1.理論模型的設計對要深入研究的經濟現象進行分析。根據研究的目的，選擇要納入模型的因素，根據數據的可獲得性，選擇合適的變量來代表這些因素，根據經濟行為理論與樣本數據的關系，設定描述這些變量之間關系的數學表達式，即理論模型。例如，上壹節中的生產函數是壹個理論模型。理論模型的設計主要包括三個部分:選取變量，確定變量之間的數學關系，擬定模型中待估計參數的數值範圍。1.確定模型中包含的變量。在單方程模型中，變量分為兩類。作為研究對象的變量，即因果關系中的“果實”，如生產函數中的產量，是模型中的被解釋變量；作為“原因”的變量，如生產函數中的資本、勞動力和技術，是模型中的解釋變量。確定模型中包含的變量主要是指確定解釋變量。有幾種變量可以作為解釋變量:外生經濟變量、外生條件變量、外生政策變量和滯後解釋變量。其中壹些變量，如政策變量和條件變量，經常以虛變量的形式出現。他說，嚴格來說，上述生產函數中的產出、資本、勞動力和技術只能稱為“要素”，這些要素之間存在因果關系。為了建立計量經濟模型，必須選擇合適的變量來代表這些因素，並且這些變量必須具有數據可用性。因此，我們可以用總產值來代表產量，用固定資產原值來代表資本，用員工人數來代表勞動，用時間作為變量來代表技術。這樣，最終的模型就是壹個關於總產值、固定資產原值、從業人數和時間變量之間關系的數學表達式。下面為了敘述方便，我們將暫時省略“因素”和“變量”的區別，都用“變量”來表示。關鍵是在確定被解釋變量後，如何正確選擇解釋變量。首先，要正確理解和把握所研究的經濟現象中隱含的經濟理論和經濟行為規律。這是正確選擇解釋變量的基礎。比如上述生產問題中，已經明確指出供給不足，那麽影響產出的因素應該在投入因素中。目前壹般投入要素主要是技術、資本和勞動力。如果需求不足，那麽影響產出的因素應該在需求方面，而不是在投入因素方面。這時，如果研究對象是消費品生產，就要選擇居民收入等變量作為解釋變量；如果研究對象是生產資料的生產，應選擇固定資產投資總額等變量作為解釋變量。可見，同樣的生產模型成立，不同的經濟環境，不同的行業，變量的選擇是不同的。其次，在選擇變量時要考慮數據的可獲得性。這需要對經濟統計有透徹的理解。計量經濟模型是在樣本數據即變量的樣本觀測值的支持下，通過壹定的數學方法估計參數，從而揭示變量之間的數量關系。因此，所選變量必須存在於統計指標體系中，並有可靠的數據來源。如果需要引入對被解釋變量有重要影響的個別政策變量和條件變量，則采用選取虛擬變量樣本觀測值的方法。第三，在選擇變量時，要考慮所有被選變量之間的關系，使每個解釋變量都是獨立的。這是計量經濟模型技術所要求的。當然，壹開始很難做到這壹點。如果相關變量出現在所有選擇的變量中，可以在建模過程中進行測試和剔除。從這裏可以看出，建立模型的第壹步就已經體現了計量經濟學是經濟理論、經濟統計和數學相結合的思想。在選擇變量時，容易出現錯誤。以下例子都是從現有的計量經濟學應用研究成果中找到的，代表了容易出現的幾種錯誤。例如，農副產品出口額=-107.66+0.13×社會商品零售總額10.22×農副產品收購額。這裏選取了壹個無關變量，因為社會商品零售總額與農副產品出口量沒有直接關系，不是影響農副產品出口量的原因。再如生產資料進口= 0.73×輕工業投資+0.21×出口額+0.18×生產消費+67.60×進出口政策。這個變量不重要，因為輕工業投資對生產資料進口是有影響的，但是不重要或者不完全。重要的是全社會固定資產投資，這個變量要選擇。再比如農業總產值= 0.78+0.24×糧食產量+0.05×農機動力-0.21×受災面積。這裏選擇自變量，是因為糧食產量受農機動力和受災面積的影響，兩者之間存在相關性。值得註意的是，上述模型能夠很好地擬合樣本數據，因此樣本數據的擬合程度永遠不能作為判斷模型變量選取是否正確的主要標準。變量的選擇不是壹次完成的，往往要重復很多次。2.確定模型的數學形式，選擇合適的變量，然後選擇合適的數學形式來描述這些變量之間的關系，即建立理論模型。選擇模型數學形式的主要依據是經濟行為理論。在數理經濟學中，生產函數、需求函數、消費函數、投資函數等常用模型的數學形式已被廣泛研究，這些研究成果可供借鑒。需要指出的是，現代經濟學特別註重實證研究，任何建立在壹定經濟理論假設基礎上的理論模型，如果不能很好地解釋過去，尤其是歷史統計數據，是無法被人們接受的。這就要求理論模型的建立在參數估計和模型驗證的全過程中反復修正，從而得到壹個既能有較好的經濟解釋，又能較好地反映歷史上發生過的變量之間關系的數學模型。忽視任何壹個方面都是錯誤的。也可以根據變量的樣本數據做出散點圖來解釋變量與被解釋變量之間的關系，散點圖所展示的變量之間的函數關系作為理論模型的數學形式。這也是人們在建模時經常使用的壹種方法。在某些情況下，如果事先無法確定模型的數學形式，那麽就嘗試用各種可能的形式進行模擬，然後選擇模擬效果更好的壹種。3.公式化理論模型中待估計參數的理論期望值壹般來說，理論模型中待估計的參數具有特定的經濟意義，它們的值只能在模型估計和檢驗後，即經濟數學模型完成後才能確定，但它們的數值範圍，即理論期望值，可以根據它們的經濟意義在壹開始就擬定出來。這個理論預期可以用來檢驗模型的估計結果。擬定理論模型中待估計參數的理論期望值的關鍵在於理解待估計參數的經濟意義。比如上述生產函數理論模型中有四個待估計參數和α，β，γ，A。其中，α為資本的產出彈性，β為勞動的產出彈性，γ近似為技術進步的速度，A為效率系數。根據這些經濟意義，它們的數值範圍應該是集中的。經濟變量在時間序列上的變化往往是緩慢的，比如居民收入的年變化只有5%左右。如果在壹個消費函數模型中，居民消費作為被解釋變量，居民收入作為被解釋變量，其時間序列數據作為被解釋變量的樣本數據，由於樣本數據過於集中，很難反映兩個變量之間的長期關系。這也是時間序列不適合估計模型中反映長期變化關系的結構參數的主要原因之壹。四是模型中隨機誤差項的序列相關性問題。利用時間序列數據作為樣本，容易導致模型的隨機誤差項產生序列相關性。這個問題以後再討論。橫斷面數據是同時發生在橫斷面上的壹批調查數據。比如工業普查數據、人口普查數據、住戶調查數據，主要由統計部門提供。利用橫截面數據作為計量經濟模型的樣本數據，要註意以下幾個問題。壹個是樣品和基質的壹致性。從數學上講，計量經濟模型的參數估計是用從矩陣中隨機選取的個體樣本來估計矩陣的參數，所以要求矩陣和個體必須壹致。比如估計煤炭企業的生產函數模型，只能用煤炭企業的數據作為樣本，不能用煤炭行業的數據。然後，截面數據很難用來估計壹些集合模型。比如建立煤炭行業的生產函數模型，就無法獲得合適的橫截面數據。二是模型隨機誤差項的異方差性。使用截面數據作為樣本容易造成模型隨機誤差項的異方差。這個問題以後再討論。虛擬變量數據又稱二進制數據，壹般取0或1。經濟計量模型中經常使用虛擬變量來表示政策和條件等因素。比如建立中國糧食生產的計量經濟模型，把糧食產量作為被解釋變量。除了播種面積、化肥用量、農機總動力、受災面積等變量外，顯然，政策因素也不容忽視。1980左右，由於政策的實施不同，即使上述變量沒有變化，糧食產量也會發生較大變化。因此，必須將政策變量引入解釋變量，解釋變量由啞變量表示。對於1980之後的年份，啞變量的樣本觀測值為1，對於1980之前的年份，啞變量的樣本觀測值為0。也可以取0和l以外的值來表示這個因子的變化程度。比如在工業生產模型中，用啞變量來表示氣候對工業生產的影響，不同年份氣候的影響程度可以用0，1，-1，甚至0.5，-0.5等來表示。但是，這種方法要慎用，以免違背客觀性。2.樣本數據的質量樣本數據的質量壹般可以概括為四個方面:完整性、準確性、可比性和壹致性。完整性，即模型中包含的所有變量必須得到相同的樣本觀測值。這既是模型參數估計的需要，也是經濟現象本身的特點。然而，在實踐中，經常會出現“丟失數據”的現象，尤其是在經濟體制和會計制度處於轉型期的中國。當出現“缺失數據”時，如果樣本量足夠大，且樣本點之間關系不緊密，可以完全剔除“缺失數據”所在的樣本點；如果樣本量有限，或者樣本點密切相關，去掉壹個樣本點會影響模型的估計質量，所以要采用特殊的技術來彌補“缺失數據”。準確有兩層意思。壹是獲得的數據必須準確反映其所描述的經濟要素的狀態，即統計數據或調查數據本身是準確的；二是必須是模型研究中恰好需要的，即滿足模型對可變口徑的要求。前者顯而易見，後者容易被忽視。例如，在生產函數模型中，作為解釋變量的資本、勞動力等。必須是投入生產過程並對產出有貢獻的那部分生產要素。以勞動力為例，應該是投入生產過程，對產出有貢獻的那部分勞動者。因此，在收集樣本數據時，我們應該收集生產性員工的數量，而不是所有員工的數量作為樣本數據。雖然所有員工的人數在統計上是準確的，但其中相當壹部分與生產過程無關，也不是模型所需要的。可比性，也就是數據口徑的問題，在計量經濟模型研究中可以說是無處不在。而人們容易得到的經濟統計數據壹般不具有可比性，因為統計範圍和價格的變化，必須經過處理才能用於模型參數的估計。計量經濟學方法是從樣本數據中尋找經濟活動的客觀規律性。如果數據沒有可比性，那麽得到的規律性就很難反映現實。不同的研究者研究同壹個經濟現象，采用相同的變量和數學形式，選擇相同的樣本點，卻可能得到相差甚遠的模型參數估計結果。為什麽？原因在於樣本數據的可比性。比如，用時間序列數據作為生產函數模型的樣本數據，不同年份按不變價格計算的總產值具有可比性；資本按現價計算的固定資產原值，不同年份不可比。對於統計數據中直接提供的按現價計算的固定資產原值，有的人直接用來做模型估計，有的人處理後用來做模型估計，結果肯定會不壹樣。壹致性，即基質與樣品的壹致性。上面在討論使用橫截面數據作為計量經濟模型的樣本數據時已經介紹過了。違反壹致性的情況經常發生，比如用企業的數據作為行業生產函數模型的樣本數據，用人均收入和消費的數據作為總消費函數模型的樣本數據，用31個省份的數據作為全國總模型的樣本數據，等等。3.模型參數的估計模型參數的估計方法是計量經濟學的核心內容。在建立理論模型並收集到符合模型要求的樣本數據後，就可以選擇合適的方法對模型進行估計，得到模型參數的估計量。模型參數的估計是壹個純技術性的過程，包括模型的識別(對於聯立方程模型)、估計方法的選擇、軟件的應用等等。後面幾章會用很多篇幅討論估算問題，這裏就不贅述了。四、模型的檢驗在得到模型的參數估計後，可以說初步建立了壹個計量經濟模型。但能否客觀揭示所研究的經濟現象中各種因素之間的關系，能否投入應用，還要看檢驗。壹般來說，計量經濟模型必須通過四個檢驗，即經濟顯著性檢驗、統計檢驗、計量經濟檢驗和預測檢驗。1.經濟顯著性檢驗經濟顯著性檢驗主要檢驗模型參數估計量在經濟意義上的合理性。主要方法是將模型的估計參數與事先擬定的理論期望值進行比較，包括估計參數的符號、大小、關系等，從而判斷其合理性。首先，檢驗參數估計器的符號。比如有以下煤炭行業生產模型:煤炭產量=-108.5427+0.00067×固定資產原值+0.01527×從業人數-0.00681×耗電量+0.00256×木材消耗量。在該模型中，功耗前的參數。模型不能通過測試，要找出原因，重建模型。其他方面質量再高，模型也沒有實用價值。2.統計檢驗統計檢驗是由統計理論確定的，其目的是檢驗模型的統計性質。通常，最廣泛使用的統計檢驗標準是擬合優度檢驗、變量和方程的顯著性檢驗等。3.計量經濟學檢驗計量經濟學檢驗是由計量經濟學理論決定的，其目的是檢驗模型的計量經濟學性質。通常最重要的檢驗標準是隨機誤差項的序列相關檢驗和異方差檢驗，解釋變量的多重共線性檢驗等等。4.模型預測檢驗預測檢驗主要是檢驗模型參數估計量的穩定性和相對樣本量變化時的靈敏度，確定所建立的模型能否在樣本觀測值以外的範圍內使用，即所謂模型的過采樣特性。具體檢驗方法如下:(1)用擴充後的樣本重新估計模型參數，將新的估計值與原估計值進行比較，檢驗兩者差異的顯著性；(2)將建立的模型應用於樣本外某壹時期的實際預測，將預測值與實際觀測值進行比較，檢驗兩者差異的顯著性。在經歷並通過上述步驟的檢驗後，可以說所需要的計量經濟模型已經建立，可以應用於預期目的。五、計量經濟模型成功的三要素從以上建立計量經濟模型的步驟中，不難看出，任何計量經濟研究和任何計量經濟模型都要依賴三要素:理論、方法和數據。理論，即經濟理論，所研究的經濟現象的行為理論是計量經濟學研究的基礎。方法，主要包括模型方法和計算方法，是計量經濟學研究的工具和手段，是計量經濟學區別於其他經濟學分支的主要特征。反映研究對象的活動水平、相互關系和外部環境的數據，或者更廣義地說，信息，是計量經濟學研究的原材料。這三個方面缺壹不可。壹般來說，在計量經濟學研究中，方法的研究是人們關註的焦點，方法的水平往往成為衡量壹項研究成果水平的主要依據。這很正常。研究計量經濟學的理論方法是計量經濟學研究者義不容辭的責任。但是，我們也不能忽視經濟理論的討論。壹個不了解經濟理論和經濟行為的人，是無法從事計量經濟研究的，也不可能建立哪怕是非常簡單的計量經濟模型。所以，計量經濟學家首先應該是經濟學家。相比之下，人們對數據的關註度更低，尤其是數據質量。在申請研究項目或評估研究成果時，他們缺乏對數據的可用性、可用性和可靠性的認真審查。當研究過程中出現問題時，較少從數據質量上尋找原因。目前的實際情況是，數據已經成為制約計量經濟學發展的重要問題。不及物動詞相關分析、回歸分析和因果分析從上述建立計量經濟模型的步驟中，進壹步看出經典計量經濟學方法的核心是用回歸分析的方法揭示變量之間的因果關系。但是，變量之間的相關性並不意味著因果關系。這是建立計量經濟模型的壹個非常重要的概念，所以首先需要對相關性和因果關系做壹個簡單的解釋。所謂相關，是指兩個或兩個以上變量的樣本觀測值序列之間的隨機數學關系，用相關系數來衡量。如果兩個變量的觀測序列之間的相關系數的絕對值為1，則它們之間存在完全相關(完全正相關或完全負相關)；如果相關系數的絕對值比較大或者接近1，說明兩者之間有很強的相關性；如果相關系數的絕對值為0或接近0，則它們之間沒有相關性。如果壹個變量與其他兩個或兩個以上變量的線性組合具有相關性，那麽它與每個變量之間的相關系數稱為偏相關系數。相關性是變量之間的純數學關系，判斷變量之間是否存在相關性的依據只有數據。所謂因果關系，是指兩個或兩個以上變量對行為機制的依賴關系。作為結果的變量由作為原因的變量決定，原因變量的變化引起結果變量的變化。因果關系可分為單向因果關系和相互因果關系。比如，勞動力和GDP之間存在單向因果關系，在經濟行為中是勞動力影響GDP，而不是相反；但是，GDP和總消費之間存在因果關系。GDP不僅決定消費總量，還受消費拉動。有因果關系的變量之間壹定有數學上的關聯。但是，具有相關性的變量之間並不壹定存在因果關系。比如中國的GDP和印度的人口有很強的相關性，因為兩者都在以比較快的速度增長，但顯然兩者之間沒有因果關系。相關性分析是判斷變量之間是否存在相關性的數學分析方法，通過計算變量之間的相關系數來實現。回歸分析也是判斷變量之間是否存在相關性的數學分析方法，重點是判斷壹個隨機變量與壹個或多個可控變量之間是否存在相關性。由於其特定的功能，它也被用於變量之間的因果分析。但僅靠回歸分析無法對變量之間的因果關系做出最終判斷，必須結合經濟行為的定性分析。這是上面強調的建立計量經濟模型的三個要素。
上一篇:徽商期貨的徽商期貨宗旨下一篇:將下列漢語句子翻譯成英語。