経済学における理論的な仮説を、実際の数値データを用いて検証し、定量的な根拠を与える学問領域が計量経済学（Econometrics）です。単なる統計学の応用にとどまらず、経済理論と観察結果を適切に結びつける推論手法を開発することで、複雑な経済現象の中に潜むシンプルな関係性を抽出することを目的としています。
この分野の礎を築いたのは、ヤン・ティンバーゲンとラグナル・フリッシュの二人であり、フリッシュが現在の意味での「計量経済学」という言葉を定義しました。現代では、理論的な枠組みを構築する「計量経済理論」と、実際のデータを用いて分析を行う「応用計量経済学」の二つの側面から発展しています。
Key Facts
- 定義：統計的手法を経済データに適用し、経済的な関係性に実証的な内容を与える学問。
- 主要ツール：重回帰分析が最も基本的かつ頻繁に利用される手法である。
- 目的：経済理論の検証、歴史的分析、および将来の経済予測。
- 課題：観察データに基づくため、単純な相関関係と因果関係の区別が極めて重要となる。
計量経済学の核心となる分析モデル
線形回帰分析の役割
計量経済学において最も汎用されるのが重回帰モデルです。これは、ある変数（従属変数）が他の複数の変数（独立変数）によってどのように決定されるかを直線的な関係でモデル化する手法です。視覚的には、散布図上のデータ点に最も適合する直線を引く作業に相当します。
例えば、労働経済学では「教育年数」が「賃金」にどのような影響を与えるかを分析します。賃金の自然対数を従属変数とし、教育年数を独立変数とすることで、教育が1年増えることが賃金を何％上昇させるかを定量的に推計することが可能です。
実例：オークンの法則
マクロ経済学における古典的な例に「オークンの法則」があります。これはGDP成長率と失業率の間の負の相関関係を示すものです。回帰分析を用いることで、「GDPが1%成長した際に、失業率が具体的に何ポイント低下するか」という数値を導き出すことができます。
手法の変遷と技術的発展
計量経済学の手法は、計算機の性能向上とともに進化してきました。20世紀半ばまでは計算負荷の低さから線形モデルが主流でしたが、1980年代以降、非線形アプローチが普及しました。具体的には、決定木（CART）や一般化加法モデル（GAM）、さらには人工ニューラルネットワークやサポートベクターマシン（SVM）といった高度な予測モデルが導入されています。
また、1930年代の線形判別分析（LDA）や1940年代のロジスティック回帰を経て、1970年代にはこれらを統合した一般化線形モデル（GLM）の枠組みが整備されました。
| アプローチ | 主な特徴 | 主な用途 |
|---|---|---|
| 線形回帰 | 変数間の直線的な関係をモデル化 | 基礎的な因果関係の推計 |
| 非線形モデル | 複雑な曲線や閾値を持つ関係を分析 | 高度な予測、複雑な現象のモデル化 |
| 同時方程式モデル | 相互に影響し合う複数の変数を同時に分析 | 需要と供給の均衡分析 |
| 準実験的手法 | 自然発生的な状況を実験的に利用 | 厳密な因果推論の導出 |
理論的限界と批判的視点
計量経済学は強力なツールである一方、多くの批判にもさらされてきました。最大の懸念は、見せかけの相関（Spurious Correlation）です。二つの変数が統計的に相関していても、実際には因果関係がない場合があります。また、モデルの設計において経済的な論理よりも統計的な有意性（p値）のみを重視する傾向があるという指摘もあります。
特にオーストリア学派からは、歴史的データにおいて「もし別の選択をしていたらどうなったか」という反実仮想（Counterfactual）を正確に把握することは不可能であり、因果関係の特定には限界があるという批判がなされています。これに対し、現代の経済学ではランダム化比較試験（RCT）の導入や、潜在的結果枠組み（Potential Outcomes Framework）による厳格な因果推論への移行が進んでいます。
Frequently Asked Questions
計量経済学と一般的な統計学の違いは何ですか？
統計学がデータの記述や一般論的な推論を扱うのに対し、計量経済学は「経済理論」に基づいたモデルを構築し、それを実証的に検証することに特化しています。特に、経済データ特有の性質（内生性など）に対処するための手法を重視します。
「見せかけの相関」とは具体的にどういうことですか？
二つの変数がどちらも第三の変数に影響されている場合、直接的な因果関係がないにもかかわらず、統計上は強い相関が現れることがあります。これを誤って因果関係と解釈することを指します。
なぜ教育年数と賃金の分析に「自然対数」を使うのですか？
賃金のようなデータは分布が歪んでいることが多く、対数を取ることで分布を正規分布に近づけ、係数を「パーセント変化」として解釈しやすくするためです。
現代の計量経済学で重視されている「信憑性革命」とは何ですか？
単に複雑なモデルを構築することよりも、研究デザイン（準実験的な手法など）を工夫することで、より信頼性の高い因果推論を得ようとするパラダイムシフトのことを指します。
References
- (1987). "Econometrics", , v. 2, p. 8 [pp. 8–22]. Reprinted in J. Eatwell et al., eds. (1990). Econometrics: The New Palgrave, p. 1 Archived 15 March 2023 at the [pp. 1–34]. Abstract Archived 18 May 2012 at the ( revision by J. Geweke, J. Horowitz, and H. P. Pesaran).
- , , and (1954). "Report of the Evaluative Committee for Econometrica", Econometrica 22(2), p. 142. [p p. 141-146], as described and cited in Pesaran (1987) above.
- Paul A. Samuelson and , 2004. . 18th ed., McGraw-Hill, p. 5.
- "1969 - Jan Tinbergen: Nobelprijs economie - Elsevierweekblad.nl". elsevierweekblad.nl. 12 October 2015. Archived from the original on 1 May 2018. Retrieved 1 May 2018.
- Magnus, Jan & Mary S. Morgan (1987) The ET Interview: Professor J. Tinbergen in: 'Econometric Theory 3, 1987, 117–142.
- Willlekens, Frans (2008) International Migration in Europe: Data, Models and Estimates. New Jersey. John Wiley & Sons: 117.
- • H. P. Pesaran (1990), "Econometrics", Econometrics: The New Palgrave, p. 2 Archived 15 March 2023 at the , citing Ragnar Frisch (1936), "A Note on the Term 'Econometrics'", Econometrica, 4(1), p. 95.
• Aris Spanos (2008), "statistics and economics", , 2nd Edition. Abstract. Archived 18 May 2012 at the - Greene, William (2012). "Chapter 1: Econometrics". Econometric Analysis (7th ed.). Pearson Education. pp. 47–48. .
Ultimately, all of these will require a common set of tools, including, for example, the multiple regression model, the use of moment conditions for estimation, instrumental variables (IV) and maximum likelihood estimation. With that in mind, the organization of this book is as follows: The first half of the text develops fundamental results that are common to all the applications. The concept of multiple regression and the linear regression model in particular constitutes the underlying platform of most modeling, even if the linear model itself is not ultimately used as the empirical specification.
- Greene, William (2012). Econometric Analysis (7th ed.). Pearson Education. pp. 34, 41–42. .
- Wooldridge, Jeffrey (2012). "Chapter 1: The Nature of Econometrics and Economic Data". Introductory Econometrics: A Modern Approach (5th ed.). South-Western Cengage Learning. p. 2. .