现代计量经济学模型体系解析
(财务知识)建立计量经济学模型的步骤和要点最全版
（财务知识）建立计量经济学模型的步骤和要点建立计量经济学模型的步骤和要点壹、理论模型的设计对所要研究的经济现象进行深入的分析，根据研究的目的，选择模型中将包含的因素，根据数据的可得性选择适当的变量来表征这些因素，且根据经济行为理论和样本数据显示出的变量间的关系，设定描述这些变量之间关系的数学表达式，即理论模型。
生产函数就是壹个理论模型。
理论模型的设计主要包含三部分工作，即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围。
1、确定模型所包含的变量在单方程模型中，变量分为俩类。
作为研究对象的变量，也就是因果关系中的“果”，例如生产函数中的产出量，是模型中的被解释变量；而作为“原因”的变量，例如生产函数中的资本、劳动、技术，是模型中的解释变量。
确定模型所包含的变量，主要是指确定解释变量。
能够作为解释变量的有下列几类变量：外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。
其中有些变量，如政策变量、条件变量经常以虚变量的形式出现。
严格他说，上述生产函数中的产出量、资本、劳动、技术等，只能称为“因素”，这些因素间存在着因果关系。
为了建立起计量经济学模型，必须选择适当的变量来表征这些因素，这些变量必须具有数据可得性。
于是，我们能够用总产值来表征产出量，用固走资产原值来表征资本，用职工人数来表征劳动，用时间作为壹个变量来表征技术。
这样，最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。
下面，为了叙述方便，我们将“因素”和“变量”间的区别暂时略去，都以“变量”来表示。
关键在于，在确定了被解释变量之后，怎样才能正确地选择解释变量。
首先，需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。
这是正确选择解释变量的基础。
例如，在上述生产问题中，已经明确指出属于供给不足的情况，那么，影响产出量的因素就应该在投入要素方面，而在当前，壹般的投入要素主要是技术、资本和劳动。
计量经济学模型的核心内容
计量经济学模型的核心内容计量经济学是经济学的一个重要分支，旨在通过建立经济学模型来解释和预测经济现象。
计量经济学模型是计量经济学研究的核心内容，它能够帮助研究者对经济现象进行量化分析和预测。
下面将介绍计量经济学模型的核心内容。
一、模型的假设计量经济学模型建立在一系列假设的基础上，这些假设是为了简化和抽象经济现象，使得模型能够更好地描述实际情况。
常见的假设包括理性行为假设、市场均衡假设、完全竞争假设等。
这些假设为模型提供了基本的框架，使得研究者能够对经济问题进行具体的分析和预测。
二、模型的变量计量经济学模型中包含多个变量，这些变量代表了经济现象中的各个要素。
常见的变量包括经济产出、价格、就业率、利率等。
通过对这些变量的测量和分析，可以揭示它们之间的关系和相互影响，进而理解和解释经济现象的发生和演变。
三、模型的结构计量经济学模型的结构是指模型中各个变量之间的关系和相互作用方式。
常见的模型结构包括线性模型、非线性模型、动态模型等。
线性模型假设模型中的变量之间存在线性关系，非线性模型则允许变量之间存在非线性关系。
动态模型则考虑了时间的因素，使得模型能够更好地反映经济现象的变化和演化。
四、模型的估计计量经济学模型的估计是指通过实证分析来确定模型中的参数值。
估计模型参数的方法有很多种，常见的方法包括最小二乘法、极大似然法、广义矩估计法等。
通过对模型参数的估计，可以得到模型对经济现象的解释和预测结果。
五、模型的检验计量经济学模型的检验是指通过统计方法对模型的有效性和适用性进行检验。
常见的检验方法包括假设检验、拟合优度检验、残差分析等。
通过对模型的检验，可以评估模型在描述和预测经济现象方面的准确性和可靠性。
六、模型的应用计量经济学模型的应用范围广泛，可以用于解释和预测各种经济现象。
例如，可以利用计量经济学模型来研究货币政策对经济增长的影响，分析贸易政策对国际贸易的影响，预测股票市场的走势等。
通过应用计量经济学模型，可以更好地理解和解释经济现象，并为政策制定提供科学依据。
计量经济学分析模型
计量经济学分析模型摘要改革开放以来，我国经济呈迅速而稳定的增长趋势，由于分配机制和收入水平的变化，城镇居民生活水平在达到稳定小康之后，消费结构和消费水平都出现了一些新的特点。
本文旨在对近几年，我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。
首先，我们综合了几种关于收入和消费的主要理论观点；本文根据相关的数据统计数据，运用一定的计量经济学的研究方法，进而我们建立了理论模型。
然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。
最后，我们对所得的分析结果和影响消费的一些因素作了经济意义的分析，并相应提出一些政策建议。
并找到影响居民消费的主要因素。
关键词：居民消费；城镇居民；回归；Eviews目录摘要 (II)前言 (1)1 问题的提出 (2)2 经济理论陈述 (3)2.1西方经济学中有关理论假说 (3)2.2有关消费结构对居民消费影响的理论 (4)3 相关数据收集 (6)4 计量经济模型的建立 (9)5 模型的求解和检验 (10)5.1计量经济的检验 (10)5.1.1模型的回归分析 (10)5.1.2拟合优度检验： (11)5.1.3 F检验 (11)5.1.4 T检验 (12)5.2 计量修正模型检验： (12)5.2.1 Y与的一元回归 (13)5.2.2拟合优度的检验 (13)5.2.3 F检验 (14)5.2.4 T检验： (15)5.3经济意义的分析: (15)6 政策建议 (16)结论 (17)参考文献 (19)城镇居民消费模型分析前言近年来，改革开放的影响不断加大，人民的物质文化生活水平日益提高，消费水平和消费结构都有了一定的调整，随着城镇化程度的提高，城镇居民消费在整个国民经济中的地位日益重要，因此，对其进行计量经济分析的十分有必要的。
本文旨在对近15年我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。
人均收入和消费支出的有关数据进行了计量经济的检验,通过两者之间的动态关系研究发现,居民人均收入与消费支出有长期的均衡关系,据此建立了居民人均收入和消费支出之间的长期均衡模型。
计量经济学的体系框架
计量经济学的体系框架一、引言计量经济学是经济学的一个重要分支，通过运用统计学和数学的方法来研究经济现象。
它旨在通过建立经济模型、收集和分析数据，来验证经济理论以及对经济政策的评估和预测。
本文将介绍计量经济学的体系框架，包括经济模型的构建、数据的收集和处理、估计和推断、以及结果的解释和政策分析。
二、经济模型的构建经济模型是计量经济学分析的基础，它是对经济现象或经济行为的简化描述。
构建经济模型需要明确的理论基础，并根据研究问题选择适当的变量和关系形式。
模型的构建可以通过宏观经济模型、微观经济模型和计量经济模型等方法进行。
三、数据的收集和处理数据的收集是计量经济学的重要一环。
研究者需要根据研究问题明确需要收集哪些数据，并选择适当的数据来源和采样方法。
同时，数据的处理也是不可忽视的环节。
研究者需要对数据进行清洗、转换和整理，以保证数据的质量和可用性。
四、估计和推断估计和推断是计量经济学的核心任务。
研究者通过建立经济模型和利用收集到的数据，运用统计学的方法对模型的参数进行估计，并进行推断。
常用的估计方法包括最小二乘法、极大似然估计和仪器变量法等。
推断则通过假设检验和置信区间等方法对参数进行分析和解释。
五、结果的解释和政策分析结果的解释是计量经济学研究的重要一步。
研究者需要对估计结果进行解读和分析，以及对模型的合理性进行评估。
同时，研究者还需要将研究结果与经济理论相结合，进行经济政策的分析和评估。
通过研究结果的解释和政策分析，可以为决策者提供科学的建议和参考。
六、结论计量经济学的体系框架包括经济模型的构建、数据的收集和处理、估计和推断，以及结果的解释和政策分析等步骤。
它通过运用统计学和数学的方法来研究经济现象，并提供科学的经济政策建议。
在实际应用中，研究者需要结合具体问题和研究目标来选择适当的方法和模型，并进行合理的数据收集和处理，以获得可靠的研究结果。
计量经济学的发展为我们深入理解经济现象和解决实际问题提供了有力的工具和方法。
计量经济学模型-经济管理学院
第二节 建立计量经济学模型的步骤 和要点
理论计量经济学的研究程序 一旦某种估计方法被提出，有 关的理论探讨就须遵循图1-2所示的 逻辑化程序。
估计方法
不可靠
可靠 估计方法的统计可靠性
拒绝该理论
估计方法适用的假定条件 若假定条件被满足 如何判定假定条件是否获得满足 若假定条件不能被满足
接受该理论
后果
• 经济计量模型由系统或方程组成，方程由 变量和系数组成。其中，系统也是由方程 组成。
怎样看待计量经济模型？
• 广义地说，一切包括经济、数学、统计三 者的模型；
• 狭义地说，仅只用参数估计和假设检验的 数理统计方法研究经验数据的模型。
• 事实上，理论研究需要经验数据的检验， 而经验研究也需要理论分析的指导，我们 不能只搞没有计量的理论，更不能搞“没 有理论的计量”—统计“炼金术”
经济计量模型的一般形式
n
Y b0 bi xi i 1
Y :被解释变量
xi：解释变量 b0，bi：参数
：服从正态分布的随机变量 正是由于的随机性导致Y的随机性。 服从正态分布，Y也服从正态分布。
三、计量经济学的内容体系
⒈ 广义计量经济学和狭义计量经济学 广义计量经济学是利用经济理论、数学以及统计学定量研究
关系： 外生变量数值的变化能够影响内生变量的变化 内生变量却不能反过来影响外生变量
3.按经济活动形态分：流量、存量；
被解释变量与解释变量
在单方程模型中，变量分为两类：被解释变量与解释变量
• 作为研究对象的变量，也就是因果关系中的“果”，例如 生产函数中的产出量，是模型中的被解释变量，在单一方 程模型中，处于左端
内生变量与外生变量
内生变量 • 是所研究的经济系统的模型本身确定的 • 是该模型求解的结果 • 属于应变量
计量经济学模型应用分析
计量经济学模型应用分析计量经济学是一门以数据为基础，运用数学、统计学和经济学等相关学科分析和解释经济现象的学科。
在实践中，计量经济学主要通过建立各种经济模型来分析和预测现实经济问题。
在本文中，我们将探讨计量经济学模型的应用分析。
一、单因素模型单因素模型是一种简单的计量经济学模型，其特点是只考虑一个因素对经济变量的影响。
例如，研究公路通行费对公路使用量的影响，或者研究利率对消费者支出的影响。
在这种模型中，经济变量（因变量）被解释为一个单独的影响因素（自变量）的函数。
通常，单因素模型采用线性回归来描述变量之间的关系。
回归模型的基本形式为：Y= a + bX + ε其中，Y是因变量（例如，需求或价格），X是自变量（例如，收入或成本），a和b是常数，ε是误差项（通常性质是随机的）。
a反映了Y在X=0时的值，b反映了Y随X的变化。
单因素模型在经济学实践中应用广泛。
例如，研究收入水平对消费支出的影响，研究通货膨胀率对股票价格的影响，以及研究贸易政策对贸易流量的影响。
单因素模型提供了一个可靠的方法来评估影响因素对因变量的影响程度。
二、多重线性回归模型多重线性回归模型是一种计量经济学模型，它允许解释因变量在多个自变量（或因素）下的变化。
该模型的形式为：Y= a + b1X1 + b2X2 +......+ bnXn + ε在此模型中，Y是因变量，X1、X2、...、Xn是自变量（或因素），a、b1、b2等是回归系数，ε是观测误差。
回归系数反映了因变量与自变量之间的关系。
具体而言，回归系数越大，自变量对因变量的影响越大。
多重线性回归模型具有广泛的应用范围。
例如，它可以用于研究成本对价格的影响，对劳动力市场的影响以及对经济增长的影响。
此外，多重线性回归模型还可以用于评估因素之间的相互作用，这是单因素模型无法实现的。
三、时间序列模型时间序列模型是一种专门用于描述和预测时间序列数据的计量经济学模型。
时间序列数据是指按时间顺序收集的数据。
计量经济学回归分析模型
计量经济学回归分析模型计量经济学是经济学中的一个分支，通过运用数理统计和经济理论的工具，研究经济现象。
其中回归分析模型是计量经济学中最为常见的分析方法之一、回归分析模型主要用于确定自变量与因变量之间的关系，并通过统计推断来解释这种关系。
回归分析模型中的关系可以是线性的，也可以是非线性的。
线性回归模型是回归分析中最为常见和基础的模型。
它可以表示为:Y=β0+β1X1+β2X2+...+βkXk+ε其中，Y代表因变量，X1,X2,...,Xk代表自变量，β0,β1,β2,...,βk代表回归系数，ε代表随机误差项。
回归模型的核心是确定回归系数。
通过最小二乘法估计回归系数，使得预测值与实际观测值之间的差异最小化。
最小二乘法通过使得误差的平方和最小化来估计回归系数。
通过对数据进行拟合，我们可以得到回归系数的估计值。
回归分析模型的应用范围非常广泛。
它可以用于解释和预测经济现象，比如价格与需求的关系、生产力与劳动力的关系等。
此外，回归分析模型还可以用于政策评估和决策制定。
通过分析回归系数的显著性，可以判断自变量对因变量的影响程度，并进行政策建议和决策制定。
在实施回归分析模型时，有几个重要的假设需要满足。
首先，线性回归模型要求因变量和自变量之间存在线性关系。
其次，回归模型要求自变量之间不存在多重共线性，即自变量之间没有高度相关性。
此外，回归模型要求误差项具有同方差性和独立性。
在解释回归分析模型的结果时，可以通过回归系数的显著性来判断自变量对因变量的影响程度。
显著性水平一般为0.05或0.01，如果回归系数的p值小于显著性水平，则说明该自变量对因变量具有显著影响。
此外，还可以通过确定系数R^2来评估模型的拟合程度。
R^2可以解释因变量变异的百分比，值越接近1，说明模型的拟合程度越好。
总之，回归分析模型是计量经济学中非常重要的工具之一、它通过分析自变量和因变量之间的关系，能够解释经济现象和预测未来走势。
在应用回归分析模型时，需要满足一定的假设条件，并通过回归系数和拟合优度来解释结果。
计量经济学模型分析方法
计量经济学上机模型分析方法总结一、随机误差项的异方差问题的检验与修正模型一：Dependent Variable: LOG(Y)Method: Least SquaresDate: 07/29/12 Time: 09:03Sample: 1 31Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 1.602528 0.860978 1.861288 0.0732LOG(X1) 0.325416 0.103769 3.135955 0.0040LOG(X2) 0.507078 0.048599 10.43385 0.0000R-squared 0.796506 Mean dependent var 7.448704 Adjusted R-squared 0.781971 S.D. dependent var 0.364648 S.E. of regression 0.170267 Akaike info criterion -0.611128 Sum squared resid 0.811747 Schwarz criterion -0.472355 Log likelihood 12.47249 F-statistic 54.79806 Durbin-Watson stat 1.964720 Prob(F-statistic) 0.000000（一）异方差的检验1、GQ检验法模型二：Dependent Variable: LOG(Y)Method: Least SquaresDate: 07/29/12 Time: 09:19Sample: 1 12Included observations: 12Variable Coefficient Std. Error t-Statistic Prob.C 3.744626 1.191113 3.143804 0.0119LOG(X1) 0.344369 0.082999 4.149077 0.0025LOG(X2) 0.168904 0.118844 1.421228 0.1890R-squared 0.669065 Mean dependent var 7.239161 Adjusted R-squared 0.595524 S.D. dependent var 0.133581 S.E. of regression 0.084955 Akaike info criterion -1.881064 Sum squared resid 0.064957 Schwarz criterion -1.759837 Log likelihood 14.28638 F-statistic 9.097834 Durbin-Watson stat 1.810822 Prob(F-statistic) 0.006900模型三：Dependent Variable: LOG(Y)Method: Least SquaresDate: 07/29/12 Time: 09:20Sample: 20 31Included observations: 12Variable Coefficient Std. Error t-Statistic Prob.C -0.353381 1.607461 -0.219838 0.8309LOG(X1) 0.210898 0.158220 1.332942 0.2153LOG(X2) 0.856522 0.108601 7.886856 0.0000R-squared 0.878402 Mean dependent var 7.769851Adjusted R-squared 0.851381 S.D. dependent var 0.390363S.E. of regression 0.150490 Akaike info criterion -0.737527Sum squared resid 0.203824 Schwarz criterion -0.616301Log likelihood 7.425163 F-statistic 32.50732Durbin-Watson stat 2.123203 Prob(F-statistic) 0.000076进行模型二和模型三两次回归，目的仅是得到出去中间7个样本点以后前后各12个样本点的残差平方和RSS1和RSS2，然后用较大的RSS除以较小的RSS即可求出F统计量值进行显著性检验。
计量经济学模型
Cov(Xi, i)=0 i=1,2, …,n 假设4、服从零均值、同方差、零协方差旳正态分布
i~N(0, 2 )
i=1,2, …,n
注意：
1、假如假设1、2满足，则假设3也满足; 2、假如假设4满足，则假设2也满足。
线性相关 不相关 相关系数：
统计依赖关系
负相关 1 XY 1
正相关 非线性相关 不相关
负相关
有因果关系 无因果关系
回归分析 相关分析
▲注意：
①不线性有关并不意味着不有关； ②有有关关系并不意味着一定有因果关系； ③有关分析对称地看待两个变量，两个变量都被 看作是随机旳。 ④回归分析对变量旳处理措施存在不对称性，研 究一种变量对另一种（些）变量旳统计依赖关系，即 区别应变量（被解释变量）和自变量（解释变量）： 前者是随机变量，后者不是。
§2.1 回归分析概述
一、变量间旳关系及回归分析旳基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数（SRF）
§2.1 回归分析概述
一、变量间旳关系及回归分析旳基本概念
1、变量间旳关系 经济变量之间旳关系，大致可分为两类：
（1）拟定性关系或函数关系：研究旳是变量间 确实定关系。
例如 圆面积 f 半径 半径2
（2）统计依赖关系/统计有关关系： 研究旳是非拟定现 象随机变量间旳关系。
农作物产量 f 气温, 降雨量, 阳光, 施肥量
支出=（f 收入）
对变量间统计依赖关系旳考察主要是经过有关分析 (correlation analysis)或回归分析(regression analysis)来完毕旳：正相关
式中， ei 称为（样本）残差（或剩余）项（residual），代表
了其他影响Yi 的随机因素的集合，可看成是 i 的估计量ˆ i 。
1.3计量经济学模型的应用
§1.3 计量经济学模型的应用经济系统中各部分之间、经济过程中各环节之间、经济活动中各因素之间，除了存在经济行为理论上的相互联系之外，还存在数量上的相互依存关系。
研究客观存在的这些数量关系，是经济研究的一项重要任务，是经济决策的一项基础性工作，是发展经济理论的一种重要手段。
计量经济学则是经济数量分析的最重要的分支学科。
计量经济学模型的应用大体可以被概括为四个方面：结构分析、经济预测、政策评价、检验与发展经济理论。
在本书后续章节中将结合具体计量经济学模型来解释每个方面的应用，这里，仅作一些概念性介绍，以期对后续课程的学习起到某些指导作用。
一、结构分析经济学中的结构分析是对经济现象中变量之间相互关系的研究。
它不同于人们通常所说的，诸如产业结构、产品结构、消费结构、投资结构中的结构分析。
它研究的是当一个变量或几个变量发生变化时会对其它变量以至经济系统产生什么样的影响，从这个意义上讲，我们所进行的经济系统定量研究工作，说到底，就是结构分析。
结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。
弹性，是经济学中一个重要概念，是某一变量的相对变化引起另一变量的相对变化的度量，即是变量的变化率之比。
在经济研究中，除了需要研究经济系统中变量绝对量之间的关系，还要掌握变量的相对变化所带来的相互影响，以掌握经济活动的数量规律和有效地控制经济系统。
计量经济学模型结构式揭示了变量之间的直接因果关系，从模型出发进一步揭示变量相对变化量之间的关系是十分方便的。
乘数，也是经济学中一个重要概念，是某一变量的绝对变化引起另一变量的绝对变化的度量，即是变量的变化量之比，也称倍数。
它直接度量经济系统中变量之间的相互影响，经常被用来研究外生变量的变化对内生变量的影响，对于实现经济系统的调控有重要作用。
乘数可以从计量经济学模型的简化式很方便的求得。
关于计量经济学模型的结构式和简化式的概念，将在第四章专门介绍，简单地说，结构式的解释变量中可以出现内生变量，而简化式的解释变量中全部为外生或滞后内生变量。
计量经济学模型
模型参数的估计
模型参数的估计方法，是计量经 济学的核心内容。
模型参数的估计是一个纯技术的 过程，包括对模型进行识别（对联立 方程模型而言）、估计方法的选择、 软件的应用等内容。
模型的检验
一般讲，计量经济学模型必须 通过四级检验： （1）经济意义检验 （2）统计学检验 （3）计量经济学检验 （4）预测检验
计量经济模型
计量经济模型揭示经济活动中各个 因素之间的定量关系，用随机性的数学 方程加以描述。
Q ＝Aeγ tKα Lβ μ 其中μ 为随机误差项。这就是计量 经济学模型的理论形式。
计量经济学的根本 任务是建立、估计、 检验和运用计量经济 学模型。
建模步骤
一、理论模型的设计 二、样本数据的收集 三、模型参数的估计 四、模型的检验 五、分析总结
17 1994 china 46690.7 26796 19260.6
18 1995 china 58510.5 33635 23877
时间序列数据的注意事项
（1）时间序列误差项间往往存在强相关 （自相关）；
（2）数据频率问题。有时样本观察值过于 集中，不能反映经济变量间的结构关系， 应增大观测区间；
5
133
1999 2
6
134
1999 1
15
3
16
4
1000 7 3500 3
截面数据的注意事项
（1）人们一般认为截面数据是随机的；
（2）样本点间的同质性；
（3）截面数据容易引起误差项的异方差 问题。
时间序列数据 （Time series data）
• 时间序列数据又称纵向数据，是对同一个变量 在不同时间取值的一组观测结果，或者说是一 批按照事件先后顺序排列的统计数据。例如， 我国自改革开放的1978-2000年GNP数据。
计量经济学模型分析
城镇居民家庭人均可支配收入及城市政府支出驱动经济增长的计量分析：1979~2009一．问题的提出2010年上海世界博览会已经圆满落下帷幕，在“城市让生活更美好”的主题下，这场持续184天的盛会向世界呈现了中国城市化进程中所取得的成就。
所谓城市化，就是指随着社会生产力的发展，人类的生产和生活有农村向城市转化的过程，表现为城市数量的增加和规模的扩大，城市消费、投资持续增加，进而改变经济发展的空间方向和基本方式。
二．模型设定统计表明，改革开放以来，特别是进入21世纪之后，在中国的城市化进程中，城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升，因此，我们把这四个指标作为反映城市化的变量。
根据GDP 的取决于消费、投资、政府支出的基本原理，这四个变量应该可以很好的解揭示城市化对经济的驱动作用。
本实验主要选取1979~2009年的以下数据：1.城市化率：该指标主要反映的是城市人口规模。
2.经济增长：大多数的研究采用的是以人均GDP表示经济增长，也有使用单位资本GDP 来体现的，我们采用了前者。
3.城镇居民家庭人均可支配收入：4.城市政府支出：这里较为理想的指标是城镇人均政府支出，限于数据的可获得性，我们采用的是人均政府消费支出作为替代。
这是因为，政府消费支出多集中于城镇级别的政府，而农村基层行政部门消费支出比重较低。
5．城镇居民消费水平：这里采用城镇人均消费水平，而不是全社会人均消费水平以便能更好的反映出城市消费对经济增长的拉动作用。
模型形式的设计：Y=β1+β2X1+β3X2+β4X3+β5X4+μ其中，Y:人均GDPX1：城市化率X2：城镇居民家庭人均可支配收入X3：城市政府支出X4：城镇居民消费水平三．数据的搜集本实验获取的是1979~2009年的数据，如下表：年份人均GDP 城市化率城镇居民家庭人均可支配收入政府支出城镇居民消费水平1978 381 17.92 343.4 1122.09 405 1979 419 18.96 405.0 1281.79 425 1980 463 19.39 477.6 1228.83 489 1981 492 20.16 500.4 1138.41 521 1982 528 21.13 535.3 1229.98 536 1983 583 21.62 564.6 1409.52 558 1984 695 23.01 652.1 1701.02 618 1985 858 23.71 739.1 2004.25 765 1986 963 24.52 900.9 2204.91 872 1987 1112 25.32 1002.1 2262.18 998 1988 1366 25.81 1180.2 2491.21 1311 1989 1519 26.21 1373.9 2823.78 1466 1990 1644 26.41 1510.2 3083.59 1596 1991 1893 26.94 1700.6 3386.62 1840 1992 2311 27.46 2026.6 3742.20 2262 1993 2998 27.99 2577.4 4642.30 2924 1994 4044 28.51 3496.2 5792.62 3852 1995 5046 29.04 4283.0 6823.72 4931 1996 5846 30.48 4838.9 7937.55 5532 1997 6420 31.91 5160.3 9233.56 5823 1998 6796 33.35 5425.1 10798.18 6109 1999 7159 34.78 5854.0 13187.67 6405 2000 7858 36.22 6280.0 15886.50 6850 2001 8622 37.66 6859.6 18902.58 7113 2002 9398 39.09 7702.8 22053.15 7387 2003 10542 40.53 8472.2 24649.95 7901 2004 12336 41.76 9421.6 28486.89 8679 2005 14185 42.99 10493.0 33930.28 9410 2006 16500 43.90 11759.5 40422.73 10423 2007 20169 44.94 13785.8 49781.35 11904 2008 23708 45.68 15780.8 62592.66 13526 2009 25575 46.59 17174.7 76299.93四．模型的估计与调整（一）．散点图020000400006000080000100002000030000Y（二）.OLS 回归结果：Dependent Variable: Y Method: Least Squares Date: 06/19/11 Time: 23:27 Sample(adjusted): 1979 2008Included observations: 30 after adjusting endpointsVariable Coefficient Std. Error t-Statistic Prob. C 1675.936 502.4538 3.335504 0.0027 X1 -85.42903 23.51347 -3.633196 0.0013 X2 0.694786 0.332357 2.090482 0.0469 X3 0.161081 0.034738 4.636982 0.0001 X40.3637490.2269861.6025140.1216R-squared0.998932 Mean dependent var 5882.433 Adjusted R-squared 0.998761 S.D. dependent var 6258.838 S.E. of regression 220.3462 Akaike info criterion 13.77929 Sum squared resid 1213812. Schwarz criterion 14.01282 Log likelihood -201.6893 F-statistic 5843.189Y=1675.936-85.42903X1+0.694786X2+0.161081X3+0.363749X4由此可见：该模型的R^2=0.998932，Adjusted R-squared=0.998761可决系数很高，F检验值为5843.189,明显显著。
计量经济学理论的模型解释与预测
计量经济学理论的模型解释与预测引言计量经济学是经济学中一个重要的分支，其研究方法主要基于经济理论和数理统计学，旨在通过使用数学和统计方法来解释经济现象，并进行预测和政策分析。
计量经济学理论的模型是实现这一目标的核心工具。
本文将对计量经济学理论的模型进行解释，并探讨其在预测方面的应用。
一、计量经济学理论的模型解释1.1 常见的计量经济学模型计量经济学模型是对经济现象进行抽象和概括的数学表达式。
常见的计量经济学模型包括线性回归模型、时间序列模型、面板数据模型等。
线性回归模型是计量经济学中最基础且广泛应用的模型之一。
它假设变量之间存在线性关系，并通过估计各个变量的系数来解释经济现象。
时间序列模型是用于分析时间序列数据的模型，其中包括自回归模型、移动平均模型、ARMA模型等。
时间序列模型主要用于分析时间上的趋势和周期性。
面板数据模型是同时包含横截面和时间序列数据的模型，通常用于分析跨国或跨地区的经济现象。
面板数据模型可以同时考虑个体特征和时间特征，提高了模型的解释能力。
1.2 模型解释的基本步骤模型解释是对计量经济学模型进行参数估计和推断的过程。
基本的模型解释步骤包括模型设定、估计方法选择、参数估计和模型诊断。
模型设定是根据研究目的和数据特征选择适当的计量经济学模型，并确定模型中包含的变量和假设条件。
估计方法选择是根据模型的性质和数据的特点选择合适的估计方法，常见的估计方法包括最小二乘法、广义最小二乘法、极大似然估计等。
参数估计是利用选定的估计方法对模型的参数进行估计，通常使用计算机软件进行参数的数值计算。
模型诊断是对估计结果进行评价和检验，包括残差分析、假设检验等。
模型诊断可以用于判断模型的拟合程度和参数的显著性。
1.3 模型解释的应用领域计量经济学模型的解释应用广泛，包括实证研究、政策评估和预测分析等。
实证研究是计量经济学模型应用的基本领域，通过对模型进行解释，可以验证和检验经济理论的有效性，并提供实证证据支持。
简述现代计量经济学及其研究的内容和方法
面板数据分析和时间序列分析的方法
面板数据分析： 通过对不同个体 在不同时间点的 数据进行统计分 析，探究其内在 规律和趋势。
时间序列分析： 对同一主体在不 同时间点的数据 进行统计分析， 以揭示其随时间 变化的规律和趋 势。
面板数据与时间序 列数据的比较：面 板数据可以提供更 全面的信息，而时 间序列数据则可以 提供更深入的动态 变化信息。
参数估计和检验的方法
最大似然估计法：通过最大化 样本数据的似然函数来估计参 数
工具变量法：用于处理不可观 测的变量对参数估计的影响
最小二乘法：通过最小化误 差的平方和来估计参数
广义矩估计法：通过估计方 程组的矩条件来估计参数
模型选择和优化的方法
数据驱动的模型选择：利用数据来选择最合适的模型 模型诊断和检验：对模型进行诊断和检验，确保其准确性和可靠性 模型优化：对模型进行优化，提高其预测能力和解释能力 模型比较和评估：比较不同模型的优缺点，并选择最合适的模型
微观和宏观数据分析方法的区别：研究对象、数据来源、研究目的和研究方法等 方面存在差异。
现代计量经济学的应用 和发展
计量经济学在金融领域的应用
风险评估与管理
资产定价与投资组 合优化
金融市场与宏观经 济预测
金融创新与产品设 计
计量经济学在市场营销领域的应用
计量经济学在市场营销中用于预 测和决策支持
计量经济学起源：起源于20世纪30年代，由挪威经济学家Ragnar Frisch和瑞典经济学家Gunnar Myrdal等创立，旨在通过数 学和统计学方法来研究经济现象。
计量经济学发展历程：经历了从简单回归分析到复杂模型的发展，目前已经广泛应用于经济学、金融学等领域。
计量经济学研究内容：主要包括时间序列分析、面板数据分析、空间计量经济学等方向，旨在揭示经济变量之间的关系，预测 经济趋势，为政策制定提供科学依据。
计量经济学4种常用模型
计量经济学4种常用模型计量经济学是经济学的一个重要分支，主要研究经济现象的数量关系及其解释。
在计量经济学中，常用的模型有四种，分别是线性回归模型、时间序列模型、面板数据模型和离散选择模型。
下面将对这四种模型进行详细介绍。
第一种模型是线性回归模型，也是计量经济学中最常用的模型之一。
线性回归模型是通过建立自变量与因变量之间的线性关系来解释经济现象的模型。
在线性回归模型中，自变量通常包括经济学理论认为与因变量相关的变量，通过最小二乘法估计模型参数，得到经济现象的解释。
线性回归模型的优点是简单易懂，计算方便，但其前提是自变量与因变量之间存在线性关系。
第二种模型是时间序列模型，它主要用于分析时间序列数据的模型。
时间序列模型假设经济现象的变化是随时间演变的，通过分析时间序列的趋势、周期性和随机性，可以对经济现象进行预测和解释。
时间序列模型的常用方法包括自回归移动平均模型（ARMA）、自回归条件异方差模型（ARCH）等。
时间序列模型的优点是能够捕捉到时间的动态变化，但其局限性是对数据的要求较高，需要足够的时间序列观测样本。
第三种模型是面板数据模型，也称为横截面时间序列数据模型。
面板数据模型是将横截面数据和时间序列数据结合起来进行分析的模型。
面板数据模型可以同时考虑个体间的差异和时间的变化，因此能够更全面地解释经济现象。
面板数据模型的常用方法包括固定效应模型、随机效应模型等。
面板数据模型的优点是能够控制个体间的异质性，但其需要对个体间的相关性进行假设。
第四种模型是离散选择模型，它主要用于分析离散选择行为的模型。
离散选择模型假设个体在面临多种选择时，会根据一定的规则进行选择，通过建立选择概率与个体特征之间的关系，可以预测和解释个体的选择行为。
离散选择模型的常用方法包括二项Logit模型、多项Logit模型等。
离散选择模型的优点是能够分析个体的选择行为，但其局限性是对选择行为的假设较强。
综上所述，计量经济学中常用的模型有线性回归模型、时间序列模型、面板数据模型和离散选择模型。
计量经济学的体系框架
计量经济学的体系框架引言：计量经济学是经济学中的一个重要分支，通过运用统计学和数学的方法，研究经济现象和经济理论的实证分析。
计量经济学的研究对象包括个体、家庭、企业、市场等经济主体，旨在通过建立经济模型和运用经济数据的分析，揭示经济规律和解决实际经济问题。
一、计量经济学的基本原理1.1 经济理论与计量模型计量经济学的基本原理是建立在经济理论的基础上的。
经济理论提供了计量经济学研究的框架和理论基础，而计量模型则是根据经济理论构建的具体数学模型，用来解释经济现象和预测经济变量。
1.2 经济数据的获取与处理计量经济学的研究需要大量的经济数据支持，而经济数据的获取与处理是计量经济学的基础。
经济数据可以通过各种渠道获取，例如统计局、调查问卷、实地调研等。
在处理经济数据时，需要进行数据清洗、变换和分析，以确保数据的准确性和可靠性。
二、计量经济学的方法与技术2.1 单变量分析单变量分析是计量经济学中最基础的分析方法，主要研究一个变量的变化规律。
常用的单变量分析方法包括描述统计、概率分布、假设检验等。
2.2 多变量分析多变量分析是计量经济学中较为复杂的分析方法，主要研究多个变量之间的关系。
常用的多变量分析方法包括回归分析、面板数据分析、时间序列分析等。
2.3 计量经济模型计量经济模型是计量经济学中的重要工具，用来描述经济现象和预测经济变量。
常用的计量经济模型包括线性模型、非线性模型、时间序列模型等。
三、计量经济学的应用领域3.1 宏观经济学宏观经济学是计量经济学的一个重要应用领域，研究整体经济现象和经济政策对经济增长、通货膨胀、失业率等宏观变量的影响。
通过建立宏观经济模型和运用宏观经济数据的分析，可以预测经济走势和评估政策效果。
3.2 微观经济学微观经济学是计量经济学的另一个重要应用领域，研究个体、家庭、企业、市场等微观经济主体的行为和决策。
通过建立微观经济模型和运用微观经济数据的分析，可以揭示个体行为和市场交互的规律，为决策者提供决策依据。
计量经济学模型
1969 R. Frish J. Tinbergen 1973 W. Leotief 1980 L. R. Klein 1984 R. Stone 1989 T. Haavelmo 2000 J. J. Heckman D. L. McFadden ○16位担任过世界计量经济学会会长 ○ 30位左右在获奖成果中应用了计量经济学 ○“二战以后的经济学是计量经济学的时代”-Samuelson ○“计量经济学的讲授已经成为经济学课程表中最有权威 的济活动中各因素之间的理论关系， 用确定性的数学方程描述。例如，生产函数可描述为： Q Aet K L 公式描述了技术、资本、劳动与产出量之间 的理论关系，认为这种关系是准确实现的。利用数理经济 模型，可以分析经济活动中各种因素之间的互相影响，为 控制经济活动提供理论指导。但是，数理经济模型并没有 揭示因素之间的定量关系，在上式中，参数是未知的。
解释：如何正确地选择解释变量
• 首先，需要正确理解和把握所研究的经济现象中暗含的经济学理论和 经济行为规律。这是正确选择解释变量的基础 – 例如，在上述生产问题中，已经明确指出属于供给不足的情况， 那么，影响产出量的因素就应该在投人要素方面，而在当前，一 般的投人要素主要是技术、资本与劳动 – 如果属于需求不足的情况，那么影响产出量的因素就应该在需求 方面，而不在投入要素方面。这时，如果研究的对象是消费品生 产，应该选择居民收人等变量作为解释变量；如果研究的对象是 生产资料生产，应该选择固定资产投资总额等变量作为解释变量。
• 经济计量模型由系统或方程组成，方程由 变量和系数组成。其中，系统也是由方程 组成。
怎样看待计量经济模型？
• 广义地说，一切包括经济、数学、统计三 者的模型；
计量经济学第一讲
第一章绪论第一节计量经济学的含义一、计量经济学计量经济学（Econometrics，又译成经济计量学）是应用经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，挪威经济学家弗里希（R.Frish）将它定义为经济理论、统计学和数学三者的结合。
即以一定的经济理论和实际统计资料为依据，运用数学、统计学方法和计算机技术，通过建立计量经济模型，定量分析经济变量之间的随机因果关系。
二、计量经济学模型模型，是对现实的描述和模拟，对现实的各种不同的描述和模拟方法，就构成了各种不同的模型，例如，语义模型（也称逻辑模型），物理模型、几何模型、数学模型和计算机模拟模型等。
语义模型是用语言来描述现实，例如，对供给不足下的生产活动，我们可以用“产出量是由资本、劳动、技术等投入要素决定的，在一般情况下，随着各种投入要素的增加，产出量也随之增加，但要素的边际产出是递减的”来描述。
物理模型是用简化了的实物来描述现实，例如一栋楼房的模型。
几何模型是用图形来描述现实，例如一个零部件的加工图。
计算机模拟模型是随着计算机技术而发展起来的一种描述现实的方法，在经济研究中有广泛的应用。
数学模型是用数学语言描述现实，也是一种重要的模型方法，由于它能够揭示现实活动中的数量关系，所以具有特殊重要性。
经济数学模型是用数学方法描述经济活动。
根据所采用的数学方法不同、对经济活动揭示的程度不同，构成各类不同的经济数学模型。
在这里，我们着重区分数理经济模型和计量经济模型。
数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述，上述用语言描述的生产活动，可以用生产函数描述如下：Q=f(T,K,L)公式中用Q 表示产出量，T 表示技术，K 表示资本，L 表示劳动。
计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。
例如，上述生产活动中因素之间的关系，用随机数学方程描述为：5606.04645.0)014.01(01.1K L Q T +⨯=该模型是利用我国国有独立核算工业企业1978到1994年的统计资料，使用计量经济方法得到的，该模型定量地描述了我国国有独立核算工业企业中，技术、资本和劳动投入与产出量之间的数量关系；利用这个计量经济模型可以对生产过程做进一步的深入研究，如要素影响分析、要素需求分析、生产预测、成本分析等等。
常用计量经济模型
常用计量经济模型引言计量经济学是经济学中的一个重要分支，研究经济现象的数理模型和定量分析方法。
在实际经济研究中，常用计量经济模型能够帮助经济学家和研究者更好地理解和解释经济现象。
本文将介绍一些常用的计量经济模型，并对其原理及应用进行解析。
一、线性回归模型线性回归模型是计量经济学中最基本、最常用的模型之一。
其基本形式为：\[ y = \beta_0 + \beta_1x_1 + \beta_2x_2 + … + \beta_kx_k +\varepsilon \]其中，y表示被解释变量，x1,x2,...,x k表示解释变量，$\\varepsilon$表示误差项。
线性回归模型假设被解释变量和解释变量之间存在线性关系，并通过最小二乘法来估计模型参数。
线性回归模型的应用非常广泛，例如在市场营销中，可以使用线性回归模型来分析广告投放对销售额的影响；在金融学中，线性回归模型可以用于股票价格预测等。
二、时间序列模型时间序列模型用于分析时间序列数据，这种数据通常表示某个指标随时间的变化情况。
常见的时间序列模型包括AR（自回归模型）、MA（移动平均模型）、ARMA（自回归移动平均模型）和ARIMA（差分自回归移动平均模型）等。
时间序列模型的应用非常广泛，例如经济学中的季节性调整和趋势预测、气象学中的天气预测等。
三、面板数据模型面板数据模型，也被称为固定效应模型或混合效应模型，主要用于分析具有面板数据结构的经济问题。
面板数据包括横截面数据和时间序列数据，通过对面板数据进行分析可以得到更加准确和丰富的经济结论。
面板数据模型的应用非常广泛，例如在国际贸易中，可以利用面板数据模型来研究贸易对GDP的影响；在劳动经济学中，可以使用面板数据模型来研究教育对收入的影响。
四、计量经济模型的评价指标在使用计量经济模型进行分析时，我们需要对模型的拟合程度和统计显著性进行评价。
常见的评价指标包括确定系数（R^2）、均方根误差（RMSE）和F统计量等。
计量经济学模型名词解释
计量经济学模型名词解释计量经济学是一门运用数学、统计学和经济学理论研究经济现象的学科。
在计量经济学中，模型是用来描述经济关系和预测经济变量的数学表达式。
以下是一些计量经济学模型中的名词解释：1. 普通最小二乘法（OLS）：是一种通过最小化误差的平方和来寻找数据最佳函数匹配的统计方法。
2. 广义最小二乘法（GLS）：是一种针对原始模型进行变换，以解释误差方差的方差已知结构（异方差性）、误差中的序列相关形式或同时解释二者的估计量。
3. 加权最小二乘法（WLS）：通过使用对某种已知形式的异方差进行调整的估计量，其中每个残差的平方都用一个等于误差的（估计的）方差的倒数作为权数。
4. 解释平方和（SSE）：在多元回归模型中，度量拟合值的样本变异。
5. 残差平方和（SSR）：实际值与估计值之差的平方的总和，即误差项平方的总和。
6. 总平方和（SST）：因变量相对于其样本均值的总样本变异。
7. 高斯马尔科夫假定（横截面数据）：包括MLR1-MLR5五个假设，其中MLR1-4表示无偏性，MLR1-5表示得到的估计量是BLUE（最优线性无偏估计量）。
8. 高斯马尔科夫假定（时间序列数据）：包括TS.1-TS.5五个假设，涉及线性性、无序列相关等条件。
9. 标准差：一次抽样中个体分数间的离散程度，反映了个体分数对样本均值的代表性。
10. 标准误：多次抽样中样本均值间的离散程度，反映了样本均值对总体均值的代表性。
11. 回归分析：通过建立变量之间的关系模型，对计量经济学模型参数进行估计、显著性检验及分析评价的过程。
12. 异方差：误差项方差的非恒定性质，可能导致参数估计量失效。
13. 多重共线性：自变量之间存在较高线性相关性的情况，可能导致参数估计量失效或经济含义不合理。
14. 随机解释变量：在总体回归函数中引入随机干扰项，用以代表未知的影响因素、残缺证据、众多细小影响因素、数据观测误差和模型设定误差等。
15. 一元线性回归模型：包含一个解释变量和一个被解释变量的简单线性关系模型，其基本假设包括回归模型正确设定、解释变量与误差项相互独立等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
#学术探讨#现代计量经济学模型体系解析*李子奈刘亚清内容提要:本文对现代计量经济学模型体系进行了系统的解析,指出了现代计量经济学的各个分支是以问题为导向,在经典计量经济学模型理论的基础上,发展成为相对独立的模型理论体系,包括基于研究对象和数据特征而发展的微观计量经济学、基于充分利用数据信息而发展的面板数据计量经济学、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学、基于非设定的模型结构而发展的非参数计量经济学,并对每个分支进行了扼要的描述。
最后在/交叉与综合0的方向上提出了现代计量经济学模型理论的研究前沿领域。
关键词:经典计量经济学时间序列计量经济学微观计量经济学一、引言计量经济学自20世纪20年代末30年代初诞生以来,已经形成了十分丰富的内容体系。
一般认为,可以以20世纪70年代为界将计量经济学分为经典计量经济学(Classical Econometrics)和现代计量经济学(Mo dern Eco no metr ics),而现代计量经济学又可以分为四个分支:时间序列计量经济学(Tim e Ser ies Econo metrics)、微观计量经济学(M-i cro-econometrics)、非参数计量经济学(Nonpara-m etric Econometrics)以及面板数据计量经济学(Panel Data Eco nom etrics)。
这些分支作为独立的课程已经被列入经济学研究生的课程表,独立的教科书也已陆续出版,应用研究已十分广泛,标志着它们作为计量经济学的分支学科已经成熟。
据此提出三个问题:一是经典计量经济学的地位问题。
既然现代计量经济学模型体系已经成熟,而且它们都是在经典模型理论的基础上发展的,那么经典模型还有应用价值吗?是不是凡是采用经典模型的研究都是低水平和落后的?二是现代计量经济学的各个分支的发展导向问题。
即它们是如何发展起来的?三是现代计量经济学进一步创新和发展的基点在哪里?回答这些问题,对于正确理解计量经济学的学科体系,对于计量经济学的课程设计和教学内容安排,对于正确评价计量经济学理论和应用研究的水平,对于进一步推动中国的计量经济学理论研究,都是十分有益的。
现代计量经济学的各个分支是以问题为导向,以经典计量经济学模型理论为基础而发展起来的。
所谓/问题0,包括研究对象和表征研究对象状态和变化的数据。
研究对象不同,表征研究对象状态和变化的数据具有不同的特征,用以进行经验实证研究的计量经济学模型既然不同,已有的模型理论方法不适用了,就需要发展新的模型理论方法。
按照这个思路,就可以用图1简单地描述经典计量经济学模型与现代计量经济学模型各个分支之间的关系。
本文试图从方法论的角度对现代计量经济学模型的发展,特别是现代计量经济学模型与经典计量经济学模型之间的关系进行较为系统的讨论,以期对未来我国计量经济学的发展研究提供借鉴和启示。
本文的内容安排如下:首先分析经典计量经济学模型的基础地位,明确它在现代的应用价值,同时对发生于20世纪70年代的/卢卡斯批判0的实质进行讨论;然后依次讨论时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学的发展,回答它们是以什么问题为导向,以什么为目的而发展的;最后以/现代计量经济学模型体系的分解与综合0为题,讨论现代计量经济学的前沿研究领域以及从对我国计量经济学理论的创新和发展)22)*本文受国家社会科学基金重点项目(08AJY001,计量经济学模型方法论基础研究)的资助。
提出建议。
图1 经典计量经济学与现代计量经济学二、经典计量经济学模型的基础地位11经典计量经济学模型的特征。
如果将20世纪70年代以前发展并广泛应用的计量经济学称为/经典0的,它们具有显著的共同特征,李子奈(2002)对此作出如下概括。
在理论方法方面的特征可以简要概括为:(1)模型类型)))参数模型、随机模型;(2)模型导向)))理论导向;(3)模型结构)))线性模型、因果分析模型;(4)数据类型)))截面数据、时间序列数据、被解释变量具有服从正态分布的连续观测值;(5)估计方法)))仅利用样本信息、最小二乘方法、最大似然方法。
在应用方面的特征可以简要概括为:(1)应用模型方法论基础)))实证分析、经验分析;(2)应用模型的功能)))结构分析、政策评价、经济预测、理论检验与发展;(3)应用模型的领域)))传统的应用领域,例如生产、需求、消费、投资、货币需求、就业、福利以及宏观经济等。
21经典计量经济学的发展。
有4位经济学家因为在经典计量经济学领域作出重要贡献而获得诺贝尔经济学奖,他们是弗里希(R.Frisch)、丁伯根(J.Tinberg en)、哈维尔莫(Tr ygv e H aav elm o )和克莱因(R.Klein)。
关于他们的贡献的描述,实际上就是关于经典计量经济学发展的描述。
经典计量经济学领域最早获得诺贝尔奖的是1969年第一届的获得者弗里希和丁伯根。
弗里希在1933年首先提出了计量经济学的定义,并第一个运用计量经济学的方法分析资本主义的经济波动,首创描述资本主义经济周期的数学模型,最早把导致经济波动的因素区分为扩散作用和冲击作用两大类,将两者结合起来解释资本主义经济周期,为当代经济周期理论奠定了重要基础。
弗里希提出了周期动态模型,其模型有三个关键要素:有关资本起动消费增长的加速机效应;资本起动与资本完成之间的酝酿期;消费与库存现金之间的关系。
这三个要素是弗里希能够建立起经济周期的动态模型的基础。
对存在持续性周期的解释方面,弗里希强调经济关系中随机干扰的重要性。
弗里希把经济计量方法应用到经济分析中,他试图把经济、数学和统计分析结合在一起阐明经济问题,这对后面经典计量经济学模型的发展奠定了基础。
丁伯根被称为计量经济学模型发展之父,他主要发展了动态计量经济模型来分析经济问题。
丁伯根(1969)指出,计量经济模型应该是:/(1)编一个要考虑的变量目录;(2)编一份变量必须服从的方程或关系的清单;(3)检验方程是否能成立,包括如果有的话,估计它们的系数。
由于特别是(3)的结果,我们可能必须修改(1)和(2),使模型体现的理论达到满意的真实程度。
然后,模型可以用于各种目的,即,解决各种问题。
0这对于经典计量经济学模型的发展具有重要的指导意义。
丁伯根在数量经济学理论上有三个贡献:一是提出了现代动态经济分析和/蛛网理论0;二是根据历史统计资料,利用数学和数理统计方法,对各种商业循环理论进行统计检验;三是首次用48个方程式为美国建立了完整的宏观经济计量模型,设法定量地明确各个因素的重要性,以便检验现有许多商业循环学说的解释价值,在模型中并且借助统计分析测定反应系数和/前导及滞后0。
他把通行的统计方法用于宏观经济问题的研究,从而开创了一个全新的经济学分支,即经验宏观经济学。
同时他在现代经济政策理论上的新贡献,就是把他在荷兰中央计划局的经验和在经济政策的广阔领域内参加讨论的结果,提高为系统的经济政策理论,成为规划短期经济政策的基础。
丁伯根在计量经济学方面的先驱著作对以后方法论的发展有很大的作用。
哈维尔莫于1943年发表于/Econometrica 0的论文/联立方程系统的统计学内涵0和于1944年完成的博士论文/计量经济学中的概率论方法0,奠定了计量经济学的概率论基础,提出了联立方程计量经济学模型系统的识别和估计理论,并因此获得1989年诺贝尔经济学奖。
20世纪30年代,经济理论的经验检验受到重视,两个与经济理论检验的可能性相联系的基本问题备受关注。
一是经济关系经常蕴含于大量的个体或企业的行为之中,而反映经济关系的经济理论不可能与所有个体或企业的数据完全吻合,那么什么是好的或者比较好的?二是经济学家不可能进行类似于自然科学中的可控实验,)23)5经济学动态62010年第5期而从市场中得到的观察是不同条件下同时发生的不同的行为互相作用的结果,利用这些观察去识别、估计、检验经济理论,如何才能反映其中的相互影响?哈维尔莫的研究表明,如果用随机方程的形式表达经济理论,上述第一个问题可以得到解决,数理统计方法能够从经验观察的随机样本中得到关于经济关系的严格的结论。
为了解决上述第二个问题,哈维尔莫发展了联立方程模型的分析框架,完善了识别和估计理论。
克莱因通过他的研究以及对各国研究团体的指导,促进了有关计量经济模型的研究和使用这些模型对经济政策的实际效果进行分析的可行性的研究。
由于克莱因的大力推动,计量经济模型获得了广泛地应用,克莱因也因此获得1980年诺贝尔经济学奖。
克莱因的主要理论贡献是:以公认的经济学说为基础,根据对现实经济中实际数据所作的经验性估算,建立经济体制的数学模型,并用以分析经济波动和经济政策,预测经济趋势。
在包括周期研究、随机波动、动态乘数反应、方案分析以及预报等理论性经济分析和公共政策的问题上,运用各种模型系统。
所研究的模型包括发展中经济、中央计划经济和工业化市场经济以及这些经济的国际贸易和金融关系。
主要有/克莱因)戈德伯格模型0、/布鲁金斯模型0、/沃顿模型0和/世界连接模型0。
克莱因的学术成就是将计量经济学方法和凯恩斯主义宏观经济学分析结合起来,创立了宏观计量经济学。
他第一次完整地把凯恩斯的经济理论表述为数学形式,不仅在结构、规模和先进的估算方法论方面是现代宏观模型的鼻祖,而且也是正式地用于经济波动预测的第一个计量经济模型,对后来美国和其他国家建立的宏观计量经济模型有深远而普遍的影响。
31/卢卡斯批判0的背景与实质。
所谓/卢卡斯批判0,即发生于20世纪70年代,以卢卡斯(E.Lu-cas)、萨金特(J.Sarg ent)、西姆斯(A.Sims)等为代表的对经典计量经济学的批判。
第二次世界大战以后,凯恩斯主义盛行,西方发达资本主义国家经济经历了一段稳步增长的黄金时期,科技进步促进了生产力的极大发展,国家干预政策使经济中的一些矛盾得以化解。
但进入20世纪70年代,主要资本主义国家经济开始陷入/滞胀0局面。
经济停滞和通货膨胀并存的现实使凯恩斯主义在理论上无法自圆其说,在实践中无能为力,以凯恩斯主义为理论导向的经典计量经济学模型同时也受到了质疑。
卢卡斯将理性预期加入经济周期理论,提出了公众是有理性的,他们能够对政府的经济政策和其他经济信息作出合理的反应并相应地调整他们的经济行为。
作为政府制定经济政策依据的凯恩斯经济学,没有考虑到公众的理性预期,因而制定的经济政策难以取得理想的效果。
同时他指出这些模型中预先设定好的描述经济稳定的参数不是不变的,因为人们的理性预期而经常更改他们的行为模式,在现实经济中这些参数是广泛变动的,使得这些经济计量模型的结果和预期是无效的。
卢卡斯(1976)提出,理性预期使得经济主体改变行为模式,应该从计量经济学模型的原始设定开始重新对模型进行设定,而且常参数模型不再适用。