“计量模型多样性悖论”研究

俞立平，刘 骏

(贵州财经大学 贵阳大数据金融学院，贵州 贵阳 550025)



【统计理论与方法】

“计量模型多样性悖论”研究

俞立平，刘 骏

(贵州财经大学 贵阳大数据金融学院，贵州 贵阳 550025)

在排除模型误用以后，将经济学研究中针对同一问题的研究，不同计量模型的结果各不相同，甚至结论截然相反问题称为“计量模型多样性悖论”。分析此问题产生的原因，主要是关键变量的多样性、方程形式设定的多样性和计量模型的多样性，提出采用元分析来解决这个问题，指出在元分析应用过程中应力求单个模型的精确，尽可能多地采用合适的模型，注意同类性质的结果才能进行元分析。同时，讨论元分析带来的新问题，比如对研究团队的计量经济学水平要求较高，增加了成本，延长了研究的时间，也加大了论文的篇幅等，但这是计量经济学发展过程中的正常现象，并不涉及采用元分析解决“计量模型多样性悖论”问题的科学性。

计量经济；结论多样性；悖论；元分析

一、引 言

计量经济学自诞生以来，已经成为经济学研究的重要工具，也是经济学成为科学的重要标志之一。第二次世界大战后的经济学是计量经济学的时代，计量经济学已经在经济学科中居于最重要的地位[1]2-5。传统的计量经济学有广义和狭义之分：广义的计量经济学方法主要包括时间序列分析、回归分析、投入产出分析、优化方法等；狭义的计量经济学方法就是用以回归分析为核心的数理统计方法对研究对象进行因果分析，揭示其内在规律性，从而进行经济的结构分析、预测、政策评价和理论检验[2]。在以回归为核心的狭义计量经济学中，存在一种现象：一方面，单一模型越来越完善，研究方法日趋科学，得到唯一研究结果；另一方面，针对同一问题的研究，不同的计量模型的结果各不相同，甚至结论截然相反，本文将这个问题称为“计量模型多样性悖论”。

其实计量结果多样性情况并不鲜见，尤其在人文社科研究中，由于研究对象数量及经费的限制、各种环境因素的影响以及研究本身的或然性等原因，往往难以得到真正的随机样本或大样本，出现不同的计量结果是正常的，但是针对同一研究对象采用相同数据的研究也存在这个问题，尤其是在尽可能排除模型误用的前提下，这个问题就值得反思了，如果不能从理论上加以解决，就会影响到计量经济学的科学性，对此进行相关研究与讨论无疑具有十分重要的意义。

关于计量模型多样性导致结果不唯一问题，可以说在计量经济学诞生之初就存在了。Fisher在《计量经济学》期刊的创刊号中指出：“计量经济学学会的目标是促进各界实现对经济问题定性与定量研究、实证与定量研究的统一，促使计量经济学能像自然科学那样，使用严谨的思考方式从事研究。但是，经济学的定量研究方法多种多样，每种方法单独使用都有缺陷，需要与计量经济学相结合。因此，计量经济学绝不是经济统计学，也不能等同于一般的经济理论，尽管这些理论中有相当一部分具有数量特征；同时，计量经济学也不是数学在经济学中的应用。实践证明。统计学、经济理论、数学这3个要素是真正理解现代经济生活中数量关系的必要条件，而不是充分条件。只有3个要素互相融合，才能发挥各自的威力，才构成了计量经济学[3]。”Fisher意识到经济学研究方法的多样性，试图通过计量经济学的发展与完善来解决这个问题，实践证明问题并没有得到解决，甚至越来越突出了。李子奈也认为传统建模理论的主要问题是，同一个研究对象、同一组历史数据，不同的研究者根据他对研究对象行为理论的不同理解，可以建立不同的模型[2]。以面板数据为例，研究同一问题，既可以采用面板数据模型，也可以采用空间面板数据模型或面板联立方程模型，这3种模型至少有3种回归结果，究竟哪个更加接近现实世界？迄今为止，尚没有足够的理论和方法对这种现象进行选择。Boland认为计量经济学存在两个世界，一个是现实世界，也就是我们所观测到的；一个是理想世界，也就是理论或数学模型构建出来的[4]。但是，如何缩短理想世界和现实世界之间差距，如何处理该进程中的模型多样性问题，人们还面临许多困难。Lawson等学者之所以对计量经济提出质疑：“不管怎样泼洒计量经济学的圣水，我们都没有因此离经济学的天堂更近一点”[5]35，似乎也并非毫无道理。

对上述问题以及更广义的计量经济学存在问题的研究不时见诸于文献。Keynes指出传统计量经济学应用研究的非精确性问题，认为其先验性要求理论设定的因果关系必然为真，若这一假设不能得到完全满足，那么其度量的因果关系就可能出现偏差[6]。此外，对所有变量毫无区分的线性假设以及有关事件滞后期和趋势的决定，通常都是以试验和误差为基础的，很少有以理论为基础的。Learner指出回归分析中模型假定以及控制变量选择的随意性导致了结果脆弱性，由此提倡应该进行回归模型的敏感性分析[7]。Lawson认为参数估计的不稳定性与其说是例外不如说是普遍现象[5]35。洪永淼指出计量经济学理论本身已臻成熟，由于观测数据和样本外预测等问题的存在，使其应用研究的分析与预测没有物理学那样精确[8]。此外，经济数据的非实验性和经济结构的时变性也导致计量经济学分析存在局限。刘丽艳总结出计量经济学的性质是：可靠但不精确，原因有三：计量经济学模型只是对现实的似真，而非对现实的精确描述；计量经济学的统计基础先天决定了计量经济学中经验证据的不可靠性，这直接导致了计量经济学非精确的估计结果；计量经济学概率基础决定了计量经济学的世界是随机的世界，充满了非精确性与非确定性[9]。

计量经济学的发展，经历了一个由简单到复杂、有低级向高级的发展过程，对于这个过程中存在的问题与解决以及计量经济学存在的一些固有问题与局限，并不是本文的研究范围，并且也排除了中国经济学经验实证研究中，主要是计量经济学应用研究中问题和错误大量存在等问题[10]。现有的研究并没有将“计量模型多样性悖论”问题向前推进，不妨做如下假设：针对一个具体的传统经济学问题，固定一个研究对象，如果同时请国内几个顶级的研究团队同时进行研究，假设每个团队均尽可能少犯错误，力求模型的优化与精确，在这种情况下仍然会得到几个完全不同的研究结果，在这种情况下，最终的定量结果应该怎么选择？为了解决以上问题，本文首先分析问题的成因，说明问题存在的客观性和必然性，然后提出基于元分析的解决思路，并对其局限性进行分析，最后得出结论。

二、“计量模型多样性悖论”现象及其客观性

(一)对同一问题同一研究对象的研究结果迥异

这个现象是最明显的现象，因为回归方程不同、模型不同，即使使用同一研究对象的相同数据进行研究，结果也不同甚至完全矛盾，这种现象与经济学理论无关，因为所有的相关研究均是在得到公认的经济理论指导下进行的。出现“计量模型多样性悖论”问题，即使已经尽可能排除模型在应用过程中出现错误，那么这个问题仍然具有一定的普遍性和必然性，是人们对经济现象从不同视角加以解释的一种有益尝试，如同西医和中医对病症的诊断一样，本质上是人们在探索真理的过程中的一种正常现象。

(二)“滥用模型”与“榨取数据”

汪同三等认为，模仿和照搬国外的文献使得中国的学者很少自主地使用较为高级的现代计量经济学方法与工具[11]。但是近年来，中国计量经济的应用水平提高很快，一些计量水平较高的学者开始采用国际主流的计量技术研究经济问题。少数学者在研究论文中不断地对某种模型进行各种优化处理，发表出数篇研究水平较高的实证论文，如果仅从单篇论文看，总体上模型设计还是比较合理的，考虑问题也比较全面，但是如果多看几篇论文，就会发现作者是在玩弄各种模型技巧，对人所共知的理论假设进行精确的、复杂的检验，李子奈将这种现象称为“自娱自乐”[10]。合理的模型是主观与客观的统一，实证分析中应重视数据质量以免错用滥用统计数据，建模中要避免命题不可证伪，陷入“数字游戏”误区[12]。我们不能简单肯定或否定这种现象，冷静分析一下，这可能是计量经济学发展到一定阶段的必然结果，毕竟计量模型种类越来越多，越来越完善，开始挑战传统研究往往只有单一结论的情况。

(三)有选择地应用稳健性检验

在计量经济为主的实证研究中，一般有一个主模型，得出一个主结论，如果还有其他相似的模型可以用，并且该模型的结果和主结论接近，一般将其作为稳健性检验的一种方法，如果其他相似的模型结果并不支持主结论，那么该模型在论文写作过程中被作者“巧妙”地忽略了。虽然这种现象不值得提倡，但在实际研究中这种现象还是经常可以看到的，其根源是无法处理“计量模型多样性悖论”问题。

(四)计量结果多样性有一定的客观性和必然性

可信性是计量经济学应用研究的重要问题，其核心在于实现经济理论、统计学、数学在实证研究中的科学结合[13]，在可能的条件下力求提高计量模型的可信性是研究计量模型结果多样性的前提。计量模型包括变量、方程形式、模型类型等多种因素，即使抱着极其严肃认真的态度和拥有极高的研究水平，在遵循经济理论的前提下，基于“模型设定—模型估计—模型设定检验—模型再设定”的模型检验方法，尽管这种模型设定内在一致性检验方法不是保证模型正确分析的充分条件，却是合乎科学逻辑的必要条件[14]3-17。但是，由于变量、方程形式、模型类型中每一个因素也不是唯一的，从而导致计量结果不唯一，出现“计量模型多样性悖论”问题是客观和必然的，并不是一种错误。

三、“计量模型多样性悖论”原因

(一)关键变量的多样性

在计量经济研究中，人们面临着复杂的经济学问题，需要用到许多不同的变量，关键问题是，相同问题的变量可能有多个。比如研究高技术企业技术创新的过程中，关于创新产出，既可以选择新产品销售收入作为替代变量，也可以选择企业发明专利数作为替代变量；在创新投入中，既可以选择科学家与工程师人数作为研发劳动力投入，也可以选择研发人员全时当量作为研发劳动力投入；在研究信息化对经济增长贡献时，既可以采用第三方公布的信息化指数作为信息化水平变量，也可以用指标体系自己测度信息化水平。这些例子不胜枚举，目前在研究中的做法是，以某个关键变量作为主要变量，回归结果以该主要变量结果为主进行解释，另一个相似变量作为稳健性检验工具。但是，究竟哪个是主要变量，哪一个作为次要变量，目前的做法一般是参考经济理论和文献研究进行遴选，并没有一个通用标准，在经济理论和文献研究中关于变量选择存在冲突的情况下会显得无所适从。

关于变量的另一个问题是，自变量与因变量之间很多是存在滞后期的，滞后期不同也带来计量结果的不同。关于滞后期的选择标准，虽然有一些经验方法，但并没有公认的标准。以发明专利为例，企业发明专利的申请，从递交材料到拿到专利，差不多要等3年，而递交材料时，实际上专利成果已经做出来了，其研发投入可能两年前就开始了，所以对于该专利而言，其研发投入与产出的滞后期差不多就是5年。对于企业个体而言，每个企业专利的滞后期其实是不一样的，必须具体问题具体分析。从准确性角度，通过任何数学方法估计的滞后期肯定是统一的，但实际上每个企业情况不一样，当然这也是不可靠的，何况有的企业成果研发出来就立即申请专利，有的企业也许会拖一段时间才申请专利。变量滞后期问题的复杂性远远超过人们的想象，在具体处理数据时必然也面临多种选择。

(二)回归方程的多样性

由于研究视角不同，回归方程的形式并不相同，即使是针对同一问题的研究，回归方程的形式也会差别很大，从而导致回归结果出现巨大差别。比如回归方程中的乘积交叉项，往往用来研究两个变量的交互作用，李子奈认为在计量经济学应用研究的总体模型设定中，必须坚持“从复杂到简单”的思想路线和技术路线[10]。根据建模从一般到特殊的原则，在存在经济理论支撑的情况下，应该先尽可能多地引入交叉项，然后再根据有没有通过统计检验进行删减，目前的实际情况是，只是根据研究需要有“选择”地引入了一些交叉项，在这种情况下，如果确实其他变量之间存在交叉项，那么这也明显犯了遗漏重要变量的错误。何况在更多情况下，交叉项根本就没有考虑，那么这个问题就更严重了。

另外一个常见问题是二次项的引入。虽然计量模型不是现实的精确蓝图，而只是对现实的近似，但是回归方程的设计应该尽可能接近客观世界[9]。自变量和因变量之间的线性关系毕竟是少数，更多是非线性关系，或者说线性关系是非线性关系的一种特殊形式。在回归方程中普遍地引入二次项，然后再进行回归就应该是一种常态，从实际应用情况看却并非如此。

当然出现以上两种情况的原因之一可能是由于数据限制，毕竟经济学的大部分数据难以从实验中获得，不具有重复性，在数据有限的情况下，如果在回归方程中引入过多的变量可能会出现自由度不够的问题，但这不应该成为有选择地引入交叉项和二次项的理由。

(三)计量模型的多样性

计量模型的多样性已经成为困扰学术界的一个大问题。李子奈认为计量经济学模型的总体设定，必须遵循“唯一性”原则[15]。对于同一个作为研究对象的被解释变量，它和所有影响因素之间只能存在一种客观的正确关系。或者说，对于一组被解释变量样本观测值，只能由一种客观的数据生成过程生成，所以正确的总体模型只能是一个。与此同时，李子奈也承认，由于不同的研究者、不同的研究目的、不同的数据选择方法、不同的数据集，会对模型的约化和简化过程产生影响，会使得最终的应用模型有所不同。但是，作为研究起点的总体模型必须是唯一的。对于这个唯一模型，也许我们可以理解为是“上帝之眼”，即最接近客观世界的模型，但是这和我们研究中出现不同的模型是两回事。

以面板数据模型为例，在选择模型时确实比较困难。第一种是经典的面板数据模型，目前该模型的理论已经十分成熟，随着工具变量的引入和估计方法的日趋完善，传统的面板数据模型仍然具有强大的生命力，我们并没有充足的理由拒绝该模型的应用；第二种是空间面板模型，随着空间经济学的兴起，近年来空间面板模型发展很快，它充分考虑到了地区间的相互影响，虽然模型还处于完善过程中，但其应用已经越来越广泛；第三种是面板联立方程模型，虽然数据搜集和建模工作量较大，但它较好地处理了变量的内生性问题，似乎也没有理由回避该方法。在这种情况下，以上3种面板数据模型如何选择，就成为了一个难题。

(四)变量、方程与模型多样性使得问题更加复杂

由于变量的多样性、回归方程形式的多样性和模型的多样性，使得“计量模型多样性悖论”问题更加严重，他们之间是乘积关系，比如变量的选择有4种可能，回归方程的形式有3种可能，模型的设定有2种可能，在我们无法约简、无法排除的情况下，回归结果就有4×3×2=24种可能，虽然迄今为止没有哪位学者这样研究过，但是从理论上讲，这种情况的存在是可能的，一定程度上也是合理的。

四、基于元分析的解决路径

(一)元分析(meta-analysis)理论简介

元分析的起源可追溯到英国统计学家Pearson基于样本大小对5个估计值进行平均，以检验当时所用的肠热病疫苗与死亡率的相关程度[16]，可以说这是元分析的雏形；Tippett提出了结合概论统计检验，一些统计学家认为元分析直接根源于此[17]189；美国教育学家Glass在研究心理疗法的有效性时正式将这种定量综合法命名为元分析，并创造了效应值，他将元分析定义为“综合已做过的研究，把相关的单个研究的统计结果汇集成大样本资料，再进行统计分析得出总结性的结论”[18]；Bullock认为，元分析的主要特征在于它是一种科学的定量综合方法，可用来对具有共同研究目的、相互独立的多个研究结果进行定量分析，剖析单项研究间的差异，综合评价研究结果，可称之为“分析的分析”[19]。目前，元分析在医学、教育学、心理学中得到了广泛的应用，产生了广泛的影响，并且取得了良好的效果。Stanley等成功地将元分析方法应用到经济学研究当中，形成经济学文献分析的元回归分析，指出元分析给研究者提供了一种用于分析、评估、评价各种可供选择的模型设定以及特定的检索所产生的影响[20]。

元分析诞生之初的主要目的，是为了对不同的研究结果进行综合，包括将未发表研究结果纳入研究范围，但由于绝大多数研究结果均已发表，所以元分析实际上主要应用在对众多现有实证文献的再次统计。通过对相关文献中的不同研究结论进行再次统计，定量分析具有共同研究问题且相互独立，但研究结果不一致的不同研究之间的共性，形成一致性的研究结论，并且修正产生不一致结论的统计偏误，获得统计结果和显著性检验水平，得出比任何单个研究更为精确的研究结论。元分析的步骤如下：

第一，确定研究问题与设计研究方案。要研究的问题必须有一定数量的原始定量研究文献作为基础。研究方案包括背景材料、研究意义和目的、文献检索途径和方法、文献入选和剔除标准、数据收集清洗方法、统计分析步骤、结果解释等。

第二，检索和筛选文献及相关资料。检索时可进行必要的研究对象、出版日期、语种、文献类型等限定，尽量保证较高的查全率，同时也要注意没有发表的工作论文的检索。

第三，整理、评价和录入研究数据。在分析研究结果时，必须坚持若干标准妥善处理数据。对于每个入选文献，都应该进行单独评价，以确定偏差的潜在影响以及该文献的特定数据是否适用于元分析[21]。对符合入选标准的每个文献资料，都应录入回归系数、P值、样本数、比率、均值和标准差等。

第四，计算、分析和解释结果。包括合并统计量，如效应值、OR、T值、P值、卡方值，然后进行一致性检验，对合并统计量进行假设检验，最后再解释分析结果。

目前有许多软件可以进行元分析，如CMA、Stata、Metawin、RevMan、Epimeta等，各软件功能大同小异，可以根据需要进行选用。

(二)经济学应用元分析面临的困难

元分析在经济学中虽然已经开始应用，但总体影响不大，在CNKI网站上用关键词对篇名出现“元分析”的文献进行检索，剔除不相关的结果，在经济与管理科学中只查到49篇文献。其根本原因是，由于经济学学科的特殊性和研究对象的异质性，使得经济学的相关研究很难满足进行元分析的前提条件，而现有的关于经济学元分析的研究，不少本质上存在着错误。

第一个问题是研究对象的异质性问题。根据统计学原理，样本越大，相关研究对象越多，研究结论的误差就越少，统计效度和分析结果的可信度也就越高。正因为如此，元分析的结果在科学研究中常被作为一级证据对待，元分析作为综述和分析大量文献的重要方法在循证研究中也占据着越来越重要的地位，几乎成了循证研究的代名词[22]。

在经济学研究中，要做到数据的同质性是一件十分困难的事情。不同国家对同一问题的研究一般不适合进行元分析，因为国家之间相差太大了。中国不同地区经济发展存在较大差距，基于东部地区的研究肯定不能和基于中西部的研究进行元分析。改革开放以来，中国经济社会发展很快，互联网时代的到来更是给经济发展带来了深远的影响，10年前的研究和10年后的研究也不能放在一起进行元分析，正如计量经济的前提必须有经济理论支撑一样，虽然元分析也有数据一致性检验技术(tests for homogeneity)，但是将明显不合适的数据放在一起进行一致性检验是没有任何必要的。

一般而言，对于微观的基于个人经济行为的研究，尽管也存在个体的异质性，但一般认为这是可以理解的，因此采用元分析是合适的，但是这些研究只占目前经济学研究的极少数。在医学、教育学、心理学的研究中，元分析之所以得到了比较广泛的应用，正是因为这些领域的研究对象往往是人类的微观个体，尽管存在异质性，但是这已经降低到了极限。比如药效的研究，虽然不同人个体之间肯定存在差距，但这影响不大，片面深究这一点，那么临床试验根本就无法进行，药学几乎无法存在了。而从研究对象的角度看，经济学要复杂得多。

第二个问题是对变量的理解和模型的应用存在偏差。元分析通常要用到原有研究的被试样本大小、测量技术、因变量、自变量的操控、数据分析方法和统计结论。如果对变量的理解不同，研究方法存在缺陷，将这些研究结论纳入元分析只能降低元分析的效果。在经济学研究中，这些情况是普遍存在的，对同一变量的界定往往会存在差异，至于计量经济模型存在误用或存在问题的现象则更多。魏江等认为，为了提高元分析研究结论的可靠性和有效性，在主效应分析的过程中，研究者需要统一研究方法和相应统计指标的选择；在调节效应分析的过程中，研究者首先应根据理论预测判断是否存在调节变量，其次应采用多技术同质性检验进行判断[23]。

(三)基于元分析解决“计量模型多样性悖论”问题

由于发表偏倚(Publication Bias)的存在，在实际元分析过程中往往只能搜集到大量的已经发表的文献，而对结果“不好”的文献根本难以搜集，但是采用元分析对计量模型的多样化结果进行综合，所有的结果均未发表，这样提高了样本的数量，也回避了发表偏倚问题。

对于同一研究对象采用不同的计量模型进行研究，从根本上解决了研究对象的异质性问题。也就是说，元分析应用的重要前提条件之一是完全能够满足的，基于同一对象的不同模型研究，类似从多种角度拍摄照片，综合起来能够展现物体的全息图像，比单一照片展示的结果要更加丰富和全面，这样对问题的研究才能够更加全面和深入，也彻底解决了“计量模型多样性悖论”问题。

对不同计量模型的结果采用元分析进行综合，要注意以下问题：

第一，力求单个模型的精确。本着严肃认真的精神，尽量减少模型的误用，对用到的计量模型，从经济理论、变量选取、回归方程选择、计量模型设定都要从严把关，尽可能做到最优化。必须遵循如下的六个准则：数据包容性准则、理论一致性准则、回归元弱外生性原则、参数稳定性原则、数据协调性原则、模型包容性原则[24]。错误的模型产生的结果必然是不可靠的，如果将这样的结果参与元分析，必然会增加结果的误差。

第二，尽可能多地采用合适的模型。合适的模型就是适合问题研究的模型，就是学术界通过现有的方法难以否认推翻的模型，模型中变量选取、方程形式的设定在遵循经济理论的前提下也力求多样化。

第三，同类研究才能进行元分析。比如都是基于弹性分析的不同计量模型的结果才可以进行元分析，如果其中有一个模型中存在二次项，那么回归系数就失去了弹性性质，因此就不能纳入元分析；同样也只有全部基于二次项的不同计量模型的回归系数才能进行元分析。

(四)采用元分析解决“计量模型多样性悖论”出现的新问题

元分析为解决经济学中不同计量模型结果的多样性提供了一种新的思路，但是也存在着一些新的问题，主要包括以下三个方面：

第一是研究能力问题。解决“计量模型多样性悖论”问题需要尽可能多地采用合适的模型进行严肃认真的研究，这对研究团队的计量水平提出了新的挑战。虽然中国计量经济学发展较快，但主要还是处于学习模仿阶段，一般研究人员对于计量模型的掌握只涉及少数模型，以面板数据为例，极少有学者同时精通面板数据模型、面板联立方程模型、空间面板、动态面板、面板平滑转换、面板门槛回归模型等。虽然团队能够弥补个人计量模型不足的缺陷，但中国经济学的研究团队实力较强的毕竟不多，少数研究团队还是以个人单打独斗为主，团队往往流于形式。

第二是成本问题。既然要尽可能多地采用合适的模型进行研究，对研究数据的调查搜集工作量必然加大，研究人员也要增多，需要购买更多的计量软件，学术交流活动也要增多，而这一切都加大了研究的成本。在成本有限的情况下，如何做更好的研究，这又是一个新的挑战。

第三是时间问题。经济学研究一般都有时间效应的，尤其是一些课题研究，时间要求也是比较高的，基于元分析虽然提高了经济学的科学性，但是势必会延长研究时间，所以该方法目前只适用于时效性不高的研究。

第四是论文的长度问题。采用元分析对不同计量模型的不同结果进行综合，该类论文的写作必然增加了不同模型的特点介绍、选择理由、应用细节等详细描述，这势必会增加论文的篇幅，一般情况下一篇论文20～30页就是常态，更长篇幅的论文也不鲜见，这对中国整个经济学期刊的生态都会产生深远的影响。

需要说明的是，以上问题都是实际应用中出现的问题，并不涉及元分析解决“计量模型多样性悖论”的科学性问题。

五、结论与讨论

(一)元分析为解决“计量模型多样性悖论”问题提供了一种解决思路

在经济学研究中，随着计量经济学的发展与完善，可用模型种类日益增多，采用单一模型难以保证研究的精确性，而采用多种模型进行研究又面临着结果的多样性问题，元分析为问题的解决提供了一种新的思路。对“同一研究对象”与对“不同研究对象”进行元分析是两个完全不同的概念，前者采用元分析可以提高研究的科学性与准确性，后者采用元分析要慎重，其根源是研究对象的异质性问题。

(二)理性看待“榨取数据”与“玩弄模型”

在计量经济学中，人们将对同一问题采用不同模型的研究称为“榨取数据”，将对模型的复杂运用称为“玩弄模型”，对此要冷静看待，如果在研究中本着严肃认真的态度，在模型运用中也力求科学，这是数据挖掘，根本不是“榨取数据”，是值得鼓励的。对同一问题从多个角度进行研究，才能百花齐放，百家争鸣，更加接近问题的本质。当前，在中国的经济学研究中更多的是对模型的误用，而真正高水平的、采用多种计量模型的研究不多，这才是需要关注的问题。

(三)元分析的应用也带来了一些新的问题

采用元分析对同一研究对象的不同研究结果进行综合，也存在着一些问题。比如对研究团队的计量经济学水平要求较高，增加了成本，延长了研究的时间，也加大了论文的篇幅，这些都是发展过程中的正常现象，并不涉及采用元分析解决“计量模型多样性悖论”问题的科学性。

[1] Klein L R. A Text Book of Eeonometrics[M]. Newjersey: Prentiee-HallIne,1974.

[2] 李子奈. 关于现代计量经济学的研究方法[J]. 清华大学学报：哲学社会科学版，1995(3).

[3] Fisher I. Report of the Meeting[J]. Econometrical,1933(1).

[4] Boland L. On the Methodology of Economic Model Building[D]. PHD Thesis, University of Illinois, Urbana, III, 1966.

[5] Lawson Tony. Economics and Reality[M]. London: Routledge, 1997.

[6] Keynes J M. Professor Tinbergen's Method[J]. The Economic Journal，1939，49(195).

[7] Learner E E. Let's Take the Con out of Econometrics[J]. American Economic Review,1983,73(1).

[8] 洪永淼. 计量经济学的地位、作用和局限[J].经济研究，2007(5).

[9] 刘丽艳. 计量经济学精确性研究[J].财经问题研究，2014(8).

[10]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).

[11]汪同三,王丽. 中国计量经济学发展之路[J].科技促进发展,2010(5).

[12]范超.统计模型应用的学术规范研究[J].统计与信息论坛，2016(8).

[13]王美今,林建浩. 计量经济学应用研究的可信性革命[J].经济研究，2012(2).

[14]Hendry D F. Dynamic Econometrics[M]. Oxford: Oxford University Press，1995.

[15]李子奈. 计量经济学应用研究的总体回归模型设定[J].经济研究，2008(8).

[16]Pearson K. Report on Certain Enteric Fever Inoculation Statistics[J]. British Medicine Journal,1904(3).

[17]Tippett L H. The Methods of Statistics[M]. London: Willianms & Norgate,1931.

[18]Glass G V. Primary, Secondary, and Meta-analysis of Research[J]. Education Research,1976(5).

[19]Bullock R J. A Meta-analysis Method for OD Case Studies[J]. Group & Organization Studies,1986,11(1/2).

[20]Stanley T D, Jarrell S B. Meta-regression Analysisi: A Quantitative Method of Literatere Surveys[J]. Journal of Economic Surveys,1989,19(3).

[21]Raymond W P, Allen M. Understanding and Using Meta-analysis[J].Evaluation & the Health Professions,1995,18(3).

[22]Rosenthal R, Dimatteo M R. Meta-analysis: Recent Developments in Quantitative Methods for Literature Reviews[J]. Annual Review of Psychology,2001,52(1).

[23]魏江,赵立龙,冯军政. 管理学领域中元分析研究现状评述及实施过程[J]. 浙江大学学报:人文社科版，2012(9).

[24]Hendry D F, Richard J. The Econometric Analysis of Economic Time Series[J]. International Statistical Review,1983, 51(2).

(责任编辑：崔国平)

A Problem Study on Econometric Model Diversity Paradox

YU Li-ping，LIU Jun

(Guiyang Institute for Big Data and Finance, Guizhou University of Finance and Economic, Guiyang 550025, China)

This paper will be on the same problems in the research of economics study, the results of different econometric model each are not identical, even conclusion is in contrast to the problem is known as the paradox of econometric model diversity after the exclusion of econometric model misuse. It analyzes the main causes of this problem is the diversity of key variables, forms of equation and econometric model, and proposes to use meta analysis to solve this problem. It notes that we should seek a single accurate model, as much as possible using a suitable model, pay attention to the similar nature results in the meta-analysis application process. The authors also discuss the new problems caused by meta analysis, such as higher econometric level requirements for the research team, increased costs, extend the time to study, and also increased the length of the paper, etc. But the authors think this is the normal phenomenon in the process of econometrics development and it does not involve the use of meta analysis to solve the "econometric model diversity paradox" problem scientifically.

econometrics； diversity of conclusion； paradox； meta-analysis

2016-04-15

商务部重点课题《欠发达地区创新驱动发展的关键问题与对策研究》(2015SWBZD03)

俞立平，男，江苏姜堰人，管理学博士，教授，研究方向：技术经济，科学计量； 刘 骏，男，贵州息烽人，管理学博士，副教授，研究方向：信息化，欠发达地区发展。

F011∶F064.1

A

1007-3116(2016)11-0020-07