粮食产量论文计量经济学的研究内容

粮食产量论文计量经济学的研究内容

希望以上网站内容能帮到你

一、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，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表达式，即理论模型。例如上节中的生产函数就是一个理论模型。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。确定模型所包含的变量在单方程模型中，变量分为两类。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。可以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”与“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，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。由此可见，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彻的了解。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持下，采用一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、有可靠的数据来源的。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，选择变量时要考虑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要求的。当然，在开始时要做到这一点是困难的，如果在所有入选变量中出现相关的变量，可以在建模过程中检验并予以剔除。从这里可以看出，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想。在选择变量时，错误是容易发生的。下面的例子都是从已有的计量经济学应用研究成果中发现的，代表了几类容易发生的错误。例如农副产品出口额＝-66＋13×社会商品零售总额十22×农副产品收购额这里选择了无关的变量，因为社会商品零售总额与农副产品出口额无直接关系，更不是影响农副产品出口额的原因。再如生产资料进口额＝73×轻工业投资＋21×出口额＋18×生产消费＋60×进出口政策这里选择了不重要的变量，因为轻工业投资对生产资料进口额虽有影响，但不是重要的，或者说是不完全的，重要的是全社会固定资产投资额，应该选择这个变量。再如农业总产值＝78＋24×粮食产量＋05×农机动力—21×受灾面积这里选择了不独立的变量，因为粮食产量是受农机动力和受灾面积影响的，它们之间存在相关性。值得注意的是上述几个模型都能很好地拟合样本数据，所以绝对不能把对样本数据的拟合程度作为判断模型变量选择是否正确的主要标准。变量的选择不是一次完成的，往往要经过多次反复。确定模型的数学形式选择了适当的变量，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依据是经济行为理论。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，可以借鉴这些研究成果。需要指出的是，现代经济学尤其注重实证研究，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过去，尤其是历史统计数据，那么它是不能为人们所接受的。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改，以得到一种既能有较好的经济学解释又能较好地反映历史上已经发生的诸变量之间关系的数学模型。忽视任何一方面都是不对的。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，如果无法事先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。拟定理论模型中待估参数的理论期望值理论模型中的待估参数一般都具有特定的经济含义，它们的数值，要待模型估计、检验后，即经济数学模型完成后才能确定，但对于它们的数值范围，即理论期望值，可以根据它们的经济含义在开始时拟定。这一理论期望值可以用来检验模型的估计结果。拟定理论模型中待估参数的理论期望值，关键在于理解待估参数的经济含义。例如上述生产函数理论模型中有4个待估参数和α、β、γ和A。其中，α是资本的产出弹性，β是劳动的产出弹性，γ近似为技术进步速度，A是效率系数。根据这些经济含义，它们的数值范围应该是于集中的问题。经济变量在时间序列上的变化往往是缓慢的，例如，居民收入每年的变化幅度只有5%左右。如果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，由于样本数据过于集中，所建立的模型很难反映两个变量之间的长期关系。这也是时间序列不适宜于对模型中反映长期变化关系的结构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问题。用时间序列数据作样本，容易引起模型随机误差项产生序列相关。这个问题后面还要专门讨论。截面数据是一批发生在同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、家计调查数据等，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，就无法得到合适的截面数据。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，一般取0或1。虚变量经常被用在计量经济学模型中，以表征政策、条件等因素。例如，建立我国的粮食生产计量经济学模型，以粮食产量作为被解释变量，解释变量中除了播种面积、化肥使用量、农机总动力、成灾面积等变量外，显然，政策因素是不可忽略的。1980年前后，由于实行了不同的政策，即使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引人政策变量，用一个虚变量表示，对于1980年以后的年份，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。也可以取0、l以外的数值，表示该因素的变化程度。例如，在工业生产模型中用虚变量表示气候对工业生产的影响，可以将不同年份气候的影响程度，分别用0、1、-1，甚至5、-5等表示。不过，这种方法应慎用，以免违背客观性。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、准确性、可比性和一致性四个方面。完整性，即模型中包含的所有变量都必须得到相同容量的样本观测值。这既是模型参数估计的需要，也是经济现象本身应该具有的特征。但是，在实际中，“遗失数据”的现象是经常发生的，尤其在中国，经济体制和核算体系都处于转轨之中。在出现“遗失数据”时，如果样本容量足够大，样本点之间的联系并不紧密的情况下，可以将“遗失数据”所在的样本点整个地去掉；如果样本容量有限，或者样本点之间的联系紧密，去掉某个样本点会影响模型的估计质量，则要采取特定的技术将“遗失数据”补上。准确性，有两方面含义，一是所得到的数据必须准确反映它所描述的经济因素的状态，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，即满足模型对变量口径的要求。前一个方面是显而易见的，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部分生产要素，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分劳动者。于是，在收集样本数据时，就应该收集生产性职工人数，而不能以全体职工人数作为样本数据，尽管全体职工人数在统计上是很准确的，但其中有相当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，是从样本数据中寻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，但可能得到相差甚远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，有人进行处理后再用于模型的估计，结果当然不会相同。一致性，即母体与样本的一致性。上面在讨论用截面数据作为计量经济学模型的样本数据时已经作了介绍。违反一致性的情况经常会发生，例如，用企业的数据作为行业生产函数模型的样本数据，用人均收入与消费的数据作为总量消费函数模型的样本数据，用31个省份的数据作为全国总量模型的样本数据，等等。三、模型参数的估计模型参数的估计方法，是计量经济学的核心内容。在建立了理论模型并收集整理了符合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。在后面的章节中将用大量的篇幅讨论估计问题，在此不重复叙述。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初步建立起来了。但是，它能否客观揭示所研究的经济现象中诸因素之间的关系，能否付诸应用，还要通过检验才能决定。一般讲，计量经济学模型必须通过四级检验，即经济意义检验、统计学检验、计量经济学检验和预测检验。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。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＝-5427＋00067×固定资产原值＋01527×职工人数-00681×电力消耗量＋00256×木材消耗量在该模型中，电力消耗量前的参数估计量为负，意味着电力消耗越多，煤炭产量越低，从经济行为上无法解释。模型不能通过检验，应该找出原因重新建立模型。不管其他方面的质量多么高，模型也是没有实际价值的。统计检验统计检验是由统计理论决定的，目的在于检验模型的统计学性质。通常最广泛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是由计量经济学理论决定的，目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。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。具体检验方法为：（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，并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。经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，可以将它应用于预定的目的。五、计量经济学模型成功三要素从上述建立计量经济学模型的步骤中，不难看出，任何一项计量经济学研究、任何一个计量经济学模型赖以成功的要素应该有三个：理论、方法和数据。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础。方法，主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其他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、相互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衡量一项研究成果水平的主要依据。这是正常的。计量经济学理论方法的研究是计量经济学研究工作者义不容辞的义务。但是，不能因此而忽视对经济学理论的探讨，一个不懂得经济学理论、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单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。相比之下，人们对数据，尤其是数据质量问题的重视更显不足，在申请一项研究项目或评审一项研究成果时，对数据的可得性、可用性、可靠性缺乏认真的推敲；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展的重要问题。六、相关分析、回归分析和因果分析从上述建立计量经济学模型的步骤中进一步看出，经典计量经济学方法的核心是采用回归分析的方法揭示变量之间的因果关系。但是，变量之间具有相关性并不等于具有因果性。这是建立计量经济学模型中一个十分重要的概念，那么首先需要对相关关系与因果关系作一简要的说明。所谓相关关系，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。如果两个变量样本观测值序列之间相关系数的绝对值为1，则二者之间具有完全相关性（完全正相关或完全负相关）；如果相关系数的绝对值比较大，或接近于1，则二者之间具有较强相关性；如果相关系数的绝对值为0，或接近于0，则二者之间不具有相关性。如果一个变量与其他两个或两个以上变量的线性组合之间具有相关性，那么它与每一个变量之间的相关系数称为偏相关系数。相关关系是变量之间所表现出来的一种纯数学关系，判断变量之间是否具有相关关系的依据只有数据。所谓因果关系，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。例如，劳动力与国内生产总值之间具有单向因果关系，在经济行为上是劳动力影响国内生产总值，而不是相反；但是，在国内生产总值与消费总额之间则存在经济行为上的互为因果关系，国内生产总值既决定消费总额，反过来又受消费的拉动。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。例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。相关分析是判断变量之间是否具有相关关系的数学分析方法，通过计算变量之间的相关系数来实现。回归分析也是判断变量之间是否具有相关关系的一种数学分析方法，它着重判断一个随机变量与一个或几个可控变量之间是否具有相关关系。由于它的特定的功能，所以也被用来进行变量之间的因果分析。但是，仅仅依靠回归分析尚不能对变量之间的因果关系作出最后判断，必须与经济行为的定性分析相结合。这就是上面强调的建立计量经济学模型的三要素。

计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系的一门经济学学科。主要内容包括理论计量经济学和应用经济计量学。理论经济计量学主要研究如何运用、改造和发展数理统计的方法，使之成为随机经济关系测定的特殊方法。应用计量经济学是在一定的经济理论的指导下，以反映事实的统计数据为依据，用经济计量方法研究经济数学模型的实用化或探索实证经济规律。模型类型：采用随机模型。模型导向：以经济理论为导向建立模型。模型结构：变量之间的关系表现为线性或者可以化为线性，属于因果分析模型，解释变量具有同等地位，模型具有明确的形式和参数。数据类型：以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量。估计方法：仅利用样本信息，采用最小二乘法或者最大似然法估计变量。非经典计量经济学一般指20世纪70年代以后发展的计量经济学理论、方法及应用模型，也称现代计量经济学。

如果仅仅是从统计数据上找到了三个变量的数据，再来做对Y的回归的话，确实是简单了些。但是基本计量经济学的线性回归，按照你说其实也足够了。如果你想使其复杂一些，就多找几个变量，或者加入时间的虚拟变量，对比前后情况，再或者，对你的a b c进行进一步的精修。比如寻找去掉价格因素的真实值等等。

粮食产量论文计量经济学的研究内容有

经济学研究要查一下经济学研究的范围里面这个方面是研究相关内容。

计量经济学它研究的主要内容其实是集中在前面两个字计量，也就是在经济学中，主要是运用各种方法进行数字统计来进行验证的一个方法。

如果仅仅是从统计数据上找到了三个变量的数据，再来做对Y的回归的话，确实是简单了些。但是基本计量经济学的线性回归，按照你说其实也足够了。如果你想使其复杂一些，就多找几个变量，或者加入时间的虚拟变量，对比前后情况，再或者，对你的a b c进行进一步的精修。比如寻找去掉价格因素的真实值等等。

粮食产量论文计量经济学的研究内容是什么

计量经济学根据研究对象的不同，可以分为 宏观计量经济学和微观 计量经济学。计量经济学根据研究目的和内容侧重面不同，可以分为 理论计量经济学和应用计量经济学。

经济计量学是经济学分支，是经济学，数学，统计学的交集学科。它的研究对象是经济现象内容是经济现象的内部数量关系

计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系的一门经济学学科。主要内容包括理论计量经济学和应用经济计量学。理论经济计量学主要研究如何运用、改造和发展数理统计的方法，使之成为随机经济关系测定的特殊方法。应用计量经济学是在一定的经济理论的指导下，以反映事实的统计数据为依据，用经济计量方法研究经济数学模型的实用化或探索实证经济规律。模型类型：采用随机模型。模型导向：以经济理论为导向建立模型。模型结构：变量之间的关系表现为线性或者可以化为线性，属于因果分析模型，解释变量具有同等地位，模型具有明确的形式和参数。数据类型：以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量。估计方法：仅利用样本信息，采用最小二乘法或者最大似然法估计变量。非经典计量经济学一般指20世纪70年代以后发展的计量经济学理论、方法及应用模型，也称现代计量经济学。

粮食产量论文计量经济学的研究对象

计量经济学根据研究对象的不同，可以分为 宏观计量经济学和微观 计量经济学。计量经济学根据研究目的和内容侧重面不同，可以分为 理论计量经济学和应用计量经济学。

应该选D 这道题在《经济计量学》这本书的第一章，第三节：经济计量分析工作 中第二段第一句话提到了！

答案为D很明显，因为计量经济学有一个最基础、最重要的分析工具—最小二乘法，其中有双变量和多变量的。为什么会出项多变量，而且非常多呢？因为研究对象的影响因素太多了，为了准确地衡量这些影响因素，所以要将研究对象置于一个经济系统当中，分析其各种影响因素，然后再进行多变量的数据分析、验证。从这个研究方法我们可以很明显的认识到经济计量分析工作的研究对象是社会经济系统。

粮食产量论文计量经济学的研究意义

计量经济学的应用领域。结构分析。即利用模型对经济变量之间的相互关系作出研究，也就是分析当其他条件不变时，模型体系中的解释变量发生一定的变动，对被解释变量的影响程度。经济预测。就是运用已建立起来的计量经济模型对被解释变量的未来值作出预测估计或推算。政策评价。即利用估计好的计量经济模型在许多不同政策方案之间进行选择。检验和发展经济理论。即按照经济理论建立模型，用实际样本数据检验模型。用表现已经发生的经济活动的样本数据去拟合各种模型。这是在领域内的用处。然后由它得到的预测可以实施的经济政策被执行，继而影响我们的生活。比如下调银行存款储备金率，流通资金增加，企业有更多的钱可以运作，当然也可以给职工多发放点工资。

设立计量经济模型的四个步骤：设定模型、估计参数、模型检验、应用模型记忆：为姚明建个卧室门（设立计量经济模型），先买来一个可调整上边门框高度的门（设立模型），想一下姚明的身高，估计个高度把门框上边固定（估计模型），拉姚明来试试能不能走进去（模型检验），姚明进去没障碍，以后就这么使用了（应用模型）计量经济模型应用方向：用于经济预测、用于政策评价、用于结构分析、用于检验和发展经济理论记忆：模型应用要用金鸡（经济）预测结构，用政策发展金鸡（经济）理论结构分析：用已估计的计量经济模型，对所研究的经济活动关系进行定量考察，以说明经济变量之间的数量比例关系经济预测：用已估计的计量经济模型，对经济活动未来现象进行推测和估计检验模型一般包括内容：经济意义检验、统计推断检验、计量经济学检验、预测检验可用于估计参数的数据：横截面数据、时间序列数据、虚拟变量数据、面板数据等常用的三类样本数据：截面数据、时间序列数据、虚拟变量数据计量经济学概念：是以揭露经济活动中客观存在的数量关系的学科，可以理解为经济理论、数学、统计学三者结合数理经济模型揭露的是经济活动中各因素之间的理论关系，用确定性数学方程加以描述；计量经济模型揭露的是经济活动中各因素之间的定量关系，用随机性的数学方程加以描述计量经济学根据研究对象和内容侧重点不同，可以分为理论计量经济学和应用计量经济学计量经济学模型包括单方程模型和联立方程模型客观存在的定性现象或特征人们通常用虚拟变量来表示模型检验：对模型和所估计的参数加以评判，评判在理论上是否有意义和统计上是否有足够的可靠性经济变量从所描述的经济活动形态来看，可以分为存量和流量存量：某一时间节点的某物积累量流量：指定时间范围内某物的积累量对实际的经济活动做经济计量分析设立的模型应包括：经济变量、设定的参数、随机误差项计量经济模型中，参数估计的原则是尽可能的接近总体参数的真实值计量经济学：是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，借助计算机建立计量经济模型，以揭示经济数量和经济规律的一门经济学科虚拟变量数据：通常人为取值为1或0，用来表征政策等定性事实的数据计量经济学检验：检验设立的模型是否符合计量经济方法的基本假定计量经济方法的基本假定：线性回归模型指对参数线性回归、随机误差项方差恒定均值为0、随机干扰项之间不存在自相关、随机误差项与解释变量不相关政策评价：用计量经济模型对可供选择的政策方案的实施后果进行模拟预测，从而对政策方案作出评价建立计量经济模型应注意的问题：用科学的理论依据、模型选择恰当的形式、方程中的变量具有可观测性经济变量之间的相互关系类型：行为关系、技术（或工艺）关系、制度关系、定义关系行为关系：经济活动当事人的经济行为和经济变量的关系

计量经济学主要其实就是做一个指导作用，相当于统筹规划

改革开放以来，我国经济建设不断取得重大成就，人民生活水平持续改善，我国社会主要矛盾已经转化为人民日益增长的美好生活需求和不平衡不充分的发展之间的矛盾。但另一方面，世界政治、经济形势依然动荡不安，一些发达国家的经济增长仍然没有恢复到经济危机前的水平，新兴经济体的潜在风险巨大，一系列“黑天鹅”事件在全球化背景下极易转化为世界性的政治经济危机。国内则正处于产业结构转型升级的关键阶段，在外部环境不断变化下，影子银行、房地产泡沫、地方融资平台、国有企业高杠杆等“灰犀牛”事件有可能在经济发展放缓的情况下转化为不同程度的系统性经济风险。为此，非常有必要对我国经济发展和经济金融风险进行长期的跟踪、分析和预判，对各项社会公共政策包括宏观政策、产业政策和金融政策等进行科学的量化评估与分析。因此，针对当前国家经济和社会发展的重大需求，大力发展计量经济学的前沿理论与方法，提倡以科学方法对经济管理和公共政策评估开展量化研究，对于推进国家治理体系和治理能力现代化，守住不发生系统性经济金融风险底线具有重要意义。计量经济学作为经济学领域的一个重要分支，主要以社会经济活动的实际数据为素材，以统计分析方法为手段，以预测和识别因果关系为目标，为经济管理的实证研究和量化分析提供理论基础和方法工具。由于社会经济数据的非实验性质，利用计量建模和量化分析的科学研究方法显得尤其重要。一方面，计量经济学通过对实际数据的科学分析，为各种互为竞争的经济理论提供“证伪”的可能；另一方面，通过对经济管理模型的量化分析，为政策实施和政策评估提供科学决策的基础。因此，计量经济学在推动经济学科学化过程中发挥了不可替代的关键作用。虽然计量经济学最初以社会经济数据的分析为主，但随着量化分析的重要性在各学科领域的日益凸显，计量经济学的分析工具和分析方法已逐渐渗透到心理学、医疗管理、公共管理、金融工程、能源管理、社会学和政治学等各个领域，成为发展非常活跃、应用日益普及的方法论学科和交叉学科。在大数据时代，新的数据形式和数据中变量间的新型复杂关系给计量经济学带来前所未有的挑战，但另一方面也给计量经济学的发展和原创性的理论突破带来千载难逢的机遇。在复杂数据计量建模方面我国与西方国家处在同一起跑线上。换言之，计量建模是目前国内经济学与管理学领域中少数能够进入国际前沿的学科之一，一批中国学者已经跻身国际学术前沿。在此背景下，2018年8月9～10日，国家自然科学基金委员会（以下简称自然科学基金委）管理科学部、数理科学部、信息科学部与政策局联合召开了主题为“大数据时代计量经济学前沿理论、方法与应用”的第206期双清论坛，来自美国、香港等国家和地区的本领域知名专家以及自然科学基金委数理学部、信息学部和政策局等相关工作人员共50余名代表参加了论坛。论坛包括5个大会报告和3个分会场的主题小组报告。其中，美国南加州大学萧政教授、北京大学陈松蹊教授、香港城市大学马跃教授、中国科学院预测科学研究中心汪寿阳教授和美国康奈尔大学洪永淼教授分别作大会主题报告，分别围绕“宏观计量理论与应用”、“大数据理论、方法与应用”和“微观计量理论与应用”三个主题凝练和提出我国在该研究领域急需关注和解决的重要基础科学问题以及相应的跨学科资助模式，研讨今后5～10年的重点资助方向。1大数据时代下计量建模面临的机遇和挑战大数据给已有计量经济学理论和方法所带来的深刻挑战主要体现在以下几个方面：（一）大数据在具有海量信息优势的同时，又具有信息价值密度低的特点。在利用大数据进行计量经济分析时，给定样本中可供分析使用的变量维度会很高，甚至出现远远高于样本量的情况。如何更有效地筛选信息因而也成为大数据计量经济分析所面临的一个重要挑战。（二）大数据一方面表现在可得数据形式的多元化，除了传统的结构化数据外，还包括文本数据、音频数据、视频数据等非结构化数据，甚至包括任何可以电子化记录的信息；另一方面，传统的结构化数据的形式也日益多元化，从简单的点数据，扩展到区间数据、符号数据和函数型数据等。因此如何对信息含量丰富、数据形式多层次化的区间数据、符号数据和函数型数据进行计量建模，是富有挑战性的研究工作，同时也对经济预测和政策监管有着重要的现实意义。在计量经济学理论与应用中，专门针对区间数据和函数型数据建模的相应研究也是方兴未艾，引起学界和业界的更多关注。（三）大数据不仅表现为数据形式的多样化，还主要表现为变量之间关系的复杂化。大数据时代数据特征变化加快，数据收集手段多样化，收集频率愈加密集，经济变量之间更容易表现出时变性、非线性和非平稳性的特点。在宏观经济数据和金融数据分析中，时变性、非线性和非平稳性日益成为主要的特征事实。已有的计量经济建模方法不能很好地刻画经济变量之间的复杂关系，从而严重制约了计量建模在宏观经济预测和实时监控中的有效性，这也是亟需解决的研究难点之一。（四）大数据时代“互联网+”的迅猛发展也导致了新的网络型数据的产生。从微观个体的角度而言，以互联网为基础的社交媒体数据的产生对于研究个人行为，以及社交群体对于个人行为的影响提供了重要的数据基础。从宏观角度而言，随着金融科技的发展以及数据可得性的增加，以金融机构间复杂交易网络为基础的金融网络数据对于研究金融风险传染和金融风险管理具有重要的意义。但是，新兴的网络型数据给已有计量经济理论与方法带来了新的挑战，对于网络数据建模、网络形成的建模，以及网络稀疏性处理等关键问题都需要更深入的理论研究和更多的应用尝试。