凤凰号出品

陈晓红:离诺贝尔经济学奖最近的中国人

凤凰大学问<更多内容2017-08-01 19:13:55

本文同步发布于凤凰网大学问微信公众号(ID:ifengdxw),欢迎关注后阅读更多文章

 

2017年7月21日,邹至庄、陈晓红被授予2017年中国经济学奖,奖励他们在计量经济学领域所做出的贡献。

作为中国目前规格最高、奖金金额最高的经济学奖项,中国经济学奖由多位著名诺贝尔经济学奖获得者作为顾问和20多位世界著名经济学教授一起,评选最具杰出贡献的中国经济学人。

陈晓红教授何许人也?在国内“经济学家”喧闹中,陈晓红坐着冷板凳,认真作着世界领先的学问。

坐“冷板凳”的经济学家

陈晓红教授生于湖北,武汉大学学士,美国加州大学圣地亚哥分校经济学博士,现为耶鲁大学Malcolm K. Brachman 经济学教授。其中,陈晓红教授现为上海财经大学经济学院特聘教授,由她参与组织每年在上财召开的Shanghai Econometrics Workshop已成为国际知名学术会议。 

在2007年底,纽约大学和耶鲁大学的陈晓红教授当选为”计量经济学会院士(Econometric Society Fellow)。这是改革开放后,出生中国大陆的第一位Fellow,一个看上去非常弱小的中国女性。在国内名声响当当经济学家,包括林毅夫,洪永淼,钱颖一,都不是“计量经济学会院士”。其他的华人Fellow 有邹至庄,刘遵义,肖政,李龙飞。能够当选为“计量经济学会院士”,这表明他们对经济学的贡献是非常巨大的。

作为一个经济学人,“计量经济学会院士”应该是除了“诺贝尔奖”之后的最高梦想。虽然名字为“计量经济学会”,但是这个组织的研究几乎涵盖了所有的经济学研究的所有的领域。欧美大学经济学系的排名很多时候就是数“计量经济学会院士”的个数。诺贝尔经济学奖是我们中国人的梦想。如果一个人不是“计量经济学会院士”, 那他离诺贝尔奖的距离是孙悟空翻一辈子筋斗也达不到的。换一个计量经济学的术语,我们可以说他得到诺贝尔奖的概率是渐进近似于“零”。我们可以说陈晓红是离诺贝尔奖最近的中国人。 

那陈晓红的巨大贡献在哪里呢?

现代的经济学大体上可以分为微观经济学,宏观经济学,计量经济学三个部分。计量经济学的起源和目的是为了对微观经济学和宏观经济学理论进行检验。 

在理论和实际应用中,计量经济学分为两个方向:参数方法和非参数方法。在我们知道经济方程的形式的时候,我们可以用参数方法。通过一些检验,比如“t-检验”,“Chi-检验”,我们可以分析一个参数是否显著。 

但是我们不知道方程形式的时候,我们就要用非参数的方法。非参数的方法有两种:一种我们称为“核(Kernel)”,一种我们称为“Sieve”。前一种的原理有点像移动平均,虽然我们可以找出一个曲线来拟合样本,但是这个方法的缺点是我们很难用它来检验经济学的理论。不同于Kernel方法,“Sieve”主要用“泰勒公式”或者“Power Series”等方法把一个形式未知的方程展开,然后估计这个方程。这样我们就可以检验那些参数是否显著。从某种意义上讲,Sieve 方法很接近于参数方法,在经济学中的应用会超过了Kernel 方法。陈晓红最大的贡献就是和艾春荣教授把“一般矩估计方法(GMM)”导入了Sieve 方法,证明了一致性,效率性以及正态性;一般化了Sieve 估计方法。这个贡献使得她与LSE的Peter Robinson 教授和MIT的Whitney Newey教授成为了非参数计量经济学里面最顶尖的人物。 

要知道在Handbook of Econometrics 里面写专题的都是这个领域的最高手。陈晓红在Handbook of Econometrics的第六卷里面就有一章是她写的。 

看看陈晓红的学术经历,那也是非常惊人的。UCSD的博士,芝加哥大学经济系助理教授,LSE的Reader(副教授), 纽约大学经济学系的教授,现在是耶鲁大学的教授。能够在世界这些最顶尖的大学里面纵横驰骋,除陈晓红,能有几人。 

计量经济学“女中豪杰”的学术小传 

陈教授作为世界计量经济学领域的顶尖专家,在从事理论计量经济学研究的同时,也与应用经济学各领域的学者们有着多方面的合作。她的主要研究领域包括筛分(sieve)广义矩估计方法以及对多种半参数和非参数模型的估计和推断(具体包括测量误差模型,缺失数据模型,copula 模型,非线性时间序列模型,资产定价实证分析模型,潜在差异性模型,以及对部分识别模型的稳健推断)。 

陈教授在同行评议或编纂的诸多顶级学术刊物上发表了几十篇具有很强影响力的论文,并于2012 年合著出版了一本权威性专著。她还先后担任了Econometrica, Review of Economic Studies, Quantitative Economics, theJournal of Econometrics, Econometric Theory, theEconometrics Journal, the Journal of Nonparametric Statistics 等学术期刊的副主编。陈教授曾多次应邀担任计量经济学会所举办国际学术会议的评议委员会成员,并于会议上作受邀报告。她还受邀为多部权威性学术系列丛书撰写专题综述章节,分别发表在Handbook of Econometrics 卷6B (2007),the Journal of Economic Literature 卷49 (2011),Advances in Economics and Econometrics (计量经济学会第十届世界大会论文集,2013),以及Annual Review of Economics 卷8 (2016)。

陈教授因为在计量理论方面的具有世界影响的原创性工作,于2007 年当选为“计量经济学会会士”(在中国内地出生并接受高等教育的第一人)。与此同时,她也是the Centre forMicrodata Methods and Practice(英国,伦敦)的国际会士,和the Journal of Econometrics 的会士。她还担任了北京大学光华管理学院以及上海财经大学的特聘教授,并于2013 年入选中组部千人计划项目(短期)。她的其他奖项还包括,Econometric Theory 期刊的Multa Scripsit Award,应用计量经济学的Richard StonePrize,以及理论计量经济学的Arnold Zellner Award。

现代经济学大体上可以分为微观经济学,宏观经济学和计量经济学三大部分。计量经济学主要致力于改进现有的统计学方法并提出新的方法,以估计和检验微观和宏观经济学中的各类理论模型。为了实现这一目的,计量经济学需要提出一种方法论,来处理经济数据在其收集过程中产生的误差和(由于经济人的最优化行为而产生的)内生性。

数学上,一个经济学模型可以用可观测变量和不可观测变量的一系列总体概率分布来刻画。这些概率分布由一些未知参数决定,其中包括我们感兴趣的参数,也包括多余参数。如果一个经济学模型中的所有未知参数的取值范围(即参数空间)是有限维的,则称该经济学模型为“参数模型”;如果其未知参数的参数空间是无限维的,则称之为“非参数模型”;如果我们感兴趣的参数的取值范围是有限维的,但多余参数的参数空间是无限维的,则称之为“半参数模型”;如果我们感兴趣的参数中有一部分是有限维的,而另外一部分是无限维的,则称该模型为“半非参数模型”。

经济问题往往由于过于复杂而很难以用一个有限维的参数模型正确刻画;相比之下,半参数和半非参数模型则更加灵活,使得研究者可以只事先设定具有重要经济学含义的结构,却不用设定完整的(动态)一般均衡关系以及可观测和不可观测变量之间复杂的交叉联系。

Lars PeterHansen(2013年诺贝尔经济学奖获得者)提出的广义矩估计方法(1982, Econometrica) 是经济学领域应用最为广泛的半参数估计方法。广义矩方法在对资产价格实证分析和宏观经济动态模型中取得了尤为显著的成功。

Hansen教授在1982年提出广义矩方法的论文中,假设有限维未知参数θ_{0}是无条件矩方程的唯一解。

陈教授在计量经济学领域最重要的突破性贡献在于她提出了一套对于具有内生性的半非参数条件矩模型的估计和推断方法。

这一类模型放松了残差函数的参数化假设,并允许残差函数依赖于内生变量Y_{t}的某种未知函数形式。而考虑内生性问题,则可能是计量经济学区别于统计学的最重要特征。Hansen 1982年的广义矩方法固然可以用于处理含内生变量(例如,模型(2)中的..)的非线性参数回归模型;然而,要处理含有内生解释变量的非参数模型和半非参数模型,技术上却有相当大的难度。

详情可参考Newey and Powell (2003) 和Blundell andPowell (2003)。事实上,在Ai and Chen (2003, 2007) 的工作之前,对于上述的简单的部分线性内生汽油需求模型(3),学术界一直无人知晓能否以及如何一致估计未知参数.01,.02,而对估计量的收敛速度和渐近分布更是一无所知。

陈教授进行了创新,将Hansen原来的矩条件推广成含有未知函数的半非参数条件矩方程。

由于其在内生性半参数模型的广泛适用性,陈晓红与其合作者自发表至今得到了大量学术论文的引用。Hansen在其2014年的诺贝尔演讲论文中引用了为数不多的几篇计量经济学理论论文,而陈与其合作者就是其中之一。

陈教授也在针对筛分M估计方法(包括筛分极大似然估计,筛分最小二乘,筛分非线性最小二乘,筛分分位数回归等)大样本性质的研究上做出了突出的贡献。她还研究了微观计量经济学、面板数据和非线性时间序列中的非参数和半参数模型的筛分M估计和统计推断问题。

这些学术贡献中,关于非线性时间序列半参数模型的部分可以参考Chen and Shen (1998), Chen and White (1999) Chen, Liao and Sun(2014);而关于部分识别模型中筛分似然比推断方法的部分可以参考Chen, Tamer andTorgovitsky (2011)。

2007年,陈教授受邀在Handbook of Econometrics的第六卷里面撰写了关于筛分方法的专题章节。她在文中令人信服地阐述了,当考虑有内生性和潜在异质性的复杂半非参数模型时,筛分方法在估计和统计推断上具有很大的灵活性和优势。她这篇专题章节此后被大量理论和应用计量经济学家引用。

陈教授在半参数和半非参数估计和统计推断等领域做出了突出的理论贡献。与此同时,她的理论研究成果也容易被应用于微观经济学、宏观经济学、金融时间序列的诸多问题上。她本人也研究了以下应用问题的估计和统计推断: 

•半参数copula模型:可参考Chen and Fan (2006a, 2006和2007年度the ArnoldZellner award获奖者), Chen, Fan and Tsyrennikov (2006),Chen and Fan (2006b),Chen, Wu and Yi (2009)。这些研究体现了半参数copula模型在针对(非对称)尾部风险和非线性依赖问题的优势和灵活性,并使得copula 模型在计量经济学和统计学中广受欢迎。 

• 半非参数宏观经济和资产定价模型:可参考Chen and Conley(2000),Chen,Hansen and Scheinkman (2009), Chen and Ludvigson (2009,2008和2009年度theRichard Stone Prize获奖者), Chen, Favilukis and Ludvigson (2013)。

• 半参数测量误差模型,缺失变量和方案评估问题:可参考Chen, Hong andTamer(2005), Chen, Hong and Tarozzi (2008), Carroll, Chen and Hu (2010,2010年度Journalof Nonparametric Studies最佳论文奖), Chen, Hong and Nekipelov (2011)。 

• 半非参数结构性需求分析,形状不变恩格尔曲线,以及非参数内生社会福利函数:可参考Blundell, Chen and Kristensen (2007), 以及Chen and Christensen(2017) 。另外,关于各类产业组织理论的半参数模型,可参考Ackerberg, Chenand Hahn (2012)。

(来源:中国经济学教育科研网)

凤凰网大学问(网址dxw.ifeng.com)是凤凰网旗下的高端思想频道,发布最新思想潮流、权威专家学者的原创文章,举办线下沙龙活动。欢迎订阅关注。

本文来自凤凰号,仅代表凤凰号自媒体观点。

凤凰精品

  • 凤凰大学问
  • 暖新闻
  • 热追踪
  • 在人间
  • 军机处
  • 洞见