导论__计量经济学模型

三、计量经济学模型1.模型特点2.建模步骤3.如何建模四、计量经济学软件离开经济学，模型将是一堆毫无用处的数学符号。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。语义模型（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。文字模型比较细腻，几何模型比较简明，数学模型比较严谨。经济理论与经济模型经济现象错综复杂，变化不定，为便于研究往往舍去一些次要因素，专门研究普遍性、决定性的因素之间的因果关系，形成系统的经济理论。经济理论是实践的高度概括，经济模型则是经济理论的简明描述。经济模型用数学方法描述经济活动。根据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模型。在此，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。例如，生产函数模型可以描述如下：Q＝f（T，K，L）或者更具体地用某一种生产函数描述为Q＝AeγtKαLβQ表示产出量，T表示技术，K表示资本，L表示劳动。但它并没有揭示因素之间的定量关系，因为其中的参数未知。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＝AeγtKαLβμ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、分析总结理论模型设计理论模型是指描述所研究的经济对象或经济系统内各变量之间关系的数学形式。依据一定的经济理论，先验地用一个或一组数学方程式表示被研究系统内经济变量之间的关系。这阶段的工作称为理论模型的设计。Q＝AeγtKαLβ就是一个理论模型，描述了生产函数中产出量、技术、劳动和资本之间的关系。样本数据的收集样本数据的收集与整理，是建立计量经济学模型过程中最为费时费力的工作，也是对模型质量影响极大的一项工作。从工作程序上讲，它是在理论模型建立之后进行，但实际上经常是同时进行的，因为能否收集到合适的样本观测值是决定变量取舍的主要因素之一。样本数据类型常用的样本数据有五类：（1）截面数据（2）时间序列数据（3）混合横截面数据（4）面板数据（5）虚变量数据截面数据（Crosssectiondata）•截面数据又称横向数据，是一批发生在同一时间截面上的调查数据，研究某个时点上的变化情况。例如，工业普查数据、人口普查数据、家计调查数据等。•在西方经济学中称为存量，在统计经济学上称为时点数。•截面数据的时间是凝固的。CrossSectionalDataexample：personobs;surveyyear:1999obsPersonyearsexageeduWagelyFamsize1111199914532000421121999146230033122199924553000241231999245340055133199921531000761341999116435003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（Timeseriesdata）•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。•一般由统计部门提供。•在西方经济学中称为流量，在统计经济学上称为时期数。•时间序列的时间是变化的。常用的时间间隔有：年、季度、月、周（7日或5日）、日obsyearcountrygdpconsinvest11978china3605.62239.11377.921979china40742619.41474.231980china4551.32976.1159041981china4901.43309.1158151982china5489.23637.91760.261983china6076.34020.5200571984china7164.44694.52468.681985china8792.15773338691986china10132.865423846101987china11784.77451.24322111988china147049360.15495121989china1646610556.56095131990china18319.511365.26444141991china21280.413145.97517151992china25863.715952.19636161993china34500.720182.114998171994china46690.72679619260.6181995china58510.53363523877TimeSeriesData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；（3）样本点之间数据的可比性。价值形态出现的数据往往是不可比的，应当消除物价因素的影响；（4）样本区间内经济行为的一致性。混合横截面数据（Pooledcrosssections）•混合横截面数据是不同时间段的横截面数据的混合。•通常是为了让我们研究一个重要的关系如何随时间而变化。PooledCrossSectionDataexample:personobs;1999-2001obspersonyearsexageeduWage_lyFam_size11111999145320004211219991462300331221999245530002412319992453400551331999215310007613419991164350037211200014721000282122000146320003922220002465150031022320002463250041123320001174800412234200021633004133112001148220051431220011473400051532220012473500011632320012475300031733320012173200218334200111813002面板数据（Paneldata）•面板数据是时间序列数据与截面数据的合成体，对同一单位样本的多次观测。•可以发现样本本身具有的特征，以及研究决策行为和结果滞后的重要性。•例如，1978-1999年我国各省市城镇居民消费结构的调查资料。TypesofData–Paneldataexample:householdobs;2000-2003obshcodeyearIncome_hhhsize_hmax_ed_y_hn_chl_hn_disable_h11200013177.754121021200114159.25121131200215767.844121141200318023.824121152200016948.97561062200112940.55462072200212389.33462082200317469.2462093200010202.7541220103200129181.264152011320025221.4541521123200313419.874152013420009844.234900144200115482.27590015420029520.783910164200310253.383910虚变量数据（Dummydata）•虚拟变量也称为二进制数据，一般取1或0。用以表示定性变量，例如政策变量、条件变量等。•虚拟变量组合起来可以表征多种状态。•虚拟变量取值的个数=欲表征的状态数-1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）预测检验经济意义检验经济意义检验主要检验模型参数估计量在经济意义上的合理性。主要方法是将模型参数的估计量与预先拟定的理论期望值进行比较，包括参数估计量的符号、大小、相互之间的关系，以判断其合理性。经济意义检验是一项最基本的检验。统计检验统计检验是利用统计推断的原理，对参数估计的可靠程度、观察数据的拟合程度进行检验，目的在于检验模型的统计学性质。通常应用的统计检验准则有拟合优度检验、变量和方程的显著性检验等。计量经济学检验计量经济学检验目的在于检验模型的计量经济学性质，即检验模型基本假设的满足程度、各种经济计量假设的合理性，以及模型总体结构预测能力的检验。主要检验：序列相关检验、异方差性检验、多重共线性检验。模型预测检验预测检验主要检验模型参数估计量的稳定性以及相对样本容量变化时的灵敏度，确定所建立的模型是否可以用于样本观测值以外的范围，即模型的所谓超样本特性。模型预测检验检验方法：（1）利用扩大了的样本重新估计模型参数，将新的估计值与原来的估计值进行比较，并检验二者之间差距的显著性；（2）将所建立的模型用于样本以外某一时期的实际预测，将该预测值与实际观测值进行比较，并检验二者之间差距的显著性。建模流程图设计理论模型收集统计资料模型的参数估计，建立具体模型模型检验是否合符标准？征求决策者意见是否可用于决策？应用预测未来检验发展理论结构分析修改整理模型修改模型理论模型与数据收集阶段参数估计与模拟阶段政策分析与模型应用阶段理论研究或经验总结评价政策相关与因果相关关系，是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。因果关系，是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。相关与因果具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。如中国的国内生产总值与印度的人口之间具有较强的相关性，因为二者都以较快的速度增长，但显然二者之间不具有因果关系。