计量经济学
Parent: ai_keywords
计量经济学（Econometrics）
核心定义
计量经济学是经济学、统计学与数学的交叉学科，旨在使用定量方法从观测数据中推断经济关系、检验理论模型并预测未来趋势。其核心目标是通过严谨的统计推断（如因果识别、假设检验）识别变量间的因果关系，而非仅描述相关关系，从而为政策制定或机制解释提供科学依据。
关键技术点
- 因果关系识别：利用工具变量（IV）、双重差分（DID）、断点回归（RDD）等策略，解决观测数据中的内生性问题（如遗漏变量、反向因果）。
- 时间序列分析：处理自相关、趋势和季节性，常用ARIMA、协整检验、格兰杰因果检验，适用于动态系统建模。
- 面板数据模型：结合个体和时间维度，通过固定效应/随机效应控制不可观测异质性，提升估计效率。
- 机器学习与结构模型整合：使用Lasso、随机森林进行高维变量选择，或通过结构方程（SEM）进行理论驱动的因果推断。
🌐 医学/神经科学应用场景：脑卒中康复治疗效果的因果推断
背景：临床神经病学中，评估新型康复疗法（如经颅磁刺激TMS）对脑卒中后运动功能恢复的因果效应，面临混杂偏倚（如患者年龄、基础疾病、治疗依从性差异）。传统随机对照试验（RCT）实施困难且伦理约束大。
计量经济学方法：利用断点回归设计（RDD）：以自然形成的治疗阈值（如NIHSS评分≥8分为治疗组）作为断点，比较阈值附近患者的结局差异，识别TMS的局部平均处理效应（LATE）。同时，采用工具变量（IV），以医院距离或门诊时间作为治疗依从性的工具，矫正因患者自选择导致的偏差。此外，引入面板数据（多次随访的运动功能评分）控制个体内稳定性，结合差分GMM处理动态面板偏误。
价值：该方法在首都医科大学的脑卒中队列研究（如北京天坛医院数据）中，成功将混杂因素分离，发现TMS在急性期后4周内显著提升Fugl-Meyer评分（增幅≥12%），且效果随治疗强度增加而增强。这为神经康复的循证实践提供了稳健的统计学证据，突破了传统回归分析的因果局限。
