姚天駒

[摘要]經(jīng)濟(jì)學(xué)研究采用的主要模式是模型驅(qū)動(dòng)范式，推動(dòng)著經(jīng)濟(jì)學(xué)的發(fā)展。但是21世紀(jì)以來，數(shù)據(jù)量爆炸式增長，模型驅(qū)動(dòng)范式難以滿足經(jīng)濟(jì)學(xué)發(fā)展的需要，數(shù)據(jù)驅(qū)動(dòng)范式應(yīng)運(yùn)而生，且具有十分強(qiáng)大的優(yōu)勢，將主導(dǎo)未來的經(jīng)濟(jì)學(xué)發(fā)展。

[關(guān)鍵詞]大數(shù)據(jù)；經(jīng)濟(jì)學(xué)；數(shù)據(jù)驅(qū)動(dòng)范式

隨著科學(xué)技術(shù)的發(fā)展的進(jìn)步，科學(xué)研究中的數(shù)據(jù)在數(shù)量和種類上都在不斷激增，幾乎每個(gè)領(lǐng)域都在經(jīng)歷數(shù)據(jù)爆炸。對于經(jīng)濟(jì)學(xué)研究來說，研究者也應(yīng)當(dāng)改變傳統(tǒng)研究范式，對數(shù)據(jù)驅(qū)動(dòng)范式進(jìn)行研究以適應(yīng)大數(shù)據(jù)時(shí)代的快速發(fā)展。

一、大數(shù)據(jù)時(shí)代的來臨

20世紀(jì)80年代初期，大數(shù)據(jù)登上歷史的舞臺，阿爾文·托夫勒稱之為“第三次浪潮的華彩樂章”。隨著科學(xué)技術(shù)的不斷進(jìn)步、數(shù)據(jù)的重要性提高，大數(shù)據(jù)時(shí)代終于來臨。進(jìn)入90年代中期，信息產(chǎn)業(yè)界和學(xué)術(shù)界開始進(jìn)行大數(shù)據(jù)的研究，大量有價(jià)值的成果涌現(xiàn)出來。直至進(jìn)入21世紀(jì)，到達(dá)了數(shù)據(jù)大爆炸時(shí)代，2011年全球數(shù)據(jù)量高達(dá)1.82ZB（1ZB=2B），2012年全球紙質(zhì)印刷材料僅承載不到200PB（1PB=2B）的數(shù)據(jù)量，2013年僅一天的數(shù)據(jù)量就需要1.88億張DVD光盤才能容納。隨著大數(shù)據(jù)時(shí)代的來臨，大數(shù)據(jù)爆炸式增長使得各國將大數(shù)據(jù)上升到國家級戰(zhàn)略研究。我國對大數(shù)據(jù)技術(shù)發(fā)展時(shí)間較晚，直到2012年學(xué)術(shù)各界才開始了研究熱潮?？傮w來說，大數(shù)據(jù)具有六大特征：（1）數(shù)據(jù)量巨大，大數(shù)據(jù)計(jì)量單位已變成ZB（2）和EB（2）。（2）價(jià)值巨大。大數(shù)據(jù)經(jīng)過精確分析后具有廣泛的應(yīng)用范圍。（3）數(shù)據(jù)類型多樣，包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)等。（4）處理速度快。發(fā)揮大數(shù)據(jù)的最大應(yīng)用價(jià)值需要將實(shí)時(shí)大量的大數(shù)據(jù)精確快速的進(jìn)行分析。（5）流通靈活，大數(shù)據(jù)靈活的交易方式將會成為交易量最大的商品。（6）準(zhǔn)確性，由于大數(shù)據(jù)的巨大樣本量，經(jīng)過分析處理得到的結(jié)果具有較高的真實(shí)性和準(zhǔn)確性。大數(shù)據(jù)時(shí)代的來臨，給經(jīng)濟(jì)學(xué)研究帶來了思考和挑戰(zhàn)，經(jīng)濟(jì)學(xué)研究范式也發(fā)生了改變。

二、數(shù)據(jù)驅(qū)動(dòng)范式的興起

（一）數(shù)據(jù)驅(qū)動(dòng)范式的優(yōu)勢

首先是研究范式由“樣本-總體”轉(zhuǎn)變?yōu)椤皹颖?總體”。在經(jīng)濟(jì)學(xué)統(tǒng)計(jì)研究領(lǐng)域，使用樣本推斷總體是一個(gè)重要的原則。以往的模型驅(qū)動(dòng)范式采樣的隨機(jī)性難以實(shí)現(xiàn)，不能進(jìn)行奇異值分析也不適合考察子類別情況。而大數(shù)據(jù)背景下的數(shù)據(jù)驅(qū)動(dòng)研究范式能夠避免這些問題，在數(shù)據(jù)采集、處理和分析技術(shù)上都有巨大的進(jìn)步，樣本即總體，可直接對數(shù)據(jù)進(jìn)行分析，不需要考慮抽樣方法和模型設(shè)計(jì)的缺陷。其次是不需要研究假定。數(shù)據(jù)驅(qū)動(dòng)范式研究不需要假定數(shù)據(jù)必須符合正態(tài)分布等，也不需要假定因變量和自變量之間的關(guān)系。從數(shù)據(jù)原本出發(fā)，直接尋找數(shù)據(jù)之間的關(guān)系并發(fā)現(xiàn)其中的規(guī)律，加以總結(jié)形成研究結(jié)論。模型驅(qū)動(dòng)研究流程為“假設(shè)一驗(yàn)證”，而數(shù)據(jù)驅(qū)動(dòng)研究流程則是“發(fā)現(xiàn)一總結(jié)”。最后是檢驗(yàn)方法科學(xué)，數(shù)據(jù)驅(qū)動(dòng)研究采用交叉驗(yàn)證方法，將數(shù)據(jù)分為兩類，訓(xùn)練集用來建模，測試集用來檢驗(yàn)，實(shí)質(zhì)上就是利用數(shù)據(jù)本身進(jìn)行檢驗(yàn)，結(jié)果的科學(xué)性和準(zhǔn)確性得到大大提高。

（二）數(shù)據(jù)驅(qū)動(dòng)范式與模型驅(qū)動(dòng)范式的經(jīng)濟(jì)學(xué)研究案例分析

在宏觀經(jīng)濟(jì)分析中，經(jīng)濟(jì)增長的“三駕馬車”包括投資、消費(fèi)和凈出口，通過從《中國統(tǒng)計(jì)年鑒》中獲取相關(guān)數(shù)據(jù)，這些數(shù)據(jù)形成經(jīng)濟(jì)增長數(shù)據(jù)集。以前人構(gòu)建的中國經(jīng)濟(jì)增長問題研究模型為例，首先對經(jīng)濟(jì)增長數(shù)據(jù)集利用數(shù)據(jù)驅(qū)動(dòng)范式進(jìn)行隨機(jī)森林模擬。隨機(jī)森林算法主要是生成相互獨(dú)立分布的多個(gè)隨機(jī)向量θ1，θ2…，θk，以訓(xùn)練集為基礎(chǔ)，建立樹h（x，θi），其中i=1，2…，k。通過這個(gè)過程的多次重復(fù)生成多個(gè)彼此獨(dú)立的樹，由這些樹來決定最終結(jié)果。這種算法的誤差在于樹的分類精度，還有樹之間的相關(guān)性和強(qiáng)度，樹的分類精度越大、相關(guān)性越小、強(qiáng)度越大，則結(jié)果誤差越小，反之誤差則大。隨機(jī)森林算法還能度量變量的重要性，從研究結(jié)果看，以均方誤差的平均遞減排序依次為投資、消費(fèi)和凈出口，這個(gè)順序同樣代表了變量的重要性，這與我國目前宏觀經(jīng)濟(jì)的運(yùn)行趨勢一致。

為檢驗(yàn)數(shù)據(jù)驅(qū)動(dòng)范式隨機(jī)森林算法的準(zhǔn)確性，采用模型驅(qū)動(dòng)范式多元線性回歸模擬對上述經(jīng)濟(jì)增長數(shù)據(jù)集進(jìn)行分析，用GDP、CON、INV和NEX代表國內(nèi)生產(chǎn)總值、消費(fèi)、投資和凈出口的增長率，建立多元線性回歸模型如下：

從該模型的假設(shè)檢驗(yàn)來看，擬合效果較好。各個(gè)自變量的參數(shù)估計(jì)假設(shè)檢驗(yàn)顯著水平均在0.01或者0.1，F(xiàn)檢驗(yàn)也通過了顯著水平0.01的檢驗(yàn)，決定系數(shù)R2也超過了0.9。從自變量的系數(shù)能夠看出，消費(fèi)（CON）是我國經(jīng)濟(jì)增長的重要支撐力量，但我國宏觀經(jīng)濟(jì)政策是以投資為導(dǎo)向的，這與實(shí)際不符，說明了這個(gè)多元線性回歸模型的分析結(jié)果有可能是不準(zhǔn)確的，需要進(jìn)行檢驗(yàn)。模型最重要的應(yīng)用是進(jìn)行預(yù)測，而預(yù)測的準(zhǔn)確性需要使用交叉檢驗(yàn)進(jìn)行評價(jià)。而交叉檢驗(yàn)應(yīng)用原數(shù)據(jù)進(jìn)行評價(jià)比假設(shè)檢驗(yàn)更科學(xué)，在上述案例中，隨機(jī)森林算法的模擬效果比多元線性回歸模型要好的多，經(jīng)過4折交叉檢驗(yàn)，隨機(jī)森林算法的測試集平均標(biāo)準(zhǔn)化均方誤差為0.253，預(yù)測精度非常高，而多元線性回歸模型測試集的平均NMSE則為4.378，結(jié)果還不及均值預(yù)測。因此結(jié)論是通過了T檢驗(yàn)和F檢驗(yàn)的多元線性回歸模型仍然對于中國經(jīng)濟(jì)增長的分析是不準(zhǔn)確的，還是需要由隨機(jī)森林算法來進(jìn)行分析。

三、科技創(chuàng)新數(shù)據(jù)集的隨機(jī)森林模擬

隨機(jī)森林模擬算法能夠有效克服多元線性回歸模型的不足，提升數(shù)據(jù)的驅(qū)動(dòng)能力，對推動(dòng)經(jīng)濟(jì)學(xué)的變革，具有重要作用。在對科技創(chuàng)新數(shù)據(jù)集進(jìn)行隨機(jī)模擬的過程中發(fā)現(xiàn)，制度因素是影響科技創(chuàng)新數(shù)據(jù)集驅(qū)動(dòng)力的關(guān)鍵。人力資源和物力資源也是影響科技創(chuàng)新數(shù)據(jù)集的重要因素，固定物力對科技創(chuàng)新數(shù)據(jù)集的作用最不明顯。研究結(jié)果表明，回歸模型的驅(qū)動(dòng)范式和隨機(jī)森林模擬算法的驅(qū)動(dòng)范式各不相同。單純從模型的角度來說，包括多元線性回歸模型和嶺回歸模型在內(nèi)的回歸模型，能夠更加直觀明了的顯現(xiàn)出科技創(chuàng)新數(shù)據(jù)集的驅(qū)動(dòng)力，同時(shí)，嶺回歸模型的驅(qū)動(dòng)要大于多元線性回歸模型的驅(qū)動(dòng)力，能夠更為準(zhǔn)確的揭示科技創(chuàng)新數(shù)據(jù)集各變量之間的關(guān)系。原因是由多重共線對多元線性方程具有一定影響。而隨機(jī)森林模擬算法未能建立統(tǒng)一的模型，對科技創(chuàng)新數(shù)據(jù)集驅(qū)動(dòng)力的評價(jià)采用最優(yōu)化算法，參照各個(gè)變量間的相互關(guān)系，獲得測算結(jié)果。從對數(shù)據(jù)的要求來說，科技創(chuàng)新數(shù)據(jù)集與經(jīng)濟(jì)增長數(shù)據(jù)集具有相似性，在科技增長數(shù)據(jù)集中，多元線性回歸模型的假設(shè)數(shù)量過多。以至于無法滿足所有的假設(shè)。同時(shí)，由于多元線性回歸模型受多重共線性的影響較大，不利于數(shù)據(jù)的擬合，因此，不得不依靠嶺回歸模型克服多元線性回歸模型的弊端，但通過建立嶺回歸模型的方式，設(shè)定懲罰系數(shù)，也會在一定程度上降低模型測定的準(zhǔn)確性。通過采用隨機(jī)森林模擬算法，不需要對數(shù)據(jù)進(jìn)行假設(shè)，大大減低了應(yīng)用條件的限制，提升了算法的適應(yīng)性。從預(yù)測的準(zhǔn)確性來看，多元線性回歸算法、嶺回歸算法和隨機(jī)森林模擬算法的準(zhǔn)確性都很高，其中一多元線性回歸算法的準(zhǔn)確率最高。原因是多元線性回歸模型的決定系數(shù)高于其它兩種算法。如果僅僅是為了實(shí)現(xiàn)對數(shù)據(jù)的預(yù)測，則可以忽略多重共線性，選擇多元線性回歸模型?；诖耍P者認(rèn)為，應(yīng)根據(jù)數(shù)據(jù)集的使用目的選擇科學(xué)合理的算法。例如，在研究各變量之間的關(guān)系時(shí)，可采用嶺回歸算法和隨機(jī)森林算法對數(shù)據(jù)進(jìn)行擬合并求得結(jié)果。如果僅僅是為了實(shí)現(xiàn)對數(shù)據(jù)的預(yù)測，那么則應(yīng)排除多重共線性對多元回歸模型的影響，采用多元回歸模型對數(shù)據(jù)進(jìn)行預(yù)測。通過以上研究發(fā)現(xiàn)，利用多元回歸模型對數(shù)據(jù)進(jìn)行預(yù)測，準(zhǔn)確率較高，嶺回歸模型能夠克服多元線性回歸模型的弊端，隨機(jī)森林算法在數(shù)據(jù)集的擬合上較為穩(wěn)健。因此，應(yīng)結(jié)合實(shí)際情況，對三種方法進(jìn)行合理運(yùn)用。

四、結(jié)語

模型驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)兩種范式之間的關(guān)系類似于牛頓力學(xué)、相對論和量子力學(xué)的關(guān)系，模型驅(qū)動(dòng)范式在數(shù)據(jù)信息不發(fā)達(dá)的時(shí)代為經(jīng)濟(jì)學(xué)的研究做出了不可忽視的貢獻(xiàn)，而現(xiàn)今在大數(shù)據(jù)爆炸式增長的時(shí)代，數(shù)據(jù)驅(qū)動(dòng)范式利用模式驅(qū)動(dòng)范式的研究理論和成果發(fā)展迅速，二者共同推動(dòng)經(jīng)濟(jì)思想和理論的進(jìn)步。endprint