财务知识建立计量经济学模型的步骤和要点Word格式.docx
- 文档编号:20002703
- 上传时间:2023-01-14
- 格式:DOCX
- 页数:5
- 大小:20.10KB
财务知识建立计量经济学模型的步骤和要点Word格式.docx
《财务知识建立计量经济学模型的步骤和要点Word格式.docx》由会员分享,可在线阅读,更多相关《财务知识建立计量经济学模型的步骤和要点Word格式.docx(5页珍藏版)》请在冰豆网上搜索。
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”,这些因素间存于着因果关系。
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,我们能够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,用时间作为壹个变量来表征技术。
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”和“变量”间的区别暂时略去,均以“变量”来表示。
关键于于,于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,于上述生产问题中,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于投入要素方面,而于当前,壹般的投入要素主要是技术、资本和劳动。
如果属于需求不足的情况,那么影响产出量的因素就应该于需求方面,而不于投入要素方面。
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于样本数据,即变量的样本观测值的支持下,采用壹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于的、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,使得每壹个解释变量均是独立的。
这是计量经济学模型技术所要求的。
当然,于开始时要做到这壹点是困难的,如果于所有入选变量中出现关联的变量,能够于建模过程中检验且予以剔除。
从这里能够见出,建立模型的第壹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。
于选择变量时,错误是容易发生的。
下面的例子均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=-107.66+0.13×
社会商品零售总额十0.22×
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和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=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。
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,因为粮食产量是受农机动力和受灾面积影响的,它们之间存于关联性。
值得注意的是上述几个模型均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。
变量的选择不是壹次完成的,往往要经过多次反复。
2.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。
于数理经济学中,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,能够借鉴这些研究成果。
需要指出的是,现代经济学尤其注重实证研究,任何建立于壹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于参数估计、模型检验的全过程中反复修改,以得到壹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。
忽视任何壹方面均是不对的。
也能够根据变量的样本数据作出解释变量和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。
这也是人们于建模时经常采用的方法。
于某些情况下,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壹种。
3.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壹般均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,能够根据它们的经济含义于开始时拟定。
这壹理论期望值能够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,关键于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
0<α<1,0<β<1,α+β≈1,0<γ<1且接近0,A>0。
二、样本数据的收集
样本数据的收集和整理,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壹项工作。
从工作程序上讲,它是于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壹。
1.几类常用的样本数据
常用的样本数据有三类:
时间序列数据、截面数据和虚变量数据。
时间序列数据是壹批按照时间先后排列的统计数据,壹般由统计部门提供,于建立计量经济学模型时应充分加以利用,以减少收集数据的工作量。
于利用时间序列数据作样本时,要注意以下几个问题。
壹是所选择的样本区间内经济行为的壹致性问题。
例如,我们建立纺织行业生产模型,选择反映市场需求因素的变量,诸如居民收入、出口额等作为解释变量,而没有选择反映生产能力的变量,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,利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,因为纺织行业供大于求的局面只出当下这个阶段,而于80年代中期以前的壹个长时期里,我国纺织品是供不应求的,那时制约行业产出量的主要因素是投入要素。
二是样本数据于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形态出现的,包含了价格因素,而同壹件实物于不同年份的价格是不同的,这就造成样本数据于不同样本点之间不可比。
需要对原始数据进行调整,消除其不可比因素,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。
经济变量于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。
如果于壹个消费函数模型中,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俩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壹个主要原因。
四是模型随机误差项的序列关联问题。
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关联。
这个问题后面仍要专门讨论。
截面数据是壹批发生于同壹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。
壹是样本和母体的壹致性问题。
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,那么要求母体和个体必须是壹致的。
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壹些总量模型的估计,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。
虚变量数据也称为二进制数据,壹般取0或1。
虚变量经常被用于计量经济学模型中,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,即使上述变量均没有变化,粮食产量也会发生大的变化。
于是必须于解释变量中引人政策变量,用壹个虚变量表示,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。
也能够取0、l以外的数值,表示该因素的变化程度。
例如,于工业生产模型中用虚变量表示气候对工业生产的影响,能够将不同年份气候的影响程度,分别用0、1、-1,甚至0.5、-0.5等表示。
不过,这种方法应慎用,以免违背客观性。
2.样本数据的质量
样本数据的质量问题大体上能够概括为完整性、准确性、可比性和壹致性四个方面。
完整性,即模型中包含的所有变量均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。
可是,于实际中,“遗失数据”的现象是经常发生的,尤其于中国,经济体制和核算体系均处于转轨之中。
于出现“遗失数据”时,如果样本容量足够大,样本点之间的联系且不紧密的情况下,能够将“遗失数据”所于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,有俩方面含义,壹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。
前壹个方面是显而易见的,而后壹个方面则容易被忽视。
例如,于生产函数模型中,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,于收集样本数据时,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,尽管全体职工人数于统计上是很准确的,但其中有相当壹部分和生产过程无关,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,于计量经济学模型研究中能够说无处不于。
而人们容易得到的经济统计数据,壹般可比性较差,其原因于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于的规律性,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壹个经济现象,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?
原因于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,于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,于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。
壹致性,即母体和样本的壹致性。
上面于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。
违反壹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,用人均收入和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。
于建立了理论模型且收集整理了符合模型要求的样本数据之后,就能够选择适当的方法估计模型,得到模型参数的估计量。
模型参数的估计是壹个纯技术的过程,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。
于后面的章节中将用大量的篇幅讨论估计问题,于此不重复叙述。
四、模型的检验
于模型的参数估计量已经得到后,能够说壹个计量经济学模型已经初步建立起来了。
可是,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,仍要通过检验才能决定。
壹般讲,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。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 财务 知识 建立 计量 经济学 模型 步骤 要点