一、计量经济学的内容简介

（一）计量经济模型的设计

(设模)计量经济模型是以变量来表述我们的研究对象及其影响因素的观察结果，以方程式或方程组表述这些研究对象及其影响因素之间的关系，而其最基础的内容主要反映在单方程模型中，它一般是由如下四个基本要素构成的：

1.变量反映我们研究对象及其影响因素的观察数据，构成了模型的变量要素，它基本上可以分为两大类，即解释变量和被解释变量。其中:解释变量(ExplanatoryVariable)代表着系统中影响研究核心的各种因素，一般情况下只观察一个因素影响的回归分析叫做一元回归分析，而对两个及以上的因素分析叫做多元回归分析。在分析中要观察解释变量的不同控制下，相应的被解释变量的反映，所以说解释变量是确定性的变量。但在经济现象观察中，我们很难对各解释变量进行控制，这也是我们在现实中遇到的一大难题。被解释变量(ExplainedVariable)是我们研究的核心内容。我们的研究依赖于对其观察所得到的现实数据，但是其被动的地位是确定的，即它是系统中的被影响结果。且因受随机性的各种干扰而表现出随机性的特点，因此我们寻求的总体回归方程将是一种平均意义上的期望方程。

2.回归方程及其形式反映研究对象各变量关系的方程是模型的主体部分，它就是由统计回归分析的方法得到的回归方程。在现实的人类社会中，事物的普遍联系性，常常隐含着未知的因果关系。任何一个系统，在影响系统的各因素作用下，都能保持一种稳定的状态，而对这一稳定状态的形成机制的寻找过程，已成为现代回归分析的核心内容。因此，在回归分析中，人们常将系统的稳定关系，以方程式的形式来表示。且以研究对象为被解释变量，以各影响因素为解释变量，建立起解释变量决定被解释变量的回归方程。以方程中的参数来反映现象之间的因果关系，并进一步寻求对系统的控制和影响的方法。在计量经济学中，线性关系的回归方程是最常见的，因为它是基础，且简单容易理解，所以是我们首先要学习的内容。然而现实中经济现象的复杂性，却常表现为非线性的特点，要准确描绘这些复杂形式，需要我们研究和开发更多视角的分析方法，如解释变量的一元与多元，被解释变量的线性与非线性、确定与随机、二元选择与多元选择等。这些变量之间的组合方式，就构成了方程的形式，需要我们不断的调算或检验才能确定。

3.经济参数经济参数是在各类模型中变量之间的关系系数，它反映着我们要探求的经济规律，是我们必须求解才能得到的内容，如模型中各回归系数等。该要素实质上是计量经济分析的最终成果，但它关系到我们经济分析的恰当有效性。

4.模型的误差项计量经济模型所探究的是如何使用回归方程，来反映解释变量与被解释变量之间的内在联系。然而随机因素的干扰，会使系统产生一定的偏离，这种偏离被我们称之为模型的误差。误差的大小及稳定程度，表明随机性干扰对系统的影响程度及持续的作用程度。由上述四大要素构成的，能真实反映总体经济关系的理想模型，被我们称之为总体经济模型，它往往是未知的，是需要我们去探究和寻找的模型。而在探索过程中，我们要通过经济理论或经验来设定总体模型的可能形式，再用样本数据来实证我们设定的模型是否正确。可见模型的设定是我们建立模型的基础和灵魂，是计量经济分析的关键环节。

（二）模型参数的估计

(算模)由方程式或方程组构成的各类经济模型，本身只能表明现象之间是否有联系，而方程中各类参数才是真正说明现象之间具体关系的内容。所以说各参数是反映经济规律的主体，更是我们建模所追求的目标。而利用样本观察到的各类数据有着很多随机因素的作用，使得本来并不明确的数量关系都变得更加模糊了，因此我们需要一系列的统计方法，将这种隐含的关系查找到，并能够做到尽可能的准确，这就是模型参数的估计问题，而解决的方法有很多，如最小二乘法、极大似然估计法、距估计法等。

（三）模型的检验

(验模)我们设计和估算的模型是否科学合理，以及如何改进模型使其达到更加科学合理，需要我们做大量的检验和监测工作。所以对模型进行各类检验的学习，将占据计量经济课程的绝大多数时间，并成为了我们学习的主体内容。具体的检验内容包含如下四部分：

1.统计显著性检验当我们根据样本数据对模型的参数进行估算时，该样本的特征是否能够代表总体特征的检验就是统计显著性检验。由于模型参数的估算是根据样本数据进行的，那么某个参数是否显著，以及参数整体上或模型整体上是否显著等都需要进行统计检验，而这类检验实质上就是对样本的代表性进行的检验。

2.经济意义检验当我们估算出模型的各参数时，其数值的大小、符号的方向相互之间的关系等内容，是否符合经济理论或经验的要求，以及根据理论或经验的认知能否得到样本资料的支持等方面的检验，就是经济意义的检验。

3.模型要素的计量检验经济模型是由方程式或方程组的形式存在的，我们对各方程中的基本要素，及方程之间的各要素关系等内容，是否符合我们建立的标准和规范的检验就是要素的计量检验。这是计量经济学的主体内容，我们要探寻很多方法来完成。

4.模型的实践性检验根据样本观察所建立的经济模型，如果能够通过上述三类的检验，基本上就是很优秀的模型了。然而为了模型在现实应用中能够达到更优秀的理想要求，有必要在实践的环节中做进一步的检验和改进。而进行这类实践应用性的检验，主要是通过预测的准确性和模型的实用性等使用环节进行的，它是我们检验体系的最后一关，一定程度上也是最重要的一环。所以说真正的通过了检验的模型，是指通过了上述四个方面的检验，才是合格的可以使用的模型。

（四）模型的使用

1.经济结构分析任何经济模型都是对一个经济系统的模拟，其各构成要素与系统整体的数量关系，都可以体现为数量结构和作用程度的关系。这是经济结构分析最为理想的条件，是其他经济分析方法所无法做到的。因此说计量经济分析最主要的功能，就是使经济结构分析成为了可能。

2.经济预测分析经济预测与其他预测一样，多是对未来或未知领域的推测和估算，是人类对未知领域探求的重要手段。而在众多的预测方法中，计量经济模型的预测是最为有效的，它不但可以做出以精确的数值成果的预测，还能够做出其预测结果的把握程度分析。经济预测有时对精度的要求不高，所以对精度较高的计量经济模型来说，预测是其最为简单的应用。

3.经济政策的评价与决策参考在现实的经济决策中，往往是存在着多种选择。而各种选择会产生什么样的后果，则可以通过计量经济模型进行模拟和计算。因此在经济政策制定、评价和模拟测算中，计量经济模型都是最为理想的主要工具之一。

4.经济理论的检验与发展任何经济理论或学说，都可以看作是一系列假设，而这些假设是否成立，需要以实验的方式或方法进行一系列的检验。计量经济学的检验和测算过程就是针对各类假设进行的，其检验的结果可以证实或证伪这些理论或学说。所以说计量经济学的方法，就是经济理论是否科学的检验方法。

二、计量经济建模的核心技术计量经济建模的核心技术

（一）经济思想与理论经济思想是人们对现实经济活动规律的一种初步认识，而经济理论是对经济规律性概括的一种学说体系。由于我们对经济生活观察的视角不同，认识上的差距和错误是客观存在的，因此经济思想或理论的科学性需要得到实践的验证。只有经过检验得到证实的理论，才能称做定律，才是真正的经济理论。而这种实证过程就是计量经济的建模过程，也是我们学习计量经济学的根本目的。计量经济建模的核心就是对我们或别人已有的或不成熟的经济理论、思想、假设、假说等进行实证性质的检验过程。而这些不成熟的待验理论或思想，不仅是经济研究的对象，更是经济建模工作的灵魂，是我们建模工作的第一要素，这也说明经济理论必然是计量经济学的基础。

（二）对现实经济活动的统计观察对现实经济规律进行实证分析的第二个重要因素，就是统计数据。它作为经济现象本身的反映，是检验经济理论的依据。由于多数统计数据都是取样观察的结果，数据都存在着代表性的问题，即是否能全面、系统反映需验证的经济理论的本质特征。由于统计观察的局限性，现实统计数据的属性与经济理论是有关联的，所以不同的数据只能验证其特有的经济理论。例如描述各空间分布状况的截面数据，只能验证现象之间静态经济规律；而时间序列数据往往可以用于验证动态的规律性；那么面板数据才是较全面的统计数据，适合于动静结合的理论验证。因此计量经济学的研究是区分数据类型进行的，即有截面计量分析、时序计量分析及面板数据的计量分析等内容。这三类数据的建模的思路也会有所不同，即截面数据(同一时间对总体中的各不同单位的观察)只能建立静态关系的模型；时间序列(某一机构单位的不同时间表现的数据)可以建立许多具有良好预测性能的简单的基础性模型，例如自回归、移动平均、随机游走等模型；而面板数据(截面空间个体i、时间t、指标信息k的数据结构)可以同时对其静态和动态两方面进行规律性的探索。

（三）实证分析的方法在经济理论与统计数据之间，进行实际验证的方法有很多。而较为科学的经得起考验的就是计量经济方法，它是以回归分析为核心，结合多种检验所形成的实证经济研究的主流方法。实证方法的科学与否，不仅要适合经济理论和统计数据的要求，还要建立一系列的评价标准，来约束和提升各类方法的科学与合理性。这种评价体系可以用于各种猜测的模型之间，以及单一模型中的各变量之间的关系判断，并在判断及不断的改进中选择适合我们要求的理想模型。所以这些标准的建立和使用，也就是计量经济学的主要学习内容了。

（四）实证分析的程序软件计量经济的实证分析是通过大量的现实观察的数据进行的，这就需要分析人员具有较强的数据处理和挖掘的能力，而这一能力的主要表现就是统计软件使用和程序的设计与编制。从目前流行的软件来看，EVeiws软件是最普及的计量经济分析软件了，它以界面的友善、使用的简单而著称。基本上是傻瓜式操作，但是非常实用，处理回归方程是它的长处；特别是它的单位根检验和granger因果关系检验；以及协整模型、ARIMA模型，很是适用。不过这个软件的劣势在于它的处理过程是个黑箱，出来的结果可能会不够精确，有的人可能会为得到一些希望的结论而捏造一些结果，可信度不是很高；另一个不足是主要以处理时间序列的数据为主的软件，使得其它数据的处理不那么直观。此外，还有部分人使用SAS、SPSS、STATA等软件来实现，但是由于上述软件都很昂贵，且受开发领域、更新速度及编程能力等方面的限制，存在着诸多不尽人意的地方。我认为相比之下R软件是目前的最佳选择，它是由Auckland大学统计系的RobertGentleman和RossIhaka在1995年编制的，目前由R核心开发小组RDCT(RDevelopmentCoreTeam)维护。基本特点有：（1）R是完全免费的，可通过其官网得到最新版本和各类软件包；（2）R的版本多样化，支持目前主流的操作系统MAC、LINUX和WINDOWS系列；（3）R嵌入了一个非常实用的帮助系统；（4）R具有很强的作图能力；（5）可以将R程序容易地移植到S-Plus程序中，反之S的许多过程直接或稍作修改也可以用于R的程序中；（6）通过R语言的许多内嵌统计函数，很容易学习和掌握R语言的语法；（7）R语言创新性强，使用者可以自创函数来完成特殊的工作，同时还可以不断完善各专业的函数库，目前它拥有五千多个专业函数包，是目前最大的软件资源库，这也正是该软件的生命力所在。

作者：王涛单位：哈尔滨商业大学经济学院