1樓：JiQi貓
任何因果關係都是基於模型的，不談模型談因果就是耍流氓。比如說如果你發現y=f(x),並且你能夠自由自在控制x，那麼毫無疑問x是y的因，這個是乾乾淨淨的因果關係。
經濟學定義的因果關係實際有很多假設。比如很多時候f是線性的；觀測不到的影響y的其他原因與x不相關等等，幾乎每個假設都可以說是完全錯誤/或者無法證明/證偽的。不過不影響使用就是了。
2樓：心擒園丁
有科學家猜測蜘蛛的聽覺器官在腿上，於是分了兩組蜘蛛做對照組，一組有腿，一組沒腿。隨著一聲巨響，有腿的那組都跑了，沒腿的那組都在原地不動，結論原假設正確。
現象A:冰淇淋的銷量
現象B:中暑的患者數
經過統計二者高度相關，結論，現象A導致了現象B。
別覺得這兩個例子可笑，很多複雜的統計結論就是這麼得出的，拋開邏輯的唯資料觀念不可取。
3樓：鴿王查理
所謂因果關係即對兩個事件A和B，A「引致」B或B「引致」A這種關係的描述。
計量經濟學包括其他目前主流的社會科學領域對「因果」的定義都遵循休謨到穆勒的經驗主義傳統——如果要在兩個事件之間建立起因果聯絡，它們要滿足以下三個要求：
1）共變性，即兩個事件必須是共變或者一起變化的；
2）時序性，即乙個事件必須在另乙個事件之前發生；
3）排除其他可能的解釋。
基於此傳統，我們對因果關係的把握全部依賴於現象（經驗資料）。然而大多數情況下，計量經濟學在證明「A導致B」這一因果關係時只能證明A是B發生的必要條件而無法證明A是B的充分條件。
4樓：顥卿
簡單講一下計量經濟學中所說的因果，事實上計量經濟學中所談論的因果關係識別，和我們現實生活中的因果並無什麼兩樣。
為什麼計量經濟學注重因果呢？是因為我們研究經濟學現象，一般都是從經濟學模型出發，然後通過資料去驗證模型的結論。
這裡就設及到了下面的問題：模型只是對於現實現象的一種邏輯解釋，而資料則是源自現象本身。
經濟學的模型本身就蘊含著因果關係，比如說最簡單的消費模型，收入效應指出如果收入增加，那麼人會因為收入效應增加自己的消費。
這就是最樸實的收入和消費之間的因果關係：因為收入提高，所以消費提高。但這不是由資料給出的答案，是模型給出的答案。
計量經濟學的存在重要的目的是驗證模型背後理論的正確性，以方便指導我們找出更合理優化的生活方式，這正理解人行為背後的經濟理論的合理性。所以我們要通過資料去驗證模型重的因果關係是否正確。比如說在上面的例子中，模型給出了因果關係的判斷，是否適用於真實的世界，我們能否通過真實世界中的資料（消費，收入），來識別出消費是否會因為收入的增加而增加？
這就因果關係的識別。
進一步地想，這樣的識別意義何在呢？從經濟學角度來說，這樣的因果關係識別的可能幫助我們回答了這樣的問題：在現實中，我們對於某件產品的需求的模擬，到底是用簡單的Cobb-Douglas效用函式模擬比較合適還是用擬線性效應函式更合適呢？
比如說我們把消費定義是 ，兩種函式形式大概是這樣的：
Quasilinear Utility:
Cobb-Douglas Utility:
很顯然經濟學理論只能告訴我們效用函式的形式和性質，並不能告訴我們現實中人們的行為更貼近於哪一種，所以我們要依靠計量方法去識別。
這樣的識別在計量經濟學中顯然是有難度的，原因有兩點：
資料不完美。我們無法真正完美控制資料進行實驗，比如說我們在現實中看到小王收入兩千和每個月消費五百，我們很難說現在讓小王的收入變成四千，然後再看看他如果有四千塊錢會如何進行消費。這幾乎是很難實現的事情。
資料不完美導致我們看到的的資料都是帶有一定擾動的。比如說資料中有些窮人消費多，有些富人消費少，這是不是就說明模型就是錯的？另一方面即使在資料中看到窮人消費少，富人消費多，我們也無法得出收入提高會導致消費提高的結論。
或許窮人消費少並不是因為收入少，只是因為窮人沒有太多的應酬，所以不需要去打扮自己，也不需要請客吃飯。而富人消費多也並不是因為賺得多就一定要花得多，而是因為平時的社交需求，所以不得不在社交方面花費大量的金錢。一旦控制了社交需求這方面的變數，可能收入本身對於消費的影響便可以變得忽略不計了，而恰恰社交這樣的變數關係，我們研究社會科學的時候即難以控制，又難以直接觀測到。
回歸模型係數本身不具備因果關係。雖然回歸模型從形式上來說是：
這樣的表現形式，隱含 導致了 這樣的關係。但事實上如果我們簡單觀測回歸係數，如果 的係數是顯著的，那麼互換兩者之間的關係，係數仍然是顯著的，我們是不是也可以說 也導致了 呢？在有些時候，我們甚至可以通過人為加入一些變數，來「使得」模型變得不顯著，比如說對於任意回歸模型加入:
之後， 的回歸係數通常會接近於1，而 則接近於0，我們能夠由此判斷 肯定就不會導致 麼？這顯然也是不嚴謹的。
所以綜上所述，計量當中識別因果意味著通過計量方法，從資料中找出 之間的指向性關係。換而言之，是把資料和模型中存在的干擾過濾乾淨，給出答案：
究竟是直接導致了 的變化，還是只是通過看不到的 影響了 ，還是 對 沒有任何作用。識別因果的方法有很多，最常見的是工具變數的使用，關於這點之前 @司馬懿 給出過很好的答案，我很喜歡，推薦大家做拓展閱讀之用。
工具變數 (Instrumental variables) 的作用到底是什麼？ - 司馬懿的回答 - 知乎 https://www.
5樓：
和一般意義的「因果」或「因果關係」有哪些異同？
答：並無差異。
X是Y的原因：其他條件不變時，X的變化可以導致Y的變化，則X是Y的原因。
這裡最難最難的是「其他條件不變」。
6樓：的是的的的的
改變「因」的變數，在其他一切因素不變的情況下，那麼「果」的變數就會改變，就是因果。這個似乎比較流行，也比較接近自然科學的方法。但這只是有些學者的定義，因果的定義應該是乙個哲學問題而不是經濟學問題了。
這個定義會帶來一些問題。
比如，根據這個說法，用cross sectional資料是無法匯出因果關係的，因為沒辦法觀測到某一變數的變化。和這個說法還意味著一切你無法改變的變數都無法成為「因」。比如性別，在一套面板資料裡，性別一般是不變的。
根據這個定義，不可以說性別cause什麼什麼。你可以看性別和口紅銷量的關係，發現男人都不買口紅。但你不能說「是男人導致了不買口紅。
」因為單從資料上來看，這只是乙個相關性。要想用實證支援因為男人所以不買口紅這個說法，你需要找到一些由男人變成女人的人，發現變了以後他們開始買口紅了。在找一些女人變成男人的人，發現變了以後就不買了。
那這時候你的論據就非常有說服力了。
7樓：
實證經濟學（positive analysis）：理論模型+經驗驗證。計量經濟學的初衷，應該是為了驗證經濟學理論中推導出來的變數之間的關係。
因為經濟學資料並非是隨機抽取，所以需要借助各種計量理論去修正資料，以保證資料的隨機正態分佈。後期出現的經驗模型，並非嚴格意義上的因果關係。現在的經驗分析，大都是通過回歸分析的相關性來得出結論，不夠嚴謹。
8樓：VIC
計量統計中的物件是人，人與人之間在因變數之外的其他變數上的差異很難完全控制，所以其因果關係的缺陷是先天的，即用不同個案之間的差異，當做同乙個案在不同時點上的變化來看，導致異質性和內生行偏誤，即樣本選擇性偏誤。 所以計量統計中很難達到完全的因果關係。
9樓：三水並不水
因果關係不僅僅要考慮x與y的變數與因變數，還要考慮時間性，先導性，經濟學中都是已知因量，但是在實際生活中或者很多經濟問題中，這之間的聯絡不同，因此因變數和變數都是不一樣的
10樓：frank hu
「引起」和「相關」的分別。但計量中的因果和實際意義中的因果不同，計量中找到的x與y之間的因果關係更像是「x與y之間的直接相關性」，或者說「x與y之間不由於第三個共同變數所引起的相關性」，而非平常生活中的「x引起了y的變化」。也就是說，其實計量找到的「因果性」，本質上還是跳不出相關性的怪圈
靈感來自於基本的工具變數原理
計量經濟學最好的教材是什麼？
目前正在美國讀研 重新學計量經濟學中 本科國內top20，用的李子奈加伍德里奇，上的應用計量經濟學加一門時間序列分析 李子奈和伍德里奇本科看著很爽，但是不強調證明。用eviews和r沒問題 推薦Econometric Analysis和Guide to Modern Econometrics可以知道...
計量經濟學中ess tss rss是什麼？它們的關係是
時夜星光 在統計學中ESS也叫SSE，TSS也叫SST,RSS 也叫SSR。具體定義我就不贅述了。下面我以一元線性回歸模說明下SST SSE SSR的證明過程 用最小二乘法估計 的值 關於SST SSR SSE的推導過程如下 其中第一項和第三項根據上面必要條件 1 可知為0，第二項由必要條件 2 可...
為什麼要學計量經濟學？
搞純理論的難混，理論裡面高計量理論的最難混，你發j of e去找工作搞不好還得被人說文章no econ sense。從這個角度講，學計量可能是因為你做統計的做不下去了 做數學做不下去一般就變成微觀理論了。至於巨集觀，沒有純理論 當然，嫌統計 數學錢太少所以來經濟系混的也有 做應用理論，學計量可能是因...