计量经济学解析范文

计量经济学解析范文第1篇

摘要：计量经济学是经济类专业的核心课程，计量经济学课程可以培养学生较强的经济学专业数学建模能力，但一直以来与其他实践教学环节都是脱节的，没有形成很强的耦合关系，文章说明了计量经济学与经济学专业实践教学环节需要建立耦合关系，并提出了具体的做法。

关键词：计量经济学;经济学专业;实践教学环节

一、现状

经济学專业学生的建模能力一直是发表学术论文和进行研究的基础，我校自从2005年以来就开设了培养学生建模能力的课程《计量经济学》一课，当时只是单纯的理论讲述，自2006年起，本门课程增加了实验环节，即拿出8个课时供学生上机，实现软件操作和熟悉软件。并且为了全面培养学生的建模能力，在课程结束后还增加了两周的课程设计，使学生能够全面地从数据收集、数据分析和筛选、模型的设定、模型的检验、模型的应用整个过程。学生意见反馈非常好，使他们真正体会到了《计量经济学》这门课程的作用和建模的过程。但是从经济学专业的整个课程体系来说，《计量经济学》这门课程是孤立的，没有与其他的课程形成互动关系。所有的建模的数据来源都是学生从统计年鉴上得到的宏观数据，学生没有体会到收集一手数据的过程。其实这个过程在另外一门实践性课程《经济学调研》中完全可以实现，《经济学调研》课程的目的就是让学生从经济学问卷调研出发，收集一手数据，用收集来的数据得到一些相应的结论，但是这门课程一般要求学生两周内在校完成，所以学生只能选取身边一些容易获得数据的课题来进行研究，与社会性的经济行为或者与企业完全脱离，而且选题重复性比较严重，抄袭作假现象也比较突出。学生由于《经济学调研》课程调研范围和时间的限制，往往只能选择一些就近能够取得数据的题材进行研究，实际上与学生大四的毕业设计是完全脱离的，没有为毕业设计奠定良好的调研基础。经济学专业学生在毕业设计的时候往往才会选取一些与社会相近的一些题目来进行研究，在没有任何研究基础的条件下，学生的时间比较紧促，收集数据的时间有限，调研时间也比较有限，所以造成大部分学生只能选取宏观数据来进行研究，没有能够很好地进行调研和获取一手数据，为论文写作质量的提高没有奠定很好的数据基础，结果论文抄袭现象屡屡发生。

二、经济类专业学生学习《计量经济学》的重要性

1.在西方大多数大学和学院中，计量经济学的讲授已经成为经济学课程表中最具权威性的一部分;计量经济学作为一门课程，在我国高等院校的经济学科、管理学科相关专业中开设，已经有20余年的历史，它的重要性也逐渐为人们所认识。1998年7月，教育部高等学校经济学学科教学指导委员会成立，在第一次会议上，讨论并确定了高等学校经济学类各专业的8门共同核心课程，即政治经济学、西方经济学、计量经济学、国际经济学、货币银行学、财政学、会计学、统计学，将计量经济学首次列入经济类专业核心课程，是我国经济学学科教学走向现代化和科学化的重要标志，必将对我国经济学人才的培养质量产生重要影响，也使我们受到很大的鼓舞，来从事计量经济学课程的教学和课程建设。

2.1969—2003年诺贝尔经济学奖的53为获得者中有10位与研究和应用计量经济学有关，据经济学各分支学科之首。除此之外，绝大多数诺贝尔经济学奖获奖者，即使其主要贡献不在计量经济学领域，但他们在研究过程中都普遍应用了计量经济学方法。著名经济学家、诺贝尔经济学奖获得者萨缪尔森曾说过：“第二次世界大战后的经济学是计量经济学的时代。”

3.计量经济学方法与其他经济数学方法的结合应用得到了长足发展。计量经济学是经济学的一个分支学科，是以解释经济活动中客观存在的数量关系为内容的方分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。计量经济学方法揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述;一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。

三、《计量经济学》课程与经济学专业实践教学环节的耦合关系

其实，《计量经济学》课程为学生奠定了良好的理论建模基础，《经济学调研》课程设计为学生提供了很好的数据收集的平台，毕业设计为综合经济学知识的应用，每个环节都已经有很成熟的平台和体系，现在缺乏的就是将彼此之间的关系紧密地结合起来，使学生能够做到环环相扣。

我们的主要观点就是要很好地将《经济学调研》、《计量经济学》、《计量经济学课程设计》与学生的毕业设计联系起来，彼此形成互相影响、互相关联的体系，就是如何很好地将本科阶段的所有数学基础课程，《经济学调研》、《计量经济学》、《计量经济学课程设计》与学生的毕业设计联系起来，彼此形成互相影响、互相关联的体系。将几门核心课程：计量经济学、计量经济学课程设计、经济学调研，还有毕业设计环节组织和联系在一起，并且将几门外围基础课程：高等数学、管理数学、数学建模、统计学作为学生建立模型的基础，组成一个设计体系，将涉及学生毕业设计的课程设计能够紧密地联系在一起，为学生的毕业设计奠定良好的基础和准备前提。提高经济学专业学生的建模能力，并且最后应用一定的指标来衡量学生建模能力的提升。

四、结语

计量经济学是经济学类本科学生的必修课程之一，为了让学生更好地理解计量经济学的数据收集、建模、应用这几个密不可分的环节，在计量经济学的教学过程中，需要跟前后的很多环节进行过程耦合，并最终将计量经济学的理论与知识应用到本科毕业设计中去，提升经济学专业学生的论文写作水平，更好地用实证的思维处理经济学中遇到的问题。

参考文献：

[1]王芹.高等教育呼唤质量意识[J].高校教学管理与研究，兵器工业出版社，2004.

[2]王芹.加强师德建设，提高育人质量[C].西安工业大学学生工作研讨会论文选编[A].2011.

[3]张建芳，等.转型发展视角下地方本科院校师资队伍转型研究[J].教育教学论坛，2016，（02）.

计量经济学解析范文第2篇

摘要：应用型本科高校建设的主要目标是培养具有实践能力和动

手能力的高级应用型人才，计量经济学作为经济学门类中的方法论科学，在财经类应用型人才培养中具有重要作用，本文指出了应用型本科高校中计量经济学教学改革存在的问题，并提出了相应的解决方案。

关键词：应用型人才 计量经济学 教学方法 实验教学

进入20世纪80年代以后，国际高教界逐渐形成了一股新的潮流，那就是普遍重视实践教学、强化应用型人才培养。国内的诸多高校近年也纷纷在教育教学改革的探索中注重实践环境的强化，因为人们已越来越清醒地认识到，实践教学是培养学生实践能力和创新能力的重要环节，也是提高学生社会职业素养和就业竞争力的重要途径。安徽科技学院作为安徽省首批应用型本科建设试点高校，近年来一直重视对学生实践能力的培养，以提高学生创新能力和应用能力为指导思想进行教学改革。计量经济学作为安徽科技学院经济类人才培养的核心课程之一，是应用型教学改革的重点。

计量经济学作为经济学类各专业的八大核心课程之一，在经济学科中的地位和重要性不言而喻。近年来国内一些主流权威期刊如《经济研究》、《管理世界》等均对向其投稿的文章要求定量分析与定性分析相结合，注重计量建模等实证分析在经济问题研究中的作用。这一现象提升了计量经济学在教学和科研中的地位，有利于促进计量经济学教学的发展，使学生更加认识到了计量经济学的重要性。

计量经济学作为经济学、数学、统计学的交叉学科，除了对经济学基本理论要有所了解外，更重要的是要拥有扎实的数学功底，尤其是对数理统计知识的掌握，对学好计量经济学十分关键。正是由于计量经济学大量运用数学推算、数学模型，使得很多学生尤其是数学功底较差的文科生，在刚刚接触还没有深入学习计量经济学时，就已经对其产生了畏惧心理。在计量经济学的教学过程中，笔者感受到很多学生由于害怕数学，对计量经济学这门课的学习兴趣不高，在学习过程中存在死记硬背的现象，不能够理解计量经济学的实质，导致其在运用计量经济学进行论文写作过程中出现了大量的错误和不规范。围绕安徽科技学院应用型本科高校建设对课程教学的要求，笔者在此结合自己的实际教学工作经验，讨论目前的计量经济学课程在应用型人才培养中存在的问题，并提出相应的建议。

1 应用型本科高校计量经济学教学存在的问题

1.1 先修课程缺位，学生基础知识掌握的不扎实 计量经济学的基础是数学与统计学，经济理论只是运用计量经济学进行具体经济问题研究的理论知识，对计量经济学的思想及模型的推导及回归结果的检验都是数学、数理统计学的知识，因此在学习计量经济学之前，学生必须要掌握高等数学、线性代数、概率论与数理统计，统计学等知识。这些课程的难度系数较高，要学完上述的有的课程至少需要三个学期，但是当前应用型高校建设的一个方向是压缩理论课的学时，提高应用型实践课程所占的比重。安徽科技学院在财经类应用型人才培养方案对教学进行的改革中，为了减少理论课在四年中的比重，将高等数学、线性代数与概率论的教学全部放在大一学年，只用了一个半学期的学时，不仅加重了学生的课业负担，而且由于课程难度大，学生无法牢固掌握这些知识。计量经济学放在了第二学年上半学期，并且与统计学同时进行，在计量教学过程中学生对于统计量的分布和假设检验的理论背景也无法理解，这不仅增加了授课教师的教学压力，而且从一开始就使学生对计量经济学抱有畏惧的心理，也容易使学生产生厌学心理。

1.2 缺少适合应用性人才培养的教材 计量经济学作为现代经济学分支，引入国内的时间较晚，在全国财经类专业普遍推广的时间也不足十年，所以早期的计量经济教材大多为国外翻译本和移植本。由于国外经济学理论很早就已经十分数理化，国外经济学专业人才的选拔也注重学生的数理分析的功底，这与国内的差别很大（国内经济学专业在很长时期内只招收数学功底差的文科生）。因此国外计量经济学教材主要是介绍计量经济学的方法论，以理论推算为主，这对于国内本科生的学习压力很大。近年来国内学者出版了不少自己编写的计量经济学教材，但是现存的教材还是包含了太多的数学与统计学知识，过多的侧重数学推导，给学生的感觉更像是一门数学课，而不是一门经济学课。缺少案例的计量经济学教材，使得学生在学习过程中只是一头扎进了大量的数学理论模型之中，不能将所学的知识进行适当的运用，解决不了实际问题，对于安徽科技学院这样的以建设应用型本科为人才培养目标的高校，现有的计量经济学教材显然不符合要求。安徽科技学院财经类专业自开设以后一直以招收文科生为主，现有的计量经济学教材过多注重数学理论，缺少案例分析的现状使得学生在学习过程中普遍感到难度较大。

1.3 注重课堂理论教学，缺少实验教学环节 目前国内各高校的计量经济学教学活动，大多以课堂的理论教学为主，教师在进行计量经济学讲授时主要是介绍计量经济学的理论推导。然而计量经济学是一门应用性很强的学科，在教学过程中不仅要求学生掌握数学和统计学的理论知识，更需要学生有实际操作的能力。尤其是像安徽科技学院这样以应用型人材为培养目标的高校，更应该在计量经济学的教学过程中加强实验环节的教学。但是由于受到学校硬件设施的限制，安徽科技学院一直没有开展大范围计量经济学的实验教学，学生在学习了计量经济学的估计方法之后，没有实际进行相关的软件操作，因而不能够将所学的理论应用到解决实际问题的环节之中，理论和实践的脱节使得培养学生动手能力和创新能力的目标无法实现，应用型人材培养目标建设无从谈起。

1.4 师资力量缺乏 计量经济学作为一门年轻的学科，在国内普及时间较晚，由于早期的国内经济学教育主要以政治经济学为主，研究方法以定性为主，所以目前各高校中教学经验丰富的老教师，多数都没有接受过系统性的数理经济方面的培训，承担计量经济学教学工作的以中青年教师为主。在高校招生扩张之后，又出现了新增专业的扩张，经济学相关专业是学生报考的热门，各高校争相开设，学生人数和专业数目的增加，造成了承担计量经济学教学的师资力量缺乏。目前承担计量经济学授课的要么是纯粹数学背景而无经济学知识的教师，要么是数学基础薄弱的接受过现代经济学教育的经济学专业教师。既有良好的数学功底，又有丰富的经济学理论功底的计量经济学专业教师匮乏。像安徽科技学院这样的地方本科院校面临的人才缺乏问题更加严重。

2 应用型本科高校计量经济学教学改革的几点建议

2.1 应用型人才培养改革要做好相关课程的协调和配合 安徽科技学院应用型高校建设的课程改革将大量的课程安排在大二，就计量经济学而言，最适合开设的时间是大三，在学生学完高等数学、概率论与数理统计、线性代数、统计学、宏微观经济学的基础上进行。同时，增加高等数学、概率论与数理统计、线性代数的教学课时，分不同学期开设，只有这样才能让学生牢固掌握好数学理论基础，为以后学好经济学服务。

2.2 针对应用型人才培养目标，合理定位计量经济学教学内容 应用型本科高校的目标是培养适合社会发展需要，具有较强的动手能力和实践能力的创新型人才。根据这一目标定位，应当合理安排计量经济学的教学内容，在教学内容的广度和深度上有舍有取。在教学过程中由浅入深，将各单元连结起来，尽量将理论推导背后的思想传达给学生，减少数学推导过程在课堂中占用的时间。这样既可以让学生明白理论的由来，以指导学生将理论用于实际问题的分析，又可以减少学生因过多的数学推导而产生的畏惧心理。在每章学习结束后，都用一个案例将整章的内容加以总结和运用，既加深学生对所学理论知识的理解，又让学生掌握了如何运用所学知识。

2.3 针对应用型人才培养目标进行实验教学，提高学生的动手能力 应用型人才培养的重要目标就是让学生具有动手能力，因此，在计量经济学的教学中，必须进行实验教学，理论与实践相互结合，相辅相成，是计量经济学在应用型财经人才培养过程中不可或缺的。在理论课与实验课的安排上，应做好规划，避免理论课与实验课的脱离，如在理论课全部结束后开设实验或者进行了大部分后开设。应将理论课与实验课有机结合，每结束一章的理论教学就安排一场实验教学，这样既可以加深学生对所学理论的了解，又避免了学生因时间长而遗忘所学理论。

2.4 做好人才引进工作，加强对现有教师的培训 针对全国高校计量经济学专业教教师缺乏的现状，地方高校在人才引进过程中面临的困难更大。要求地方高校一方面要加强自身的软件和硬件建设，努力创造更好的条件在人才引进中占得先机，同时还要提供发展平台留住人才；另一方面，要做好对现有的内部教师的培训，计量经济学作为一门新兴学科，更新发展迅速，要求任课教师不断更新所学知识，提高自己的理论水平，跟踪学术前沿，因此，学校应该利用假期，选派任课教师到相关机构进行计量经济学培训，提高本校教师的计量经济学理论和学术水平。

参考文献：

[1]王立平，王健.计量经济学实验教学模式改革研究[J].山西财经大学学报，高等教育版，2006（12）.

[2]俞培果，高翔.本科学生计量经济学教学中若干问题的探讨[J].西南科技大学学报，2004（12）.

[3]胡荣才，王亚雄.本科计量经济学中几个问题的思考[J].统计教育，2009（6）.

[4]杨汭华.以“案例教学”施教《计量经济学》的思考[J].统计教育，2005（2）.

计量经济学解析范文第3篇

计量经济学是教育部规定的经管类八大核心课程之一，是目前非常重要的研究经济问题的工具之一，是学生深入理解经济问题的量化工具。但目前计量经济学的教学还存在许多问题，应从学生实践、教师实践、教学软件等方面进行改进。

关键词：计量经济学;教学;实践

文献标识码：A

1 计量经济学的重要性

计量经济学是一门集经济学、数学、统计学为一体的综合学科，自从1998年7月被教育部定为经管类八大核心课程之一后，它的重要性众所周知。无论是学生、教师还是企业人员，在学习、工作中几乎都要与它打交道。无论是学习中对某一个问题的研究，还是工作中对某一现象的预测，都离不开它。开设此课程的初衷是让学生初步领会到经济学定量分析的方法以及学会如何建立、利用合理的计量经济模型来研究经济现象。很多经济现象可以量化，我们通过建立计量模型可以分析几个因素之间的相关性、扩散收敛情况等，从而加深对这个经济现象的认识，以及能从这个经济现象中得出一些合理的结论，为未来解释类似现象提供理论基础。但在实际教学中，学生掌握的效果并不好，学生并不能很好利用计量工具来研究经济现象。本人通过学习和教学实践，发现重理论、轻实践和学生动手能力差等是限制学生学习效果的障碍。

2 计量经济学教学实践中存在的问题

2.1 计量经济学重要性的认识不足

计量经济学是教育部规定的经管类八大核心课程之一，是经管类学生非常重要的一门课程，对于学生今后其他课程的学习、日常经济现象的研究、毕业论文的写作、工作中问题的解决等有着极其重要的作用。然而学生在学习中，只认为计量经济学是一门工具，课上听个大概，等到实际用到时，随便找本教材，照着案例操作一番，就可完成任务，因此，大部分学生对计量经济学课程不够重视。从教师角度看，教师发现学生不够重视，加上计量经济学本身公式、推理比较多，错过了一节课，下节课听起来就比较困难，而且讲起来相对枯燥，不容易引起学生的兴趣，教师也就相对降低标准，不那么重视计量经济学的深入讲解，学生懂个大概即可。

2.2 教师、学生重理论，轻实践

计量经济学的课程讲解中涉及了许多数学公式的理论推导过程，无论对于理科生还是文科生，理论推导过程都是相对枯燥的。有时一个公式，需要好几页纸才能写完，对于数学基础不好的学生来说，无异于雪上加霜。学生整个课堂，都在抄写公式的理论推导过程，没有时间对这个理论推导过程进行消化吸收。然而理论推导过程是计量经济学教学中不可或缺的过程，因为这个理论推导过程告诉了学生这个计量结果的由来，即不仅让学生知道是什么，还要知道为什么，这才是完整的学习过程。但是理论推导过程相对耗时较多，有时可能一个理论推导过程就耗费了一节课的时间。一个学期的计量经济学的学时是有限的，分配在理论推到上的时间多，相对用于实践操作的时间就少，这就造成了重理论，轻实践的结果。

2.3 教师的实践机会少

高校教师多数是从学校培养出来的，对于理论知识的学习十分扎实，但是多数缺乏实际操作的经验。教师在学校学习的时候，多数也是从计量经济学的理论开始的，然后运用软件对所学理论进行网上操作。有时，教师也会根据自己的研究方向，选择某个模型，利用计量方法，得出一些结论，以便未来进行更深入的研究。但这种研究更偏重于理论验证，并没有实际应用于企业等。即便是教师进入高校工作后，和企业联合起来进行实践，将计量工具运用于企业的机会也不多。教师的教学和企业的实践之间缺乏合理有效的沟通，使得教师的理论研究无法在企业的实践中得到验证。

2.4 学生动手能力差

如前所述，教师在教学中将大量的时间用于理论过程的推导，而将较少的时间用于实际例题的操作。一学期下来，学生只知道大量数学公式的推导，而不知道如何去设计一个模型，研究具体的经济现象。计量经济学是一门操作性很强的学科，它的魅力就在于通过收集、筛选数据，建立合适的模型，进行估计和检验，从而研究具体的经济现象，得出合理的理论建议，并应用于实际。计量经济学的最终目的就是能将具体的经济现象量化。然而学生通过一学期的计量经济学的学习只知道理论，不知道操作，动手能力差。

3 计量经济学教学实践的建议

在计量经济学的教学实践中，本文认为实践是计量经济学的唯一出路，读万卷书，不如行万里路，计量经济学的最终目的就是通过计量理论的铺垫，去研究实际的经济问题，并能为实际经济带来理论建议。如何加强学生实践能力呢?本文认为有以下几点。

3.1 加深对计量经济学重要性的认识

计量经济学不仅是经管类学生的核心课程，更重要的它是经济从理论到实际的一个桥梁。很多具体的经济现象，我们都可以通过某种计量模型将它量化，比如地方政府债务风险的研究，债务风险如何量化，这里就可以选择一些模型：KMV模型、Var方法等，将以前我们认为无法量化或者很难量化的经济现象进行量化，这是计量经济学存在的一个很重要的意义。学生学习这门课程时，不要仅仅把它当成一门需要考试的课程，而是要看到它在我们以后的学习、工作中将起到很重要的作用，将有利于我们对于经济现象的深入量化认识。

3.2 重视实践

计量经济学是一门实践性很强的学科，要想学好计量经济学，加强实践是必不可少的环节。但如前面问题中第二条所述，由于课程设置所限等原因，具体教学中，容易出现重理论、轻实践的现象，导致学生理论听得多，实践做得少。如何加强学生实践，这是教学中必须解决的问题。本文认为：第一，学校可以加大计量经济学的课程教学量。第二，教师可以尽量简化理论部分的推导过程，节约时间，将大量时间用于让学生自己动手实践计量模型。第三，教师引导学生除了将教材上的例题操作完外，让学生自己找一些日常经济现象，自己进行验证。

3.3 加强教师实践

教师在整个教学过程中起到非常重要的作用，教师传道、授业、解惑也，而计量经济学要求大量的实践，所以，教师实践的程度对计量经济学的教学影响巨大。实际上，教师大多是从高校培养出来的，缺乏实践，因此，应加强对教师实践的培养。首先，教师自己应主动将日常经济现象用计量理论模型来验证，得出一些合理的结论，并找到相关的企业进行推广。其次，学校应给教师提供实践的机会，鼓励教师多去企业实践。

3.4 加强对软件的学习和应用

现在很多理论分析都是通过软件解决的，所以，掌握相关软件非常重要。计量经济学有很多相关的软件，Spass、Eviews等。如果学生能掌握一门软件，将终身受益，所以，教师应该在教学过程中，至少教会学生一个常用软件。学生掌握了一门软件，对经济现象的分析将深入很多，比如Eviews中就可以做相关性分析、脉冲分析、因果关系分析、扩散收敛分析等。

参考文献

[1]齐亚伟，安锦.本科计量经济学案例库建设研究[J].高等财经教育研究，2015，(1).

[2]余妙志，蒋烨.案例教学在计量经济学课程教学中的应用[J].课程教育研究，2014，(5).

[3]刘丽艳.计量经济学局限性研究[J].财经问题研究，2013，(3).

[4]乌兰，包慧敏.提高计量经济学课程教学实效性的对策探讨以内蒙古某大学为例[J].内蒙古师范大学学报(教育科学版)，2013，(9).

[5]洪永淼.计量经济学的地位、作用和局限[J].经济研究，2007，(5).

计量经济学解析范文第4篇

关键词：计量经济学；经济研究；马克思主义政治经济学；应用数学；数理统计学

一、计量经济学缺乏科学的经济学基础

按照计量经济学（Econometrics）创始人之一弗瑞希（Frisch）的定义，计量经济学是量化了的经济理论与统计观测之相互融合的结晶。①这里的经济理论就是指西方的微观经济学和宏观经济学，而对这两大学说，笔者已经有专著进行了深刻的批判，指出它们无论是在理论上还是在现实中都是不成立的，因而，以这些错误学说为基础的计量经济学也就不可能具有科学性。

有必要指出，这里“批判”的对象是绑定了西方经济理论并与之一体化了的“计量经济学”，而不只是其“计量方法”。西方学者认为，计量经济分析的过程始于对理论关系的设定。我们首先乐观地假定我们的模型设定正确，而且能够准确地度量模型中的所有变量，然后在这个基础上进行讨论。②正是出于对西方经济理论的这种绑定，这套东西才被称为“学”而不只是“方法”，也才被视为（西方）经济学的一个分支③。而我们的分析表明，它作为一种经济学，与西方经济学的其他经济学说如微观经济学和宏观经济学一样都是不能成立的，哪怕它进行了数学包装。另一方面，把计量经济学看成是一种方法，也是不妥当的。这是因为，计量经济学并没有正确地应用数学，从而把它作为方法论只会导致错误的结论。

以绑定了西方宏观经济学中边际消费倾向概念的计量经济学最常用到的经典内容边际消费倾向模型为例。凯恩斯提出一种主观心理规律，认为当人们增加收入时，不会把增加的收入全部消费掉。④西方经济学由此提出边际消费倾向概念，即每增加1美元收入所引起的额外的或（愿意）增加的消费量。⑤计量经济学则当仁不让地以此理论为基础，建立模型测算这一指标，并使之成为计量经济学的经典内容。例如，有人以此测算19811994年中国城乡居民总量消费函数如下：

C=510.71+0.55YD+0.32C（-1）（1）

其中：C代表按某种口径计算的全国居民消费总额；YD代表按同种口径计算的全国居民可支配收入总额。由此得出短期消费倾向为0.55，尽管这个模型被指责存在序列相关问题，降低了解释的可信度，但仍然被认为作为趋势分析还是可以的，甚至从总量上看，模型模拟的结果是令人满意的。⑥

但是，这个模型从一开始就是错误的。其基础是所谓的基本心理规律，即便成立，也应当算是计量心理学而不是计量经济学。事实上，早在凯恩斯之前，马克思就已经不依赖主观心理同样地解释了整个社会中消费增加的金额小于收入增加的金额的现象。在马克思看来，市场竞争迫使资本家“不断扩大自己的资本来维持自己的资本，而他扩大资本只能靠累进的积累。”⑦这样一来，资本家个人的消费就会妨碍他的积累。于是出于积累的需要，资本家不能把他的所有收入用于消费，所谓边际消费倾向才会小于1。相反地，对于大多数雇佣工人来说，“他们靠挣一文吃一文过活，他们的工资按周领取，逐日花掉”⑧，即便有微薄的积蓄，也会在失业和疾病的动荡中失去，不存在积累的可能，反而要透支消费，负债累累，不符合凯恩斯所提出的那种所谓基本心理规律。

再以计量经济学中常用的柯布道格拉斯生产函数为例。该生产函数的形式如下：

y=Rkαlβaμ（2）

其中：y代表产出量；l代表劳动力；k为资本投入；α、β、R均为待估参数；μ为随机量。

将式（2）化为对数形式得到：

Y=r+αK+βL+μ1（3）

其中：Y=logy，r=logR，K=logk，L=logl，μ1=μloga。⑨

但是，上述式（2）并没有任何经济理论作为基础，没有任何经济学说能够说明产出量与劳动力和资本投入是这样的数量关系。式（2）其实是从式（3）逆推回去的。而式（3）中各经济变量之所以取对数，是为了使模型中的变量的取值范围可以小于零。这是因为，使用最小二乘法的计量经济学模型要求其变量为正态分布，其取值范围为（-∞，+∞），而一般的经济指标都是大于零的，所以要取对数才能改变其取值范围，但即便这样，也不能证明取对数后的经济变量就成了正态分布，更不能因此认为式（2）就是有理论根据的。

有理论说，可以用一些经济数据按照计量经济学的方法估算上述式（3）中的参数r、α和β。但是，由于没有经济理论作支撑，这种数字游戏没有意义。事实上，笔者曾经做过一个模拟对此进行验证。⑩按照那个模拟的结果，如果柯布道格拉斯生产函数仅仅根据数字游戏就可以被认为是有意义的，那么用1個轮胎配16个汽缸可以组成一辆汽车的模拟结论也是成立的或者说是现实的。其实，计量经济学对式（3）中参数的估算只不过表明资本投入量、劳动力的投入与产出量之间不是固定的比例关系，而是可以有各种不同的比例关系，反映出这些数据总量之间“没有任何内在的、必然的关系。”由此可见，所有建立在西方经济学生产函数上的计量经济模型都是不成立的。进而由生产函数衍生出来的所谓全要素生产率也是没有科学依据的，其汗牛充栋的计量经济模型也就毫无意义。

二、计量经济学使用数据不当

前面笔者提到，经济变量未必符合对数正态分布。事实上，回归分析等数理统计方法在使用时需要满足一定的数据条件，从而把它们应用于经济研究时需要事先检查所用数据是否符合或近似符合这些条件。计量经济学在其发展过程中也注意到序列相关、单位根过程等妨碍计算结论的不利数据条件，并企图通过一定方法进行修正，但计量经济学远没有对所有的数据条件进行核查。特别是，计量经济学文献的发表几乎不提供原始数据，使审查人和读者无从进行检查和核算，从而不符合数据条件的成果有蒙混过关之嫌。

另外，计量经济学的这些方法其实只适合微观的数据，而不适合它通常所使用的经过加总的宏观数据，因为这个加总过程忽略掉了非常重要的权重结构的变化。例如，有人用计量经济模型来分析中国粮食生产，以粮食产量为因变量，以农业化肥施用量、粮食播种面积、成灾面积、农业机械总动力、农业劳动力为自变量。但是，中国的粮食有很多品种，每个品种的粮食所需要的化肥品种及施用量、农业机械品种和动力等都是不同的。同样的成灾面积，对于不同的粮食品种来说减少的粮食产量也是不同的。因而这样建立的计量经济模型所得出来的数量关系只是一个大杂烩。再例如，有人建立了我国股票市值计量模型如下：

lnCSVt=a1+a2lnM1t+a3lnTSVt+a4lnGDPRt+a5lnCPIt+a6lnRt（4）

其中：CSV是沪深流通股票市值总和；M1是狭义的货币供给量；TSV是每月股票总成交量；GDPR是季度国内生产总值增长率；CPI是以上年同月为基期的居民消费价格指数；R是一年期存款基准利率。在这里，可以看到，有的数据是月度数据，有的数据是季度数据，有的数据在股票交易日时时都有变化。由于时间间隔t的不同，这样设定模型就意味着跨度时期长的数据在跨度内相对跨度时期短的数据，其影响保持不变。这个特性会严重干扰对跨度时期长的数据的数值变化的影响估算。同时，如果上述时间间隔t是按月计算，那么CSV是取月末的收盘价，还是平均价，以及如果R在某月某日发生变化，是取当月月底的数值，还是该月加权平均的数值，都会对结果产生很大的影响。这也是为什么美国经济杀手会说：“我发现经过处理的经济数据可以产生不同的结果，甚至是可以完全偏向经济分析师个人喜好的结果。”这样一来，计量经济学就只不过是一种用数学来伪装的伪科学。

最重要的是，笔者注意到，国家统计局根据第二次全国经济普查结果修订统计数据，2008年我国GDP增速提高0.6个百分点达到9.6%。第三次全国经济普查数据对2013年国内生产总值修订的结果是增幅为3.4%。这说明，计量经济学所使用的宏观统计数据存在相当大的误差，而前面提到的时间间隔与数据跨度的不匹配等问题，还会放大这样的误差。一些经济指标在历史的发展中会改变统计口径，变革前后的指标如果要用于计量经济模型需要先统一口径，如果按变革后的口径统一，变革前的指标就只能估算，如果按变革前的口径统一，变革后没有按旧口径统计，也需要重新估算，无论哪种估算都必然存在估算误差。所有这些误差都会严重影响计量模型的判断。西方学者也不得不承认，一个测量有误的变量会影响到最小二乘的所有估计结果。如果不止一个变量包含测量误差，那就更不用提了。

笔者简单地在Excel软件中按样本量40随机模拟了一个均值为1、标准偏差为1的正态分布作为自变量X和一个均值为0、标准偏差为1的正态分布作为随机项ε，然后构造因变量Y：

Y=1+0.4X+ε （5）

利用回归分析，可得如下计量经济结果：

Y=1.07+0.39X （6）

且P值为0.01，小于一般设定的显著性水平0.05，可以设定Y与X存在线性相关性。估计出来的回归系数0.39与理论系数0.4十分接近。

接着，笔者再模拟一个均值为0.1、标准偏差为0.5的正态分布作为测量误差分别加到X和Y上，再进行回归分析，其结果为：

Y=1.26+0.20X（7）

这时的P值高达0.15，可以认为Y与X已经不存在线性相关了，而且这里的回归系数与理论系数也存在较大的差距。

既然测量误差可以把有相关性的变得没有相关性，那么它也同样可以把没有相关性的变成有相关性。由于计量经济模型所使用的宏观数据在统计过程以及数据处理过程中存在相当大的误差，因而其结论的可信性是十分低下的。尤其是一些计量经济模型使用数百个变量，而每个变量的测量误差千差万别，误差之间的数量关系足以干扰真实变量之间的数量关系，其分析结果更是不可信。

計量经济学还经常使用所谓实际经济变量即从直接的经济数据（名义经济变量）中扣减物价指数后的结果，代表消除了通货膨胀的影响。但是，物价指数不变也会存在通货膨胀，这是西方经济学讳莫如深而套用西方经济学的计量经济学所无知的地方，这样处理的所谓实际经济变量并没有消除通货膨胀的影响，也根本不代表实际量。另外，西方学者也承认在使用数据上会遇到一些问题，如数据度量的质量很差或者只是很模糊地对应于模型中的变量、模型中随机项所假定的随机性质可能被违背、某些重要变量可能会被遗漏在模型之外，等等，但他们在发表计量分析的结果时，却言之凿凿，丝毫不提这些问题可能导致其结论完全不能成立，甚至背道而驰。

三、计量经济学缺乏正确的哲学指导

西方学者认为，计量经济学设定需求函数时，只有收入是自变量，而价格与需求量则都是因变量。这是符合实际的，在一个市场上，价格与需求量是同时被决定的，只有当市场以外的因素变化时，它们才会变化。但是，这只是从商品的购买者单方面思考问题，其前提是购买者的收入必须是不劳而获，而且与市场状况无关。否则，如果商品购买者的收入来源于其出售的其他商品，那么其他商品的价格和对他的商品的需求量相对他的收入而言就是自变量，而他的收入则是因变量，从而他的需求量也要以其他商品的价格为自变量。某种商品的价格与需求量也不会同时被决定，因为商家在开门营业之前就要标好一个价格，而这时消费者还不知道价格，从而也确定不了自己的需求量。一般而言，需求量总是受价格影响的，也就是在价格决定之后决定的，否则就不会出现降价以扩大需求量的问题，也不会存在扩大需求量不会引起价格下降，反而会引起价格上升的问题。

计量经济学提出因果关系检验，其方法是要想检验“X不是引起Y变化的原因”的原假设，就把Y对Y的滞后值以及X的滞后值进行回归（“无限制条件”模型），再将Y只对Y的滞后值（“有限制条件”模型）进行回归。然后就能用一个简单的F检验来确定X的滞后值是否对第一个回归的解释能力有显著的贡献。如果贡献显著，我们就能拒绝原假设，认为数据与X是Y的原因相一致。

然而，一方面，恩格斯早就指出，“原因和结果这两个概念，只有应用于个别场合时才有其本来的意义；可是，只要我们把这种个别的场合放到它同宇宙的总联系中来考察，原因和结果经常交换位置；在此时或此地是结果，在彼时或彼地就成了原因，反之亦然。”因此，用计量经济模型进行因果关系检验而不是从理论上阐明因果就说不通了。这是因为这个检验试图表明无论在此时或此地还是在彼时或彼地，某一个或多个变量始终都是另一个变量的原因。有人用计量经济模型得出这样的结果：第一，实际国内生产总值的对数是流通中现金的对数的原因，而不是狭义货币的对数、广义货币的对数的原因；消费价格指数的对数是广义货币的对数的原因，不是流通中现金的对数、狭义货币的对数的原因；第二，广义货币的对数是实际国内生产总值的对数的原因，流通中现金的对数、狭义货币的对数不是实际国内生产总值的对数的原因；消费价格指数的对数与实际国内生产总值的对数互为原因；第三，狭义货币的对数、广义货币的对数是消费价格指数的对数的原因。我们看到，所谓实际国内生产总值的对数与任何一种被定义的货币的对数并不互为原因，而只存在实际国内生产总值的对数是流通中现金的对数的原因，和广义货币的对数是实际国内生产总值的对数的原因，这两个单方面的因果关系。这样的单方面的原因在哲学上也是说不通的。

另一方面，从计量经济学的因果关系检验方法来看，Y的最主要原因是其自身即Y的滞后值，可见这一方法并没有抓住Y的根本原因。同时，回归分析的原假设只是自变量与因变量没有线性相关性，这个原假设被小概率结果所否定，只说明自变量与因变量有一定的相关性，但不能表明这个相关性的强弱，更不能说明自变量与因变量是因果关系。事实上，许多计量经济学模型的结果虽然是显著的，但是R2却不大，表明这个相关性虽然显著但还非常弱，没有什么解释能力。而且当自变量和因变量同时受某个共同因素影响而相互之间没有因果关系时，它们也能表现出相关性。反过来，如果上述原假设没有被小概率结果所否定，并不能肯定原假设的成立。数理统计的指导哲学是否定之否定，即通过否定原假设来肯定备择假设（与原假设对立的假设），而不是直接肯定原假设。因此，即便上述计量经济模型中流通中现金的对数不是实际国内生产总值的对数的原因的这个原假设没有被小概率结果所否定，但这个原假设未必就是成立的，只能说它不成立的可能性没那么大。

还要指出的是，即便原假设被否定，说明广义货币的对数是实际国内生产总值的对数的原因，但我们同时看到消费价格指数的对数也是实际国内生产总值的对数的原因，而且广义货币的对数还是消费价格指数的对数的原因。这说明，广义货币的对数与消费价格指数的对数具有相关性或多重共线性，从而在计量经济模型中所表现出来的广义货币的对数与实际国内生产总值的对数的因果关系也许只不过是消费价格指数的对数与实际国内生产总值的对数的因果关系的表现，反之亦然。这表明，即便我们能够肯定变量之间的相关性，但我们还是无法直接根据数据本身来认识其中的因果关系或相互作用。对于因果关系和相互作用的认识只能来自于理论分析而不是计量经济模型，从而决不能从计量经济模型的结果来逆推理论分析的结论。而后者恰恰是计量经济学常见的做法和意义之所在，从而从哲学的角度来看，计量经济学也是不成立的。

最后，计量经济模型估算出来的参数只具有样本平均数的性质，在进行预测时应当给出预测结果的置信区间，该区间中的任何一个数值而不只是估算出来的数值都是可能的，如果这个置信区间过大，那么计量经济模型的结果就没有任何现实意义。同时，计量经济模型在进行预测时的一个隐含的哲学前提是，过去的变化规律包括增长规律在未来保持不变。但是这个前提未必成立。更为甚者，美国经济杀手利用计量经济学的这种对未来的预测为他们的卑鄙目的服务：“布鲁诺找到了一种全新的预测方法，一种以19世纪末20世纪初一位俄罗斯数学家的著作为基础的计量经济学模式。这种模式为预测特定的经济增长提供了可能性。我们可以借助这一绝对工具，预测’出我们想要的经济增长数据，从而说服发展中国家的领导人接受我们提供的巨额贷款。”“我工作的主要目的是给印度尼西亚和巴拿马那样无偿还能力的国家设下巨额债务圈套。”

笔者简单地在Excel软件中按样本量40随机模擬了四组均值为0、标准偏差为1的正态分布分别标记为变量a、b、c、e，然后令X=a+b，Z=b+c，Y=a+c+e，利用回归分析，可得如下计量经济结果：

Y=0.01+0.43X （8）

其P值为0.053，按照一些计量经济学文献，其在显著性水平0.1上是显著的，也就是可以认定Y与X存在线性相关性。但其R2只有0.095，也就是说，X的变动对Y的变动的解释不到10%。

而在上述回归中引入自变量Z，则可以得到，

Y=0.07+0.14X+0.44Z （9）

且总体F检验的P值为0.016，小于一般设定的显著性水平0.05，R2增加到0.20，但X的系数的t检验P值高达0.56，Z的系数的t检验P值为0.03。这表明，可以认为Y与X没有线性相关性，或者说，Z足以代表X来反映Y的变化。但是，从X、Z和Y的构造上，事情不是这样的。笔者列举这个例子是想表明，在多个自变量的场合，某个自变量与因变量的真实关系，未必会像其系数及其统计检验所显示的那样，在变换其他自变量的情况下，某个自变量系数的正负号甚至可以反向，这就使得操纵自变量与因变量的关系，使其符合模型设计者的主观意图成为了可能。

最后，数理统计在通过样本推断总体的性质，必然会犯“以真当假”和“以假当真”的错误，为了把犯“以真当假”的错误的可能性控制在可以承受的范围内，才在分析时设定显著性水平（一个较小的概率，通常为0.05）。如果突破这个水平，我们就不能否定原假设，以免犯“以真当假”的错误。也就是说，这种显著性水平与我们对犯错误的恶果的承受力有关，因而应当在分析前就加以设定。但是，计量经济学的做法却通常是拿计算后的结果与不同的显著性水平进行比较，适合哪个用哪个，以便吹嘘自己的显著性水平可以达到多么小的程度，但同时又把数理统计通常设定的显著性水平0.05，放宽到0.1，使其犯“以真当假”的错误的可能性增加了一倍，比福利彩票中末等奖的概率（1/16）都大，已经不能算做小概率设定了。这表明计量经济学并没有认真考虑犯“以真当假”的错误的可能性，也没有考虑把这种可能性降低到科学分析可以承受的范围内。

《共产党宣言》指出：“生产的不断变革，一切社会状况不停的动荡，永远的不安定和变动，这就是资产阶级时代不同于过去一切时代的地方。一切固定的僵化的关系以及与之相适应的素被尊崇的观念和见解都被消除了，一切新形成的关系等不到固定下来就陈旧了。”与马克思主义经典作家揭示的在较长时期里存在的生产资料优先增长的这种经济规律相比，计量经济学用来构建的长达数年甚至数十年的需求与供给之间的市场均衡模型以及由p阶自回归（滞后因变量）和q阶滞后移动平均项构建的ARMA（p，q）模型等，勿庸说其经济原理上的问题，它们本身也不过表明了一种指望资本主义市场存在某种固定的僵化关系的妄想。

四、计量经济学缺乏正确的数学基础

从计量经济学对因果关系的检验来看，计量经济学随意地变更自变量和因变量的位置，而这在数学上也是存在很大问题的。

设立回归模型：

Y=X+ε （10）

其中，自变量X与随机项ε被要求是线性无关的。而且Y的方差是X的方差与ε的方差的和。如果我们变换自变量与因变量的位置：

X=Y+（-ε） （11）

这时，Y与（-ε）不再是线性无关的，不再能够进行一般的回归分析。但是，计量经济学会认为可以建立以下计量经济模型：

X=a+bY+μ （12）

其中，Y与μ是线性无关的。但这样一来，X与Y的真实关系即式（10）就被破坏殆尽了。同时，Y的方差比X的方差大的后果就是系数b必须小于1。

笔者简单地在Excel软件中按样本量40随机模拟了两个均值为0、标准偏差为1的正态分布分别作为X和ε，并按式（10）构造了Y，然后按式（12）进行回归，得到：

X=0.027+0.585Y （13）

其P值远远小于0.01，系数b的95%的置信区间为（0.45，0.72），可以看出系数b显著地小于1。

进而，按照计量经济学的分析，式（13）表明，Y每变化1个单位会带动X变化0.585个单位。但是，从式（10）来看，这种说法并不成立。

事实上，计量经济学只以为模型的系数影响的是均值的变化，从来没有考虑过系数也会受方差的影响。正因为如此，计量经济学把自变量前面的系数解释为自变量每变动一个单位，平均带给因变量多大的变动。但这种说法是有问题的，这就使得计量经济模型通常对自变量和因变量之间数量关系的解释是不成立的。例如，我们模拟两组随机数Y和X如下：

Y=T+ε （14）

X=T+μ （15）

其中，T=1，2，，30，可以看成计量经济模型中的时间变量。ε按均值为0、标准偏差为10的正态分布模拟，μ按均值为0、标准偏差为20的正态分布模拟。由此，可见Y与X的均值是相等的。然后，我们可以得到如下回归计算结果：

Y=15.0+0.18X （16）

X=-0.5+0.83Y （17）

这两个回归结果的P值都小于0.05。式（16）中X的系数的95%的置信区间为（0.01，0.35），式（17）中Y的系数的95%的置信区间为（0.06，1.59）。显然，式（17）较好地反映了Y与X的均值关系，而式（16）则有很大偏差。其原因主要在于X的方差大于Y的方差。如果不考虑变量背后的经济学基础，单纯地想从数据本身出发去构造数量关系，是很难得到正确的结果的，更不可能以此反推出它们之间的经济关系。也就是说，我们只有从数据之外的经济理论分析中正确建立变量之间的关系，才能正确地根据这种关系建立回归分析模型。

笔者还做了两个模拟，第一个模拟是按样本量40随机模拟了三个均值为0、标准偏差为1的正态分布分别作为Z、ε和μ，分别构造了Y和X如下：

Y=Z+ε（18）

X=Z+μ （19）

用計量经济学的方法，可以得到：

Y=-0.09+0.63X （20）

其P值远远小于0.01。

第二个模拟是将式（18）改造如下：

Y=0.5X+ε （21）

同样用计量经济学的方法，可以得到：

Y=-0.04+0.64X （22）

其P值远远小于0.01，X的系数的95%的置信区间为（0.42，0.85）。因此，其系数取值0.5也不是不可以。

式（20）与式（22）十分接近，其误差可以忽略不计。式（18）和（19）表明，仅当X的变动是由Z的变动引起时，才会伴随Y的相应变动，但这种变动是由Z引起的，而不是X引起的；而当X的变动是由μ的变动引起时，就不会有Y的相应变动。无论如何，X与Y只有相关性，无因果性。与之相比，式（21）表明，X每变动1个单位，可以平均地影响Y变动0.5个单位，X可以看成是Y的原因。问题在于：如果我们仅仅根据Y和X的数量关系，得到式（20）或式（22）这样的结果，那么我们如何确定Y与X的关系，是像式（18）和式（19）那样，还是像式（21）那样呢？

另外一个问题是，在数理统计学上，如果需要做多次配对检验，那么检验的总的显著性水平将会超过每次配对检验所设定的那个不变的显著性水平。例如，进行三次配对检验，每次配对检验的显著性水平设定为0.05，则检验的总的显著性水平高达（1-0.05）3，等于0.14。如果做六次配对假设检验，总的显著性水平可达0.26。过高的显著性水平意味着检验的结果犯以真当假的错误（即错误地否定原假设、肯定计量经济模型结论）的概率较高。前述因果关系检验的计量经济模型将实际国内生产总值的对数、流通中现金的对数、狭义货币的对数、广义货币的对数、消费价格指数的对数这五个指标进行了多次配对回归分析，其总的显著性水平，远超作者设定的0.05和0.1，其结论也因此而不足信。

由于必须取得统计显著性成果，其计量经济学模型才算成功，许多人在进行计量经济学分析时，常常反复修订模型，直到出现显著性结论，这种做法不仅表明其模型的设定缺乏理论依据，而且也使其实际的显著性水平大大超过名义的显著性水平，其最终获得的模型也不足为据。

五、小结：如何在经济研究中运用数学

列宁曾经指出，“沿着马克思的理论的道路前进，我们将愈来愈接近客观真理（但决不会穷尽它）；而沿着任何其他的道路前进，除了混乱和谬误之外，我们什么也得不到。”计量经济学由于沿着西方经济学的道路前进，不免陷入混乱和谬误之中。

有人也许会想，能不能用计量经济学的方法来进行马克思主义计量经济学的研究，或者说能不能在马克思主义政治经济学的研究中借鉴西方经济学的计量方法呢？前面的分析表明，如果这样做了，除了混乱和谬误之外，我们仍然是什么也得不到。因此，要在经济研究中运用数学，我们不能到计量经济学中去找答案或寻借鉴，而应当直接到应用数学和数理统计学那里去找答案或方法论，同时注意借鉴其他自然科学学科在应用数学和数理统计学时的经验教训。

列宁指出，“公式本身什么也不能证明；它只能在过程的各个要素从理论上得到说明以后把过程加以表述。”这是其他学科正确运用数学的不二法门。在经济研究中运用数学，必须严格遵循马克思主义政治经济学的理论基础，使得数学语言的描述严格符合马克思主义政治经济学的原理，不得有丝毫的偏差，否则就会失之毫厘、谬以千里。另外，也要严格遵循数学的规律，注意数学自身的限制，决不能用糟蹋数学的方式来应用数学，否则只会得到混乱和谬误。在受客观条件的局限而无法完全遵守数学的规定和限制的情况下，要对得到的分析结论持审慎的态度，这样的结论只有借鉴性的意义，决不能妄言其正确性或科学性。

恩格斯指出：马克思“没有一个地方以事实去迁就自己的理论，相反地，他力图把自己的理论表现为事实的结果。”马克思主义数量经济学决不能像计量经济学和西方经济学的其他数学模型那样，让事实或数据去迁就自己的模型或理论，进而制造庞大的学术垃圾，否则将会把马克思主义政治经济学推向灾难而不是振兴。

注释：

①【英】D.F.韩德瑞、秦朵著：《动态经济计量学》，上海人民出版社1998年版，第1页。

②③【美】威廉H格林著，张成思，译：《计量经济分析》（第六版）上册，中国人民大学出版社2011年版，第7页，第3页，第11页，第325页，第7页，第11页，第703页（下册）。

④参见【英】凯恩斯著，高鸿业，译：《就业、利息和货币通论》（重译本），商务印书馆2006年版，第101页，第102页。

⑤【美】萨缪尔森、诺德豪斯著，萧琛，等译：《宏观经济学》（第17版），人民邮电出版社2004年版，第92页。

⑥张平：《消费者行为的统计检验、制度解释和宏观效果分析》，载于《经济研究》1997年第2期。

⑦《资本论》第1卷，人民出版社2004年版，第683页。

⑧《资本论》第2卷，人民出版社2004年版，第162页。

⑨顾慰文等：《宏观计量经济模型中变系数问题探讨》，载于《数量经济技术经济研究》1986年第2期。

⑩参见余斌：《微观经济学批判》（修订版），东方出版社2014年版，第105页。

《资本论》第3卷，人民出版社2004年版，第55页。

李京文等：《中国经济增长分析》，载于《中国社会科学》1992年第1期。

马思思等：《基于计量经济模型的中国粮食生产分析》，载于《当代经济》2017年第25期。

唐平、刘燕：《基于宏观经济变量的中国股市波动分析》，载于《财经科学》2008年第6期。

【美】约翰珀金斯著，杨文策，译：《一个经济杀手的自白》，广东经济出版社2006年版，第13页，第99页，第132页。

国家统计局.第二次全国经济普查主要数据公报[EB/OL].中华人民共和国国家统计局网站，http：//www.stats.gov.cn，2009-12-25。

国家统计局.第三次全国经济普查主要数据公报[EB/OL].中华人民共和国国家统计局网站，http：//www.stats.gov.cn，2014-12-16。

余斌：《45个十分钟读懂〈资本论〉》（升级版），东方出版社2017年版，第191页。

【美】平狄克、鲁宾费尔德著，钱小军，等译：《计量经济模型与经济预测》，机械工业出版社1999年版，第150页。

《马克思恩格斯文集》第9卷，人民出版社2009年版，第25页。

靳庭良：《Granger因果关系检验应用中的若干问题》，载于《数量经济技术经济研究》2015年第4期。

例如，在《金融开放与经济增长基于面板阈值模型的实证分析》（林清泉、杨丰著，载于《应用概率統计》2011年第2期）一文中就有1%、5%及10%三种显著性水平。该文同样存在本文所分析的其他错误。

《马克思恩格斯文集》第2卷，人民出版社2009年版，第34页。

参见余斌：《管理中的定量分析中国本土案例解析》，中国经济出版社2008年版，第162页。

《列宁全集》第18卷，人民出版社1988年版，第145页。

《列宁全集》第4卷，人民出版社1984年版，第48页。

《马克思恩格斯全集》第16卷，人民出版社1964年版，第257页。

Econometrics Criticism

Yu Bin

（Institute of Marxism， Chinese Academy of Social Sciences， Beijing 100732， China）

Key words： econometrics， economic research， Marxist political economics， applied mathematics， mathematical statistics

计量经济学解析范文第5篇

《自己试一试》是小学二年级下册的一篇记叙文，文章讲的是一个科学家向孩子们提出了一个问题：在一个盛满水的鱼缸里放进一颗石子儿，鱼缸里的水马上漫出来了，如果放进去一条小金鱼，水就不会漫出来，为什么?其他同学对这个答案深信不疑，回答的答案闹出了笑话，自己试一试教学反思。一个叫伊伦娜的孩子觉得科学家的话不对，在妈妈的提醒下自己做了试验，找到了问题的答案，明白了科学家的用意。文章旨在让孩子们通过读课文明白：科学家说的话也不一定是正确的，凡事要动脑动手，亲自试一试才能找到正确答案。

这篇课文，我在教学时采用理解重点句子来突破中心的方法，很顺利地完成 了教学任务，教学反思《自己试一试教学反思》。 这篇文章中出现了两个很重要的反问句。第一句是妈妈的话：“你既然想不明白，为什么不去试一试呢?”我采用重复读，联系上下文读，结合自己的生活实际读，并出示句子“我们不该好好学习吗?”让学生理解这类句子实际上表达的是肯定的意思。孩子们很顺利地理解了妈妈的话的意思：想不明白的问题要自己去试一试。第二句是科学家最后说的一句话：孩子，为什么你会认为科学家的话全都是正确的呢?由于有了上一句理解的基础，这句话很快就被孩子们解决了：科学家的话不全都是正确的。孩子们把这两句话都写在练习本上，这就是文章所要表达的主题。为了更深一层地理解，我鼓励孩子们把这两句话的意思多读几遍，与自己的生活实际联系起来，说说有什么感悟?课堂上顿时炸开了锅，孩子们都津津有味地讲述自己的生活故事。

这节课重点难点部分用的时间并不多，但孩子们理解课文的深度相当可观。语文课堂的知识点太多，我们不可能一一都能详细地讲给孩子。在实用的课堂上，我们更提倡抓住一两个方面讲细、讲深，让孩子们在在学习中有所悟，思想有所洗涤，能力有所提高。

计量经济学解析范文第6篇

导论

*1.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、统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。

*2.计量经济学与经济理论、数学、统计学的联系和区别是什么?

计量经济学是经济理论、数学、统计学的结合，是经济学、数学、统计学的交叉学科(或边缘学科)。 *

3、计量经济学的研究步骤：

(1)确定变量和数学关系式模型假定;(2)分析变量间具体数量关系估计参数;(3)检验所得结论的可靠性模型检验;(4)作经济分析和经济预测模型应用 *4.计量经济学中常用的数据类型：

根据(生成过程)和(结构方面)的差异，可分为：

(1)时间序列数据：把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔排列起来构成的数据。

(2)截面数据：同一时间(时期或时点)某个指标在不同空间的观测数据。 (3)面板数据：指时间序列数据和截面数据相结合的数据。

(4)虚拟变量数据：人为构造的虚拟变量数据，通常以1表示某种状态发生，以0表示某种状态不发生。

5.计量经济学模型的检验包括哪几个方面?为什么要进行模型的检验?

经济意义经验、统计推断检验、计量经济学检验、模型预测检验四个方面。 6. 从变量的因果关系上，可分为被解释变量和解释变量。

根据变量的性质，可分为内生变量和外生变量是

9.计量经济学模型中包含的变量之间的关系主要有哪些?

主要是解释变量与被解释变量之间的因果关系，包括单向因果关系、相互影响关系、恒等关系。

第二章

一元线性回归模型

1.什么是相关分析?什么是回归分析?相关分析与回归分析的关系如何?

相关分析是研究变量之间的相关关系的形式和程度的一种统计分析方法，主要通过绘制变量之间关系的散点图和计算变量之间的相关系数进行。

回归分析是研究不仅存在相关关系而且存在因果关系的变量之间的依存关系的一种分析理论与方法，是计量经济学的方法论基础。

相关分析与回归分析既有联系又有区别。联系在于：相关分析与回归分析都是对存在相关关系的变量的统计相关关系的研究，都能测度线性相关程度的大小，都能判断线性相关关系是正相关还是负相关。区别在于：相关分析仅仅是从统计数据上测度变量之间的相关程度，不考虑两者之间是否存在因果关系，因而变量的地位在相关分析中是对等的;回归分析是对变量之间的因果关系的分析，变量的地位是不对等的，有被解释变量和解释变量之分。 3.回归线与回归函数：

总体回归线：给定解释变量条件下被解释变量的期望轨迹称为总体回归曲线或总体回归线。 总体回归函数：将总体被解释变量Y的样本条期望值E(Yi|Xi)表现为解释变量X的某种函数。 总体回归模型：引入了随机误差项，称为总体回归函数的随机设定形式，也是因为引入了随机误差项，成为计量经济学模型，称为总体回归模型

样本回归模型：根据样本数据对总体回归函数作出的估计称为样本回归函数。引入样本回归函数中的代表各种随机因素影响的随机变量，称为样本回归模型。

*4.为什么要对模型提出假设?线性回归模型的基本假设有哪些?

线性回归模型的参数估计方法很多，但估计方法都是建立在一定的假设前提之下的，只有满足假设，才能保证参数估计结果的可靠性。

Page 1 of 6 简单线性回归的基本假定：包括两个方面：一是对变量和模型的假定;二是对随机扰动项ui统计分布的假定。

其中对随机扰动项ui的假定有：

(1)ui的期望为0，即E(ui)0; (2)的方差为一常数，即Var(ui)2;

(3)ui与uj相互独立，即Cov(ui,uj)0,ij ;

(4)随机误差项ui与自变量Xj不相关，即Cov(Xj,ui)0,ij;

(5)ui服从正态分布

这5条假设中的前4条是线性回归模型的古典假设，也称为高斯假设，满足古典假设的线性回归模型称为古典线性回归模型。

5、相关系数的计算：rXYnXiYiXiYinXi2(Xi)2nYi2(Yi)2

6、模型引进随机扰动项的原因?

(1)作为未知因素的代表;(2)作为无法取得数据的已知因素的代表;(3)作为众多细小影响因素的综合代表;(4)模型的设定误差;(5)变量的观测误差;(6)经济现象的内在随机性 7.参数的普通最小二乘估计法和基本思想各是什么?

基本思想是使样本回归函数尽可能好地拟合样本数据，反映在图上，就是要使样本散点偏离样本回归直线的距离总体上最小。

最小二乘法以剩余平方和表示被解释变量的估计值与实际观察值的偏差总体上最小，称为最小二乘准则。

*

8、OLS回归线的性质?

(X，Y )(1)样本回归线过样本均值点，即样本回归线必过点。

(2)估计值Yi^Y的均值n^i 等于实际值Yi的均值Y;

-(3)剩余项ei的均值为零，即^ei1ni0;

(4)被解释变量估计值Yi与剩余项ei不相关; (5)解释变量Xi与剩余项ei不相关;

*

9、参数估计量的评价标准：(1)无偏性;(2)有效性;(3)一致性

*

10、OLS估计量的统计特性? (1)线性性;(2)无偏性;(3)有效性 11.什么是拟合优度?什么是拟合优度检验?拟合优度通过什么指标度量?为什么残差平方和不能作为拟合优度的度量指标?

拟合优度：指样本回归线对样本观测数据拟合的优劣程度，拟合优度检验就是检验样本回归线对样本数据拟合的精确程度。

样本残差平方和是一个可用来描述模型拟合效果的指标，残差平方和越大，表明拟合效果越差;残差平方和越小，表明拟合效果越好。但残差平方和是一个绝对指标，不具有横向可比性，不能作为度量拟合优度的统计量。

Page 2 of 6

ESSR=TSS2(YY)(YY)i^22RSSei 11TSSyi22与残差平方和不同，可决系数R2是一个相对指标，具有横向可比性，因此可以用作拟合优度检验。

12、OLS估计分布的性质：

1^^X~N(,nx12i2i)2~N(2,2 ^22eixi2)n2

*

13、高斯-马尔可夫定理：在古典假定条件下，OLS估计量1和2是总体参数1和2的最佳线性无偏估计量。

14、一元线性回归的检验：

(1)经济检验，就是检验估计出来的参数的符号、大小是否与经济理论和实际经验相符合，即是否具有经济意义;

(2)统计检验，①对回归参数的检验(t检验)②回归方程的拟合优度，判定系数R2;③对回归方程的显著性检验(F检验);

(3)经济计量检验，随机误差项ui的序列相关检验DW检验

15、预测：Y的平均值的点预测与区间预测：

Y的平均值的点预测与区间预测：

^^(Yft2^^^1(XfX)^，Yf+t2nxi2221(XfX))

2nxi第三章 多元线性模型

*

1、偏回归系数：表示在控制其他解释变量不变的情况下，其中一个解释变量单位变动对被解释变量的平均值的影响，这样的回归系数被称为偏回归系数。 *2.多元线性回归模型的基本假设：

(1)零均值假定，假定随机扰动项的期望或均值为0 (2)同方差和无自相关假定;(3)随机扰动项与解释变量不相关假定; (4)无多重共线性假定 *

3、参数最小二乘的性质：(1)线性性质;(2)无偏性;(3)有效性。 *

4、随机扰动项方差的估计：*

5、修正的可决系数： 在样本容量不变时，随着模型中解释变量的增加，总离差平方和不会改变，而解释变量的平方和可

^2e2ink

能增大，多重可决系数的值可能会变大。

Page 3 of 6

ei2n1R112nk(YiY)/(n1)(YiY)2

n1R21(1R2)nk22ie/(nk)*

6、回归方程的F检验： FESS/(k1)~F(k1,nk)

TSS/(nk) 在一元回归的情形下，对参数2的显著性检验(t检验)与对回归整体上的显著性检验(F检验)是等价的。对方程联合显著性 检验的F检验，实际上也是对R2的显著性检验。

第四章 多重共线性

1、多重共线基本概念：

多重共线性：解释变量之间存在线性关系 一般形式：完全共线和近似多重共线。

完全的多重共线性：若果存在不全为0的数1,2k，使得12X2i3X3i+kXki0，则称解释变量X1,X2,，Xk完全的多重共线性

*

2、产生原因

(1)经济变量之间具有共同变化趋势;(2)模型中包含滞后项;(3)利用截面数据建立模型也可能出现多重共线性;(4)样本数据自身的原因 *

3、完全多重共线后果：

(1)参数的估计值不确定;(2)参数估计值的方差无限大 *

4、不完全多重共线的后果：

(1)参数估计值的方差与协方差无限大;(2)对参数进行区间估计时，置信区间趋于变大;(3)严重多重共线性时，假设检验容易做出错误的判断;(4)当多重共线性严重时，可能造成可决系数较高，经F检验的参数联合性显著性也较高，但对各个参数单独的t检验可能不显著 ，甚至可能使估计的回归参数符号相反，得出完全相反的结论。

5、多重共线性的检验：

(1) 简单相关系数检验法：大于0.8，则存在共线问题。

(2)方差膨胀因子法：VIF1(VIF大于10，就认为存在严重多重共线性。) 1R2j(3)直观判断法;(4)逐步回归检测法

*

6、多重共线性的补救措施：

(1)经验方法：①剔除变量法;②增大样本容量;③变换模型形式(差分);④利用非样本先验信息;⑤横截面数据与时序数据并用;⑥变量变换(计算相对指标;将名义数据转换为实际数据;将小类指标合并为大类指标;将总量指标进行对数变换)。

(2)逐步回归

补充：t检验与F检验结果相矛盾可能是由于多重共线性造成的。根据经验，如果一个变量的值在样本期间没有很大的变化，则它对被解释变量的影响就不能很好地被度量。

Page 4 of 6 多重共线性往往表现的是解释变量间的样本相关现象，在不存在完全共线性的情况下，近似共线并不意味着基本假定的任何改变，所以OLS估计量的无偏性、一致性和有效性仍然成立，但共线性会导致参数估计值的方差大于不存在多重共线性的情况。

(3)岭回归

第五章

异方差

1、异方差：指被解释变量观测值的分散程度是随解释变量的变化而变化的。进一步可以把异方差看成是由于某个解释变量的变化引起的。

2、产生原因：(1)模型设定误差;(2)测量误差的变化;(3)截面数据中总体各单位的差异。

3、异方差后果：

(1)对参数估计式的统计特性的影响：①参数的OLS估计仍然具有无偏但非有效;②参数OLS估计式的方差不再是最小;

(2)对模型假设检验的影响：只要存在异方差性，在古典假定下用来检验假设的统计量可能不再成立。

(3)对预测的影响：尽管参数的OLS估计量仍是无偏，并且基于此的预测也是无偏的，但会由于参数估计量不是有效的，从而对Y的预测也将不是有效的

4、异方差检验：

(1)图示检验法

(2)Goldfeld-Quandt检验

适用条件：①只适用于大样本;②除了同方差假定不满足外，其他假定都满足。

步骤：①排序;②将在中间的c个观测值去掉，再分成两部分;③提出假设，原假设：同方差;④构造F统计量，后一部分的残差平方和除以前一部分的。 (3)White检验

① 对Y和所有解释变量X进行OLS回归;

ˆi2作为被解释变量，对其他解释变量进行辅助回归; ② 将①得到的残差平方e③ 根据②得到的可决系数计算nR2值

④ 根据显著性水平，确定临界值，判断nR2是否大于临界值。如果nR2大于临界值，则存在异方差。 *

5、异方差的补救措施：

(1)对模型进行变换;(2)加权最小二乘(当存在异方差时，方差越小，其样本值偏离均值的程度越小，其观测值应受到重视。即方差越小，在确定回归线时的作用应越大，给予的权重越大);(3)模型的对数变换。

第六章 自相关

*

1、自相关：又称序列相关，是指总体回归模型的随机误差项ui之间存在相关关系

*

2、产生原因

(1)经济系统的惯性;(2)经济活动的滞后效应;(3)数据处理造成的相关;(4)蛛网现象;(5)模型设定偏误。

自相关主要存在于时间序列数据中，但横截面数据中也可能会出现，此时称为空间相关。 *

3、自相关后果： (1)一阶自相关形式时：在ui为一阶自回归形式的自相关时随机误差项ut依然满足零均值、同方(2)对参数估计的影响：①当随机误差项ut存在自相关时，2依然是无偏的，即E(2)2。因

Page 5 of 6

^^差假定。 为普通最小二乘无偏性的证明中并不要求ut满足无自相关的假定。

当存在自相关时，普通最小二乘估计量不再是最佳线性无偏估计量，即它在线性无偏估计量中不是方差最小的。(会导致低估真实的方差)。

(3)对模型检验的影响：当存在自相关时，会低估真实的方差，更会低估参数估计值的方差，从而过高估计t统计量的值，会夸大所估计参数的显著性，对原来本不重要的解释变量可能误认为重要而保留。类似的，使得F检验也是不可靠的。

(4)对模型预测的影响：在自相关情形下，j方差的最小二乘估计变得不可靠，因此必定加大抽样误差，预测精度降低。 *

4、自相关的检验

(1)图示法(绘制et1与et的散点图)

(2)杜宾-沃森检验(DW检验)

①条件： a.解释变量是非随机的;b.随机误差项是一阶自回归形式;c.截距项不为零;d.回归模型不包含滞后的被解释变量，即解释变量中不能出现Yt1;e.没有缺失数据。

② 原假设：t不存在一阶自相关③ 统计量④ 判断：

(3)BG检验(LM检验或拉格朗日乘子检验)

5、自相关的补救：

广义差分法

自相关系数的确定：①根据DW统计量;②科克伦-奥科特迭代法;③德宾两步法