邮箱：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
前些日，咱们圈子引荐了①“”和②，受到各位学者欢迎和热议，很多博士生导师纷纷推荐给指导的学生参阅。
上一日，咱们圈子引荐了1.，和2.。今天，咱们圈子引荐一份“R squared到底重不重要？”思考，它值得各位学者在社群里深入讨论和交流。
*来源文献较长，将其放在了后面*
一些学者指出定量研究中，有的研究R squared过低或不报告，因此研究质量不高。实际上这是对R squared值使用的误解。在传统初、中级计量经济学教学中，高度强调R squared对模型拟合程度的重要性，认为在线性横截面数据中R squared可以解释在多大程度上因变量可以为自变量进行解释。然而对于应用计量经济学家而言他们要进行实际的数据分析，他们的模型也要比线性横截面数据复杂的多。在实际的模型构建和数据分析中R squared其实并不重要，对模型构建和拟合度意义都不大。即使在线性横截面回归模型中，当自变量增加时，R squared就会增大。在时间序列模型中R squared就是比横截面数据高。在面板数据里长面板的R squared也会比短面板的R squared高。此外也不存在一个科学的评判R squared高低的标准。R squared到底多高是高，单看这个指标是无法判断的。社会是极其复杂的，发展一个模型，即使只能解释因变量的很小一部分，这个模型也是很伟大和显著的。在面板数据分析中如果使用STATA 软件，STATA 软件汇报的Rsquared是所谓的假Rsquared，它和横截面数据中的Rsquared有不同的含义。因此实用计量经济学家已经不关心Rsquared到底是多少，他们更关心是研究的目的和模型的构建，更关心整个模型的显著性。如果模型构建有问题，再高的Rsquared也没用。
1983 年美国计量经济学家Leamer 批评经济学家的实证研究有大量模型形式上的和数学上的“假设”，而不同的假设会带来不同的结论。这样的实证的结论没有充足的说服力。人们可以轻易地得到他们想要的结果。Leamer 给出的一个解决方案，是稳健性检验，也就是说研究者需要展示和说明，实证结果是如何随模型形式变化而变化的。随着应用计量经济学家的共同努力，研究设计成为解决不靠谱的定量数据分析的救命药。通过采用随机控制法（RCT）和自然实验法（IV,RD,DID 等）方法，学者们不再紧紧盯着计量结果，而开始反思实验设计过程。比如在传统计量经济学教科书中，横截面数据的异方差性是个很严重的问题，但是现在的应用经济学家已经对这个问题不关心了，对他们而言使用White-heteroskedasticity robust standard error 就足够解决这个问题了，他们把注意力放到了研究设计和因果关系识别机制上。
限 时 特 惠： 本站每日持续更新海量各大内部创业教程，一年会员只需98元，全站资源免费下载 点击查看详情
站 长 微 信： lzxmw777
