期刊文献+

计量经济学与经济学研究的方法论探讨 被引量:6

A Discussion on Methodology of Econometrics and Economic Research
下载PDF
导出
摘要 计量经济学在经济学研究的运用中占主流优势。究其原因,计量经济学对于描述经济现象具有实用性强、精确性高与时效性佳等优点。由于计量经济学在世界经济学研究中的广泛运用,其他的经济学研究方法逐渐被"边缘化"。运用计量经济学方法分析的经济学研究者,普遍认为计量经济学方法具有普适性,然而,事实并非如此。如若经济学研究的其他方法能被广泛运用在经济学研究中,那么经济学研究者能大范围地摒弃计量经济学对经济学现实描述中的诸多约束与假设前提,甚至缩短研究的时空距离。文章着重探讨理想的、令人满意的经济学研究文章的方法论,即为理论与研究方法上的多元性,兼收并蓄,博采众长。这才是现今经济学方法论发展的主流方向。通过分析过往计量经济学的研究方法,深入探究这种方法的局限性及可行性,文章得出经济学研究方法需要多元化的基本结论。 Econometrics is seen as the dominant method in terms of applicability,accuracy and efficiency in economic science. Itis widely used and other methods have been reduced to marginal contributions. Econometricians behave as if their techniques wereuniversal when in fact they are not. If alternative methods are accepted,one can largely eliminate the restrictions and distance to realityof econometrics. The article debates the pathways for a satisfactory economics in a context where theoretical and methodological pluralismis entering even in mainstream ideas. The historical construction of econometrics as the main method in economics and the limitationsand possibilities of this tool are explored,underlining the need of pluralism.
作者 苏畅
机构地区 中共中央党校
出处 《技术经济与管理研究》 北大核心 2017年第11期94-101,共8页 Journal of Technical Economics & Management
关键词 计量经济学 经济学研究 经济学方法 经济转型 Econometrics Economic research Economic methods Economic transition
  • 相关文献

参考文献5

二级参考文献55

  • 1俞可平.治理和善治引论[J].马克思主义与现实,1999,51(5):37-41. 被引量:920
  • 2石伟,崔修利.论公务员绩效考核与德能勤绩[J].广东社会科学,2004(6):70-75. 被引量:11
  • 3胡祥.近年来治理理论研究综述[J].毛泽东邓小平理论研究,2005(3):25-30. 被引量:54
  • 4Chen H., Chiang R., Storey V., 2012, "Business Intelligence and Analytics: From Big Data to Big Impact", Management Informa- tion Systems Quarterly, 36 (4), pp. 1165- 1188.
  • 5Frankel F., Reid R., 2008, "Big Data: Distilling Meaning from Data",Nature,455 (7209), pp.30.
  • 6Gantz J., Reinsel D., 2011, "Digital Universe Study: Extract- ing Value from Chaos",IDC Go-to-Market Services.
  • 7Hey T., Tansley S., Tolle K., 2009, "The Fourth Paradigm: Data-Intensive Scientific Discovery" ,Microsoft.
  • 8Manyika J., Chui M., Brown B. et al., 2011, Big Data: The Next Frontier for Innovation, Competition and Productivity, Institute M. G. McKinsey & Company.
  • 9Science Staff, 2011, "Challenges and Opportunities", Science, 331 (6018), pp.692-693.
  • 10Weihrich H., Koontz H., 2005, Management: A Global Per- spective, Singapore: McGraw-Hill.

共引文献386

同被引文献57

引证文献6

二级引证文献118

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部