計量經濟分析方法與建模

⑴ 計量經濟學方法與一般經濟學方法有何區別

計量經濟學相當於經濟學與統計學的結合，一般利用數據檢驗理論模型，進行實證研究。

⑵ 如何用情景分析法建立計量經濟學模型

石油與石油產量,固定資產原值,職工人數,電力消耗量有關.可能是對數模型,也有可能是線性模型.(自己沒做關於這個方面的統計)
檢驗則包括經濟檢驗,統計檢驗,計量經濟學檢驗和模型預測檢驗.經濟檢驗就是根據實際情況看你建立模型後得到的方程是否符合原理,其餘的檢驗可以都用EVIWS軟體來做.

⑶ 計量經濟學模型與數學模型的主要區別。

優點：
它首先把經濟理論表示為可計量的數學模型即經濟計量模型，然後用統計推論方法加工實際資料，使這種數學模型數值化。這種分析方法有兩個特點：①理論與觀察資料相結合，賦予理論以經驗的內容；②將隨機因素對經濟關系的影響納入分析之中，得出的結論具有概率性。
缺點：
1、簡單地用數學公式描述經濟運行規律,對社會經濟問題中難以量化的因素無法表現和處理
2、忽視運用計量經濟模型進行實證分析的理論基礎,直接將模型應用於經濟分析之中
3、建立計量經濟模型的數據有限或數據質量不高
4、對當前與未來條件的一般假設不切實際

⑷ 計量經濟學中6種模型分別是什麼

經濟學模型有很多，沒有確定的多少種。包括宏觀經濟學、微觀經濟學、國際經濟學、流通經濟學、計量經濟學等等，各門課中都有許多相關的經濟學模型。如生產模型，索洛模型，羅默模型，IS_ID模型、是IS-LM-BP模型，總需求-總供給模型和蒙代爾弗萊明模型等等。

經濟模型是一種分析方法，它極其簡單地描述現實世界的情況。現實世界的情況是由各種主要變數和次要變數構成的，非常錯綜復雜，因而除非把次要的因素排除在外，否則就不可能進行嚴格的分析，或使分析復雜得無法進行。

通過作出某些假設，可以排除許多次要因子，從而建立起模型。這樣一來，便可以通過模型對假設所規定的特殊情況進行分析。經濟模型本身可以用帶有圖表或文字的方程來表示。

理論模型的設計

在單方程模型中，變數分為兩類。作為研究對象的變數，也就是因果關系中的「果」，例如生產函數中的產出量，是模型中的被解釋變數；而作為「原因」的變數，例如生產函數中的資本、勞動、技術，是模型中的解釋變數。確定模型所包含的變數，主要是指確定解釋變數。可以作為解釋變數的有下列幾類變數：外生經濟變數、外生條件變數、外生政策變數和滯後被解釋變數。其中有些變數，如政策變數、條件變數經常以虛變數的形式出現。

以上內容參考：網路-計量經濟模型

⑸ 如何建立計量經濟學模型

理論模型建立
對所要研究的經濟現象進行深入的分析，根據研究的目的，選擇模型中將包含的因素，根據數據的可得性選擇適當的變數來表徵這些因素，並根據經濟行為理論和樣本數據顯示出的變數間的關系，設定描述這些變數之間關系的數學表達式，即理論模型。 就是一個理論模型。理論模型的設計主要包含三部分工作，即選擇變數、確定變數之間的數學關系、擬定模型中待估計參數的數值范圍。
1、確定模型所包含的變數
在單方程模型中，變數分為兩類。作為研究對象的變數，也就是因果關系中的「果」，例如生產函數中的產出量，是模型中的被解釋變數；而作為「原因」的變數，例如生產函數中的資本、勞動、技術，是模型中的解釋變數。確定模型所包含的變數，主要是指確定解釋變數。可以作為解釋變數的有下列幾類變數：外生經濟變數、外生條件變數、外生政策變數和滯後被解釋變數。其中有些變數，如政策變數、條件變數經常以虛變數的形式出現。
嚴格他說，生產函數中的產出量、資本、勞動、技術等，只能稱為「因素」，這些因素間存在著因果關系。為了建立起計量經濟學模型，必須選擇適當的變數來表徵這些因素，這些變數必須具有數據可得性。於是，我們可以用總產值來表徵產出量，用固定資產原值來表徵資本，用職工人數來表徵勞動，用時間作為一個變數來表徵技術。這樣，最後建立的模型是關於總產值、固定資產原值、職工人數和時間變數之間關系的數學表達式。
關鍵在於，在確定了被解釋變數之後，怎樣才能正確地選擇解釋變數。
首先，需要正確理解和把握所研究的經濟現象中暗含的經濟學理論和經濟行為規律。這是正確選擇解釋變數的基礎。例如，在上述生產問題中，已經明確指出屬於供給不足的情況，那麼，影響產出量的因素就應該在投入要素方面，而在當前，一般的投入要素主要是技術、資本與勞動。如果屬於需求不足的情況，那麼影響產出量的因素就應該在需求方面，而不在投入要素方面。這時，如果研究的對象是消費品生產，應該選擇居民收入等變數作為解釋變數；如果研究的對象是生產資料生產，應該選擇固定資產投資總額等變數作為解釋變數。由此可見，同樣是建立生產模型，所處的經濟環境不同、研究的行業不同，變數選擇是不同的。
其次，選擇變數要考慮數據的可得性。這就要求對經濟統計學有透徹的了解。計量經濟學模型是要在樣本數據，即變數的樣本觀測值的支持下，採用一定的數學方法估 計參數，以揭示變數之間的定量關系。所以所選擇的變數必須是統計指標體系中存在的、有可靠的數據來源的。如果必須引入個別對被解釋變數有重要影響的政策變數、條件變數，則採用虛變數的樣本觀測值的選取方法。
第三，選擇變數時要考慮所有入選變數之間的關系，使得每一個解釋變數都是獨立的。這是計量經濟學模型技術所要求的。當然，在開始時要做到這一點是困難的，如果在所有入選變數中出現相關的變數，可以在建模過程中檢驗並予以剔除。
2、確定模型的數學形式
選擇了適當的變數，接下來就要選擇適當的數學形式描述這些變數之間的關系，即建立理論模型。
選擇模型數學形式的主要依據是經濟行為理論。在數理經濟學中，已經對常用的生產函數、需求函數、消費函數、投資函數等模型的數學形式進行了廣泛的研究，可以借鑒這些研究成果。需要指出的是，現代經濟學尤其注重實證研究，任何建立在一定經濟學理論假設基礎上的理論模型，如果不能很好地解釋過去，尤其是歷史統計數據，那麼它是不能為人們所接受的。這就要求理論模型的建立要在參數估計、模型檢驗的全過程中反復修改，以得到一種既能有較好的經濟學解釋又能較好地反映歷史上已經發生的諸變數之間關系的數學模型。忽視任何一方面都是不對的。也可以根據變數的樣本數據作出解釋變數與被解釋變數之間關系的散點圖，由散點圖顯示的變數之間的函數關系作為理論模型的數學形式。這也是人們在建模時經常採用的方法。
3、擬定理論模型中待估參數的理論期望值
理論模型中的待估參數一般都具有特定的經濟含義，它們的數值，要待模型估計、檢驗後，即經濟數學模型完成後才能確定，但對於它們的數值范圍，即理論期望值，可以根據它們的經濟含義在開始時擬定。這一理論期望值可以用來檢驗模型的估計結果。擬定理論模型中待估參數的理論期望值，關鍵在於理解待估參數的經濟含義。例如生產函數理論模型中有4個待估參數和α、β、γ和A。其中，α是資本的產出彈性，β是勞動的產出彈性，γ近似為技術進步速度，A是效率系數。根據這些經濟含義，它們的數值范圍應該是：
0＜α＜1，0＜β＜1，α＋β≈1，0＜γ＜1並接近0，A＞0。

⑹ 時間序列分析的建模思想與計量經濟分析的建模思想有何不同

①用觀測。例如。不規則波動,如果是反常現象，所以又可看作是隨機過程統計的一個組成部分，它不是朝著單一方向的持續變動。循環波動，譜分析等)，例如採用門限回歸模型，預測該時間序列未來值。跳點是指與其他數據不一致的觀測值。預測未來一般用ARMA模型擬合時間序列、生產條件，可用通用ARMA模型（自回歸滑動平均模型）及其特殊情況的自回歸模型，而是漲落相同的交替波動，從而深入了解給定時間序列產生的機理：是時間序列在長時期內呈現出來的持續向上或持續向下的變動，利用時間序列分析方法。只含有隨機波動的序列也稱為平穩序列、滑動平均模型或組合-ARMA模型等來進行擬合，應用相關數理知識在相關方面的應用等。②根據動態數據作相關圖。後者實際上是對離散指標的隨機過程的統計分析,統計模型的建立與推斷，數學知識不再是空談理論。季節變動，即預測到過程要偏離目標時便可進行必要的控制。③辨識合適的隨機模型。組成要素一個時間序列通常由4種要素組成。趨勢。系統分析當觀測值取自兩個以上變數時。基本步驟時間序列建模基本步驟是，再用適當模型去擬合這個差分序列，求自相關函數。對於非平穩時間序列則要先將觀測到的時間序列進行差分運算，用曲線擬合方法對系統進行客觀的描述、控制與濾波等內容，以及關於時間序列的最優預測，第二個月，但與趨勢不同，可以對未來各月的雨量進行預報、季節變動。它是諸如氣候條件。循環波動的周期可能會持續一段時間、循環波動和不規則波動：是時間序列呈現出得非固定長度的周期性變動，化為平穩時間序列。經典的統計分析都假定數據序列具有獨立性。主要用途系統描述根據對系統進行觀測得到的時間序列數據。當觀測值多於50個時一般都採用ARMA模型。如果跳點是正確的觀測值。對於平穩時間序列、季節變動和周期波動之後的隨機波動,在建模時應考慮進去，記錄了某地區第一個月，而時間序列分析則側重研究數據序列的互相依賴關系，則應把跳點調整到期望值、調查，並能發現跳點和拐點。該方法基於隨機過程理論和數理統計學方法。隨著計算機的相關軟體的開發，可用趨勢模型和季節模型加上誤差來進行擬合，第N個月的降雨量。對於短的或簡單的時間序列、抽樣等方法取得被觀測系統時間序列動態數據，則在建模時必須用不同的模型去分段擬合該時間序列。拐點則是指時間序列從上升趨勢突然變為下降趨勢的點，時間序列分析主要是建立在數理統計等知識之上,即用通用隨機模型去擬合時間序列的觀測數據,進行曲線擬合：是時間序列在一年內重復出現的周期性波動：趨勢時間序列分析(Timeseriesanalysis)是一種動態數據處理的統計方法，進行相關分析，……、節假日或人們的風俗習慣等各種因素影響的結果。不規則波動通常總是夾雜在時間序列中、統計。如果存在拐點。決策和控制根據時間序列模型可調整輸入變數使系統發展過程保持在目標值上。簡介它包括一般統計分析(如自相關分析，致使時間序列產生一種波浪形或震盪式的變動，研究隨機數據序列所遵從的統計規律。相關圖能顯示出變化的趨勢和周期，可用一個時間序列中的變化去說明另一個時間序列中的變化，以用於解決實際問題：是時間序列中除去趨勢

⑺ 什麼是計量經濟學計量經濟學方法與

是不是大學經濟學就一定比小學經濟學高深呢？不一定，可能很難，但未必是對的。你所接觸到最穩定的科學，是中學教科書，那些都是公認的基礎。而越往上，越容易被推翻。

拖了這么久，因為這種文章人們是不願意讀的，對科學沒有一點興趣，所以我也懶得寫。最近又有人搬出來了，那我來科普一下。

你可能聽說過奧派鄙視計量經濟學，但是沒有任何人解釋一下他所鄙視的是什麼東西。

計量經濟學算是比較難的課，分為上下兩部分。第一部分很簡單，初中畢業的人應該也能理解，學過方程就可以。

比如我們統計了全班上課的時間設定為a, 做作業的成績為b，這學期的考試成績估值為E。那我們把所有的數據匯總後解方程，總結成公式，得出的就是E= 10a+5b+u。10和5就是你解方程得出來的系數。

也就是當你上了1個小時課，作業成績為10的時候，你的預期成績就是60（a=1,b=10時，E=60+u）。當你上了10個小時課，沒交過作業的時候，預期成績是100（a=10,b=0時，E=100+u）

u是什麼，是「不可觀測量」。現實中總有一些東西是可能影響你成績的，但是又無法察覺出來，比如你家距離學校的路程l。因為路程會耽誤時間，導致你回家做功課的時間減少，或者消耗你更多的精力，讓你提前疲憊。

如果我們確定l對成績有相關性，比如每增加一公里最後讓你的成績減少0.5分。那我們的公式就變成了E=10a+5b-0.5l+u

還有，家庭情況，是否單親，也會影響孩子的心情，進而影響成績，有可能單親的孩子更厭學。還有可能單親的孩子見證了老媽的辛苦，從而更加的上進。通過統計數據後我們發現單親家庭普遍比非單親家庭的成績低20分。那這個「是否單親」，也要在公式中體現出來。當單親時，我們的變數取值為1，非單親時，這個變數取值為0,平時用m來代替，這個就叫做「虛擬變數」。公式為E=10a+5b-0.5l-20m+u

單親時m=1，公式成為E=10a+5b-0.5l-20+u

這個公式也叫做模型，數學模型。你總聽到「建模建模」，就是指得出一個這樣one for all的公式。

你可能發現了個問題，就是這個公式可以無限延長。比如跟氣候有沒有關系，你說下雨天w多了就影響了上課時間，進而影響成績，可以，去調天氣數據。你又說談戀愛o會影響成績，可以，統計下有對象的和沒對象的數據。

把這兩個變數加進去得出的模型是：E=10a+5b-0.5l-20m-100w+5o+u

翻譯過來是每多下一天雨，成績就減少100分。看意思天氣這個影響好大啊？

這違背我們的常識了，我們就要去檢測上面這個模型。去測它的方差（R square）。

得出的結論是天氣它不是一個有效的典型因素。這個公式里應該把天氣因素剔除掉。怎麼理解？當天氣對成績有影響時，他下一天雨會讓成績減少100分。但是，99%的情況下天氣是對成績沒有影響的。

舉個例子就是當天氣下特大暴雨的時候，整個城市就水漫金山，直接癱瘓了，根本沒法去考場，但是這種情況微乎其微，根本不值得加入進公式里。

這就是經典的統計參誤。類似的還有很多種，比如人均gdp 1萬美金，和你掙了1萬美金，就差飛了。小編們無數次用數據來誤導你，製造個大新聞。只要瞎J8分析就會得出不同的結論。

公式有一個缺陷，就是外部世界是在不斷變化的，今天可以用的模型，到了明天再用可能就不準了。當我們考慮到了事物的動態變化，這就引出了計量經濟學的第二部分：時間序列。

也就是說，公式是會隨著時間的推進而實時變化。

這算是計量的一個革命，動態公式。時間(t)在變化，你的預測的模型和結果也在變化。

舉例如果拿來預測股價，比如今年的時間我們視為t，去年是t-1，明年就是t+1。

當你寫公式時，今年的股價是和去年的股價是有關的。我們要把去年的數據帶進去。但是呢，去年的數據又是和前年的數據相關的，前年的數據又是和大前年的數據相關。

類似於俄羅斯套娃。非常復雜，但最後用數學公式，大數定理等等都消掉了，可以出一個簡易的公式。

時間序列大概的原理就是這樣，剩下的不講了，跳過。大概就是這個樣子：



就是這種數理概念，應用在計算經濟上，就成為了計量經濟學。平時的經濟學是可以告訴你趨勢的。比如增加最高工資會降低就業率，但是每增加1美金的最低工資會讓就業率降低幾個百分點呢？這個傳統經濟學就答不上來了。計量經濟學家大喊一聲，我知道！回答了老爺的問題，就受到了青睞。

比如預測明年的GDP，新增就業人口為p億， 產值人均1萬美金，去年的gdp是80億美金，如果出現新冠疫情c則會減少20億，統計後得出的公式為：E(gdp)= 80+0.0001p-20c+u

把現實公式化。有了公式，我們再查出幾個變數，就可以推測出今年的gdp。

但是這個是非常粗糙的預測，即使你再加10個變數也不夠，影響經濟的因素實在是太多了，比如鬧海嘯了，鬧旱災了，中美斷交了。世上有太多的黑天鵝，在不可觀測量u里，卻對經濟影響巨大。可能中美斷交這一件事的權重，就比你前面的所有變數加一塊的影響都大，那你那公式還有什麼意義？

「模型動態變化」是一個非常好的理念，但我覺得要來預測經濟還是遠遠不夠。黑天鵝太多的時期里，你或許更應該和新聞，消息相關。

比如說這一秒你的模型是今年GDP= 106%*去年的GPD。

下一秒電視下面突然彈出了個Breaking News，特大新聞：川普已當選總統，會發生貿易戰，那動態公式也應該改成GDP=105%*去年的GDP。

或者新聞彈出來的是川普被抗議者給擊斃了，爆發內戰，US解體，美金作廢，幗成為世界老大，1RMB換7美金，一帶十路，萬國來朝。那公式瞬間就該變成GDP=去年GDP乘5。

沒有這種能力，計量對一個這么大的社會的預測，還是太嫩了。

公式化看著給人一種很科學的印象，以至於券商們可以出個人工智慧大數據預測股價漲跌的IP來忽悠股民入市：親，我公司有「量化交易」，根據數據起伏自動交易，保你穩賺不賠，充錢試試吧？

但很多事是無法量化的，我認為GDP的預測都不可靠，對GDP的預測完全是錯的，就不該預測。

這種數理預測適用於在工業革命以前，工業革命之前你問一個農民，明天你做什麼，他會說跟今天做的一樣。我告訴你前十年每年的gdp增幅是6%，那我讓你預測下明年的漲幅，你會蒙哪個數？還是6對吧。所以在這種情況下，歷年gdp連起來是可以接近直線的。



順著圖片的曲線，可以描出19年，20年，2021年點在哪裡，做出預測。但科技爆發之後，可能明年的GDP就一飛沖天了，或者來了地震疫情，gdp又突然跌入谷底了。

你前年的gdp是90億，去年的GDP是95億，今年的GDP是100億，明年的gdp是多少？完全可能是130億。因為今年路通了。要想富，先修路。

同理，在微信產生之前，運營商們每年收著幾百億的簡訊費。有了微信後就幾乎清零了，可能當年的GDP就減少了。

⑻ 計量經濟學方法論的主要步驟

概括而言，計量經濟分析分為模型設定、參數估計和模型檢驗3個步驟。

1）模型設定

模型是對所研究的某種現象、某種關系或某種過程的一種模擬。 模型的類型很多，例如：物理模型、圖形、數學模型（如方程式）計量經濟學中用的主要是數學模型。 經濟模型是對實際經濟現象或過程的一種數學模擬，是對復雜經濟現象的簡化與抽象。 經濟現象或過程變化的規律性是客觀存在的，但卻很可能是未知的，模型實際是研究者對這種規律性的某種認識和某種界定。

計量經濟模型的基本要素主要由3部分構成：經濟變數、經濟參數和隨機誤差項。 經濟變數是表現經濟變數相互依存程度、決定經濟結構和特徵、具有相對穩定性的因素（通常不能直接觀測）。 隨機誤差項是模型中沒有包含的所有因素的代表，而包含隨機誤差是經濟模型與計量經濟模型的根本區別。 例如：Y＝α＋βX＋μ，Y——消費支出，X——收入，μ——隨機誤差項，α、β——參數，這里的β是邊際消費傾向。

2）參數估計

經濟參數是變數間數量關系和經濟數量規律性的具體體現，獲取經濟參數的數值是經濟計量分析的主要目的。 為什麼要對參數作估計呢？ 一般來說參數都是未知的，參數又不可直接觀測，由於經濟關系有一定不確定性，存在隨機誤差，參數也不能通過變數值去精確計算。只能依據變數的觀測值，選擇適當的方法，去對參數加以估計。 如何通過變數的樣本觀測值，科學、合理地去估計和檢驗總體模型中的參數，是計量經濟學的核心內容。

3）模型檢驗

對模型加以檢驗，主要是因為：①建立模型的理論依據可能並不充分；②用於模型估計的統計數據或其他信息可能並不可靠；③樣本可能較小，所得結論可能只是抽樣的某種偶然結果；④可能違反計量經濟方法的某些基本前提（或假定）。 模型檢驗的主要內容有：對模型和所估計的參數加以評判；判定模型及所估計的參數在經濟理論上是否有意義；判定用於估計參數的方法是否符合其假定前提；判定所得估計結論在統計意義上是否可靠。

⑼ 【求助】用計量經濟學方法建立模型並分析

你因變數是什麼？仔細解釋一下。樣本空間有多大？

一般有兩種方式：

1. parametric model。可以從比較簡單的線性模型開始。當然，你要至少測試一下heteroskedasticity。我估計應該是hetero的，所以，你不能用普通的OLS test去檢驗顯著性。而是要用hetero robust 的方法去計算variance matrix，然後才能得到正確的顯著性測試。尤其是你樣本空間小的時候，你必須要注意這一點。之後，你就可以根據顯著性測試的結果，來判斷各個自變數對因變數的影響。然後把不顯著的變數排除掉，看看更加parsimonious的模型是否更加適合。最後就是針對比較顯著性的變數，看他們的系數的正負、大小來判斷對因變數的影響。
   

2. 另一種比較流行的方法是用nonparametric model來計算。除了建模方式不一樣之外，其他的具體解釋和上面parametric model是一樣的。nonparametric 有自己的有點。但當樣本空間比較小的時候，nonparametric 對kernel的假設會顯的過度強硬，因此當樣本空間不大的時候，要小心點兒用。

這片文章你看看，

home網路wlu網路e/~smitkam/274/pdfs/zhao網路pdf （把網路換成點 "."）。

作者寫的就是中國勞動力轉移的問題。不過作者的因變數是針對轉移決定的邏輯變數，也就是1和0。所以，他很自然能的是用logit model做的。這也是為什麼我要問你因變數是什麼的原因。

⑽ 高鐵梅 計量經濟分析方法與建模怎麼樣

建議你參考高鐵梅的計量經濟分析方法與建模：eviews應用及實例你要的操作都能學到，網上有這個電子版的下載！