计量经济学模型范文1
一、文献综述
诺贝尔经济学奖获得者—斯通的主要研究成果在于他为国民核算体系的进步贡献了突出的基础性力量，并且推动了经验经济分析的发展；诺贝尔奖获得者赫克曼和麦克法登在微观计量经济学模型的理论方法方向取得了突出的成果，对微观数据进行统计并且能够分析出其中存在的基本问题；亨德里认为，对于计量经济的整个分析过程来说，可以认为是一个客观数据生成的过程，上面这些研究成果都说明了统计学和计量经济学存在着一定的关系，统计学的发展带动了计量经济学的发展，反之，计量经济学的进步也有力的推动了统计学的发展，尤其是计量经济学模型和数据之间的关系更加紧密方面。
二、模型类型设定对数据的依赖性
在对各种问题进行研究的时候，一旦确定研究的对象，也要高度重视相关的研究数据的确定。例如，研究人员进行我国的经济增长因素研究的过程中，模型研究的对象就是表征经济增长结果的GDP时间序列；在对学生大学期间的课程学习情况进行研究的时候，尤其是挂科情况研究，那么表征不及格的数据0、1、2等自然就是模型研究的对象；研究农民的贷款方式的时候，农户借款的途径选择结果的离散数据0、1、2等就是模型研究的对象。因此，从上面的分析来看，想要更加深入的理解计量经济学的应用，必须要高度重视计量经济学模型的深入研究，数据的类型决定了计量经济学模型的类型。我国的经济学家李子奈提出，要想更好的对计量经济学进行研究，正确的总体回归模型是至关重要的，并且指出了一些建立正确总体回归模型的条件。在实际的研究中，应该根据最新的模型方法体系来建立总体理论模型，只有这样才可以完成经验实证。
三、总体回归模型设定对数据关系的依赖性
李子奈在研究中，使用图表达出了数据对于总体回归模型的重要作用。在经济学理论的支撑下，对经济主体动力学关系进行认真的研究，从而分析出影响研究对象的恒常、明显的因素。怎样才能够说明这些关系是存在的呢？这些因素怎样才能够引入到模型中？显然这些问题的回答都需要数据的支撑。可以认为，对于经济关系的确认，其前提条件为数据之间存在的统计关系，这也就是总体回归模型设定对于数据的依赖性，因此，在进行经济主体动力学关系研究的时候，必须要高度的重视数据统计的相关性检查。以经济学的相关理论为基础，深入的对研究对象的经济行为进行分析，然后根据数据完成统计分析，这样就可以对行为分析的假设进行验证。如果只用数据关系来确定经济关系，明显不够严谨，数据之间存在一定的统计关系，但这种关系不是经济关系存在的充分条件，只能说必要条件。
四、数据质量对于模型估计的重要意义
在确立了模型并且设定了正确的总体回归模型后，接下来就应该根据总体模型的要求来收集用于模型估计的样本数据，样本数据的质量高低对于计量经济学模型的估计结果有着重要的意义。在研究的早期，研究的重点一般在于提高数据的准确性，但是，实际上数据质量不仅仅包括数据的准确性，因此，在后面的研究中，研究人员也从多个角度来对数据的质量进行研究，这也就使数据质量有了众多的维度。李子奈通过対计量经济学数据的质量的分析，将它们分为一致性、完整性、准确性和可比性四个方面。一致性，指母体和样本应该保持一致，样本的来源应该是母体，而在实际的应用中，往往经常会有违反一致性的情况出现；完整性就是指包含于总体模型中的变量，其样本观测值的容量应该是一样的，这既是模型参数估计所必须要求的，也是经济现象本身应该具有的特点；准确性包含了这样的含义：数据应该可以体现出它所描述的经济变量的状态，强调数据本身的科学性；数据对于研究工作应该是准确需要的关系，也就是说满足模型对变量口径的要求。一般来说，后一个因素容易被忽略；可比性，其实就是数据口径的问题，这个问题是计量经济学应用模型研究中是普遍存在的，通过对样本数据的分析，找出经济活动存在的客观规律，加入数据是不可比的，就会导致无法准确的的反映出实际的经济规律。
五、外生想定数据对模型应用的重要意义
计量经济学模型的应用大致上包括了这几个方面：结构分析、理论检验、经济预测和政策评价。如果要将模型应用在经济预测和政策评价中，想得到科学的结论就不仅仅只需要正确的模型，想定的外生变量值或政策方案也是非常重要的，当然，只有通过数据，才能将它们表现出来，被称“想定数据”。实际上，没有一个既能够用于预测又可以应用在政策评价的模型，但是，在实际的研究中，这种模型却出现了很多次。
六、结论
在上面，对计量经济学模型对数据的依赖性进行了简单的探讨，看上去没什么深度，但是实际上，这些问题是目前非常值得我国计量经济学应用研究领域进行深入研究的，数据问题，对于计量经济学具有重要的研究意义，一项计量经济学课题，大部分精力都应该放在数据上，否则就不能够体现出课题的价值。当然，在突出了数据的重要性的同时，还要注意避免掉入数据陷阱，数据必须是客观的，这才能够表现出客观的活动规律，任何数据的来源都应该经过科学的前期调查，希望本文对相关的研究人员有一定的指导意义。
参考文献：
[1]李子奈.计量经济学模型对数据的依赖性[J].经济学动态，2009，08：22-27.
[2]刘丽艳.计量经济学涵义及其性质研究[D].东北财经大学，2012.
[3]李子奈，齐良书.关于计量经济学模型方法的思考[J].中国社会科学，2010，02：69-83，221-222.
[4]李长平.计量经济学模型在卫生资源研究中的应用[D].天津医科大学，2004.
计量经济学模型范文2
自从Paelinck提出“空间经济计量学”这个术语，Cliff和Ord(1973,1981)对空间自回归模型的开拓性工作，发展出广泛的模型、参数估计和检验技术，使得经济计量学建模中综合空间因素变得更加有效。
Anselin(1988)对空间经济计量学进行了系统的研究，它以及Cliff和Ord(1973,1981)这三本著作至今仍被广泛引用。Anselin对空间经济计量学的定义是：“在区域科学模型的统计分析中，研究由空间引起的各种特性的一系列方法。”Anselin所提到的区域科学模型，指明确将区域、位置及空间交互影响综合在模型中，并且它们的估计及确定也是基于参照地理的（即：截面的或时－空的）数据，数据可能来自于空间上的点，也可能是来自于某个区域，前者对应于经纬坐标，后者对应于区域之间的相对位置。
国外近几年空间经济计量学得以迅速发展，如Anselin和Florax(1995)指出的，主要得益于以下几点：
(1)人们对于空间及空间交互影响的作用的重新认识。对空间的重新关注并不局限于经济学，在其它社会科学中也得以反映。
(2)与地理对应的社会经济大型数据库的逐步实用性。在美国以及欧洲，官方统计部门提供的以区域和地区为统计单元的大型数据库很容易得到，并且价格低廉。这些数据可以进行空前数量的截面或时空观测分析，这时，空间（或时空）自相关可能成为标准而非一种特殊情况。
(3)地理信息系统(GIS)和空间数据分析软件，以高效和低成本的计算技术处理空间观测的发展。GIS的使用，允许地理数据的有效存储、快速恢复及交互可视化，为空间分析技术的艺术化提供了巨大的机会。至少目前线性模型中，缺少针对空间数据和空间经济计量学的软件的情况已经大为改观。目前已有一些专门的空间统计分析软件，并且SAS、S-PLUS等著名统计软件中，都已经包括用于空间统计分析的模块。
（二）空间经济计量学与相关学科的关系
空间统计学是研究空间问题的另一门学科，它是应用数学的一个快速发展的分支。它起源于20世纪50年代早期，用以帮助采矿业进行矿藏量的计算。最早的工作是采矿工程师D.G.Krige和统计学家H.S.Sichel在南非进行的。70年代随着计算机的普及以及运算速度的大幅提高，空间统计分析技术逐渐扩展到地球科学的其它领域。目前已经普遍存在于需要处理时间上或空间上相关的数据的科技领域中。
空间经济计量学与空间统计学的区分不太容易。Haining和Anselin的观点认为空间统计学的研究大多由数据驱动，而空间经济计量学由模型驱动，即从特定的理论或模型出发，重点放在问题的估计、解释和检验上。空间统计学的主流是研究生态学和地质学中的物质现象，空间经济计量学主要研究与区域及城市经济有关的模型。有一种观点认为二者的区分应基于作者将其工作对应于空间经济计量学还是空间统计学，这种区分办法可能较为简单。
地质统计学(Geostatistics)发展于20世纪60年代，主要用于研究地质学现象的空间结构和进行空间估值。例如，在探矿过程中，通常是在空间上布点进行钻探，然后对采样得到的样品进行分析，估计矿藏的分布和储量。由于矿藏不开采的话，在时间上结构几乎是不变的，因此地质统计学研究的问题主要是空间相关。空间经济计量学所研究的问题不仅存在空间相关，往往所研究的问题在时间上也存在相关。
在区域经济学的理论中，人们建立了各种理论以及关系式来描述人类在空间上的行为，如研究城镇问题的“引力模型”等。但在利用模型进行定量研究问题的时候，需要将理论或关系式用数学模型来进行刻划，利用统计方法对模型进行估计、检验，并进行评价，这些正好是属于经济计量学研究的范畴。应该说，空间经济计量学主要研究区域经济问题，依据的是区域经济学理论，但它还需要综合数学，以及空间统计学等学科，因此它不等同于区域经济学，而是一门交叉学科。
二、研究的问题
空间经济计量学主要研究存在空间效应的问题。空间效应主要包括空间相关和空间差异性。在研究中涉及空间相邻、空间相邻矩阵等概念。
（一）空间相关
空间相关指在样本观测中，位于位置i的观测与其它j≠i的观测有关，即
存在空间相关的原因有两方面：相邻空间单元存在测量误差，空间交互影响的存在。测量误差是由于调查过程中，数据的采集与空间中的单位有关，如数据是按省、市、县等统计的，但设定的空间单位与研究问题不一致，存在测量误差。
空间相关不仅意味着空间上的观测缺乏独立性，并且意味着潜在于这种空间相关中的空间结构，也就是说空间相关的强度及模式由绝对位置和相对位置（布局，距离）决定。
对于空间相关，空间自回归通常是其核心内容，空间自回归模型的一般形式为：
在这个模型中，β解释变量X（n×k矩阵）的参数向量(k×1)，ρ是空间滞后相关变量的参数，λ是残差空间自回归（空间AR）结构中的参数。
W[,1]和W[,2]为n×n矩阵，是标准化或未标准化的空间加权矩阵，分别对应于因变量以及扰动项中的空间自回归过程，这两个矩阵可以不同，这意味着两个过程由不同的空间结构生成。
这个模型可以退化成为普通的线性回归模型、（纯）空间自回归模型、混合回归与空间自回归模型、残差空间自回归模型等形式。
对这个模型，普通最小二乘估计不仅是有偏的，而且是不一致的，参数的估计通常采用极大似然估计，近几年，有学者尝试采用贝叶斯估计对参数进行估计。
（二）空间差异性
空间差异性指空间上的区域缺乏均一性，如存在中心区和郊区、先进和后进地区等。例如，我国沿海地区和中西部地区经济存在较大差别。
对于空间差异性，只要将空间单元的特性考虑进去，大多可以用经典经济计量学方法解决。但当空间差异性与空间相关共同存在时，经典经济计量学方法不再适用，而且这时问题可能变得非常复杂，因为这时要区分空间差异性与空间相关可能非常困难。
研究空间差异性的模型主要有：
E.Casetti提出的空间扩展模型(1972)和回归参数漂移分析方法（简称DARP）模型(1982)。这时，空间差异性表现为模型参数随空间位置变化，并以空间单元的位置信息作为辅助变量（称为扩展参数）。
y=Xβ+ε
模型(3)为以经纬坐标(Z[,x],Z[,y])作为扩展参数的空间扩展模型。同样可以以到中心区域的距离作为扩展参数设计模型。
将模型(3)的第二个式子右边加入随机扰动项，则为DARP模型。E.Casetti(1992)进一步提出了贝叶斯空间扩展模型。
D.P.McMillen和J.F.McDonald(1997)，C.Brunsdon
,A.S.Fotheringham;MartinCharlton(1996)，提出地理加权回归模型（简称GWR模型）。
（三）时空数据空间模型
在模型中考虑时间维增加了描述的复杂性，但综合时间空间的模型在实际工作中非常有用。在经典的经济计量学模型中，这是综合截面和时间序列数据的情形。如果数据不存在空间相关，则可以采用PanelData模型。Anselin(1988)将似不相关(SUR)模型扩展到空间的情形，提出空间SUR模型。
三、应用前景及需要进一步研究的问题
（一）在中国的应用前景
在我国，地质统计学是较早应用空间统计学的领域，在20世纪80年代中国科学院就有人研究并应用Krige模型。空间统计学除了在地质学的研究中发挥作用，近十年来，周国法、徐汝梅等学者研究生态学中的空间相互作用，并于1998年出版了《生物地理统计学》。20世纪80年代以来，我国利用卫星遥感技术，对土地、森林、农业、矿产、能源、作物估产、灾患检测等进行应用，开始了我国空间统计学在经济领域应用中统计调查的工作，为了将空间遥感调查技术逐步纳入到我国统计的常规性工作中，1998年10月，国家统计局成立了空间统计研究室，并与中国科学院地理所合作，组成了“空间信息多重采样设计的空间统计学应用研究”课题组，运用遥感技术和空间分析对我国农业耕地、森林、草地等资源以及城镇动态变化进行调查，该项目获得国家统计局2000年课题研究一等奖。
在我国地质统计学、生物地理统计学及利用遥感技术进行的各种调查，都属于空间统计学的范畴。地质统计学、生物地理统计学主要研究空间相关及空间估值，在生物地理统计学的研究中还包括物种的空间扩散过程。所用的方法主要是各种Krige模型、方差图模型，以及空间自回归模型。空间动态采样的研究，与地质矿产调查类似，主要涉及样本在空间上的布局、有效样本量的确定、采样误差的计算等问题的研究，根据其研究的问题和方法，也可以将其归入统计学的抽样调查分支之中。
随着我国按地区进行统计的统计基础资料不断积累，尤其是遥感技术应用到统计调查中来，都将使得按时间和空间排列的数据资料极为丰富，对数据进行空间甚至时空分析成为可能，人们将逐渐从时间的角度转向普遍从时空的角度来考虑问题。
从经济分析的角度看，空间经济计量学在我国以下几个方面将有很大的应用前景。
由于区域之间存在相关性，或者存在差异性，因此一项政策对每个区域的影响是不同的，通过运用空间经济计量学方法对各区域进行研究之后，找到政策在各区域上作用的关系，对于政府决策、正确制订政策具有很大的参考价值。
由于区域之间存在先进地区和后进地区，通过空间经济计量学方法可以对先进地区与后进地区之间的相互关系进行研究。
按区域编制投入产出表时，空间的概念将发挥作用。
对房地产的价值进行评估时，在考虑外界影响因素的基础上，充分考虑地区之间的相互关系，将对正确评估房地产的价值有很大帮助。
对环境污染进行研究时，运用空间经济计量学方法对污染的传播方式进行研究，有助于人们对环境污染进行控制。
在交通领域的研究，可以利用空间经济计量学方法对人员、货物在空间上的流动方式进行研究，同时对通道上的不同区段进行研究。
在对某种疾病（如流感）在空间上的传播过程进行研究之后，对于疾病的预防控制将有很大的帮助。
建立了空间的概念之后，人们对于在空间上的抽样将综合考虑空间单元之间的相关性。而空间抽样在空间上的布点方式也可以用作商业网点的布局研究。
总之，只要问题涉及到空间的概念，空间经济计量学就将发挥其作用。对空间经济计量学的深入研究及应用，将促使人们面对问题的时候，从空间或时空的角度思考问题。
（二）需要进一步研究的问题
目前的研究中，系统内的空间单元受到系统内其它位置单元的影响，但边界处的单元还受到系统外与之相邻的单元的影响，如何将这个影响考虑在模型中值得研究。
在具体问题中，距离的概念需要加以认真对待，单用地理上的距离有时并不合适，例如国与国之间的经济联系在今天并不是距离远近决定的，电子化交易使得资金的流动非常迅速方便，因此，在研究这类问题时，如何将贸易、人员、资金的流动充分考虑到空间加权矩阵中去，尚值得研究。
贝叶斯方法在统计学各个分支的应用越来越广，空间贝叶斯模型也是目前空间经济计量学研究的热点之一。
可变单元的问题。当数据汇总的级别变化，可能整个模型的描述都发生变化，对于不同的问题，可能影响模型变化的汇总的级别也不同，能否有一个统一的模式对系统进行描述尚待进一步研究。
时空数据的综合分析，参数估计的渐近性质，模型的各种检验方法等，还有待进一步的研究。
计量经济学模型范文3
目的运用经典计量经济学模型,从宏观上对我国卫生资源的人力、物力、财力三方面进行预测和分析,进一步了解我国卫生资源发展与我国人口、国内生产总值(GDP)发展的直接、间接关系,探索资源配置中的经济结构问题及解决问题的有效途径。
方法利用1987~2007年时间序列数据构建起卫生资源配置与社会经济发展的联立方程模型,进行预测和结构分析。结果利用经典计量经济学联立方程模型进行预测,其平均相对误差分别为0·0243、0·0195、0·0175,判定系数R2分别为0·8153、0·9937、0·9943,卫生总费用相对于GDP发展的弹性系数为1·08。
结论
我国卫生资源配置的发展特征为:
(1)我国卫生机构床位数、卫生技术人员数、卫生总费用与人口、GDP存在显著的正相关性;
(2)我国目前卫生资源仍然处在规模递增阶段,并呈现出良性增长趋势;
(3)我国卫生资源配置的稳定增长期将继续延伸,人力、物力、财力的稳步增长,将直接关系到卫生产业未来的可持续增长;
(4)卫生总费用与POP、GDP的相关系数R2最大,说明卫生经费的逐年增长是卫生资源良性发展的关键和保障。
【关键词】卫生资源配置经典计量经济学模型经济结构分析
卫生资源配置的合理性决定卫生服务有效性和公平性,随着社会经济的发展,卫生资源配置问题显得尤为重要。科学高效地利用有限的卫生资源,进一步优化卫生资源配置,促进卫生事业与社会经济和谐发展,是我国及世界各国一直致力研究的方向〔1-3〕。本研究旨在运用经典计量经济学模型,从宏观上对我国卫生资源配置状况进行预测、分析,重点通过模型的经济结构分析,进一步了解我国卫生资源发展与我国人口、国内生产总值(GDP)发展的直接、间接关系,探索资源配置中的经济结构问题,探讨解决问题的有效途径。
资料来源1987~2007年全国卫生机构床位数、卫生技术人员数、卫生总费用数据来源于2008年《中国卫生统计年鉴》(中华人民共和国卫生部编),其中部分卫生经费的数据来源于相应年份的《全国卫生财务年报资料》(中国卫生部内部资料);1987~2007年全国总人口数据来源于2008年《中国人口统计年鉴》(国家统计局编);1987~2007年国内生产总值、人均国民生产总值数据来源于2008年《中国财政统计年鉴》(国家统计局编),其中部分资料来源于2004年《世界银行世界发展指标数据》。
变量的选择
1·内生变量的选择根据本研究的目的,分别选取卫生资源配置中卫生人力资源、卫生物力资源、卫生财力资源三方面具有代表性的三个指标:卫生技术人员数(HW)、卫生机构床位数(BED)、卫生总费用(THE)作为内生变量。
2·外生变量的选择依据国际惯例选取具有代表性的两个社会经济指标:总人口数(POP)和国内生产总值作为外生变量。
建立卫生资源配置的经典计量经济学模型〔4-8〕
1·模型结构式的建立为了更好地反映出研究因素之间的错综复杂的直接、间接关系,根据我国的经济体制和现有资料,建立起我国卫生资源发展与社会经济发展之间相互关系的联立方程组模型,见式(1)、(2)、(3)BED=α0+α1lnGDP+α2lnPOP+u1(1)HW=β0+β1lnPOP+β2BED+u2(2)lnTHE=γ0+γ1lnGDP+γ2HW+u3(3)其中,α0、α1、α2、β0、β1、β2、γ0、γ1、γ2为待定参数,BED代表床位数(万张),HW代表卫生技术人员数(万人),THE代表卫生总费用(亿元),GDP代表国内生产总值(亿元),POP代表人口数(万人),u1、u2、u3、是随机扰动项,取自然对数是为了取得内生变量与外生变量之间的线性关系,并且消除可能存在的异方差。
2·模型参数推算和结果模型的识别可通过对拟订模型的结构式进行,也可从模型的简化式进行,本研究选择模型结构式的识别,模型结构式的识别要从阶条件和秩条件两方面来识别,该联立方程从阶条件和秩条件都是恰好识别的。
所以对模型采用加权最小二乘法(WLS)进行参数估计,将WLS估计结果代入结构式可得式(4)、(5)、(6),由于篇幅所限,识别和估计过程从略。
BED=135·9457+33·8032lnGDP-15·9750lnPOP
(1·2604)(1·6503)(-0·5940)(4)
R2=0·8153,AdjR2=0·8048,DW=1·3824;HW=-205·4886+32·6710lnPOP+0·6702BED
(-18·0415)(16·3321)(10·5966)(5)
R2=0·9937,AdjR2=0·9930,DW=1·8510lnTHE=-4·3916+1·0765lnGDP+0·0009HW
(-20·2447)(10·7316)(0·3558)(6)
R2=0·9943,AdjR2=0·9936,DW=2·0279
回归方程式下面的括号内数值表示各自系数的t值,R2为决定系数、AdjR2为修正决定系数、DW为杜宾h统计量。
从Eviews回归结果看,第一个方程模型DW值不很理想,可以认为序列相关不很显著,第二个模型和第三个模型DW值较理想,方程效果非常好,序列显著性极高。但从统计检验和计量经济学检验来看,回归系数为正,分别为:33·8032、32·6710、1·0765,有统计学意义,判定系数R2分别为0·8153、0·9937、0·9943,表明模型的拟合优度良好,方程的总体效果都比较显著。
3·模型的检验利用Eviews5·0软件对结构式的拟合结果见图1~4。
模型的拟合最终要通过检验,检验主要进行样本期模拟检验和样本期外检验。样本期检验常用均方百分比误差(RMS)表示,其反映了内生变量的拟合优度。
样本期检验三组数据RMS最大为0·0288,平均RMS为0·0207。平均相对误差(RE)分别为0·0243,0·0195,0·0175,可见样本期预测结果较好。将2008年的GDP和POP数据代入简化式进行样本期外检验,卫生技术人员预测相对误差为0·0275(预测值为463·0782),卫生机构床位数预测相对误差为0·0314(预测值为350·1805),卫生总费用预测相对误差为0·0074(预测值为14754·39),样本期外检验结果也较好。
拟合的优度主要是通过判定系数(R2)来检验的,R2反映回归方程中解释变量的解释力,越高说明解释力越强,实测值和回归直线的符合程度越高。本研究中,方程(4)的R2最小,为0·8153,大于0·80,说明方程(4)拟合优度良好;方程(5)、方程(6)的R2分别为0·9937和0·9943,均接近1,说明方程(5)、(6)的拟合优度极佳。
我国卫生资源配置动向论析1·我国卫生资源配置的经济结构分析本文主要采用相关分析法和弹性分析法分析探讨我国卫生资源配置与社会经济发展的关系,其具体分析结果如下:
(1)我国卫生机构床位数、卫生技术人员数、卫生总费用与人口、GDP之间存在显著线性关系,且呈较明显的正相关性。
(2)1987~2007年我国整个卫生资源仍然处在规模递增阶段,且随着社会经济发展,呈现出相应的良性增长趋势。
(3)我国卫生资源配置的稳定增长期将持续延伸,人力、物力、财力的稳步增长,将直接关系到卫生产业未来的可持续发展。
(4)卫生总费用与POP、GDP的决定系数R2最大,说明卫生经费的逐年增长是卫生资源与社会经济健康和谐发展的关键和保障。
(5)从模型结果计算出的1987~2007年我国卫生总费用相对于GDP的平均弹性系数为1·08,弹性系数大于1,也就是说,GDP每增长1·01%,卫生总费用增长1·08%,卫生总费用的增长略高于国民经济的增长,这与1994年Newhouse使用OECD的数据进行横向、纵向和时间序列的研究相一致〔9〕,也与我国卫生费用的增长高于国民收入的增长要求相一致〔10〕。
2·模型的宏观预测根据模型结果,对我国“十一五”末2010年、“十二五”末2015年、“十三五”末2020年分别做期外预测,预测结果:卫生机构床位数预测值分别为388·4944万张、406·8788万张、425·2632万张;卫生技术人员数预测值分别为483·0935万人、493·0499万人、507·7197万人;卫生总费用预测值分别为14754·39亿元、21715·90亿元、32299·88亿元。
预测结果显示,至2010年我国卫生总费用将达到14754·39亿元,意味着“十一五”后3年政府将增加卫生投入约4266·39亿元;“十二五”期间、“十三五”期间政府将增加的卫生投入累计总量分别约为:6961·51亿元和10583·98亿元,足以显示我国卫生投入长期不足的现状。
经典计量经济学模型是一种回归模型,它是以变量间关系为依据,得到的是变量的长期关系,这种关系在短期内可认为是不变的,因此可通过模型对我国卫生资源的人、财、物三方面做出宏观预测,但是预测不等计划,只是提供一个趋势和参考。
结论
随着国民经济的发展和社会进步,我国卫生投入长期不足是卫生资源配置的首要经济结构问题,卫生经费的逐年增长是卫生资源与社会经济健康和谐发展的关键和保障,只有将增加卫生投入作为一项长远政策,长期实施才能保证和促进我国卫生事业与社会经济同步和谐发展。
参考文献
1·魏颖,杜乐勋.卫生经济学与卫生经济管理.人民卫生出版社,1997,133.
2.胡善联主编.卫生经济学.上海复旦大学出版社,2003:104-108.
3.张晓炯.计量经济学基础.南开大学出版社,2001.
4.王世英.对恰好识别和过度识别的看法.新疆大学学报,1997,1(3):87.
5.陈峰.医用多元统计分析方法.中国统计出版社,2001.
计量经济学模型范文4
关键词：计量经济学；语言分析；数理基础；方法论基础；模型功用
中图分类号：F2240 文献标识码：A 文章编号：1000176X（2013）03000312
一、引 言
当前正在持续并不断延伸的经济危机，引发了学术界对于标准经济学建模方法在此次危机预测与应对中作用的探讨，其矛头直指计量经济学，认为计量经济学在经济现实表述与预测方面作用甚微，一些极端观点甚至要求放弃计量经济学模型方法，因之引发当前学术界关于计量经济学“失败与否”的学术之争。争论的实质可归结为一个问题：计量经济学是否是精确、无局限的绝对科学？
对于计量科学的精确性、绝对性的探讨由来已久，当前学术界的争论只是对这一问题的深化。早在1939年，Keynes就指出计量经济学模型方法存在三个层面的问题：一是理论的先验正确性问题[1]，二是线性假设以及滞后期与趋势决定的主观随意性问题，
正如凯恩斯所说，计量经济学模型设定基本是以线性假定为前提的，Juselius在谈及VAR类模型的局限时，也提起过VAR类模型的设定是线性的，因此其对于跨越多个时期的模型预测并不十分理想。
收稿日期：2012-11-24
基金项目：辽宁省社会科学规划基金项目“经济学哲学名篇中元经济学问题研究”（L11BZX010）
作者简介：刘丽艳（1978-），女，辽宁沈阳人，东北财经大学经济哲学研究中心特邀研究员，博士，主要从事计量经济学理论和方法论等方面研究。Email： lucyliuliyan@bipteducn 三是计量经济学的结构不变性问题。认为这三个问题造成了计量经济学经济分析的局限。相对于凯恩斯，Lawson的观点相对来说比较极端，Lawson对当前计量经济学建模的研究方法进行了严厉的批判[2]，认为当前的计量经济学模型，尤其是VAR系列模型在研究现实经济机制方面作用甚微，模型未获得关于经验现实的真正洞察，其预测结果不具备经验充分性。
而 Juselius则更倾向于为现代计量经济学模型、尤其是VAR系列模型进行辩护[3]，认为计量经济学本身不存在任何问题，只是在面对当前危机时应做一些转变[4]。并指出正确设定的、具有经验充分性的协整向量自回归（Co-integration Vector Auto Regrssion， CVAR）模型可以实现这一转变[5]。作为计量经济学的拥护者，Hendry同样对计量经济学进行了辩护，指出虽然计量经济学方法确实可能会产生谬误回归，但这种谬误可通过检验进行回避与拒绝[6]；Hendry提出根据数据生成过程（DGP， Data Generation Process）进行建模的理念，指出计量经济学应根据DGP过程进行经验建模，进而保证计量经济学应用研究的科学性与精确性。
国内学界对计量经济学基本持肯定态度，李子奈认为，从计量经济学模型方法的建立、估计与检验过程来说，其方法具有坚实的统计、逻辑基础，符合科学研究的发现过程[7]。计量经济学研究方法实质上就是回归分析，是证实与证伪、归纳与演绎、检验与发现、相对与绝对相结合的过程。并探讨了计量经济学模型政策评价、结构分析、预测与检验功能上的局限。
李子奈在他的“计量经济学方法论的若干问题”，“计量经济学模型的功能与局限”中均有提到这一观点。洪永淼认为计量经济学模型面临三个主要问题：非重要因素的影响问题、观测数据问题以及样本外预测问题[8]。但计量经济学理论本身已经发展得相对成熟与全面，只是由于经济系统的时变性、不可逆性以及经济数据的缺陷导致了计量经济学的分析、预测没有物理学那样精确，这也是计量经济学与自然科学最大的区别。
那么计量经济学究竟是怎样的科学？它是否具有其自身难以避免的不足与局限？要对这一问题进行解答，就要从其模型方法的概率和统计学科基础进行探讨，从其表述语言、方法论及功用层面进行基础研究，以提高其应用研究的科学性，使计量经济学应用研究沿着正确的方向发展，这也正是本文的研究目的。
二、计量经济学的语言分析：模型语言经济学表述的非充分性
经济学语言学转向引发人们对语言在经济分析中作用的广泛关注，进而产生一个问题，计量经济学的主要语言是什么？计量经济学语言具有什么特征？其在经济分析中又处于什么地位？要解决这些问题，就要从什么是计量经济学的语言以及计量经济学语言的方法论地位来着手。
要探讨计量经济学的语言，离不开对计量经济学的界定及其基本分析结构的探讨。计量经济学是通过模型来表述经济现实的，基于统计、概率方法的模型构建是计量经济学经济表述的主要手段与方式，也是计量经济学进行经济研究与分析，以及作用于应用实践的基础途径。从学科的自我表述与实践应用两个层面来说，一方面，以概率和统计为基础的计量经济学模型是计量经济学这一学科的主要表达方式，也就是计量经济学的“语言”；另一方面，从计量经济学的基本分析结构来说，模型是计量经济学分析的基本结构，是计量经济学描述、解释经济现实的主要手段，也是计量经济学进行学科表述与对外自我表达的主要途径，可称为计量经济学的“模型语言”。以概率和统计为基础的计量经济学模型，既是方法又是语言，在计量经济学经济分析中处于核心地位。作为经验实证的计量经济学，其研究方法从方法论上来说是经验实证的模型方法，其语言也必然离不开经验实证的方法论基础地位，是经验实证的模型语言。
那么，计量经济学经验实证的模型语言在经济学研究中处于何种位置？其经济学的表述充分性如何？是否能够替代自然语言？要回答这些问题，首先就要明确经济学学科本质与计量经济学经验实证模型语言的方法论地位。作为社会科学的“皇冠”，其特殊的学科性质决定其不等同于物理学这样的自然科学，同时人类社会也不等同于实验室。经济现实的复杂多变性，人性与人类心理的不可预测性，使得经济发展过程成为一个异常复杂的有机体，这些必然复杂化经济学的表述及其语言，单一的基于以概率和统计的模型语言难以完成这一任务。此外，从经济科学理论表述层面来看，经济理论并不必然由数学或统计学来证明。经济学的语言是多元而非一元的，数学、统计语言是经济学分析语言中不可替代一种，是“多元”中的“一元”，但并不必然比其他语言更重要。当然，这也解释了计量经济学以概率和统计为基础的模型语言在经济分析语言中的地位。
计量经济学经验实证的模型语言是计量经济学科学化经济研究的一个重要体现，但同时也难以避免其自身与生俱来的方法论局限：
首先，经验实证的模型语言面临经济研究中价值判断理念的计量化问题。计量经济学模型语言对经济现实的表述是建立在表示现实经济活动结果数据的概率分布假定基础之上的，模型语言对经济现实中不可度量的社会关系、政策和心理等价值理念的处理是通过主观假定赋值或虚拟变量来完成的。从一定程度上来说，计量经济学模型语言对价值判断的这种表述稍显随意、主观，是不精确的；此外，很多价值判断理念难以通过统计语言或概率分布来表述。因此，计量经济学模型语言存在着价值判断理念计量化的问题。经济研究是以人及其构成社会的经济活动与关系为核心的，而这种社会经济关系的表述不仅是“量”的统计，还包括“质”的描述。计量经济学模型语言对经济现实的解释与描述是通过变量与现实经济因素的映射来完成的，因此，模型对经济现实的解释是建立在模型方程涵盖待解释经济变量这一前提之上的。那么就产生了一个问题，模型是否可以包含所有经济因素，也就是经济因素都可以通过适当量化的形式纳入模型语言的表述范围吗？答案是否定的。很多宏观计量经济学模型中的政策、环境因素以及微观计量模型中的心理因素，都很难一一映射为计量模型中等价的变量形式。虽然虚拟变量是一种选择方式，但现代计量经济学中的虚拟变量通常是简单的“二进制”（0，1），这种“是与否”的极端表述方式很难精确描述经济现实的渐变过程与渐变效应。
此外，即便勉强将价值判断理念通过主观赋值的变量进行计量化，还存在现实经济因素与观测数据统计方式的非“一一映射”问题。很多模型表达的变量或符号在现实经济中有多个对应统计方式，而每种方式的选取都代表着不同的样本数据，有时甚至会影响到模型的估计结果。如探讨外商直接投资与中国经济增长的关系时，涉及到国家开放程度这一政策理念及其模型对应变量的选取。究竟用什么代表开放程度，现实中选取模型样本数据时就涉及一个选择的问题，有的研究者将年进出口贸易总额的GDP占比作为一国开放程度的度量标准，有的将对外政策的颁布作为开放程度的度量。这种变量的选取通常以模型的估计结果是否更优作为条件，可以说这种选取模式是稍显主观随意的，并不具备严格的科学性。
其次，计量经济学模型语言难以完全取代经济学表述中的自然语言，一元的模型语言难以对经济学进行全面、充分表述。第一，能够表述经济世界的是语言性的词语而不是人为创造的符号、模型，计量经济学的模型语言并不比自然语言更接近经济现实，同时，经验实证的模型语言所描述的逻辑建构具有其本身的局限，不能完全取代经济学自然语言的使用。虽然计量经济学模型语言中的数学公式与统计推断过程本身也是一种话语，但这种“话语”本身也有语言问题，爱因斯坦指出，“就数学定律指涉现实而言，它们并不确定；就其确定性而言，他们并不指涉现实”。数学哲学的观点展示出数学、统计的模型语言，作为一种经济学研究语言，其所构建的“经济世界”并不比自然语言的更准确，也不比自然语言的更接近现实世界。第二，人们生活的世界是词语的世界而非函数的世界，对语言最重要的沟通与交流功能来说，经验实证的计量经济学模型语言作为交际语言并不具备足够的充分性。虽然其在统计推断与函数符号表达上具有严谨性与便利性，并因此一定程度上体现了其科学性，但对于语言最为重要的交际功能，计量经济学模型语言并未表现出任何超越其他语言范式的优势，尤其是在与公众交流时[9]。用函数与符号表达的数学语言是自然科学的通用语言，“对自然科学家而言，它就像过去拉丁语对学者一样，而对许多经济学家来说它不幸是希腊语”[10]，因之其模型方程与符号的表达范式可能更容易使人们感觉它只想通过深奥的数学让人肃然起敬，而不是更有助于交流。
还有一个不得不说的问题，不论计量经济学模型语言多么严谨、精确，也不可能做到对完整社会关系进行精确表述，这取决于计量经济学模型设定的非精确性与局部性，因为任何模型都不可能把整个社会复杂多面的关系全部纳入模型体系，无论从技术层面来说还是从方法论层面来说，这是不现实也是不可能实现的。
三、计量经济学的数理基础：非精确数量关系的度量
由于计量经济学以概率和统计作为其学科的数理基础，其结论是基于样本数据（总体样本的一部分）的推断做出的，而非真实的针对总体样本进行的精确运算，因而其结论并非是确定的、精确的。而计量经济学中以概率为基础的随机检验的不对称性与非精确性、概率约化（Probabilistic Reduction， PR）方法下统计推断的非确定性，都导致了计量经济学度量精确数量关系上的局限。
1以概率为基础的随机检验的不对称性与非精确性
由于观测值很少是现实经济中经济变量的真实值，因此随机模型的存在具有较为重要的作用。
当我们说理论或模型是正确的时候，表示现实世界和理想世界是完全一致的。很多人都认为，即使我们认为理论或模型是正确的，两个世界也不可能是完全一致的（如观测误差、非理），因此人们建立随机模型，来表示这种“一致”的随机性。如果认为观测值和真实值的误差是处于正态的随机分布，即这种“一致”本身就是模型的随机因素。但随机模型本身由于其概率基础的非精确性以及两类前提假定的不对称性，使其模型检验的逻辑基础受到质疑；同时其概率基础的随机性，也严重削弱了随机模型的可靠性与精确性。
首先，以概率为基础的随机检验的不对称性。计量经济学的证伪或检验需要逻辑依据，随机检验在逻辑上具有非对称性，这种非对称性源于对标准逻辑的构建，即对于给定的一系列假定，我们能逻辑性地得出一系列结论：①如果所有的前提都为真（在某种意义上），那么所有的结论也都为真（同样的意义上），这是必然的。②如果任何一个结论是错误的（同样意义上的），那么给定系列的前提假设中至少一个是错误的——但我们不能确定哪一个是错误的（多于一个的时候），也不知道有多少个是错误的，因为可能所有的都是错误的。③如果存在任何一个错误的前提，我们不能排除结论中可能有正确的结论，这是必然的。④如果结论中有一个是正确的，给定系列假设中的任何一个都有可能是错的。这里我们可以说，如果正确运用逻辑，那么前提的正确性可以传递到结论上（假设到预测），而结论的正确性却不一定能传递到前提上，这里存在一个明显的不对称性。同样，对结论的证伪可以至少传递到前提上（一个），但对前提的证伪却不能传递到结论（除非结论与前提一样）。计量经济学的随机检验是建立在通过对结论（根据经济理论、数据建立的模型）的证伪进而证伪前提（经济理论假说）的逻辑基础上的，而逻辑不对称性则削弱了这一检验的逻辑基础。
其次，以概率为基础的随机检验的相对性与非精确性。这里用简单的线性模型来探讨随机模型检验的相对性与非精确性问题。假设线性的两个变量，C=a+bY的每个观测值允许有10%的误差，通过式（1）和式（2）两个观测值，可以通过方程确定a和b的值，即进而通过确定系数的方程与Y3来确定C3的值，得出C3的计算值和观测之间的误差为17%，超出通常10%的标准。
实际上C与Y的观测值可能与其真实值有10%的偏差，而对于第三个观测值C3，其计算值和观测值之间可能有大到17%的误差，而它们之间的关系不能就此确定是非线性的。同时，未对线性假设进行确定并不必然表示对非线性假设的肯定，基于单一观测值的检验并不构成对假设的反驳，而0误差也不代表对线性关系的肯定。15%的误差可能不足以确定模型就是线性的，但也不足以说明模型是非线性的，因此我们称之为对线性假设的非肯定。要区别开对线性假设的非肯定并不代表对非线性假设的肯定。任何判定的标准都应基于对观测误差本质的了解以及对理论本身的了解。通过判断P值来判定，这要求首先观测值符合高斯正态分布步钟形曲线，如果我们假设观测均值是真实的，数据的分布是正态的，那么正态分布的观测值曲线可以用来计算P值，如5%，作为接受的标准。这样的一个缺点就是，很可能错误地接受了不适合的方程或模型。如果观测值的概率分布不是正态的，或如果每次观测到的值不是独立的，那么P值检验就难以进行。若实际的误差分布与假定有差异，则此方法带来的问题足以影响到计量经济学的精确性。
这里还需要指出的是，随机的是模型，而不是现实经济世界。任何随机模型的检验都是对这种假设的一致性的检验，即对理论本身的检验。只有人们认为模型绝对为真，任何违反一致性的变化完全都是由真实世界难以解释的变化引起的时候，人们可以选择相信现实世界是随机的，但这点显然是不成立的。而随机性把理论的真实性变得无可非议，认为理论是不可能出错的，这一先验观点严重损害计量经济学的经验基础。计量经济学随机模型这种把理论和模型假设看成是真实的，世界是随机的这种看法是不诚实的，也是随机模型局限性的一个体现。
2 概率约化方法下统计推断的非确定性
计量经济学概率约化方法（Probabilistic Reduction，PR）的出发点是，经验模型是实质性信息与统计信息的混合体，其主要目标是应用数据来了解观测对象。这两类信息最初被包含进两个不同的模型——理论模型和统计模型，前者是由理论变量构建的，其中一些变量可能是不可观测的；后者则是专门根据数据Z：=（Z1，Z2，…，Zt）潜在的可观测随机变量设定的，问题是找到将两者联系起来的方式，同时不违背实质性信息与统计信息任何一方的完整性。
根据概率约化方法，Z是随机过程{Zt，t∈T}的一个实现，根据Kolmogorov定理，随机过程的概率结构在某些温和规律性条件下，就联合分布D（Z1，Z2，…，Z
建立统计充分性的难度显示，对数据盲目的集合不大可能产生任何规律性；即便偶尔产生了，对一致性度量与外部有效性的探索也将会消除这种伪规律性。现实应用研究中的计量模型，其统计充分性或多或少都存在一定程度上的不充分问题，原因并不取决于建模者，而是经验数据本身就难以完全符合强概率假定。现实中的数据很少能满足统计上要求的时间平稳性或不同数据生成过程的同质性，因此要建立完全的具有统计充分性的模型是几乎不可能的。这也是计量经济学数理基础本身所固有的一个局限。
四、计量经济学的建模过程：不平衡方法论基础的局限性
计量经济学基于经验数据模型符合科学研究的发现过程，是其优势所在，但同时，其建模过程的方法论基础并不平衡，表现为认识论基础上归纳内容重于演绎内容，逻辑学基础上对检验的重视超过发现，一般哲学基础上对“特殊”与“一般”的处理未达到平衡，而这些建模过程中的方法论基础不平衡导致了计量经济学模型方法的局限性。
1 计量经济学建模过程中认识论基础的不平衡：归纳重于演绎
计量经济学的一个首要目标就是为经济学提供经验内容，可见经验归纳在计量经济学中独特的重要性；而计量经济学科的产生与发展，也无不体现了归纳法或经验检验在经济研究中的兴起与盛行[13]。虽然计量经济学不只包含归纳，从其建立模型过程看，除去其中经验检验部分则是明显的经验归纳，最初的模型设定与检验后的模型政策评价、预测等功用的实现均属于演绎内容。但不得不承认的是，计量经济学作为“为经济学提供经验基础”的学科，其模型方法不可避免地侧重经验归纳，而现实经济研究应用中，这种对经验归纳的侧重也在一定程度上导致了计量经济学研究方法的局限。
首先，对归纳赋予过多权重可能会导致模型方法的归纳内容缺乏正确前提，进而产生不可靠甚至错误模型结果。缺少足够演绎内容的模型设定，很可能是基于错误的经济理论或数理逻辑，模型设定不充分。那么这种情况下模型的检验结果就会很危险，会有较强的误导性，因为它可能直接导致完全错误甚至荒谬的结论，进而削弱计量经济学模型分析的意义，得出错误甚至荒谬的结论。模型设定是计量经济学研究的基础与前提，只有设定正确的模型才能通过正确的检验步骤得出正确的结论。
其次，对归纳给予过多权重可能会导致统计意义与经济意义的不平衡，使计量经济学的研究倾向于追求统计分析上的完美性，进而趋向于形式主义，降低研究的质量，甚至产生方向性错误。应平衡计量经济学建模过程中归纳与演绎内容的权重，过于重视经验归纳内容，忽视演绎部分，很可能会导致对统计显著性的片面追求而忽略模型的经济意义，进而沦为缺乏经济意义的形式主义，产生“伪回归”谬误。而现实经济研究中也确实存在这种统计上显著、检验环节完美而经济意义上贫乏的研究结果。其中较为普遍的是根据研究目的进行模型设定，随意性较强，甚至有时不符合经济理论或经济惯例，与经验现实相冲突。有时为了突出待研究的关键变量，可能较为随意地增减其他变量以获得关键变量较高的统计显著性。这种模型设定是单纯地对经验归纳的偏重而忽略演绎内容在模型设定中的意义，致使研究缺乏经济理论基础，导致可能误导性的甚至是错误的结论。
总之，必须认识到，计量经济学应用研究中应将抽象演绎与经验归纳相结合。演绎内容决定了计量经济学的模型设定，为归纳内容设定了前提，决定了经验归纳的方向，它就像建筑物的地基一样限制并主导着其基础上建立起来的建筑——模型的经验归纳部分。不能片面地强调归纳或演绎的重要性，而应平衡两种方法在计量模型方法中的应用。
2 计量经济学建模过程中逻辑学基础的不平衡：检验重于发现
计量经济学的学科性质并非是狭义的回归分析。广义的计量经济学具有多重科学、哲学和方法论基础，它形式上是统计学、经济理论与数学三者的结合，其目的是为经济研究提供经验基础。在计量经济学模型设定与估计两个环节，由于是以理论与数据相结合的关系论导向进行模型设定，而且严格遵循从一般模型到特殊模型的建模范式，很可能发现与原有的先验理论不同的，并通过严格系列检验的新经济关系，或是证伪已经存在的旧有经济关系，这是一个检验与发现综合运用的过程，它不仅是单纯的检验，还是对新事物探寻的过程。正如丁伯根对计量经济学模型方法的辩护，“它从一定程度来说是检验与发现的结合”，但这里要注意一个问题，计量经济学中的理论发现并不是真正意义上的“发现”，而是估计、检验过程中对先验设定理论假说的完善，或者是对更为适合样本数据、对样本数据拟合更好的模型形式的探寻。
同时，也必须承认，计量经济学对检验的重视要远重于发现。Hendry曾指出，计量经济学的三大黄金定律就是“检验、检验再检验”。理论检验功能也是计量经济学模型的传统功能，可见检验在计量经济学模型方法中的核心地位。对检验过于重视的同时也难以避免地忽略其另一面——发现，这也造成了计量经济学模型方法一定程度的局限。
首先，对检验赋予过多的权重，而忽略发现的重要性，很可能使计量模型分析沦为“统计的炼金术”或“经济学的鬼把戏”。计量经济学建模过程中对检验的重视程度远超发现，这一逻辑学基础的不平衡很可能导致建模者对检验技术的先进性与复杂性的片面重视，即过于偏重统计显著性而忽略对模型经济充分性的考察；同时，建模过程中最为重要的、可能导致理论发现的“异常现象”，很可能在对检验的片面追求中被忽略掉。对于与先验观念相冲突的、导致统计充分性降低的、不符合检验标准的“异常现象”的出现，建模者很可能以其不符合检验标准为根据，在未考虑其可能的经济充分性的前提下，为突出某些变量的显著性而对变量进行随意删减，结果可能将模型从正确设定的方向引向歧途，错过最为重要的“理论发现”。模型的设定脱离了经验现实，进而使统计分析变成形式化的“统计的炼金术”。还有一种更危险的情况，就是根据根本就没有科学性的理论假说，而只是盲目地根据研究目的对变量回归关系进行检验。这种缺乏理论指导的计量分析早在20世纪40年代计量经济学著名的方法论争论——“没有理论的度量”中就已指出其谬误性。无论检验步骤、方法如何完善，没有正确的前提很可能造成“伪回归”而得出错误的结论，使计量经济学应用研究成为“经济学的鬼把戏”。
其次，即便是计量经济学中占主导地位的检验，也不是毫无瑕疵的，计量经济学检验的逻辑不对称性严重损害了计量经济学检验的权威性与说服力。前文已经探讨过计量经济学以概率为基础的随机检验的非对称性，前提的正确性可以明确地传递到每一个结论，而对任一结论的证伪却只能模糊地传递到前提，即难以确定是哪一个或哪些前提是错误的。这种逻辑上的不对称性决定了逻辑在检验中的作用：①只通过检验从理论中推理出来的结论（可能很多都是正确的）不能检验理论本身。②不可能通过前提的真实性间接性地证实所有结论，当其中一个前提恰好是公认的陈述时（至少有一个，这样才能进行解释和预测），由于我们不能知道相对于经验事实来说什么时候这个公认的陈述是对的。③证明前提都是错误的并不能证明特定结论的正确性。由于结论正误和前提正误的不对称性是检验经济理论的最大障碍，对结论的证伪并不能证明理论本身有问题，如果在建模过程中添加了附加假设。由此可见，对随机模型本身的检验并不能检验理论假说的真伪。计量经济学中的检验，从一定程度上来说是无力的。
最后，计量经济学的检验是概率意义上的，是随机的、相对意义上的，难以获得绝对的、精确的结论，认识到这一点同样十分重要。计量模型的回归结果只是在给定的某一显著性水平上，给出是否可以接受待检验的假说；其接受与否是以显著性水平为评判标准的，如经常使用的10%，5%和1%显著性水平。但这里需要注意的是，这一显著性水平是人为选取的，并非是计量经济学科学体系天然生成的。而且，即便通过显著性检验，也不能完全确保检验的假说是完全正确的，因为这里还有一个10%，5%或1%“弃真”（错误地拒绝了原假设）的可能性，通过检验也是存在错误可能性的。也就是说，通过检验只是证明错误的概率偏低而已，而不能绝对地排除错误的可能性。因此，计量经济学以概率为基础的检验，其相对性和非确定性是与生俱来的，这也是计量经济学的局限性之一。
3 建模过程哲学基础的不平衡：“特殊”重于“一般”
不同于一般哲学中的一般与特殊，本文的一般与特殊指“一般模型”与“特殊模型”，两者的关系在计量分析的两个层面得到体现：一是始于“一般模型”的建模范式和始于“特殊模型”的建模范式，二是约化过程中“一般”与“特殊”模型的相互转化方面。
“一般模型”源于Hendry的“包含模型”[14]，始于一般模型指从包含所有可能影响变量的一般模型开始的建模范式，在不丢失任何信息的前提下，通过约化过程将复杂的一般模型约化为便于统计分析的、简单的特殊模型。而始于“特殊模型”的建模范式则相反，从包含核心因素的特殊模型开始，通过检验揭示不足之处，再通过增加可能影响因素来完善模型的建模范式。由于模型是对经济现实的表述，理论上应只有一种正确的最终模型设定，但现实中由于经济变量之间的复杂关系与模型推导过程中对统计充分性的片面追求，很可能使二者的最终模型设定相距较远。
因为很可能出现这样的情况，从特殊模型开始进行到路径的“中途”时，发现个别核心变
量已经满足了统计显著性检验的要求，而就此停下来将其作为最终模型。
计量经济学中的“特殊模型”与“一般模型”的转化，在时间序列数据建模过程中尤为突出。由于现代时间序列数据通常采用数据导向的建模方法，为保证其经济理论基础充分性对约化过程进行理论或结构约束，从其本质上来说就是将“一般模型”实施约束进而转化为“特殊模型”。再通过包容性检验来验证这一“特殊模型”的包容性，若无法通过包容性检验，则重新建立一个新的“一般模型”，再逐步约化生成新的“特殊模型”。伦敦经济学院（London School of Economics，LSE）方法就是“一般”与“特殊”交替进行的过程。
然而现实中由于始于“特殊模型”的建模范式更有利于迎合研究目的，更容易通过统计方法上的“努力”突显出某个或某些待研究变量的统计显著性，而成为建模实践应用中一种通用的范式。现实约化过程中，常难以做到两者的转化，而采用单纯的删减变量方式，这都为计量经济学的经济分析带来局限。
首先，现实中无法满足“一切条件不变”假定，进而造成始于“特殊模型”建模范式的经济基础的非充分性。由于现实经济错综复杂，各经济因素处于一个不断变化的、相互作用的动态过程中。若模型中包括的变量并非所有影响因素，而只是部分影响因素，并试图从这一局部来探寻整体，那么首先就要求模型包括的部分影响因素相互作用时，其他未被包括进来的因素满足“一切条件不变”假定，即经济现实满足其他变量不变的假定，但现实中其他影响因素一直是在起作用的，难以满足这一前提假定，这必然造成基于这一假定的模型估计的问题。如始于“特殊模型”建模范式下，对同一问题的研究常出现多种模型设定形式并得出多种不同结论，其主要原因就是始于“特殊模型”的建模范式的局部性与片面性。
其次，始于特殊建模范式混淆了协整方程与均衡方程。均衡方程描述经济体中所有经济变量之间长期的稳定关系，是一个整体概念，其所涉及的时间序列变量（如果样本数据是时间序列数据的话）是经济体中所有影响因素的，是完全的而不是仅仅给定的；协整方程表达的虽然也是长期均衡关系，但其描述的仅是协整方程中包含的变量关系，是局部概念，是不完整的，因而方程中的协整系数也不是变量之间关系的真实反映，因为它是不完全的回归系数。协整方程与均衡方程的关系实质上也是某种“一般”与“特殊”的问题，基于协整方程的模型也可以称之为“特殊模型”，而基于均衡方程的模型也可称之为“一般模型”，若非经过均衡方程约化得出的（根据建模目的随意设定的）协整方程，其与均衡方程是有较大偏差的，将这样的协整方程误认为均衡方程，并将其回归系数描述为潜在的真实经济关系，则是对经济现实的扭曲。
计量经济学模型方法应处理好“一般”与“特殊”的关系，对两者的不当认识与处理，会导致模型分析结论的不可靠性。这里需要注意的是完全实用主义的“特殊”，即不对现实经济做全面的观测，仅根据研究目的设立“特殊模型”，一旦通过检验就到此为止；或仅仅不能通过检验时才逐个增加解释变量，只增加到通过检验为止。这样得到的模型并不具有统计与经济上的双重意义，也使计量经济学的经济分析与科学方法相背离，并渐行渐远。
五、计量经济学的模型功用：计量经济学局限性的外在体现
当前经济危机导致的对计量经济学的重新审视，其中最具争议的就是计量经济学的模型功用。本质上来说，计量经济学模型功用的局限是计量经济学局限性的外在表现。作为一门可靠而非精确的科学，计量经济学的科学性是相对的而非绝对的，这决定了计量经济学模型也非万能的，其在理论检验、变量预测和经济结构关系表述上都有不同程度的局限性。
1计量经济学模型理论检验功用的局限
计量经济学通过对理论进行建模并通过检验模型来检验理论，模型设定是检验理论的关键。因为不论建立随机模型还是非随机模型，模型都要比待检验的理论本身更为具体。为了经验检验的足够确切（现实），总是需要对模型添加进去进一步的假设，以使其适用于特定的经济事件和数学方程[15]。如回归方程应该是线性的还是二次型，观测值中可能包含的随机误差成分，方程中可允许的误差是多少，结论的经济意义。而要解决这些问题就要为模型设定假设条件。
计量经济学的模型是由两部分构成：理论本身和为设定解释理论的方程而附加的假设[16]：①构成理论本身的一系列的行为假设，C=F（Y）。②关于上述理论表述关系的简化的行为假设： C=a+bY，其中a为正，b介于0和1之间。模型是两个系列假设的统一，经济研究是假定这两部分假设都是为真的，并通过对现实数据的应用来推导出第二个假设方程的系数。那么这里就存在两个问题：
第一，反驳一个根据理论建立的模型是否就能反驳该理论？答案是否定的。这是因为在计量经济学模型建立的过程中，建模者人为地添加了很多约束假设，这些假设与理论内涵（implication）共同构成了模型的内涵。对基于理论建立的模型的反驳，相当于对理论以及附加假设的并集进行反驳，并不能直接得出对理论的反驳，也不能证实理论为错。除非能够保证建模过程中附加的假设是绝对正确的，才能保证：反驳模型=反驳理论，但现实中有时甚至难以保证附加假设的正确性，致使这一条件很难得到满足。因此，试图通过反驳一个根据理论建立的模型来反驳理论是徒劳的。
博兰认为在对理论建立模型的同时，也建立一个与此模型完全相反的反模型，对两个模型进行检验，如果反模型不符合现实，证伪，则模型是正确的，即附加假设是正确的。
第二，检验根据一系列理论建立起来的模型是否就能检验理论？答案也是否定的，这里存在一个逻辑上的不一致性。模型是两个或两个以上理论假设的统一，这意味着逻辑上的不对称性，即一旦理论的预测被证伪，我们不知道究竟是理论本身的基本假设出现问题，即第一部分，还是附加假设出现问题，即第二部分。这挑战了建立模型就是为了检验理论的观点。如果想通过模型的经验检验证明理论是错误的，那么就要证明该理论的所有可能模型都是错误的，这和波普所说的需要“证实所有的天鹅都是白色的”[17]很类似，在逻辑上是不可能的。由于对理论建模有无数种方式，排除误差的可能性，只有每个理论建立的模型预测都导致至少一个错误结论的时候，才能证明理论本身至少一个基本假设是错误的。但由于每个特定模型都有特定的附加假设，只有通过证明所有这些附加假设都是正确的，排除第二部分是错误的可能性，才能得出第一部分，也就是理论的基本假设是错误的，但这在现实中是难以做到的。从这个角度来说，通过对理论建立模型，进而对模型经验检验来对理论进行证伪是很困难的。
2 计量经济学模型变量预测功用的局限
计量经济学模型方法缘起自宏观经济的短期预测，在计量经济学的发展历程中，也不乏成功预测的例子。预测成为计量经济学模型的一个主要功用，也是判定模型的一个重要标准。但随着经济现实的复杂化，计量经济学预测的精确性受到严重质疑，显示出其模型预测功用一定程度上的局限。
首先，从其学科方法论基础上来看，计量经济学学科并非如劳森所说的寻找覆盖法则（事物之间恒定联系的规律性）的科学。计量经济学也难以达到卡特赖特所期望的构建封闭系统进而测度精确覆盖性法则的层次。而成功预测的前提与基础就是对“覆盖性的法则”的探寻，即对潜在的社会—经济结构、选择结构以及因果机制的精确法则机制的探索。计量经济学只是对经济现实中潜在的、不明显的规律的可能表达，而且即便是“不明显的规律”，也是基于样本的。预测是对于样本外的、尚未发生的经济活动进行的，这种基于样本内知识进行的样本外预测，本身就具有不确定性；同时伴随着经济现实的复杂、多变以及很多不可知因素，预测的非精确性难以避免。
其次，从学科性质上来看，计量经济学模型方法也不是探寻因果机制的精确科学方法。计量经济学是数学、统计学与经济学的结合，其对因果机制的探寻在其模型方法中是以概率或分布函数体现出来的。概率分布假定是统计分析的前提与基础，然而现实经济数据很难严格服从正态分布，因而基于正态分布假定估计出的结构关系并不是全然精确的。同时计量经济学可控实验的缺失，更加剧这种不可靠性。建立在不可靠因果机制基础上的变量关系，难免会在一定程度上影响其预测结论的准确性。
最后，从现实经验数据的非稳定性与数据生成过程的非同质性上来看，一方面，经验数据难以满足统计分析的前提假定要求，进而损害其统计充分性；另一方面，结构参数的不稳定性又进一步加剧了预测的不精确性。正是基于这一点，任何经济数学模型，包括计量经济学中用于短期预测的VAR类模型，
西姆斯（A·Sims， 1980），认为为使结构方程可以识别而施加的约束是不可信的，而VAR模型可避免结构约束问题，进而提高预测的准确度。VAR模型试图通过实际经济数据而非经济理论来确定经济系统的动态结构，建模时无需提出先验理论假设，或者说它不排除任何假设，而是通过时间序列提供的信息将这些假设区分出来。VAR模型每个方程的左边是内生变量，右边是自身的滞后和其他内生变量的滞后。对于这类预测问题，都是无能为力的。这也充分说明了计量经济学模型在预测上的局限性。那么计量经济学中用于预测的VAR类
如常用的VAR模型的变形，结构VAR（SVAR），协整VAR（CVAR）等等。模型能否进行精确的宏观经济预测？从2008年金融危机对于学术界的突发性来看，答案可能是否定的。VAR 类模型是数据导向性较强、经济理论导向性相对较弱的建模范式，从其模型设定层面来看，该类模型较为适用于自由经济体系。但经济现实中由于各经济体政府干预程度不同，致使模型的“外生约束”因国家、政体和时期的不同而具有较大的差异性，导致VAR类模型的适用程度各异。同时，VAR类模型的线性假定前提也一定程度上损害了其预测的精确性，因为随着时间序列时期的增加，线性假定所决定的VAR类模型走向与经济现实发展趋势的偏差会逐渐增大。这都局限了VAR类模型的预测功用。
3 计量经济学模型经济结构表述功用的局限
传统计量经济学观是以逻辑实证主义为其方法论基础的，认为经济理论是先验的真实，而计量经济学模型的作用就是为先验理论决定的模型结构参数估值，
这个观点是斯潘诺斯对传统（先验的）计量经济学观点的解释，后来也用来解释早期计量经济学中的经典方法论争论，第一次是凯恩斯（1939，1940）与丁伯根（1940）之争，第二次是库普曼斯（1947，1949）与Vining（1949a，1949b）之争。这也是计量经济学结构表述功用的体现。现代计量经济学的结构表述则侧重于计量经济学的结构观，并以此为基础来看待计量经济学模型的作用与局限，本文这里主要探讨的是后者。
计量经济学的结构观是结构经验主义在计量经济学中的体现，源起自Fraassen的结构方法，结构经验主义认为科学描述的是结构而非其领域的内容。计量经济学语境下，结构是“对经济机制进行直接特征描述的不变特征集”[18]，而这种不变特征是由参数表述的。经验模型中，结构观用于表述经济“框架”下的一种恒久性观点。要求在样本信息集扩大、时期延展、政策体系变更以及新信息源增加的情况下，结构参数都保持稳定不变。因此，结构的理念是就稳定性与不变性来理解的，在这一结构观下，计量经济学的经济结构表述局限就较为明显。
首先，经验观测数据难以满足结构模型所界定的结构参数的时间稳定性（样本时期延长）、体系稳定性（经济体系变更）以及样本稳定性（样本信息集扩充）。对于时间稳定性与体系稳定性问题，界内的探讨已经较为成熟，早在1939年凯恩斯就提出了计量经济学模型结构参数的非稳定性问题，这也正是“卢卡斯批判”所揭示的思想。对于样本稳定性问题，这里要说明的是，若要在样本信息集变更的情况下保证参数的稳定性，则对观测数据具有较高的要求，即样本数据要满足数据生成过程的同质性，因为统计分析是基于“平均”理念的。由于现实经验数据很难保证观测数据生成过程的同质，因此，对于结构参数保持不变的三个前提条件，现实应用研究中都难以得到满足。
其次，计量经济学的经验模型难以保证与现实世界的一致性，因而很难对经济结构进行准确的表述。计量经济学建模过程中，从理论模型（可能机制）到可估计的经验模型的转化过程也是非正式的。计量经济学经验模型假定数据必须是由某些基本的概率分布所产生的，这样才能对数据生成过程进行进一步的分析，在模型中用数据来对现实进行表述。上文已指出，现实中的经验数据很难完全满足模型所假定的概率分布条件，这样就难以避免其所带来的经验模型统计分析充分性上的局限，进而造成计量经济学模型方法估计结果与经济现实的差距。
最后，计量经济学模型难以对DGP 过程进行结构性的表述。约化理论与一般到特殊的方法同样面临着真实数据生成过程的不可知性问题。更进一步，约化理论本身也很难解释清楚经验模型如何在具体层面影射可观测到部分的数据生成过程，而转化、边缘化和因式分解后得到经验模型的过程也忽略掉了一些变量，难以表述完整、可观测部分的数据生成过程，发生了进一步的数据损失。另一方面，从认识论上来说，DGP过程本身就是不可知的，其复杂性与不可知性使计量经济学经验模型对真实、完整的数据生成过程的表述成为不可能，而仅能对DGP中可观测、可度量部分进行局部表述，也就是局部DGP（LDGP）。可见，计量经济学的结构表述难以达到精确、完全的层次，其经验模型对经济结构的表述所能达到的最高层次就是类似，这也是计量经济学模型难以避免的内在局限性。
六、结论与未来研究空间展望
计量经济学是一门相对的科学，其概率统计学科基础以及其表述语言、模型方法论基础决定了其优势所在也是其局限所在：
①计量经济学经验实证模型语言经济学表述的非充分性，体现在其对价值判断理念计量化及其对自然语言取代问题方面。
②计量经济学度量精确数量关系的局限性，体现在计量经济学基于概率的随机检验的不对称性与非确定性，概率约化方法中推断的非确定性以及建立统计充分性的难度层面。
③模型过程方法论基础不平衡的局限，体现为其对归纳与演绎、检验与发现、“特殊”与“一般”三个关系处理的不平衡。
④计量经济学模型理论检验、变量预测和结构关系描述功能上的局限，其实质是计量经济学的非精确性、科学的相对性的外在表现。
本文对计量经济学局限性的思考是计量经济学学科性质基础研究的一部分，关于计量经济学的基础研究涉及到其理论基础、学科基础和方法论基础等，未来在以下几个方面还应进一步延展与纵深：
第一，现代计量经济学理论与研究方法层面。纵观计量经济学的发展历程，每次理论与方法的范式革命都源起于其对当时经济危机处理的无力，如20世纪70年代的石油危机引发的计量经济学反思。鉴于当前的经济危机仍在进行中，学术界关于现代计量经济学的争论仍在继续，也就意味着未来一个阶段计量经济学理论与研究方法可能处于范式变革阶段，如何获得计量经济学理论与应用研究的实质性进步是个重要课题。
第二，计量经济学方法论基础研究层面。计量经济学以科学化经济研究为目标，其每一阶段的发展都体现了科学哲学界定的科学标准，现代科学哲学的多样化发展、科学标准的多元化表现，也必然会为计量经济学的发展走向提供多维空间。
第三，关于计量经济学自身研究方法体系方面。计量经济学目前的研究方法体系庞杂，以教科书研究范式为主其他各种方法体系为辅，各有优势与弊端。如何综合当前计量经济学方法体系中的各个派系，发展出一个科学、系统，能最大程度发挥计量经济学科学性的研究范式是未来的研究目标。
第四，关于计量经济学概率统计基础的研究。计量经济学研究方法体系以概率统计为其数理基础，如何正确、合宜地应用统计与概率方法，最大限度提高计量经济学应用研究的科学性与精确性，是计量经济学与数学两个领域应共同探讨的问题。
第五，关于现代计量经济学的经济学基础方面的研究。由于现代经济学统一理论体系缺位，很难为现代计量经济学提供一个一致的、系统的经济学基础。当前计量经济学的建模范式虽几经转换却仍处于探寻阶段，加之计量经济学本身的非精确性与局限性，必然导致当前计量经济学应用研究中存在一些问题。如何为计量经济学建立一致的、系统的经济学理论框架，不仅仅是计量经济学理论界要解决的问题，也是经济学理论界要解决的问题。
参考文献：
[1] Keynes， J MProfessor Tinbergen’s Method＼[J]The Economic Journal， 1939，49（4）：558-568
[2] Lawson， TThe Current Economic Crisis： Its Nature and the Course of Academic Economics ＼[J]Cambridge Journal of Economics， 2009，33（4）：759-777
[3] Juselius，KTime to Reject the Privileging of Economic Theory over Empirical Evidence？ A Reply to Lawson＼[R]Working Papers 09-16， University of Copenhagen， Economics Department，2009
[4] Colander，DThe Economics Profession， the Financial Crisis， and Method＼[R]Middlebury College Working Paper Series 1038， Middlebury College， Department of Economics，2010
[5] Kevin，DHCausal Structure and Hierarchies of Model＼[R]Working Papers 11-01， Duke University， Department of Economics，2011
[6] Hendry， DFEconometrics： Alchemy or Science？ ＼[M]Oxford： Oxford University Press，2000387-406
[7] 李子奈计量经济学模型方法的若干问题＼[J] 经济学动态，2007，（10）：22-30
[8] 洪永淼计量经济学的地位、作用和局限＼[J] 经济研究，2007，（5）：139-153
[9] Roger，ENew Directions in Economic Methodology ＼[M]Routledge：Backhouse，199486-90
[10] Robert，DA Catechism： Mathematics in Social Sciences＼[J]Review of Economics and Statistics， 1954，36（4）：374-377
[11] Spanos，AStatistical Foundations of Fconometric Modelling[M]Cambridge：Cambridge University Press，1986660
[12] Spanos， ARevisiting Data Mining：Hunting with or without a License＼[J]The Journal of Economic Methodology， 2000，（7）：231-264
[13] 李子奈关于计量经济学模型方法的思考＼[J] 中国社会科学，2010，（2）：69-83
[14] Hendry， D F Dynamic Econometrics ＼[M]Oxford： Oxford University Press，1995239-295
[15] Mayo， D GNovel Evidence and Severe Tests＼[J]Philosophy of Science， 1991，58（4）：523-552
[16] Boland， LModel Specifications and Stochasticism in Economic Methodology＼[J]South African Journal of Economics， 1977，45（2）：182-189
计量经济学模型范文5
关键词:数理经济模型;计量经济模型;经济增长模型;生产函数
一、引言
作为索洛-斯旺经济增长模型的一个具体形式,20世纪30年代初,美国经济学家柯布和道格拉斯提出下列生产函数:
Y=Kα(AL)1-α,(0<α<1)
式中,K表示资本,L表示劳动,A表示“知识”或“劳动的有效性”,AL表示有效劳动,α是参数,Y表示产量。这就是著名的柯布-道格拉斯生产函数。柯布和道格拉斯用美国1899-1922年制造业的生产统计资料来估计模型的参数,得出:
Y=1.01L0.75K0.25
对这个生产函数以及柯布、道格拉斯所做的工作,余斌,程立如提出了下列批评[1]:
第一,柯布-道格拉斯生产函数“论证”了资本家的所得不是来自劳动所创造的剩余价值,而是来自资本的边际产出。从而成为为资本主义制度进行辩护的工具。第二,柯布-道格拉斯生产函数中遗漏了许多可能会影响产出的其他的重要因素。如:机器性能的提高、由于经济的短期波动而导致的资本闲置或过度使用的情况、工人每天(或每周或每年)工作小时数的变化、劳动者素质的变化、劳动强度的变化等。因而柯布和道格拉斯对模型所做的估计并无实际价值。本论文由整理提供第三,本来,生产函数须在一定技术条件以及一定的资本有机构成下(这两个条件在不同的生产部门有很大的差别)来讨论投入对产出的影响。可是,在柯布-道格拉斯生产函数中,这些条件是随意可变的。文献[1]举例说,由于这一疏忽,可能会引出“用1个轮胎配16个汽缸可以组成一辆汽车”这样的荒谬结论。
作为与余斌,程立如观点的商榷,程细玉、陈进坤阐述了下列几个基本观点[2]:第一,一个经济模型是这样建立起来的:在一定经济理论的背景下,根据样本数据,对经济现象众多的影响因素进行检验、比较、筛选,找出其中一种或若干种最重要的因素,用他们来构建模型(而把其他次要因素的作用效果纳入模型的误差项),然后用样本数据来估计模型的参数,最后再对估计结果进行经济意义检验和一系列统计检验。柯布-道格拉斯生产函数是通过以上程序建立的,因而是科学的。第二,影响产出量的要素有哪些?在供给不足的经济环境中,影响产出量的要素是:劳动、资本、技术等等;在需求不足的经济环境中,影响产出量的要素是:居民收入、人口、消费习惯等。第三,柯布-道格拉斯生产函数把技术条件假定为不变,这的确造成了模型与现实之间的距离。针对这一缺点,后来的学者对柯布-道格拉斯生产函数进行改进,把技术进步速度纳入了模型。第四,用样本数据估计了模型的参数之后,要检查所得的结果是否符合经济实际,接着还要进行一系列统计检验。第五,建立经济模型时要考虑所选变量数据的可得性。能够获得数据的变量才具有实际意义,才能成为模型中的变量。
这两篇文章所提出的问题以及二者之间的争论,引起了笔者的若干思考。
二、数理经济模型
人们在进行经济学研究和进行计量经济学研究时,必须要把数理经济模型和计量经济模型清楚地区分开。事实上,柯布-道格拉斯生产函数(以及作为该模型一般形式的索洛-斯旺经济增长模型)属于数理经济模型范畴。后来,柯布和道格拉斯用美国1899-1922年制造业的生产统计资料来估计模型的参数,这是把数理经济模型直接移作计量经济模型来使用(我们将要在后面谈到,这种做法存在着很大的风险),此时,柯布和道格拉斯所作的事情已不再是研究一个数理经济模型,而是在估计一个计量经济模型(此时,模型中加上了随机项,而数理经济模型是无所谓随机项的)。
数理经济学是运用数学方法对经济学理论进行陈述和研究的一个分支学科。数理经济学中的数学模型,是为了探索不能用数字表现的数量之间的关系和不能用代数表现的函数之间的关系,这种模型旨在通过数学逻辑推理来阐释经济现象之间的关系和演变趋势。这就是说,数理经济学是在理论的层面上运用数学语言来研究和表述经济理论,而不是在经验的层面上对经济现象在具体时间、地点、条件下的结局进行描述、估计或预测。
余、程的文章和程、陈的文章同样都把数理经济模型与计量经济模型混为一谈了。余、程文章的主旨是要批评一个数理经济模型(柯布-道格拉斯生产函数),程、陈文章的主旨则是要为这个数理经济模型辩护。但是,两篇论文的内容,其实却撇开了数理经济模型,说的都是计量经济模型的事情。例如,余、程的文章批评说,模型中遗漏了若干变量、没有把技术条件固定住。对于计量经济模型,这些批评是对的;对于数理经济模型,这些批评则是不对的。再如,程、陈的文章一开篇,便开宗明义地说,经济模型中会含有一个误差项(随机项),显然,作者这里所说的“经济模型”指的是计量经济模型而不是数理经济模型,因为,数理经济模型无所谓随机项,计量经济模型才考虑这个项。该论文接下来所说的收集样本数据、对模型进行估计和检验等等,也全都是建立计量经济模型时候的事情。
把数理经济模型与计量经济模型混为一谈的现象,在一些研究人员的成果中也常可见到。有的作者用索洛-斯旺经济增长模型的柯布-道格拉斯生产函数做计量经济分析时,把索洛-斯旺经济增长模型里假定为外生的那些变量作为计量经济分析中理所当然的假定前提,并相应地假定随机项的期望值为0。这些研究人员认为,由于现在使用的是索洛-斯旺模型而不是别的其它模型,就应该把索洛-斯旺模型的假定作为对现实生活的假定,认为这就是以经济学理论为根据。这些作者犯了用模型定义现实世界的错误。计量经济分析的目标是尽可能准确地描述现实世界。现实世界只有一个。现实世界是检验计量经济分析正确性的唯一标准。
现在我们来考察数理经济模型。
一个经济学原理,可以用文字阐述,可以用图形来直观地描述,也可以用数学语言(数学模型———数理经济模型)来表述。三者目标相同,都是为了阐释经济学原理(而不是模拟现实世界)。
为了使经济原理的阐释更易于理解,常常需要把现实世界加以简化(简化的世界当然已经不是真实的现实世界)。这是允许的。因为数理经济模型的目的并不是模拟真实的现实世界,而仅仅是为理解这个世界的特定特征提供见解。这种简化现实世界的方法叫做抽象法。抽象法是科学研究中一种常用的方法。马克思在《资本论》中,为了阐述劳动创造价值的理论和剩余价值理论,舍象掉了生产商品的劳动的具体形态
而仅仅从量上考察抽象的人类劳动;舍象掉了商品的使用价值而仅仅考察商品的价值———生产商品的社会必要劳动时间。在自然科学里,抽象法的使用也比比皆是。例如,物理学在阐释一个力学原理时,常常会把摩擦力忽略不计。索洛-斯旺经济增长模型(以及作为它的具体形式的柯布-道格拉斯生产函数)同样使用了抽象法,把现实世界中一些本来对经济增长有影响的因素假定为不变。该模型假定,产出量Y对于资本K和有效劳动AL是规模报酬不变的,即:如果资本和有效劳动加倍,则产量加倍———这意味着,对新投入品的使用方式与对已有投入品的使用方式一样———这也就是假定,资本有机构成不变。
美国经济学家戴维·罗默更具体地指出了这个模型所应用的假定:只有一种产品;没有政府;就业的波动被忽略;储蓄率、折旧率、人口增长率和技术进步率均不变[3]。对现实世界所作的舍象越多,模型越容易理解,但是,模拟现实世界的能力越差。为了缩小数理经济模型与现实世界的距离,经济学家会把被舍象掉的东西逐步纳入模型,从而使得数理经济模型越来越深刻。索洛-斯旺经济增长模型假定储蓄率s不变,在这一假定下,t时刻的投资sY(t)是t时刻产出量的一个固定的比例,可是,在实际上,s是在家庭和厂商各自追求效用最大化的相互作用下对家庭的收入进行“消费”和“储蓄(即厂商的投资)”分配的权衡之后形成的,它不是固定的;索洛-斯旺经济增长模型假定人口增长率不变,可是,在实际上,人口增长率也不会固定不变。这种过度的舍象使得索洛-斯旺经济增长模型不能很好地解释经济增长。本论文由整理提供后来提出的拉姆齐-卡斯-库普曼斯模型,通过“产量减消费”来计算投资,其中的消费通过对家庭的效用函数在效用最大化的目标下求解得到,这样,就把储蓄率从外生不变转变成为内生变化;再后来,进一步把人口变动从外生转变成为内生,提出了有移民的经济增长模型(包括有移民的索洛-斯旺经济增长模型和有移民的拉姆齐-卡斯-库普曼斯模型)。在这里我们看到了数理经济模型从简单到复杂,对现实世界的解释能力从低到高的发展过程。顺便说一句:程、陈文章所谓在供给不足的经济环境中影响产出量的要素是劳动、资本和技术,在需求不足的经济环境中影响产出量的要素是居民收入、人口和消费习惯的说法显然是错误的———事实是,索洛-斯旺经济增长模型舍象掉了居民收入、人口和消费习惯等变量,后来一些进一步的模型把这些变量加了进来。
归根到底,数理经济模型的目的不是模拟现实世界,而只不过是解释现实世界的某种特征。事实上,我们已经拥有了一个完全现实的模型———这个世界本身。不幸的是,这个“模型”太复杂了,复杂得难以理解。从解释现实世界的某种特征这一目的出发,我们必须要对现实世界加以简化。上面所叙述的经济增长模型的简要发展过程告诉我们,在阐述科学理论的时候,对现实世界所作简化的合理性会有程度之分。在这里,“所探讨的问题”是判断合理性的根据。如果一个简化性的假定使得模型对所探讨的问题给出了不正确的答案,那么,这样的简化是不合理的;如果相反,所作的简化是合理的。尽管这时的模型仍然是“缺乏现实性”的,但是,此时的缺乏现实性应当被认为是模型的优点,因为,此时的模型十分清楚地把我们所关注的效应凸现出来(把这些效应与纷繁的现实世界隔离开来),使得问题更易于理解。所以无论如何,任何一个数理经济模型,都逃避不了要对现实世界做出若干简化性的假定。顺便提一下,在应用数学领域,人们有时会考虑经济问题的数学建模课题。此时,研究目标是,依据所构建的数学模型来求得我们所关心的数学解。例如,谭永基把索洛-斯旺模型的柯布-道格拉斯生产函数作为经济增长的数学模型,要求导出下面的解:在一定的总成本下,怎样分配投资和劳动可以使产量最大;或是,在一定的产量下,怎样分配投资和劳动可以使成本最省[4]。在这里,对于所推出的结果,研究人员应当负责任地说明,这些结果是在何种假定下推出来的;另外,这里所推导的结果究竟有多大的参考价值似乎值得怀疑,因为,柯布-道格拉斯生产函数所设定的“简化世界”距离现实太远了。
三、基于估计因果效应研究目标的
计量经济模型计量经济模型(本文只考虑回归模型形式的计量经济模型)的功用是:预测、控制、进行因果效应估计①(测算某一个自变量对因变量的影响效应)。在不同的功能要求下,对于模型的构造有不同的标准。本文要讨论的是基于估计因果效应这一目标,对计量经济模型所提出的要求。从原则上说,为了在变量的因果关系中确定各个变量的影响效应,所用的模型应当是现实世界本身。拿经济增长模型来说,假若我们有一个描述经济增长的现实世界的模型,那么,对于一个特定的时空,它就会确定地反映出该时空下每个原因变量对经济增长的影响效应。然而,这是不可能做到的。事实上,我们不可能把影响(决定)经济增长的全部因素无遗漏地列举出来,我们所建立的计量经济模型无法避免地要漏掉一些变量。由于无法控制被漏掉的变量的值,因而把某一时空下模型中各个变量的值输入以后所算出的该时空的经济增长数值与实际数字之间会有一个误差(它的大小事先不能确定,是一个随机项)。所以,计量经济模型一定会有一个随机项,它是计量经济模型对现实世界所作的模拟与真实的现实世界之间的差距。数理经济模型没有这样的项,因为,数理经济模型旨在设计一个简化的世界来解释某一个问题,而不是用来测算现实世界。那么,用于估计因果效应的计量经济模型应当满足何种要求呢?仍然拿经济增长模型来说。我们所建立的一个关于经济增长的计量经济模型,它的随机项里会包括被遗漏的影响经济增长的两种类型的因素:一类是对经济增长有举足轻重影响的因素,另一类是大量均匀小的偶然性的影响因素。假若把索洛-斯旺模型的柯布-道格拉斯生产函数当作计量经济模型使用,那么,被该函数假定为外生的储蓄率、折旧率、人口增长率、技术进步率等变量便属于随机项里面的第一类影响因素。除此以外,在这个模型的随机项里边,还包含有许多其它的对经济增长有举足轻重影响的因素。例如,美国经济学家斯蒂格利茨讲过,经济增长有四个重要的源泉:资本品积累(投资)的增加;劳动力质量提高;资源配置效率的改善;技术变革[5]。这里,所谓资源配置效率的改善,指的是把资源(例如劳动)从生产率低的部门(如传统农业)转移到高生产率的现代制造业。索洛-斯旺模型的柯布-道格拉斯生产函数假定只有一种产品,当然不会考虑资源在部门间转移的情况,换句话说,这个变量被放在了随机项之中。再如,索洛-斯旺模型的柯布-道格拉斯生产函数假定了一个封闭的经济,可是,现代经济都是开放经济。在一个封闭经济中,投资水平由国内储蓄水平决定,投资等于储蓄,没有更多的储蓄,投资便不能增加;相反,在一个开放经济中,这两者之间的关系是松散的,因为一个国家可以从国外借款来为其投资提供资金。于是,储蓄和投资之间的联系这个变量被放在了随机项之中。又如,政府的宏观经济政策、政府的公共支出无疑是经济增长的重要影响因素。可是,索洛-斯旺模型的柯布-道格拉斯生产函数假定没有政府。于是,这些变量也被放在了随机项之中。除了这三个变量之外,还可以举出更多。这就是说,当我们把索洛-斯旺模型的柯布-道格拉斯生产函数当作计量经济模型使用的时候,在模型的随机项里面,一方面包含有大量均匀小的偶然性影响因素,另一方面还包含有许多对经济增长有举足轻重影响的因素。其中的均匀小的偶然性影响因素,各自一方面与模型的结果变量(因变量)Y相关,另一方面与模型的解释变量(自变量)K以及AL独立;而其中的对经济增长有举足轻重影响的因素中,会有一些既与Y相关,又与K、AL或其中的某一个相关。对上述后一类变量,即遗漏在模型外边的(因而包含在随机项中的)既与因变量相关又与自变量相关的变量,计量经济学给予特别的关注,专门把它们叫做遗漏变量。当使用计量经济模型测算因果效应的时候,如果存在遗漏变量,会得出错误的因果效应结论。人们熟知,做线性回归分析时,对模型的随机项有若干条假定,其中的一条是:随机项的期望值为0。当随机项期望值为0时,我们所得到的模型回归系数的最小平方估计量是无偏的,反之,估计量有偏。什么时候会发生随机项期望值不为0的情况呢?美国经济学家詹姆斯·H.斯托克和马克·W.沃特森[6]97-97,122-123指出,当模型外存在遗漏变量的时候会出现这种情况。所以,当模型外存在遗漏变量的时候,回归系数的最小平方估计量有偏,也就是说,在这种情形下我们所得到的计算结果并不是对总体的正确的估计。这就是计量经济分析中的遗漏变量效应。可见,用于估计因果效应的计量经济模型应当满足的要求是:模型外不存在遗漏变量,或者说,应当仔细地找出遗漏变量,尽可能把它们都纳入模型。对于一些无法观测的遗漏变量,计量经济学开发了处理它们的若干种办法,例如,面板数据回归,工具变量回归,设计准实验等[6]160-161,177-192,216-276。有的研究人员在建立了他所需要的模型以后,不考虑模型中随机项的期望值是否真的是0,而武断地声明,假定自己模型随机项的期望值为0。其实,在回归分析的教科书中阐述关于模型随机项的假定的时候,所用的“假定”一词的含义,并不是这个词通常的词义。“假定”一词通常的词义是指:我们对事物的状态所做的某种与真实状态相悖的设定,或者是当我们并不了解真实状态时所做的某种猜想性的设定。然而,回归分析中的“假定”一词却不是这个意思。回归分析教科书中所提出的模型随机项的假定,指的是正确地运行回归分析必须要满足的前提条件。
直接用数理经济模型来充当计量经济模型的风险在于:数理经济模型要对现实世界加以简化,也就是,要把因变量的某些重要的影响因素假定为不变,当我们把该模型充作计量经济模型使用时,只要这些被假定为不变的因素与模型内的自变量相关,它们就成为计量经济模型的遗漏变量,从而导致遗漏变量效应。
由遗漏变量效应所导致的回归系数最小平方估计量的偏差大小由随机项与模型中自变量之间相关程度的大小决定,相关程度越大,偏差就越大。因此,测算因果效应时,至少应当把与模型中自变量相关程度大的遗漏变量仔细地找出来,将其纳入模型。本论文由整理提供回到索洛-斯旺模型的柯布-道格拉斯生产函数上来:其实,它只不过是一个初级的生产函数模型,在经济学中十分明确地指出了这个模型对于解释经济增长的缺陷,因此在其后才陆续提出了若干进一步的模型。后来提出的模型与现实世界的距离较之索洛-斯旺模型要小。我们为什么不使用与现实世界距离小些的较为复杂的模型而偏要用假定性明显过大的索洛-斯旺模型呢?
有的研究人员用计量经济分析手段对数理经济模型进行“实证”。他们用样本数据估计了模型的回归系数,然后进行一系列的统计检验,如果统计检验被通过了,就认为数理经济模型获得了证实。事实上,当我们用计量经济分析方法去“实证”一个数理经济模型时,只能证伪,不能证实。为什么呢?无疑,所有的数理经济模型都是因果关系模型,那末,所谓实证,首先就是要证明因果关系成立。计量经济分析有能力完成“X与Y统计独立还是统计相依”的检验,然而,如黄芳铭指出的,要想把“X与Y统计相依”的论断引申为“X与Y具有因果关系”,必须要具备的前提条件是:“无关的影响变量必须被排除”[7]。
对于计量经济模型来说,这个要求意味着模型外没有遗漏变量(或模型随机项的期望值为0)。但是,计量经济研究中所使用的样本数据都是调查数据,在这种情况下,一个计量经济模型是否满足“模型外没有遗漏变量(或模型随机项的期望值为0)”的要求,在统计上是无法获得证明的。因此,当一个统计检验拒绝了“总体回归系数等于0”的零假设的时候,充其量只能说明该自变量与因变量统计相依,而始终无法说明二者之间具有因果关系。假若得到相反的检验结论———“总体回归系数等于0”的零假设无法被拒绝,那倒是可以说明把该自变量做为因变量的一个原因放入数量经济模型是错误的。
四、基于预测任务的计量经济模型
当计量经济模型的任务是用于预测的时候,我们所关心的不是估计的回归系数有没有因果解释能力,是不是无偏;此时我们所关心的是模型的预测能力,即:模型是不是能够生成可靠的预测值。有的时候,遗漏变量效应使得一个模型对于测算因果效应是无用的,但是它仍然可以用于预测[6]。怎样从统计上来评价一个模型的预测能力呢?直观地说,这可以用“预测误差”的大小来衡量。预测误差的大小可以用均方预测误差来描述,它是若干期的预测值与相应实际值的离差平方的平均值。将它与回归分析中熟知的均方残差对照,可以看出,后者也大致地提供了模型的预测误差的信息。另一方面,还可以考察在因变量样本数据的总变差平方和中,有多大的比例可以由回归来解释,这个比例越大,模型的预测能力便越强。显然,它就是判定系数R2。由于R2可以换算成F统计量,所以,也可以用F统计量来评价模型的预测能力(F统计量的值越大,模型的预测能力越强)。
柯布-道格拉斯生产函数是不是一个好的预测模型呢?这需要经过自变量选择的操作才能最后作结论。我们来考察一下两种常用的选择回归自变量的方法[8]:回归选元法和逐步回归法。回归选元的做法是:列出所有可能的自变量,再列出由它们所组成的所有的一元回归模型,所有的二元回归模型,等等,然后构造适当的统计量来设法找出其中使预测误差“接近最小”的模型(进一步缩小预测误差能够缩小的量与相应地需要增加模型的自变量所带来的难度相权衡,不值得再增加更多的自变量)。逐步回归的做法是:列出所有可能的自变量,再列出由它们所组成的所有的一元回归模型(每一个模型中的自变量称作该模型的初始自变量);计算每一个一元回归模型的F统计量,把其中F值最大的那个模型的初始自变量分别加到其他的一元模型中去,形成一个个二元模型;对每一个二元模型计算针对该模型初始自变量的偏F统计量,把其中偏F值最大的那个模型的初始自变量分别加到其他的二元模型中去,形成一个个三元模型;如此逐步进行下去。在这里,针对某一个自变量的偏F统计量的分子度量了把这个自变量加入模型后对于解释总变差平方和做出的贡献。
在逐步回归的操作中,事先规定偏F统计量的一个水平,当逐步回归进行到这样一个阶段时程序终止:在该阶段所算出的各个回归模型针对其初始自变量的各个偏F统计量中最大的那个值低于事先规定的偏F统计量水平,这表明,相应的那个自变量进入模型被认为对于提高预测能力是没有充分帮助的,所以逐步回归所选择的模型到上一个阶段为止,无必要继续为模型增加自变量了。通过考察回归选元法和逐步回归法我们看到,选择回归自变量时,不管用哪一种方法,都必须首先要把所有可能的自变量全部列出来,然后才谈得到设法选择预测能力优良而自变量又尽可能少的模型。可见,那种直接搬用数理经济学里面的某一个经济增长函数用来充当预测经济增长的回归模型的做法是不妥当的。在估计因果效应和预测这两种不同的任务下,对计量经济模型有不同的要求。上文指出了二者的一个重要差别:在估计因果效应时要强调回归系数的因果解释能力,所以特别关注并且要设法解决遗漏变量所导致的回归系数估计量的偏差;在预测时所关心的是模型的预测能力,在不影响模型预测能力的前提下,遗漏变量、回归系数估计量有偏,都是允许的。下面补充指出二者的另一个重要差别:在估计因果效应时强调,模型中的自变量必须真正是引起因变量变化的原因,也就是说,模型必须真正是因果关系模型;在预测时则允许模型中的自变量并不一定是因变量的原因,它只要是和因变量具有间接的因果关系因而表现为统计相依就可以了(于是,在进行自变量筛选起步时所列出的自变量,除了直接因果关系变量以外,还会有间接因果关系变量)。
五、简短的结论
数理经济模型为计量经济分析提供了理论框架,但是,不能直接简单地把数理经济模型当作计量经济模型使用;由于计量经济分析所使用的样本数据都是调查数据,在这种条件下,计量经济分析无法论证变量之间的因果关系,它所能够做的事情只能是,针对经济学中所论证的经济现象之间的因果关系来测算具体时间、地点、条件下具体的因果关系效应;本论文由整理提供当构造一个旨在测算因果关系效应的计量经济模型时,应当力求做到模型外没有遗漏变量,因为,遗漏变量的存在会导致因果关系效应的测算发生错误;计量经济分析还具有预测的功能,当构造一个旨在完成预测任务的计量经济模型时,所关注的是模型的预测功能,此时,允许模型外存在遗漏变量,也允许模型中的自变量只是和因变量具有间接的因果关系而不具有直接的因果关系;构建预测模型时应首先把所有可能充当预测变量的自变量全部列出来,然后设法筛选出具有优良预测功能而所使用的预测变量又尽可能简约的模型。
参考文献:
[1]余斌,程立如.生产函数的统计学问题———与西方生产函数论商榷[C]//程恩富,顾海良.海派经济学(第三辑)[M].上海:上海财经大学出版社,2003:176-180.
[2]程细玉,陈进坤.再论生产函数的统计学问题———与余斌、程立如先生商榷[J].数理统计与管理,2006(4):407-413.[3]戴维·罗默.高级宏观经济学[M].苏剑,罗涛,译.北京:商务印书馆,1999:17-18.
[4]谭永基.经济管理数学模型案例选讲[M].北京:高等教育出版社,2006:20-25.
[5]斯蒂格利茨.经济学(下册)[M].姚开建,刘凤良,吴汉洪,等,译.北京:中国人民大学出版社,1997:293-315.
[6]斯托克H,沃特森·马克·W.经济计量学[M].王庆石,译.大连:东北财经大学出版社,2005:96-97,122-123.
计量经济学模型范文6
0引言
计量经济学是一门研究经济变量之间的统计关系及其规律的科学，广泛应用于经济学的各个领域。通过课程的学习，要求学生建立合适的计量经济学模型，能够使用软件估计模型参数，并能够对估计结果进行检验，且正确解释模型的经济意义。在本科阶段参数估计的方法为普通最小二乘法，为了使得其估计参数有良好的统计性质，需要使计量经济学模型满足经典假设。在对参数进行经济意义检验和统计检验之外，需要考察模型是否满足经典假设及不满足经典假设的修正方法。授课内容主要围绕参数估计与检验展开，教师需要深入浅出的讲解普通最小二乘法的经典假设，经典假设是理解课程后续内容的基础。我国《高等教育法》指明了培养具有创新精神和实践能力的高级专门人才的培养目标，且市场更需要应用型、创新型的高层次经济学人才，由此计量经济学教学内容、教学方式、考核方式改革已迫在眉睫。笔者将结合多年的教学实践，分析经济类学生在学习计量经济学时的知识构建及授课中遇到的问题，提出有利于提高学生创新能力的教改方案。
1计量经济学教改的探索
经济类教师和学生已普遍认识到计量经济学的重要性，但是该课程涉及到经济理论、统计学、数学相关知识的综合运用，讲授难度较大。很多学者从教学内容、课程设置等角度，对计量经济学教学改革做了有益的探索。李子奈指出目前计量经济学教学内容上没有体现出经济学科特点，应将计量经济学模型的设定、数据的分析作为计量经济学教学内容[1]。案例教学和实验教学的重要性也被许多学者认识到。李芝倩提出计量经济学在教学中应以应用为导向，在理论讲解的基础上，注重案例教学和实践环节[2]。张长青认识到计量经济学教学中存在重理论、轻应用等问题，忽视对学生实践应用能力的培养，建议建立具有专业特色的案例库，使课程理论教学与实验教学合理衔接[3]。也有学者比较研究国内外计量经济学课程体系设置，如谭砚文等，比较了中美计量经济学课程设置，发现美国计量经济学课程内容丰富、课程衔接紧密、注重学生实践能力的培养，而我国计量经济学教学体系、教学理念、课程设置都明显落后[4]。
2课程的衔接问题
2.1计量经济学课程设置问题计量经济学作为一门重要的专业基础课，在微观经济学、宏观经济学、概率论与数理统计、统计学、高等数学、线性代数等课程之后开设，一般设置在大三第一学期。大多数高校没有针对不同类型的学生开设不同层次的计量经济学课程。由于我国经济类专业同时向文科和理科招生，学生数理基础差异较大，不适合按照统一的教学目标来授课。国外许多高校已经开设不同层次的计量经济学课程，不同基础及不同研究方向的学生可以自主选择有关课程。例如，麻省理工分别开设初级计量经济学、中级计量经济学、时间序列分析、非线性计量分析、现代计量经济学方法等近10门课，构成了不同层次的计量经济学课程体系[2]。而国内大多数高校计量经济学课程课时安排较少，不能很好体现计量经济学的学科地位。含上机实验课在内计量经济学仅有48课时左右，教师没有充分的时间讲解计量经济学的相关理论。在实践中应用较多的时间序列模型、面板数据模型、二元选择离散模型没有时间讲授。学生在工作或论文写作中，若需要建立计量经济学模型，仍需要花费大量时间进行后续学习。计量经济学软件为学生理解计量经济学方法提供了一个视窗，是计量经济学理论和实践结合的桥梁。教师在上机实验授课环节讲授软件的使用，可使学生认识到繁琐的计算过程可由计算机来完成，对提高学生学习积极性和实践能力起着重要作用。而大多数高校上机实验教学环节没有得到应有的重视，仅有4至10课时。计量经济学软件多为国外开发，学生很难在这么短的时间内掌握软件的使用方法，直接影响到学生在实践环节对数据的分析能力。
2.2数学基础课程衔接问题现代经济学已经从思辨哲学转向数理实证，经济理论均要经过严格的数理逻辑证明及经验检验，经济学研究中对数学知识的运用已经超过物理等自然学科。我国经济学专业学生的数学基础课程仅有高等数学、线性代数、概率论与数理统计这三门，其教学授课难度较低。且这些课程由理学院数学专业教师讲授，他们对经济学了解较少，不知道经济学中会用到哪些知识，授课内容与经济学专业需要脱节，学生在这些课程上花费了大量的时间，并不能取得良好的效果。计量经济学建模中涉及到微分方程、动态最优方法、拓扑学、实变函数等知识，在高等数学中均没有讲授；多元回归分析中需要对矩阵求偏微，需要学生有空间思维能力，而这些知识在线性代数教学中却没有涉及；统计量的构建及统计性质的证明的相关基础知识，在概率论与数理统计中往往是一笔带过，并没有作为重点讲授。没有数学基础课程的教学改革支撑，经济学专业创新人才的培养难以取得突破性进展。计量经济学教学过程中普遍注重数理模型的推导、统计量的构建及统计性质的证明等基本原理的讲授，学生在经济学、高等数学、线性代数、数理统计等课程中若存在知识缺陷，均会影响到该课程的学习。由于大多数经济类学生数理基础较弱，不能很好地理解枯燥抽象的证明及公式的推导，课堂往往成为教师的独角戏。
2.3经济学专业课程衔接问题许多高校课程设置上，缺少与计量经济学有效衔接的其他经济类课程，不利于计量经济学的学习及创新人才的培养。西方国家经济学专业一般在学习计量经济学课程前，讲授中级微观经济学、中级宏观经济学。在学习了初级微、宏观经济学及数学基础课程后，再学习中级微、宏观经济学，使得学生能从数学逻辑上理解经济学，为经济学模型的理解及计量经济学建模打下坚实的基础。我国在本科阶段仅讲授初级水平的经济学，没有中级经济学的学习，学生很难理解经济学模型，计量经济学建模的授课环节会遇到较大困难。大部分高校缺少计量经济学后续课程的教学，只有少数高校增设了金融计量经济学、时间序列分析、计量经济学方法讲座等后续课程。计量经济学课程中学习了建模、估计参数、检验的一般方法，可以应用到经济学各分支内，如结合各分支开设后续课程，会加强对这门工具课的理解。
3计量经济学教材建设的问题
教材是教师课堂授课和学生课下复习的依据，教材的选用一定程度上决定了授课内容及授课效果。计量经济学的建模基于经济思想及理论，对于计量经济学模型过程的学习，有助于学生体会经济学理论在计量经济学中的作用，有利于学生创新能力的培养。案例分析教学是培养学生利用计量经济学模型分析和解决经济问题能力的有效途径。计量经济学教材建设需要与时俱进，寻找紧密联系实际的丰富案例。案例应尽可能选取国内外实证研究的热点经济问题，尽可能体现经济分析、经济模型的建立、软件的使用、回归结果的分析整个过程。目前高校普遍使用的计量经济学教材并没有体现对学生建模思想的培养[5]，没有使学生深切体会到计量经济学的重要性。流行的国内教材侧重计量经济学理论的数学推导，虽然也有部分案例，但案例均为宏观经济案例且普遍忽视计量经济学模型的建模过程的说明。由于文化差异，中国学生很难接受国外的案例，使用国外经典教材效果有限。例如，A.H.施图德蒙德著的《应用计量经济学》被视为美国“近30年来最具重要性的新版教材之一”，该教材结合美国大学生的生活选取了丰富的案例，而中国学生并不能理解其案例中所讨论的变量间的关系。#p#分页标题#e#
4计量经济学教学改革方案建议
4.1设置多层次的教学目标因材施教，区别对待文科、理科类别的学生。根据经济类各专业不同的文理招生类别，制定不同的培养目标。文科生的培养目标定位于思想创新，能够应用计量经济学工具即可；教学目标应注重经济理论，培养学生依据经济理论分析经济变量之间的因果关系。文科生对经济学理论掌握程度要远远好于数学和数理统计，授课中应淡化数理推导，强调计量经济学软件的应用。注重培养文科生的思想创新，引导学生发现经济问题，试图用经济理论进行解释，并能够使用计量经济学方法对其进行经验检验。理科生的培养目标定位于理论创新，注重计量经济学理论的讲授，引导学生创新计量经济学理论。理科生数理基础较好，应扎实基础、提高其培养层次，计量经济学不能仅仅局限于应用，要提高到计量经济学相关理论的推导及证明层面上。
4.2配套改革课程体系计量经济学良好的教学效应需要配套改革经济学类的基础课程。以计量经济学课程为核心的课程体系改革，促使经济学各门课程有效衔接，学生的理论抽象和实证分析能力会得以提高。增设中级微观经济学、中级宏观经济学、数学建模等先修课程，这些课程的开设有助于学生理解经济学模型，提高学生建立经济学模型的能力。根据经济学专业的需要，调整高等数学、概率论与数理统计、线性代数课程的授课内容。例如，高等数学课程中强调泰勒级数展开式等相关内容；概率论与数理统计课程中强调统计量构建及其性质、假设检验等内容；线性代数课程中加入矩阵的求导、矩阵的期望值、随机变量方差－协方差矩阵等相关内容。适时开设金融计量学、时间序列分析、中级计量经济学、高级计量经济学等后续课程。
4.3注重案例教学，从模仿到创新案例教学有助于激发学生的学习兴趣、调动学生的学习热情和探索精神，选择或编著案例丰富、注重分析建模思想的教材授课。例如，研究家庭收入对消费支出的影响，教师首先引导学生分析影响家庭消费支出的因素。学生根据经济理论，可能提出价格和收入是影响家庭支出的两大因素，价格和收入增加会导致家庭消费支出增加，他们是正相关关系。在因变量和自变量确定后，引导学生选择合适的计量经济学模型。不同的计量经济学模型，待估参数的经济意义不同。如果直接以家庭消费支出为因变量，价格和家庭收入为自变量，那么待估参数分别表示价格对支出的边际影响、家庭的收入边际支出；如果选择双对数模型，待估参数分别表示价格支出弹性、家庭收入支出弹性。之后就要搜集数据，可以组织学生抽样调查也可以寻找相关数据，使用软件估计参数。参数估计出来要检验其经济意义、判断其统计性质、检验是否违背高斯假设，若违背高斯假设再用修正后的方法估计参数。通过案例教学巩固了学生对理论知识的理解，使学生充分认识到计量经济学这门课程在实际工作或经济学研究中的重要性。精选经济学各专业方向的计量经济学案例丰富课堂内容，结合案例让学生了解计量经济学的建模过程及软件的使用。引导学生结合自己的专业，运用经济学理论分析具体的经济问题，建立计量经济学模型，经验检验经济学相关理论。
4.4结合生产实习，培养实践能力生产实习环节是培养学生实践能力的最好时机。企业要预测销售量，证券部门要分析影响股票价格的因素，政府部门要分析政策对经济的宏观影响等等，都要应用到计量经济学。在学习计量经济学这门课程后，组织学生到不同部门实习，让学生体会到计量经济学不仅是枯燥的理论，确实可以解决现实中各种问题。学生可以在实习中观察经济现象，发现经济问题，根据自己掌握的经济学理论，分析变量之间的因果关系，建立合适的计量经济学模型。利用实习部门提供的数据，使用计量经济学软件估计模型参数，并做相关预测，为实习部门决策提供依据。另外，通过生产实习，不仅会提高学生对计量经济学后续课程的学习兴趣和热情，学生分析问题、解决问题的实践能力也会大幅提升。
4.5改革对课程的考核模式，激发学生创新大多高校计量经济学课程考核由实验成绩和考试成绩两部分构成[6]。实验环节要求学生根据教师给定的案例和数据，模拟建模撰写实验报告；考试一般为闭卷考试，考核内容多为考察学生对相关知识点的掌握程度。在这种传统考核模式下，学生可能疲于应付考试，并没有真正去分析经济问题，缺少建立计量经济学模型的激励，不能很好的激发学生的创新能力。建议改革考核模式，要求学生根据自己的专业方向或兴趣爱好选择经济学问题，建立计量经济学模型，撰写经济学论文。根据学生经济学论文的完成情况，评定学生计量经济学成绩。学生通过撰写经济学论文，有助于提高其创新及处理实际问题的能力[7]。
