怎麼樣理解計量經濟學

『壹』 關於計量經濟學的一些基本概念，給出一些典型的實例，最好是實際生活的例子，方便理解

異方差性；（heteroscedasticity ）是為了保證回歸參數估計量具有良好的統計性質，經典線性回歸模型的一個重要假定是：總體回歸函數中的隨機誤差項滿足同方差性，即它們都有相同的方差。如果這一假定不滿足，則稱線性回歸模型存在異方差性。 自相關性 ；對於模型 y t= b0 +b1x1t+b2x2t+……bkxkt+ut 如果隨機誤差項的各期望值之間存在著相關關系,即 cov(ut,us)=E(utus) =/= 0 (t,s=1,2,……k) 這時,稱隨機誤差項之間存在自相關性(autocorrelation)或序列相關 隨機誤差... 多重共線性的概念 所謂多重共線性(Multicollinearity)是指線性回歸模型中的解釋變數之間由於存在精確相關關系或高度相關關系而使模型估計失真或難以估計准確。

『貳』 設y=β0+β1d1+，其中y=大學教師收入，x=教學年份，β1，β2的含義是什麼計量經濟學

是回歸系數，或者理解為彈性

『叄』 如何用計量經濟學方法分析影響因素大小

一、理論模型的設計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。例如上節中的生產函數就是一個理論模型。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，上述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，用固走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。下面，為了敘述方便，我們將「因素」與「變數」間的區別暫時略去，都以「變數」來表示。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。從這里可以看出，建立模型的第一步就已經體現了計量經濟學是經濟理論、經濟統計學和數學三者結合的思想。在選擇變數時，錯誤是容易發生的。下面的例子都是從已有的計量經濟學應用研究成果中發現的，代表了幾類容易發生的錯誤。例如農副產品出口額＝-107.66＋0.13×社會商品零售總額十0.22×農副產品收購額這里選擇了無關的變數，因為社會商品零售總額與農副產品出口額無直接關系，更不是影響農副產品出口額的原因。再如生產資料進口額＝0.73×輕工業投資＋0.21×出口額＋0.18×生產消費＋67.60×進出口政策這里選擇了不重要的變數，因為輕工業投資對生產資料進口額雖有影響，但不是重要的，或者說是不完全的，重要的是全社會固定資產投資額，應該選擇這個變數。再如農業總產值＝0.78＋0.24×糧食產量＋0.05×農機動力—0.21×受災面積這里選擇了不獨立的變數，因為糧食產量是受農機動力和受災面積影響的，它們之間存在相關性。值得注意的是上述幾個模型都能很好地擬合樣本數據，所以絕對不能把對樣本數據的擬合程度作為判斷模型變數選擇是否正確的主要標准。變數的選擇不是一次完成的，往往要經過多次反復。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。在某些情況下，如果無法事先確定模型的數學形式，那麼就採用各種可能的形式進行試模擬，然後選擇模擬結果較好的一種。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。例如上述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於集中的問題。經濟變數在時間序列上的變化往往是緩慢的，例如，居民收入每年的變化幅度只有5%左右。如果在一個消費函數模型中，以居民消費作為被解釋變數，以居民收入作為解釋變數，以它的時間序列數據作為解釋變數的樣本數據，由於樣本數據過於集中，所建立的模型很難反映兩個變數之間的長期關系。這也是時間序列不適宜於對模型中反映長期變化關系的結構參數的估計的一個主要原因。四是模型隨機誤差項的序列相關問題。用時間序列數據作樣本，容易引起模型隨機誤差項產生序列相關。這個問題後面還要專門討論。截面數據是一批發生在同一時間截面上的調查數據。例如，工業普查數據、人口普查數據、家計調查數據等，主要由統計部門提供。用截面數據作為計量經濟學模型的樣本數據，應注意以下幾個問題。一是樣本與母體的一致性問題。計量經濟學模型的參數估計，從數學上講，是用從母體中隨機抽取的個體樣本估計母體的參數，那麼要求母體與個體必須是一致的。例如，估計煤炭企業的生產函數模型，只能用煤炭企業的數據作為樣本，不能用煤炭行業的數據。那麼，截面數據就很難用於一些總量模型的估計，例如，建立煤炭行業的生產函數模型，就無法得到合適的截面數據。二是模型隨機誤差項的異方差問題。用截面數據作樣本，容易引起模型隨機誤差項產生異方差。這個問題後面還要專門討論。虛變數數據也稱為二進制數據，一般取0或1。虛變數經常被用在計量經濟學模型中，以表徵政策、條件等因素。例如，建立我國的糧食生產計量經濟學模型，以糧食產量作為被解釋變數，解釋變數中除了播種面積、化肥使用量、農機總動力、成災面積等變數外，顯然，政策因素是不可忽略的。1980年前後，由於實行了不同的政策，即使上述變數都沒有變化，糧食產量也會發生大的變化。於是必須在解釋變數中引人政策變數，用一個虛變數表示，對於1980年以後的年份，該虛變數的樣本觀測值為1，對於1980年以前的年份，該虛變數的樣本觀測值為0。也可以取0、l以外的數值，表示該因素的變化程度。例如，在工業生產模型中用虛變數表示氣候對工業生產的影響，可以將不同年份氣候的影響程度，分別用0、1、-1，甚至0.5、-0.5等表示。不過，這種方法應慎用，以免違背客觀性。2.樣本數據的質量樣本數據的質量問題大體上可以概括為完整性、准確性、可比性和一致性四個方面。完整性，即模型中包含的所有變數都必須得到相同容量的樣本觀測值。這既是模型參數估計的需要，也是經濟現象本身應該具有的特徵。但是，在實際中，「遺失數據」的現象是經常發生的，尤其在中國，經濟體制和核算體系都處於轉軌之中。在出現「遺失數據」時，如果樣本容量足夠大，樣本點之間的聯系並不緊密的情況下，可以將「遺失數據」所在的樣本點整個地去掉；如果樣本容量有限，或者樣本點之間的聯系緊密，去掉某個樣本點會影響模型的估計質量，則要採取特定的技術將「遺失數據」補上。准確性，有兩方面含義，一是所得到的數據必須准確反映它所描述的經濟因素的狀態，即統計數據或調查數據本身是准確的；二是它必須是模型研究中所准確需要的，即滿足模型對變數口徑的要求。前一個方面是顯而易見的，而後一個方面則容易被忽視。例如，在生產函數模型中，作為解釋變數的資本、勞動等必須是投入到生產過程中的、對產出量起作用的那部分生產要素，以勞動為例，應該是投入到生產過程中的、對產出量起作用的那部分勞動者。於是，在收集樣本數據時，就應該收集生產性職工人數，而不能以全體職工人數作為樣本數據，盡管全體職工人數在統計上是很准確的，但其中有相當一部分與生產過程無關，不是模型所需要的。可比性，也就是通常所說的數據口徑問題，在計量經濟學模型研究中可以說無處不在。而人們容易得到的經濟統計數據，一般可比性較差，其原因在於統計范圍口徑的變化和價格口徑的變化，必須進行處理後才能用於模型參數的估計。計量經濟學方法，是從樣本數據中尋找經濟活動本身客觀存在的規律性，如果數據是不可比的，得到的規律性就難以反映實際。不同的研究者研究同一個經濟現象，採用同樣的變數和數學形式，選擇的樣本點也相同，但可能得到相差甚遠的模型參數估計結果。為什麼？原因在於樣本數據的可比性。例如，採用時間序列數據作為生產函數模型的樣本數據，產出量用不變價格計算的總產值，在不同年份間是可比的；資本用當年價格計算的固定資產原值，在不同年份間是不可比的。對於統計資料中直接提供的這個用當年價格計算的固定資產原值，有人直接用於模型估計，有人進行處理後再用於模型的估計，結果當然不會相同。一致性，即母體與樣本的一致性。上面在討論用截面數據作為計量經濟學模型的樣本數據時已經作了介紹。違反一致性的情況經常會發生，例如，用企業的數據作為行業生產函數模型的樣本數據，用人均收入與消費的數據作為總量消費函數模型的樣本數據，用31個省份的數據作為全國總量模型的樣本數據，等等。三、模型參數的估計模型參數的估計方法，是計量經濟學的核心內容。在建立了理論模型並收集整理了符合模型要求的樣本數據之後，就可以選擇適當的方法估計模型，得到模型參數的估計量。模型參數的估計是一個純技術的過程，包括對模型進行識別（對聯立方程模型而言）、估計方法的選擇、軟體的應用等內容。在後面的章節中將用大量的篇幅討論估計問題，在此不重復敘述。四、模型的檢驗在模型的參數估計量已經得到後，可以說一個計量經濟學模型已經初步建立起來了。但是，它能否客觀揭示所研究的經濟現象中諸因素之間的關系，能否付諸應用，還要通過檢驗才能決定。一般講，計量經濟學模型必須通過四級檢驗，即經濟意義檢驗、統計學檢驗、計量經濟學檢驗和預測檢驗。1.經濟意義檢驗經濟意義檢驗主要檢驗模型參數估計量在經濟意義上的合理性。主要方法是將模型參數的估計量與預先擬定的理論期望值進行比較，包括參數估計量的符號、大小、相互之間的關系，以判斷其合理性。首先檢驗參數估計量的符號。例如，有下列煤炭行業生產模型：煤炭產量＝-108.5427＋0.00067×固定資產原值＋0.01527×職工人數-0.00681×電力消耗量＋0.00256×木材消耗量在該模型中，電力消耗量前的參數估計量為負，意味著電力消耗越多，煤炭產量越低，從經濟行為上無法解釋。模型不能通過檢驗，應該找出原因重新建立模型。不管其他方面的質量多麼高，模型也是沒有實際價值的。2.統計檢驗統計檢驗是由統計理論決定的，目的在於檢驗模型的統計學性質。通常最廣泛應用的統計檢驗准則有擬合優度檢驗、變數和方程的顯著性檢驗等。3.計量經濟學檢驗計量經濟學檢驗是由計量經濟學理論決定的，目的在於檢驗模型的計量經濟學性質。通常最主要的檢驗准則有隨機誤差項的序列相關檢驗和異方差性檢驗，解釋變數的多重共線性檢驗等。4.模型預測檢驗預測檢驗主要檢驗模型參數估計量的穩定性以及相對樣本容量變化時的靈敏度，確定所建立的模型是否可以用於樣本觀測值以外的范圍，即模型的所謂超樣本特性。具體檢驗方法為：（1）利用擴大了的樣本重新估計模型參數，將新的估計值與原來的估計值進行比較，並檢驗二者之間差距的顯著性；（2）將所建立的模型用於樣本以外某一時期的實際預測，並將該預測值與實際觀測值進行比較，並檢驗二者之間差距的顯著性。經歷並通過了上述步驟的檢驗後，可以說已經建立了所需要的計量經濟學模型，可以將它應用於預定的目的。五、計量經濟學模型成功三要素從上述建立計量經濟學模型的步驟中，不難看出，任何一項計量經濟學研究、任何一個計量經濟學模型賴以成功的要素應該有三個：理論、方法和數據。理論，即經濟理論，所研究的經濟現象的行為理論，是計量經濟學研究的基礎。方法，主要包括模型方法和計算方法，是計量經濟學研究的工具與手段，是計量經濟學不同於其他經濟學分支學科的主要特徵。數據，反映研究對象的活動水平、相互間聯系以及外部環境的數據，或更廣義講是信息，是計量經濟學研究的原料。這三方面缺一不可。一般情況下，在計量經濟學研究中，方法的研究是人們關注的重點，方法的水平往往成為衡量一項研究成果水平的主要依據。這是正常的。計量經濟學理論方法的研究是計量經濟學研究工作者義不容辭的義務。但是，不能因此而忽視對經濟學理論的探討，一個不懂得經濟學理論、不了解經濟行為的人，是無法從事計量經濟學研究工作的，是不可能建立起一個哪怕是極其簡單的計量經濟學模型的。所以，計量經濟學家首先應該是一個經濟學家。相比之下，人們對數據，尤其是數據質量問題的重視更顯不足，在申請一項研究項目或評審一項研究成果時，對數據的可得性、可用性、可靠性缺乏認真的推敲；在研究過程中出現問題時，較少從數據質量方面去找原因。而目前的實際情況是，數據已經成為制約計量經濟學發展的重要問題。六、相關分析、回歸分析和因果分析從上述建立計量經濟學模型的步驟中進一步看出，經典計量經濟學方法的核心是採用回歸分析的方法揭示變數之間的因果關系。但是，變數之間具有相關性並不等於具有因果性。這是建立計量經濟學模型中一個十分重要的概念，那麼首先需要對相關關系與因果關系作一簡要的說明。所謂相關關系，是指兩個以上的變數的樣本觀測值序列之間表現出來的隨機數學關系，用相關系數來衡量。如果兩個變數樣本觀測值序列之間相關系數的絕對值為1，則二者之間具有完全相關性（完全正相關或完全負相關）；如果相關系數的絕對值比較大，或接近於1，則二者之間具有較強相關性；如果相關系數的絕對值為0，或接近於0，則二者之間不具有相關性。如果一個變數與其他兩個或兩個以上變數的線性組合之間具有相關性，那麼它與每一個變數之間的相關系數稱為偏相關系數。相關關系是變數之間所表現出來的一種純數學關系，判斷變數之間是否具有相關關系的依據只有數據。所謂因果關系，是指兩個或兩個以上變數在行為機制上的依賴性，作為結果的變數是由作為原因的變數所決定的，原因變數的變化引起結果變數的變化。因果關系有單向因果關系和互為因果關系之分。例如，勞動力與國內生產總值之間具有單向因果關系，在經濟行為上是勞動力影響國內生產總值，而不是相反；但是，在國內生產總值與消費總額之間則存在經濟行為上的互為因果關系，國內生產總值既決定消費總額，反過來又受消費的拉動。具有因果關系的變數之間一定具有數學上的相關關系。而具有相關關系的變數之間並不一定具有因果關系。例如中國的國內生產總值與印度的人口之間具有較強的相關性，因為二者都以較快的速度增長，但顯然二者之間不具有因果關系。相關分析是判斷變數之間是否具有相關關系的數學分析方法，通過計算變數之間的相關系數來實現。回歸分析也是判斷變數之間是否具有相關關系的一種數學分析方法，它著重判斷一個隨機變數與一個或幾個可控變數之間是否具有相關關系。由於它的特定的功能，所以也被用來進行變數之間的因果分析。但是，僅僅依靠回歸分析尚不能對變數之間的因果關系作出最後判斷，必須與經濟行為的定性分析相結合。這就是上面強調的建立計量經濟學模型的三要素。

『肆』 計量經濟學中的「innovation」怎樣翻譯

在《計量經濟學專業英漢詞典》里有個innovation sequence，被譯作新息過程。我覺得應該結合上下文專，應該是創建屬新序列，因此innovation可以看作rebuilt，甚至new的意思。或者是創建新變數。要結合上下文考慮其含義。

『伍』 如何學習計量經濟學

許多人對學習計量經濟學感到非常迷茫，不知所措。其實，要想學好計量經濟學，首先，你要明確你將來准備干什麼，這個至關重要。

如果你今後只是從事經驗分析和應用方面的工作，完全沒有必要去啃那些如天書般的數學過程，只要弄清楚模型的一般形式，知道怎樣使用軟體，明白什麼樣的模型需要採用什麼樣的估計方法和檢驗方法（估計與檢驗過程計算機能夠幫你完成），懂得怎樣去判斷估計參數的合理性，就可以了，重要的是一定要知道怎麼樣去解釋參數的經濟含義。

這恐怕是絕大多數的人今後的正確選擇。而對於那些想從事理論研究的人來說，不僅要求是應用的高手，而且必須具備非常好的數學背景，一定要弄清楚基本理論和方法的每一個問題的數學過程，然後，選擇一個趕興趣的領域或問題進行深入研究。

無論是從事應用研究，還是理論研究，都無須看很多的課本，特別是中國人編寫的課本（無論他是誰，因為我發現中國編寫計量經濟學課本或書籍的人沒有一個真正搞懂了他所編寫的內容，自己雲里霧里，教出來的學生也就可想而知了，充其量只會背一些概念），只需要找3~5本經典的國外教材，特別是書籍，認真閱讀，並且堅持上機訓練，就可以了，剩下的工作就是要閱讀和跟蹤優秀的文獻，這個是最重要的。

『陸』 怎樣用EVIEWS實現相關系數顯著性檢驗

eviews6.0版本的方法如下：抄view>covariance analysis>勾選襲corelation,同時勾掉covariance,點擊ok就可以看到相關系數矩陣，這個用來進一步檢測是否存在多重共線性，望採納~歡迎追問

『柒』 怎樣才能學好計量經濟學

計量是被包含與統計學之中的一門學科 它以數學為基礎（包括概率與求導一類，這兩門是重中之重 一定要打下堅實的基礎）應用於各個領域。在搭好基礎的前提下 你才有可能繼續學習計量經濟學下面的分支。計量經濟學的分支有很多 應用計量 金融計量 微觀計量 宏觀計量 時序分析 貝葉斯計量以及計量經濟學原理等等等等一系列東西，很多方向之間是有共性的
當你打好基礎往下學習的情況下 可能會碰到某一個方向比較難理解 比如你學金融計量的時候會發現可能你不知道什麼是Order of Integrating 一本書或者一個方向通常不可能面面俱到 這時候你可以多查查文獻
計量經濟的學習理解程度我覺得對我來說就像一個一個開口向下的二次函數，一開始是很感興趣的但是很多東西理解的不好 後來學的內容越來越多了發現很多東西是想通的 發現其實不是難 而是你有很多東西不知道 了解多了自然對後續學習有幫助了 比如說應用計量，時間序列加上計量經濟學原理的學習就對金融計量的學習很有幫助，金融計量的學習又對應用計量很有幫助，他們是相輔相成的。但是parametric model玩兒多了 你就想玩兒高端的 比如貝葉斯計量和金融計量後期 包括 semi 或者 non parametric 這時候難度又上來了 因為他對你的抽象思維和數學能力又有很大的要求 所以又開始比較痛
關於書籍，計量經濟學習我覺得 建議學習計量用英文版教材而不要用中文版 說實話用中文學有些時候表達會更復雜且難理解 因為我所在學校的計量專業還不錯 所以很多時候一門課的教材都不是來自一本書 有時候是好幾本書的幾部分加上一部分文獻 這都取決於老師的習慣
如果有時間和能力的話 多度一些文獻並作出總結 和提出問題 會對你今後的學習與研究做出非常大的幫助
計量學到後面對programming有很大的需求 如果你想在計量或者數量方面長期發展的話 建議開始就從STATA或者R來入手， eviews簡單易上手可以滿足基礎需求 但是可塑性比較差 早早的建立良好的編程習慣對你日後是有很大幫助的 也節省時間 SAS對金融方向的學生也是很powerful的，stata貌似經濟方向的使用比較多 例如微觀計量。
可能有說的不到位的地方 但是這就是目前我學了三年計量的感受

『捌』 在計量經濟學中，怎樣判斷線性與非線性回歸函數

樓上的回答是針對數學概念上的線性與非線性講的。
在計量經濟學中，線性或非線回性，不是針答對自變數而言的，也就是X，而是針對自變數的系數參數而言的。如：

y=a+bx這是線性，y=a+bx+cx^2這也是線性，因為a b c導數都是常數，或者說都是1次的，而y=a+bcX1+dX2,這樣的模型就是非線性的，因為bc是2次的。區分其實就這么簡單。

『玖』 怎樣理解計量經濟學與理論經濟學，經濟統計學，數學的關系

計量經濟學是對理論經濟學、經濟統計學以及數學的綜合運用及延伸。

計量是經濟理論，數理經濟，經濟統計與數理統計的混合物，但是它值得作為一門單獨的學科來研究。經濟理論所做的陳述或假說大多數是定性分析的。

計量經濟研究必須以經濟理論和經濟運行機製作為建立模型的理論依據；統計資料是建立和評價計量經濟模型的事實依據；數理統計方法是計量經濟研究過程中的主要建模工具。

理論經濟學是由經濟學基本概念、范疇與范疇體系組成的理論體系。

數量經濟學是要用數學形式表述經濟理論而不去問理論的可度量性或其經驗方面的可論證性；

經濟統計學的問題主要是收集，加工並通過圖或表的形式以展現經濟數據,數理統計提供了許多研究工具。

(9)怎麼樣理解計量經濟學擴展閱讀：

最近20年，政策評估計量經濟學方興未艾，為政策評估提供了基於實際經濟數據的方法，已被應用於評估發達國家各種公共政策。

如最低工資法對就業的影響、就業再培訓政策對收入的影響、反歧視法對少數族裔就業的影響、福利政策對男女工人失業持續期的影響等。

政策量化評估還可為政府精細化管理提供科學的決策依據。

比如，2000年諾貝爾經濟學獎得主麥克法登在上世紀70年代通過設計調查問卷和對調查數據進行計量建模，准確預測出通勤人員使用在建的舊金山地鐵系統的比例，成為城市精細化管理的成功案例。

『拾』 怎樣理解計量經濟學的重要作用

線性假設是線性模型最基礎也是最重要的假設。而之前我們也有提及所謂的簡單線性回歸也就是指模型僅包含兩個變數X和Y。這里的X，Y和觀測值並沒有關系，只是根據線性模型刻畫出的變數之間的關系：Y可以被看作成是一個關於X的單元函數 （比如說小樹苗的高度，可以看成是受到施肥量的一個單元函數）。

這一講比較重要，會涉及一些模型識別的本質，和計量經濟的基礎概念，可能會講得比較長一些。我決定把識別估計篇分為兩部分，第一部分主要講識別，第二部分主要講估計，今天模型識別這一部分主要分為一下幾塊：

識別的基本概念；
如何理解識別；
存在性；
唯一性；

識別估計篇（一）
識別的概念：
線性假設給模型提供了識別的基礎，這里不可避免地我們就要來講一下識別這個詞到底是什麼概念。識別這個詞可以說是貫穿整個計量經濟學的研究，識別這個詞許多學過統計的人都有接觸過，但是真的問到識別究竟是什麼許多人也很難說出一個所以然來，甚至可能許多人會混淆模型「識別」的概念，最常見的兩種混淆是：

「模型識別與「模型估計」混淆；
「模型識別」與實證中我們常說的「因果識別」混淆;
「模型識別」究竟是什麼？在數理統計中，一旦我們對所觀測到的現象建立了概率參數模型，參數模型一旦確定，我們就可以判斷模型是否「可識別」。而這里所謂的「可識別」，指的就是不可能存在兩組不同的參數使得在兩組不同的參數下，我們觀察到「等價」的觀測值。