北京 100732)

　　摘要：西方的计量经济学由于使用了数学工具，被视为经济研究走向科学的标志，并成为维护西方宏微观经济学，反对马克思主义政治经济学的借口。但是，计量经济学本身并没有科学地运用数学，其研究成果也不具有科学性。计量经济学除了缺乏科学的经济学基础外，还存在数据使用不当、缺乏正确的哲学指导和正确的数学基础等缺陷。在经济研究中运用数学，必须严格遵循马克思主义政治经济学的理论基础，严格遵循数学的规律。

　　关键词：计量经济学;经济研究;马克思主义政治经济学;应用数学;数理统计学

　　中图分类号：F064.1 文献标识码：A 文章编号：1007-2101(2018)03-0014-07

　　一、计量经济学缺乏科学的经济学基础

　　按照计量经济学(Econometrics)创始人之一弗瑞希(Frisch)的定义，计量经济学是量化了的经济理论与统计观测之相互融合的结晶。淤这里的经济理论就是指西方的微观经济学和宏观经济学，而对这两大学说，笔者已经有专著进行了深刻的批判，指出它们无论是在理论上还是在现实中都是不成立的，因而，以这些错误学说为基础的计量经济学也就不可能具有科学性。

　　有必要指出，这里“批判”的对象是绑定了西方经济理论并与之一体化了的“计量经济学”，而不只是其“计量方法”。西方学者认为，计量经济分析的过程始于对理论关系的设定。我们首先乐观地假定我们的模型设定正确，而且能够准确地度量模型中的所有变量，然后在这个基础上进行讨论。于正是出于对西方经济理论的这种绑定，这套东西才被称为“学”而不只是“方法”，也才被视为(西方)经济学的一个分支盂。而我们的分析表明，它作为一种经济学，与西方经济学的其他经济学说如微观经济学和宏观经济学一样都是不能成立的，哪怕它进行了数学包装。另一方面，把计量经济学看成是一种方法，也是不妥当的。这是因为，计量经济学并没有正确地应用数学，从而把它作为方法论只会导致错误的结论。

　　以绑定了西方宏观经济学中边际消费倾向概念的计量经济学最常用到的经典内容边际消费倾向模型为例。凯恩斯提出一种主观心理规律，认为当人们增加收入时，不会把增加的收入全部消费掉。榆西方经济学由此提出边际消费倾向概念，即每增加1 美元收入所引起的额外的或(愿意)增加的消费量。虞计量经济学则当仁不让地以此理论为基础，建立模型测算这一指标，并使之成为计量经济学的经典内容。例如，有人以此测算 1981—1994 年中国城乡居民总量消费函数如下：

　　C=510.71+0.55YD+0.32C(-1) (1)

　　其中：C 代表按某种口径计算的全国居民消费总额;YD 代表按同种口径计算的全国居民可支配收入总额。由此得出短期消费倾向为 0.55，尽管这个模型被指责存在序列相关问题，降低了解释的可信度，但仍然被认为作为趋势分析还是可以的，甚至从总量上看，模型模拟的结果是令人满意的。愚

　　但是，这个模型从一开始就是错误的。其基础是所谓的基本心理规律，即便成立，也应当算是计量心理学而不是计量经济学。事实上，早在凯恩斯之前，马克思就已经不依赖主观心理同样地解释了整个社会中消费增加的金额小于收入增加的金额的现象。在马克思看来，市场竞争迫使资本家“不断扩大自己的资本来维持自己的资本，而他扩大资本只能靠累

　　进的积累。”舆这样一来，资本家个人的消费就会妨碍他的积累。于是出于积累的需要，资本家不能把他的所有收入用于消费，所谓边际消费倾向才会小于1。相反地，对于大多数雇佣工人来说，“他们靠挣一文吃一文过活，他们的工资按周领取，逐日花掉”余，即便有微薄的积蓄，也会在失业和疾病的动荡中失去，不存在积累的可能，反而要透支消费，负债累累，不符合凯恩斯所提出的那种所谓基本心理规律。

　　再以计量经济学中常用的柯布—道格拉斯生产函数为例。该生产函数的形式如下：

　　y=Rk琢l茁a滋 (2)

　　其中：y 代表产出量;l 代表劳动力;k 为资本投入;琢、茁、R 均为待估参数;滋为随机量。

　　将式(2)化为对数形式得到：

　　Y=r+琢K+茁L+滋1 (3)

　　其中：Y=logy，r=logR，K=logk，L=logl，滋1=滋loga。俞

　　但是，上述式(2)并没有任何经济理论作为基础，没有任何经济学说能够说明产出量与劳动力和资本投入是这样的数量关系。式(2)其实是从式(3)逆推回去的。而式(3)中各经济变量之所以取对数，是为了使模型中的变量的取值范围可以小于零。这是因为，使用最小二乘法的计量经济学模型要求其变量为正态分布，其取值范围为(-肄，+肄)，而一般的经济指标都是大于零的，所以要取对数才能改变其取值范围，但即便这样，也不能证明取对数后的经济变量就成了正态分布，更不能因此认为式(2)就是有理论根据的。

　　有理论说，可以用一些经济数据按照计量经济学的方法估算上述式(3)中的参数 r、琢和茁。但是，由于没有经济理论作支撑，这种数字游戏没有意义。事实上，笔者曾经做过一个模拟对此进行验证。逾按照那个模拟的结果，如果柯布—道格拉斯生产函数仅仅根据数字游戏就可以被认为是有意义的，那么用 1 个轮胎配 16 个汽缸可以组成一辆汽车的模拟结论也是成立的或者说是现实的。其实，计量经济学对式(3)中参数的估算只不过表明资本投入量、劳动力的投入与产出量之间不是固定的比例关系，而是可以有各种不同的比例关系，反映出这些数据总量之间“没有任何内在的、必然的关系。”輥輯訛由此可见，所有建立在西方经济学生产函数上的计量经济模型輥輰訛都是不成立的。进而由生产函数衍生出来的所谓全要素生产率也是没有科学依据的，其汗牛充栋的计量经济模型也就毫无意义。

　　二、计量经济学使用数据不当

　　前面笔者提到，经济变量未必符合对数正态分布。事实上，回归分析等数理统计方法在使用时需要满足一定的数据条件，从而把它们应用于经济研究时需要事先检查所用数据是否符合或近似符合这些条件。计量经济学在其发展过程中也注意到序列相关、单位根过程等妨碍计算结论的不利数据条件，并企图通过一定方法进行修正，但计量经济学远没有对所有的数据条件进行核查。特别是，计量经济学文献的发表几乎不提供原始数据，使审查人和读者无从进行检查和核算，从而不符合数据条件的成果有蒙混过关之嫌。

　　另外，计量经济学的这些方法其实只适合微观的数据，而不适合它通常所使用的经过加总的宏观数据，因为这个加总过程忽略掉了非常重要的权重结构的变化。例如，有人用计量经济模型来分析中国粮食生产，以粮食产量为因变量，以农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力为自变量。輥輱訛但是，中国的粮食有很多品种，每个品种的粮食所需要的化肥品种及施用量、农业机械品种和动力等都是不同的。同样的成灾面积，对于不同的粮食品种来说减少的粮食产量也是不同的。因而这样建立的计量经济模型所得出来的数量关系只是一个大杂烩。再例如，有人建立了我国股票市值计量模型如下：

　　lnCSVt=a1+a2lnM1t+a3lnTSVt+a4lnGDPRt+a5lnCPIt+a6lnRt (4)

　　其中：CSV 是沪深流通股票市值总和;M1 是狭义的货币供给量;TSV 是每月股票总成交量;GDPR是季度国内生产总值增长率;CPI 是以上年同月为基期的居民消费价格指数;R 是一年期存款基准利率。輥輲訛在这里，可以看到，有的数据是月度数据，有的数据是季度数据，有的数据在股票交易日时时都有变化。由于时间间隔 t 的不同，这样设定模型就意味着跨度时期长的数据在跨度内相对跨度时期短的数据，其影响保持不变。这个特性会严重干扰对跨度时期长的数据的数值变化的影响估算。同时，如果上述时间间隔 t 是按月计算，那么 CSV 是取月末的收盘价，还是平均价，以及如果 R 在某月某日发生变化，是取当月月底的数值，还是该月加权平均的数值，都会对结果产生很大的影响。这也是为什么美国经济杀手会说： “我发现经过处理的经济数据可以产生不

　　同的结果，甚至是可以完全偏向经济分析师个人喜好的结果。”輥輳訛这样一来，计量经济学就只不过是一种用数学来伪装的伪科学。

　　最重要的是，笔者注意到，国家统计局根据第二次全国经济普查结果修订统计数据，2008 年我国GDP 增速提高 0.6 个百分点达到 9.6%。輥輴訛第三次全国经济普查数据对 2013 年国内生产总值修订的结果是增幅为 3.4%。輥輵訛这说明，计量经济学所使用的宏观统计数据存在相当大的误差，而前面提到的时间间隔与数据跨度的不匹配等问题，还会放大这样的误差。一些经济指标在历史的发展中会改变统计口径，变革前后的指标如果要用于计量经济模型需要先统一口径，如果按变革后的口径统一，变革前的指标就只能估算，如果按变革前的口径统一，变革后没有按旧口径统计，也需要重新估算，无论哪种估算都必然存在估算误差。所有这些误差都会严重影响计量模型的判断。西方学者也不得不承认，一个测量有误的变量会影响到最小二乘的所有估计结果。如果不止一个变量包含测量误差，那就更不用提了。輥輶訛

　　笔者简单地在 Excel 软件中按样本量 40 随机模拟了一个均值为 1、标准偏差为 1 的正态分布作为自变量 X 和一个均值为 0、标准偏差为 1 的正态分布作为随机项着，然后构造因变量 Y：

　　Y=1+0.4X+着 (5)

　　利用回归分析，可得如下计量经济结果：

　　Y=1.07+0.39X (6)

　　且 P 值为 0.01，小于一般设定的显著性水平0.05，可以设定 Y 与 X 存在线性相关性。估计出来的回归系数 0.39 与理论系数 0.4 十分接近。

　　接着，笔者再模拟一个均值为 0.1、标准偏差为0.5 的正态分布作为测量误差分别加到 X 和 Y 上，再进行回归分析，其结果为：

　　Y=1.26+0.20X (7)

　　这时的 P 值高达 0.15，可以认为 Y 与 X 已经不存在线性相关了，而且这里的回归系数与理论系数也存在较大的差距。

　　既然测量误差可以把有相关性的变得没有相关性，那么它也同样可以把没有相关性的变成有相关性。由于计量经济模型所使用的宏观数据在统计过程以及数据处理过程中存在相当大的误差，因而其结论的可信性是十分低下的。尤其是一些计量经济模型使用数百个变量，而每个变量的测量误差千差万别，误差之间的数量关系足以干扰真实变量之间的数量关系，其分析结果更是不可信。

　　计量经济学还经常使用所谓实际经济变量即从直接的经济数据(名义经济变量)中扣减物价指数后的结果，代表消除了通货膨胀的影响。但是，物价指数不变也会存在通货膨胀輥輷訛，这是西方经济学讳莫如深而套用西方经济学的计量经济学所无知的地方，这样处理的所谓实际经济变量并没有消除通货膨胀的影响，也根本不代表实际量。另外，西方学者也承认在使用数据上会遇到一些问题，如数据度量的质量很差或者只是很模糊地对应于模型中的变量、模型中随机项所假定的随机性质可能被违背、某些重要变量可能会被遗漏在模型之外，等等輦輮訛，但他们在发表计量分析的结果时，却言之凿凿，丝毫不提这些问题可能导致其结论完全不能成立，甚至背道而驰。

　　三、计量经济学缺乏正确的哲学指导

　　西方学者认为，计量经济学设定需求函数时，只有收入是自变量，而价格与需求量则都是因变量。这是符合实际的，在一个市场上，价格与需求量是同时被决定的，只有当市场以外的因素变化时，它们才会变化。輦輯訛但是，这只是从商品的购买者单方面思考问题，其前提是购买者的收入必须是不劳而获，而且与市场状况无关。否则，如果商品购买者的收入来源于其出售的其他商品，那么其他商品的价格和对他的商品的需求量相对他的收入而言就是自变量，而他的收入则是因变量，从而他的需求量也要以其他商品的价格为自变量。某种商品的价格与需求量也不会同时被决定，因为商家在开门营业之前就要标好一个价格，而这时消费者还不知道价格，从而也确定不了自己的需求量。一般而言，需求量总是受价格影响的，也就是在价格决定之后决定的，否则就不会出现降价以扩大需求量的问题，也不会存在扩大需求量不会引起价格下降，反而会引起价格上升的问题。

　　计量经济学提出因果关系检验，其方法是要想检验“X 不是引起 Y 变化的原因”的原假设，就把 Y对 Y 的滞后值以及 X 的滞后值进行回归(“无限制条件”模型)，再将 Y 只对 Y 的滞后值(“有限制条件”模型)进行回归。然后就能用一个简单的 F 检验来确定 X 的滞后值是否对第一个回归的解释能力有显著的贡献。如果贡献显著，我们就能拒绝原假设，认为数据与 X 是 Y 的原因相一致。

　　然而，一方面，恩格斯早就指出， “原因和结果这

　　同的结果，甚至是可以完全偏向经济分析师个人喜好的结果。”輥輳訛这样一来，计量经济学就只不过是一种用数学来伪装的伪科学。最重要的是，笔者注意到，国家统计局根据第二次全国经济普查结果修订统计数据，2008 年我国GDP 增速提高 0.6 个百分点达到 9.6%。輥輴訛第三次全国经济普查数据对 2013 年国内生产总值修订的结果是增幅为 3.4%。輥輵訛这说明，计量经济学所使用的宏观统计数据存在相当大的误差，而前面提到的时间间隔与数据跨度的不匹配等问题，还会放大这样的误差。一些经济指标在历史的发展中会改变统计口径，变革前后的指标如果要用于计量经济模型需要先统一口径，如果按变革后的口径统一，变革前的指标就只能估算，如果按变革前的口径统一，变革后没有按旧口径统计，也需要重新估算，无论哪种估算都必然存在估算误差。所有这些误差都会严重影响计量模型的判断。西方学者也不得不承认，一个测量有误的变量会影响到最小二乘的所有估计结果。如果不止一个变量包含测量误差，那就更不用提了。輥輶訛笔者简单地在 Excel 软件中按样本量 40 随机模拟了一个均值为 1、标准偏差为 1 的正态分布作为自变量 X 和一个均值为 0、标准偏差为 1 的正态分布作为随机项着，然后构造因变量 Y：

　　Y=1+0.4X+着 (5)

　　利用回归分析，可得如下计量经济结果：

　　Y=1.07+0.39X (6)

　　且 P 值为 0.01，小于一般设定的显著性水平0.05，可以设定 Y 与 X 存在线性相关性。估计出来的回归系数 0.39 与理论系数 0.4 十分接近。

　　接着，笔者再模拟一个均值为 0.1、标准偏差为0.5 的正态分布作为测量误差分别加到 X 和 Y 上，再进行回归分析，其结果为：

　　Y=1.26+0.20X (7)

　　这时的 P 值高达 0.15，可以认为 Y 与 X 已经不存在线性相关了，而且这里的回归系数与理论系数也存在较大的差距。

　　三、计量经济学缺乏正确的哲学指导

　　Y=15.0+0.18X (16)

　　X=-0.5+0.83Y (17)

　　这两个回归结果的 P 值都小于 0.05。式(16)中

　　X 的系数的 95%的置信区间为(0.01，0.35)，式(17)中 Y 的系数的 95%的置信区间为(0.06，1.59)。显然，式(17)较好地反映了 Y 与 X 的均值关系，而式(16)则有很大偏差。其原因主要在于 X 的方差大于Y 的方差。如果不考虑变量背后的经济学基础，单纯地想从数据本身出发去构造数量关系，是很难得到正确的结果的，更不可能以此反推出它们之间的经济关系。也就是说，我们只有从数据之外的经济理论分析中正确建立变量之间的关系，才能正确地根据这种关系建立回归分析模型。

　　笔者还做了两个模拟，第一个模拟是按样本量40 随机模拟了三个均值为 0、标准偏差为 1 的正态分布分别作为 Z、着和滋，分别构造了 Y 和 X 如下：Y=Z+着 (18)X=Z+滋 (19)用计量经济学的方法，可以得到：

　　Y=-0.09+0.63X (20)

　　其 P 值远远小于 0.01。

　　第二个模拟是将式(18)改造如下：

　　Y=0.5X+着 (21)

　　同样用计量经济学的方法，可以得到：

　　Y=-0.04+0.64X (22)

　　其P 值远远小于 0.01，X 的系数的 95%的置信区间为(0.42，0.85)。因此，其系数取值 0.5 也不是不可以。

　　式(20)与式(22)十分接近，其误差可以忽略不计。式(18)和(19)表明，仅当 X 的变动是由 Z 的变动引起时，才会伴随 Y 的相应变动，但这种变动是由Z 引起的，而不是 X 引起的;而当 X 的变动是由滋的变动引起时，就不会有 Y 的相应变动。无论如何，X 与Y 只有相关性，无因果性。与之相比，式(21)表明，X每变动 1 个单位，可以平均地影响 Y 变动 0.5 个单位，X 可以看成是 Y 的原因。问题在于：如果我们仅仅根据 Y 和 X 的数量关系，得到式(20)或式(22)这样的结果，那么我们如何确定 Y 与 X 的关系，是像式(18)和式(19)那样，还是像式(21)那样呢?

　　另外一个问题是，在数理统计学上，如果需要做多次配对检验，那么检验的总的显著性水平将会超过每次配对检验所设定的那个不变的显著性水平。例如，进行三次配对检验，每次配对检验的显著性水平设定为 0.05，则检验的总的显著性水平高达(1-0.05)3，等于 0.14。輧輮訛如果做六次配对假设检验，总的显著性水平可达 0.26。过高的显著性水平意味着检验的结果犯以真当假的错误(即错误地否定原假设、肯定计量经济模型结论)的概率较高。前述因果关系检验的计量经济模型将实际国内生产总值的对数、流通中现金的对数、狭义货币的对数、广义货币的对数、消费价格指数的对数这五个指标进行了多次配对回归分析，其总的显著性水平，远超作者设定的 0.05 和0.1，其结论也因此而不足信。

　　由于必须取得统计显著性成果，其计量经济学模型才算成功，许多人在进行计量经济学分析时，常常反复修订模型，直到出现显著性结论，这种做法不仅表明其模型的设定缺乏理论依据，而且也使其实际的显著性水平大大超过名义的显著性水平，其最终获得的模型也不足为据。

　　五、小结：如何在经济研究中运用数学

　　列宁曾经指出，“沿着马克思的理论的道路前进，我们将愈来愈接近客观真理(但决不会穷尽它);而沿着任何其他的道路前进，除了混乱和谬误之外，我们什么也得不到。”輧輯訛计量经济学由于沿着西方经济学的道路前进，不免陷入混乱和谬误之中。

　　有人也许会想，能不能用计量经济学的方法来进行马克思主义计量经济学的研究，或者说能不能在马克思主义政治经济学的研究中借鉴西方经济学的计量方法呢?前面的分析表明，如果这样做了，除了混乱和谬误之外，我们仍然是什么也得不到。因此，要在经济研究中运用数学，我们不能到计量经济学中去找答案或寻借鉴，而应当直接到应用数学和数理统计学那里去找答案或方法论，同时注意借鉴其他自然科学学科在应用数学和数理统计学时的经验教训。

　　列宁指出， “公式本身什么也不能证明;它只能在过程的各个要素从理论上得到说明以后把过程加以表述。”这是其他学科正确运用数学的不二法门。在经济研究中运用数学，必须严格遵循马克思主义政治经济学的理论基础，使得数学语言的描述严格符合马克思主义政治经济学的原理，不得有丝毫的偏差，否则就会失之毫厘、谬以千里。另外，也要严格遵循数学的规律，注意数学自身的限制，决不能用糟蹋数学的方式来应用数学，否则只会得到混乱和谬误。在受客观条件的局限而无法完全遵守数学的规定和限制的情况下，要对得到的分析结论持审慎的态度，这样的结论只有借鉴性的意义，决不能妄言其正确性或科学性。

　　恩格斯指出：马克思“没有一个地方以事实去迁就自己的理论，相反地，他力图把自己的理论表现为事实的结果。”马克思主义数量经济学决不能像计量经济学和西方经济学的其他数学模型那样，让事实或数据去迁就自己的模型或理论，进而制造庞大的学术垃圾，否则将会把马克思主义政治经济学推向灾难而不是振兴。