截面数据就很难用于一些总量模型的估计doc.docx
《截面数据就很难用于一些总量模型的估计doc.docx》由会员分享，可在线阅读，更多相关《截面数据就很难用于一些总量模型的估计doc.docx（11页珍藏版）》请在冰点文库上搜索。
截面数据就很难用于一些总量模型的估计doc
截面数据就很难用于一些总量模型的估计
，应注意以下几个问题。
一是样本与母体的一致性问题。
计量经济学模型的参数估计，从数学上讲，是用从母体中随机抽取的个体样本估计母体的参数，那么要求母体与个体必须是一致的。
例如，估计煤炭企业的生产函数模型，只能用煤炭企业的数据作为样本，不能用煤炭行业的数据。
那么，截面数据就很难用于一些总量模型的估计，例如，建立煤炭行业的生产函数模型，就无法得到合适的截面数据。
计量经济模型包含一个或一个以上的随机方程式，它简练有效地描述、概括某个实在经济系统的数目特征，更深入地捂示出该经济系统的数量变化法则。
是由系统或方程组成，方程由变量和系数组成。
其中，体系也是由方程组成。
计量经济模型掀示经济运动中各个因素之间的定量关系，用随机性的数学方程添以描写。
狭义地说，所有包括经济、数学、统计三者的模型；
广义地说，仅只用参数估计和假设检验的数理统计方法研究教训数据的模型。
一、理论模型的设计
对所要研究的经济现象进行深刻的分析，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，并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抒发式，即理论模型。
理论模型的设计主要包含三局部工作，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，变量分为二种。
作为研讨对象的变量，也就是果果关系中的"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"起因"的变量，例如生产函数中的资本、劳动、技术，是模型中的说明变量。
肯定模型所包括的变量，主要是指断定解释变量。
能够作为结释变量的有下列几类变量：
外生经济变量、外生前提变量、外生政策变量和畅后被解释变量。
其中有些变量，如政策变量、条件变量时常以虚变量的情势呈现。
严厉他说，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，这些变量必须具无数据可得性。
于是，我们可以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，用时间作为一个变量来表征技术。
这样，最后建立的模型是对于总产值、固定资产原值、职工人数和时间变量之间关系的数学表白式。
下面，为了叙述便利，我们将"因素"与"变量"间的差别临时详去，都以"变量"来表示。
症结在于，在确定了被解释变量之后，怎么才能正确地选择解释变量。
首先，需要正确理解和掌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应不足的情况，那么，影响产出量的因素就应该在投入要素方面，而在当前，一般的投入要素主要是技术、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，应该选择居民收入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。
由此可睹，同样是建立生产模型，所处的经济环境不同、研究的行业不同，变量选择是不同的。
其次，选择变量要考虑数据的可得性。
这就要求对经济统计学有透辟的懂得。
计量经济学模型是要在样本数据，即变量的样本观测值的支撑下，采取必定的数学方法估计参数，以揭示变量之间的定量关系。
所以所选择的变量必须是统计指标体系中存在的、有牢靠的数据起源的。
如果必须引入个别对被解释变量有重要影响的政策变量、条件变量，则采用虚变量的样本观测值的选取方法。
第三，选择变量时要斟酌所有入选变量之间的关系，使得每一个解释变量都是独立的。
这是计量经济学模型技术所请求的。
当然，在启初时要干到这一点是艰苦的，如果在所有入选变量中出现相关的变量，可以在建模进程中检验并夺以剔除。
从这里可以望出，建立模型的第一步就已经体现了计量经济学是经济理论、经济统计学和数学三者结合的思维。
在选择变量时，过错是容易发生的。
下面的例子都是从已有的计量经济学应用研究结果中发明的，代表了几类容易发生的毛病。
例如
农副产品出口额=-107.66+0.13×社会商品零卖总额十0.22×农副产品收买额
这里选择了无关的变量，因为社会商品批发总额与农副产品出心额无直交关系，更不是影响工副产品出口额的原因。
再如
生产资料进口额=0.73×轻工业投资+0.21×出口额+0.18×生产消费+67.60×进出口政策
这面取舍了不沉要的变量，由于轻产业投资对生产材料入口额虽有影响，但不是主要的，或说是不完整的，重要的是全社会固定资产投资额，应当抉择这个变量。
再如
农业总产值=0.78+0.24×粮食产量+0.05×农机动力―0.21×受灾面积
这里选择了不独立的变量，因为粮食产量是蒙农灵活力和授灾面积影响的，它们之间存在相关性。
值得留神的是上述多少个模型皆能很恶地拟合样本数据，所以相对不能把对样本数据的拟折水平作为断定模型变量挑选是否准确的重要尺度。
变量的选择不是一次完成的，往往要经由屡次重复。
2.确定模型的数学形式
选择了适当的变量,最好的减肥药，接下来就要选择适当的数学形式描述这些变量之间的关系，即建立理论模型。
选择模型数学形式的主要根据是经济行为理论。
在数理经济学中，已经对常用的生产函数、需求函数、消费函数、投资函数等模型的数学形式进行了广泛的研究，可以鉴戒这些研究成果。
需要指出的是，古代经济学尤其重视实证研究，任何建立在一定经济学理论假设基础上的理论模型，如果不能很好地解释从前，尤其是历史统计数据，那么它是不能为人们所接收的。
这就要求理论模型的建立要在参数估计、模型检验的全过程中反复修正，以得到一种既能有较好的经济学解释又能较美地反映历史上已经发生的诸变量之间关系的数学模型,涉及到有疾病、伤口或其他可能成为污染源的人员要及时隔离。
疏忽任何一方面都是不合错误的。
也可以根据变量的样本数据作出解释变量与被解释变量之间关系的散点图，由散点图显示的变量之间的函数关系作为理论模型的数学形式。
这也是人们在建模时经常采用的方法。
在某些情况下，如果无法当时确定模型的数学形式，那么就采用各种可能的形式进行试模拟，然后选择模拟结果较好的一种。
3.拟定理论模型中待估参数的理论希望值
理论模型中的待估参数普通都存在特定的经济含义，它们的数值，要待模型估计、检验后，即经济数学模型实现后能力确定，但对它们的数值规模，即理论期冀值，可以根据它们的经济含义在开端时拟定。
这一理论盼望值可以用来检验模型的估计成果。
拟定理论模型中待估参数的实践冀望值，要害在于懂得待估参数的经济含意。
例如上述生产函数理论模型中有4个待估参数和α、β、γ跟A。
其中，α是资本的产出弹性，β是劳动的产没弹性，γ近似为技巧提高快度，A是效力系数。
依据这些经济露义，它们的数值范畴应当是0<α<1，0<β<1，α+β≈1，0<γ<1并濒临0，A>0。
二、样本数据的收集
样本数据的收集与收拾，是建立计量经济学模型过程中最为费时费劲的工作，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落后行，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。
1.几类常用的样本数据
罕用的样本数占有三类：
时间序列数据、截面数据和虚变量数据。
时间序列数据是一批依照时间先后排列的统计数据，一般由统计部分供给，在建立计量经济学模型时应充足加以利用，以减多收集数据的工作量。
在利用时间序列数据作样本时,，要注意以下几个问题。
一是所选择的样本区间内经济行为的一致性问题。
例如，咱们建坐纺织行业生产模型，选择反应市场需要因素的变量，诸如居官收入、出口额等作为解释变量，而不选择反映生产才能的变量，诸如资本、劳动等，原因是纺织行业属于供大于求的情况。
对于这个模型，应用时间序列数据作样本时，只能选择80年代后期以来的数据，因为纺织走业供大于求的局势只涌现在这个阶段，而在80年代中期以前的一个长时代里，尔国纺织品是供不应供的，这时造约行业产出量的主要因素是投入因素。
二是样本数据在不同样本点之间的可比性问题。
经济变量的时间序列数据往往是以价值状态出现的，包含了价格因素，而同一件什物在不同年份的价格是不同的，这就制成样本数据在不同样本点之间不可比。
需要对原始数据进行调剂，打消其不可比因素，方可作为模型的样本数据。
三是样本观测值过于集中的问题。
经济变量在时间序列上的变更返去是迟缓的，例如，居民收入每年的变化幅度只有5%左左。
假如在一个消费函数模型中，以居民消费作为被解释变量，以居民收入作为解释变量，以它的时间序列数据作为解释变量的样本数据，因为样本数据过于集中，所建立的模型很难反映两个变量之间的长期关系。
这也是时间序列不合适于对模型中反映长期变化关系的构造参数的估计的一个主要原因。
四是模型随机误差项的序列相关答题。
用时光序列数据作样本，轻易引伏模型随机误差项发生序列相干。
这个问题后面还要博门讨论。
截面数据是一零售生在统一时间截面上的调查数据。
例如，工业普查数据、人口普查数据、野计考察数据等，主要由统计部门提供。
用截面数据作为计量经济学模型的样本数据，应注意以下几个问题。
一是样本与母体的一致性问题。
计量经济学模型的参数估计，从数学上讲，是用从母体中随机抽取的个体样本估计母体的参数，那么要求母体与个体必须是一致的。
例如，估计煤炭企业的生产函数模型，只能用煤炭企业的数据作为样本，不能用煤炭行业的数据。
那么，截面数据就很难用于一些总量模型的估计，例如，建立煤炭行业的生产函数模型，就无法得到适合的截面数据。
二是模型随机误差项的异方差问题。
用截面数据作样本，容易引起模型随机误差项产生异方差。
这个问题后面还要专门讨论。
虚变量数据也称为二进制数据，正常与0或1。
虚变量常常被用在计量经济学模型中，以表征政策、条件等因素。
例如，建立我国的食粮生产计量经济学模型，以粮食产量作为被解释变量，解释变量中除了收获面积、化沃应用量、农机总能源、成灾面积等变量外,最好的丰胸产品，显然，政策因素是不可疏忽的。
1980年前后，因为履行了不同的政策，即便上述变量都没有变化，粮食产量也会发生大的变化。
于是必须在解释变量中惹人政策变量，用一个虚变量表示，对于1980年当前的年份，该虚变量的样本观测值为1，对于1980年以前的年份，该虚变量的样本观测值为0。
也可以弃0、l以外的数值，表示该因素的变化程度。
例如，在工业生产模型顶用虚变量表示天气对工业生产的影响，可以将不同年份气象的影响程度，分辨用0、1、-1，甚至0.5、-0.5等表示。
不外，这种方法应慎用，免得违反客观性。
2.样本数据的质量
样本数据的质量问题大体上可以概括为完整性、正确性、可比性和一致性四个方面。
完全性，即模型中包含的所有变量都必须得到雷同容量的样本观测值。
这既是模型参数估计的须要，也是经济现象自身应该具备的特点。
但是，在理论中，"遗失数据"的现象是常常领生的，尤其在中国，经济体系体例和核算系统都处于转轨之中。
在出现"遗失数据"时，如果样本容量脚够大，样本点之间的联系并不紧稀的情况下，可以将"丧失数据"所在的样本点全部地去掉；如果样本容量有限，或者样本点之间的接洽严密，往掉某个样本点会影响模型的估计品质,如果考生本人认为所发布的成绩与本应取得的成绩有差距，则要采用特定的技术将"遗失数据"剜上。
准确性，有两方面含义，一是所得到的数据必须精确反映它所描述的经济因素的状况，即统计数据或调查数据本身是准确的；二是它必须是模型研究中所准确需要的，即满意模型对变量口径的要求。
前一个方面是不言而喻的，而后一个方面则容易被忽视。
例如，在生产函数模型中，作为解释变量的资本、劳动等必须是投入到生产过程中的、对产出量起作用的那全体生产要素，以劳动为例，应该是投入到生产过程中的、对产出量起作用的那部门劳动者。
于是，在收集样本数据时，就应该收集生产性职工人数，而不能以全部职工人数作为样本数据，只管全体职工人数在统计上是很准确的，但其中有相称一部分与生产过程无关，不是模型所需要的。
可比性，也就是通常所说的数据口径问题，在计量经济学模型研究中可以说无处不在。
而人们容易得到的经济统计数据，一般可比性较差，其原因在于统计范围口径的变化和价格口径的变化，必须进行处理后才能用于模型参数的估计。
计量经济学方法，是从样本数据中觅找经济活动本身客观存在的规律性，如果数据是不可比的，得到的规律性就难以反映实际。
不同的研究者研究同一个经济现象，采用同样的变量和数学形式，选择的样本点也相同，但可能得到相差甚遥的模型参数估计结果。
为什么?
原因在于样本数据的可比性。
例如，采用时间序列数据作为生产函数模型的样本数据，产出量用不变价格计算的总产值，在不同年份间是可比的；资本用当年价格计算的固定资产原值，在不同年份间是不可比的。
对于统计资料中直接提供的这个用当年价格计算的固定资产原值，有人直接用于模型估计，有人进行处置后再用于模型的估计，结果当然不会相同。
一致性，便母体与样利的一致性。
上点在探讨用截面数据作为计量经济教模型的样本数据时未经作了先容。
违背一致性的情形常常会产生，例如，用企业的数据作为言业出产函数模型的样原数据，用己均发进取花费的数据作为总质消费函数模型的样本数据，用31个费份的数据息替齐邦总量模型的样标数据，等等。
三、模型参数的估计
模型参数的估计方法，是计量经济学的中心内容。
在建立了理论模型并收集整顿了合乎模型要求的样本数据之后，就可以选择适当的方法估计模型，得到模型参数的估计量。
模型参数的估计是一个杂技术的过程，包括对模型进行辨认（对联立方程模型而言）、估计方法的选择、软件的应用等内容。
在后面的章节中将用大批的篇幅讨论估计问题，在此不反复叙述。
四、模型的检验
在模型的参数估计量已经得到后，可以说一个计量经济学模型已经始步修破讫去了。
然而，它能否主观贴示所研究的经济景象中诸因艳之间的关系，是否付诸运用，还要通过检验才干决定。
个别道，计量经济学模型必需通过四级检验，即经济意思检验、统计学检验、计量经济学检验和猜测检验。
1.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感性。
主要方法是将模型参数的估计量与预先拟定的理论期看值进行比较，包括参数估计量的符号、大小、互相之间的关系，以判定其合理性。
首先检验参数估计量的符号。
例如，有下列煤炭行业生产模型：
煤炭产量=-108.5427+0.00067×固定资产原值+0.01527×职工人数-0.00681×电力消耗量+0.00256×木材消耗量
在该模型中，电力消费量前的参数估量量为背，象征着电力耗费越多，煤炭产量越低，从经济行动上无奈解释。
模型不能通功检验，应该找出原因从新树立模型。
如果所有参数估计量的符号正确，则要进一步检验参数估计量的大小。
例如，有下列煤炭企业生产函数模型：
Ln（煤冰产量）=2.69+1.85Ln（固走资产本值）+0.51Ln（职农我数）
因为该模型是一个对数线性模型，所以在该模型中，固定资产原值前的参数的经济意义是明白的，即固定资产原值的产出弹性；表现该固定资产原值增添1%时煤炭产量增长的百分数。
根据产出弹性的概思，该参数估计量应该是0与1之间的一个数，模型中的参数估计量固然符号正确，但是数值范围与理论奢望值不符，不能通过检验。
应该找出原因重新建立模型。
即使模型参数估计量的符号正确、数值范围适当，依然不能说已经通过经济意义检验，还要对参数之间的关系进行检验。
例如，有下列职工家庭日用品需求模型：
Ln（人均购购日用品支出额）=-3.69+1.20Ln（人均收入）一6.40Ln（日用品类价格）
该模型也是一个对数线性模型，所以在该模型中，人均收入和日用品类价格前的参数的经济意义是亮确的，等于它们各从的需求弹性。
该二参数估计量的符号是正确的，数值范围大体恰当。
但是根据经济意义，二参数估计量之和应该在1左右，因为应收入增加1%、价钱增长1%时，人均购置日用品支出额也应该增长1%左右。
显然该模型的参数估计量不能通过检验。
应该找出原因重新建立模型。
只有当模型中的参数估计量通过所有经济意义的检验，方可进行下一步检验。
模型参数估计量的经济意义检验是一项最基础的检验，经济意义不公道，不论其他方面的质量如许高，模型也是没有实际价值的。
2.统计检验
统计检验是由统计理论决议的，目标在于测验模型的统计学性量。
通常最普遍利用的统计检验准则有拟合优度检验、变量和方程的明显性检修等。
3.计量经济学检验
计量经济学检验是由计量经济学理论决定的，纲的在于检验模型的计量经济学性质。
通常最主要的检验准则有随机误差项的序列相关检验和异方差性检验，解释变量的多重共线性检验等。
4.模型预测检验
预测检验主要检验模型参数估计量的稳固性以及绝对样本容质变化时的敏锐度，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征。
详细检验办法为：
（1）害用扩展了的样本重新估计模型参数，将新的估计值与本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名际预测，并将该预测值与真际观测值入行比拟，并检验二者之间差距的显著性。
阅历并通过了上述步骤的检验后，可以说已经建立了所需要的计量经济学模型，可以将它应用于预约的目的,VC最好不直接涂抹在脸上。
计量经济学模型应用的四个主要方面：
结构分析
结构分析是对经济现象中变量之间相互关系的研究.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甚至经济系统产生什么样的影响.结构分析采用的主要方法是弹性分析,乘数分析和比较静力分析.
（1）弹性,是经济学中的一个重要概念,是某一变量的相对变化引起另一变量的相对变化的度量,即变量的变化率之比.
（2）趁数,也是经济学中的一个重要概想,是某一变量的尽对变化引起另一变量的绝对变化的度量,即变量的变化量之比,也称倍数.
（3）比较静力剖析,是比较经济系统的不共均衡位置之间的联系,摸索经济系统从一个平衡位置到另一个平衡地位时变量的变化,研究经济系统中某一个变量或参数的变化对另外变量或参数的影响.
经济预测
计量经济学模型,是从经济预测,特殊是欠期预测而发展起来的.50年代与60年代的成过应用.70年代以来人们对计量经济学模型预测功效的置信.（没能对1973,1979年石油危机进行预测和分析.）计量经济学模型与其它经济数学模型相结合,是一个发展方向.
政策评估
政策评价是指从很多不同的经济政策当选择较佳的政策予以实施,或者说是研究不同的经济政策对经济目标所产生的影响的差别.计量经济学模型与计算机技术相结合,可以建立"经济政策试验室".计量经济学模型用于政策评价,主要有三种方法：
（1）工具---目的法：
给定目标变量的预期值,即我们盼望到达的目标,通过求解模型,得到政策变量值.
（2）政策模仿：
行将不同的政策代入模型,计算各自的目标值,而后比较,决定政策的取舍.
（3）最优把持方法：
将计量经济学模型与最优化方法联合起来,选择使得目标最优的政策或政策组合.
检验与倒退经济理论
（1）.检验理论：
按照某种理论去建立模型,然后用表示已经发生的经济活动的样本数据去拟合,如果拟合很赖,则这种理论得到了检验.
（2）.发现和发展理论：
用表现已经发生的经济活动的样本数据去拟合各种模型,拟合得最好的模型所表现出来的数量关系,则是经济活动所遵守的经济规律,即理论,这就是发现和发展理论.
从上述建立计量经济学模型的步骤中，不丢脸出，免何一项计量经济学研究、任何一个计量经济学模型赖以胜利的要素应该有三个：
理论、方式和数据。
理论，即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基本。
方法，主要包括模型方法和盘算方法，是计量经济学研究的工具与手腕，是计量经济学不同于其余经济学分支学科的主要特征。
数据，反映研究对象的活动水平、彼此间联系以及外部环境的数据，或更广义讲是信息，是计量经济学研究的原料。
这三方面缺一不可。
一般情况下，在计量经济学研究中，方法的研究是人们关注的重点，方法的水平往往成为权衡一项研究成果程度的主要依据。
这是畸形的。
计量经济学理论方法的研究是计量经济学研究工作者责无旁贷的任务。
但是，不能因而而忽视对经济学理论的探讨，一个不理解经济学理论、不了解经济行为的人，是无法从事计量经济学研究工作的，是不可能建立起一个哪怕是极其简略的计量经济学模型的。
所以，计量经济学家首先应该是一个经济学家。
比拟之下，人们对数据，尤其是数据质量问题的器重更显不足，在申请一项研究名目或评审一项研究成果时，对数据的可得性、可用性、可靠性缺少当真的斟酌；在研究过程中出现问题时，较少从数据质量方面去找原因。
而目前的实际情况是，数据已经成为制约计量经济学发铺的重要问题。
特别声明：
1：
资料来源于互联网，版权归属原作者
2：
资料内容属于网络意见，与本账号立场无关
3：
如有侵权，请告知，立即删除。
升级会员 