2.统计观点

　　消费函数c=a+by，其中a是自发消费，y是可支配收入，b是边际消费倾向。这个函数说明，居民的消费量将精确地取决于可支配收入、自发消费和边际消费倾向。函数关系是一种确定性的关系。但是，这种关于居民消费的断言在现实中毫无疑问会被质疑，居民的消费量是不确定的，受很多随机因素的影响，比如自制力、心情等，有着一定的概率分布。前者(变量之间是确定性关系)是“决定论”的观点，后者(变量之间是不确定性关系)是统计观点，正是这种观点，打破了原来思想家们头脑中的有序结构。

　　二、两种观点的矛盾统一

　　让人迷惑的是，当我们在利用统计方法的时候，却得出了一些几乎完全可靠的定律。统计总体越是偶然、紊乱，就越能更好地表现出统计规律和必然性。比如，我们对于学生考试成绩的统计发现，如果样本足够大，成绩分布将会呈现正态分布，且人数越多，成绩就越呈现标准正态分布。某些看起来无迹可寻的东西，似乎又都可以找到规律—某种稳定的关系。那么，决定论和统计观点之间又有什么差别呢?其实，差别仅在于，统计观点认为不存在绝对的定律，任何所谓的定律其实都是有着某种概率的“可能的”情形，没有什么事情是确定无疑的。各种情况都有可能发生，只不过以不同的概率。

　　但充满不确定性的世界并非就无法认识，我们能够在“决定论”和“统计观点”之间架起一座桥梁。那就是：我们相信，我们可以得到一些定律，这些定律是对某些事情本质的一种最好近似。或者说，这个世界会从无序走向某种程度上的有序。而经济领域的统计定律的发现，就是计量经济学的任务了。

　　三、计量经济学的任务

　　计量经济学就是为了在这个随机的世界中探讨统计性规律。因为只要得到了这个规律，我们就可以在某种程度上认识这个世界，虽然这种认识不会是完全的。人们对于这个世界的认识永远是不会完全的，而只能根据部分“样本”来推断这个世界的整体状况。由样本对整体进行推断正是计量经济学的主要方法。回归分析技术帮助我们进行这样的推断。

　　1.回归与相关

　　“回归”一词最早来源于生物学。英国生物统计学家高尔顿，根据1078对父子身高的散布图发现，虽然身材高的父母比身材矮的父母倾向于有高的孩子，但就平均而言，身材高大的其子要比其自身矮些，身材矮小的其子要比其自身高些，这种遗传上身高趋于一般、“退化到平庸”的现象，高尔顿称作回归。

　　现代意义上的回归是指一个解释变量与对应的被解释变量之间的统计关系。在统计学中，回归和相关是两个极容易混淆的概念。在回归分析中，变量之间的关系是不平等的，有解释与被解释之分，而在相关分析中的变量地位相等且都是随机变量，回归分析中的解释变量可以是非随机变量。

　　2.计量经济学与统计学的分歧

　　统计资料表明，订牛奶人的死亡率高于不订牛奶人的死亡率。这是否意味着牛奶对身体有害呢?不是，只是由于订牛奶的人大多是老弱病残者，老弱病残才是死亡率高的原因。再比如，这也经常被用来反驳统计结论，一个国家的`经济繁荣的情况可能和这个国家一个时期的太阳黑子出现的情况存在一种相关关系，但是这种相关关系同样不能作为人们行动的指导。

　　在这个问题的区分上，就是计量经济学和统计学之间的分歧了。计量经济学讨论的是回归关系，是试图根据某些变量来估计另一个变量。这种估计依赖于两个量之间存在的理论上的联系。而相关关系则充斥着统计学的各个方面，毕竟事物是普遍联系的。

　　3.计量经济学用数据说话

　　认识世界的本质要通过对现象的分析，有两种分析方式：一种是对现象直接进行操作。便捷简单，但是对天赋的要求非常高。但仁者见仁，智者见智，得出的结论可能广受争议。另一种方式则是对现象的属性——数据来进行操作。过程中要遵循严格的科学方法。计量经济学用的是这种方法。因为是用数据说话，可能争议较少。但是对数据的质量的要求很高。不过，数据的质量可以通过统计手段和统计工具的完善加以解决。