數理經濟模型與計量經濟模型探索論文

導語：數理經濟模型與計量經濟模型探索論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要:一些研究人員在進行計量經濟分析的時候,直接把數理經濟學里面的數學模型當作計量經濟模型使用,并且把這類數學模型所設置的各種假定當作計量經濟分析理所當然的前提。本文指出,數理經濟模型和計量經濟模型分別屬于兩門不同的學科,擔負著不同的任務,不能把二者混為一談。計量經濟分析擔負測算因果效應和預測兩種不同的任務,在兩種不同的任務下對計量經濟模型的要求不同。因此強調指出,不論是測算因果效應還是預測,直接簡單地把數理經濟模型當作計量經濟模型使用都是不妥當的。

關鍵詞:數理經濟模型;計量經濟模型;經濟增長模型;生產函數

一、引言

作為索洛-斯旺經濟增長模型的一個具體形式,20世紀30年代初,美國經濟學家柯布和道格拉斯提出下列生產函數:

Y=Kα(AL)1-α,(0<α<1)

式中,K表示資本,L表示勞動,A表示“知識”或“勞動的有效性”,AL表示有效勞動,α是參數,Y表示產量。這就是著名的柯布-道格拉斯生產函數?？虏己偷栏窭褂妹绹?899-1922年制造業的生產統計資料來估計模型的參數,得出:

Y=1.01L0.75K0.25

對這個生產函數以及柯布、道格拉斯所做的工作,余斌,程立如提出了下列批評[1]:

第一,柯布-道格拉斯生產函數“論證”了資本家的所得不是來自勞動所創造的剩余價值,而是來自資本的邊際產出。從而成為為資本主義制度進行辯護的工具。第二,柯布-道格拉斯生產函數中遺漏了許多可能會影響產出的其他的重要因素。如:機器性能的提高、由于經濟的短期波動而導致的資本閑置或過度使用的情況、工人每天(或每周或每年)工作小時數的變化、勞動者素質的變化、勞動強度的變化等。因而柯布和道格拉斯對模型所做的估計并無實際價值。本論文由整理提供第三,本來,生產函數須在一定技術條件以及一定的資本有機構成下(這兩個條件在不同的生產部門有很大的差別)來討論投入對產出的影響?？墒?在柯布-道格拉斯生產函數中,這些條件是隨意可變的。文獻[1]舉例說,由于這一疏忽,可能會引出“用1個輪胎配16個汽缸可以組成一輛汽車”這樣的荒謬結論。

作為與余斌,程立如觀點的商榷,程細玉、陳進坤闡述了下列幾個基本觀點[2]:第一,一個經濟模型是這樣建立起來的:在一定經濟理論的背景下,根據樣本數據,對經濟現象眾多的影響因素進行檢驗、比較、篩選,找出其中一種或若干種最重要的因素,用他們來構建模型(而把其他次要因素的作用效果納入模型的誤差項),然后用樣本數據來估計模型的參數,最后再對估計結果進行經濟意義檢驗和一系列統計檢驗?？虏?道格拉斯生產函數是通過以上程序建立的,因而是科學的。第二,影響產出量的要素有哪些?在供給不足的經濟環境中,影響產出量的要素是:勞動、資本、技術等等;在需求不足的經濟環境中,影響產出量的要素是:居民收入、人口、消費習慣等。第三,柯布-道格拉斯生產函數把技術條件假定為不變,這的確造成了模型與現實之間的距離。針對這一缺點,后來的學者對柯布-道格拉斯生產函數進行改進,把技術進步速度納入了模型。第四,用樣本數據估計了模型的參數之后,要檢查所得的結果是否符合經濟實際,接著還要進行一系列統計檢驗。第五,建立經濟模型時要考慮所選變量數據的可得性。能夠獲得數據的變量才具有實際意義,才能成為模型中的變量。

這兩篇文章所提出的問題以及二者之間的爭論,引起了筆者的若干思考。

二、數理經濟模型

人們在進行經濟學研究和進行計量經濟學研究時,必須要把數理經濟模型和計量經濟模型清楚地區分開。事實上,柯布-道格拉斯生產函數(以及作為該模型一般形式的索洛-斯旺經濟增長模型)屬于數理經濟模型范疇。后來,柯布和道格拉斯用美國1899-1922年制造業的生產統計資料來估計模型的參數,這是把數理經濟模型直接移作計量經濟模型來使用(我們將要在后面談到,這種做法存在著很大的風險),此時,柯布和道格拉斯所作的事情已不再是研究一個數理經濟模型,而是在估計一個計量經濟模型(此時,模型中加上了隨機項,而數理經濟模型是無所謂隨機項的)。

數理經濟學是運用數學方法對經濟學理論進行陳述和研究的一個分支學科。數理經濟學中的數學模型,是為了探索不能用數字表現的數量之間的關系和不能用代數表現的函數之間的關系,這種模型旨在通過數學邏輯推理來闡釋經濟現象之間的關系和演變趨勢。這就是說,數理經濟學是在理論的層面上運用數學語言來研究和表述經濟理論,而不是在經驗的層面上對經濟現象在具體時間、地點、條件下的結局進行描述、估計或預測。

余、程的文章和程、陳的文章同樣都把數理經濟模型與計量經濟模型混為一談了。余、程文章的主旨是要批評一個數理經濟模型(柯布-道格拉斯生產函數),程、陳文章的主旨則是要為這個數理經濟模型辯護。但是,兩篇論文的內容,其實卻撇開了數理經濟模型,說的都是計量經濟模型的事情。例如,余、程的文章批評說,模型中遺漏了若干變量、沒有把技術條件固定住。對于計量經濟模型,這些批評是對的;對于數理經濟模型,這些批評則是不對的。再如,程、陳的文章一開篇,便開宗明義地說,經濟模型中會含有一個誤差項(隨機項),顯然,作者這里所說的“經濟模型”指的是計量經濟模型而不是數理經濟模型,因為,數理經濟模型無所謂隨機項,計量經濟模型才考慮這個項。該論文接下來所說的收集樣本數據、對模型進行估計和檢驗等等,也全都是建立計量經濟模型時候的事情。

把數理經濟模型與計量經濟模型混為一談的現象,在一些研究人員的成果中也?？梢姷健Ｓ械淖髡哂盟髀?斯旺經濟增長模型的柯布-道格拉斯生產函數做計量經濟分析時,把索洛-斯旺經濟增長模型里假定為外生的那些變量作為計量經濟分析中理所當然的假定前提,并相應地假定隨機項的期望值為0。這些研究人員認為,由于現在使用的是索洛-斯旺模型而不是別的其它模型,就應該把索洛-斯旺模型的假定作為對現實生活的假定,認為這就是以經濟學理論為根據。這些作者犯了用模型定義現實世界的錯誤。計量經濟分析的目標是盡可能準確地描述現實世界?，F實世界只有一個?，F實世界是檢驗計量經濟分析正確性的唯一標準。

現在我們來考察數理經濟模型。

一個經濟學原理,可以用文字闡述,可以用圖形來直觀地描述,也可以用數學語言(數學模型———數理經濟模型)來表述。三者目標相同,都是為了闡釋經濟學原理(而不是模擬現實世界)。

為了使經濟原理的闡釋更易于理解,常常需要把現實世界加以簡化(簡化的世界當然已經不是真實的現實世界)。這是允許的。因為數理經濟模型的目的并不是模擬真實的現實世界,而僅僅是為理解這個世界的特定特征提供見解。這種簡化現實世界的方法叫做抽象法。抽象法是科學研究中一種常用的方法。馬克思在《資本論》中,為了闡述勞動創造價值的理論和剩余價值理論,舍象掉了生產商品的勞動的具體形態

而僅僅從量上考察抽象的人類勞動;舍象掉了商品的使用價值而僅僅考察商品的價值———生產商品的社會必要勞動時間。在自然科學里,抽象法的使用也比比皆是。例如,物理學在闡釋一個力學原理時,常常會把摩擦力忽略不計。索洛-斯旺經濟增長模型(以及作為它的具體形式的柯布-道格拉斯生產函數)同樣使用了抽象法,把現實世界中一些本來對經濟增長有影響的因素假定為不變。該模型假定,產出量Y對于資本K和有效勞動AL是規模報酬不變的,即:如果資本和有效勞動加倍,則產量加倍———這意味著,對新投入品的使用方式與對已有投入品的使用方式一樣———這也就是假定,資本有機構成不變。

美國經濟學家戴維·羅默更具體地指出了這個模型所應用的假定:只有一種產品;沒有政府;就業的波動被忽略;儲蓄率、折舊率、人口增長率和技術進步率均不變[3]。對現實世界所作的舍象越多,模型越容易理解,但是,模擬現實世界的能力越差。為了縮小數理經濟模型與現實世界的距離,經濟學家會把被舍象掉的東西逐步納入模型,從而使得數理經濟模型越來越深刻。索洛-斯旺經濟增長模型假定儲蓄率s不變,在這一假定下,t時刻的投資sY(t)是t時刻產出量的一個固定的比例,可是,在實際上,s是在家庭和廠商各自追求效用最大化的相互作用下對家庭的收入進行“消費”和“儲蓄(即廠商的投資)”分配的權衡之后形成的,它不是固定的;索洛-斯旺經濟增長模型假定人口增長率不變,可是,在實際上,人口增長率也不會固定不變。這種過度的舍象使得索洛-斯旺經濟增長模型不能很好地解釋經濟增長。本論文由整理提供后來提出的拉姆齊-卡斯-庫普曼斯模型,通過“產量減消費”來計算投資,其中的消費通過對家庭的效用函數在效用最大化的目標下求解得到,這樣,就把儲蓄率從外生不變轉變成為內生變化;再后來,進一步把人口變動從外生轉變成為內生,提出了有移民的經濟增長模型(包括有移民的索洛-斯旺經濟增長模型和有移民的拉姆齊-卡斯-庫普曼斯模型)。在這里我們看到了數理經濟模型從簡單到復雜,對現實世界的解釋能力從低到高的發展過程。順便說一句:程、陳文章所謂在供給不足的經濟環境中影響產出量的要素是勞動、資本和技術,在需求不足的經濟環境中影響產出量的要素是居民收入、人口和消費習慣的說法顯然是錯誤的———事實是,索洛-斯旺經濟增長模型舍象掉了居民收入、人口和消費習慣等變量,后來一些進一步的模型把這些變量加了進來。

歸根到底,數理經濟模型的目的不是模擬現實世界,而只不過是解釋現實世界的某種特征。事實上,我們已經擁有了一個完全現實的模型———這個世界本身。不幸的是,這個“模型”太復雜了,復雜得難以理解。從解釋現實世界的某種特征這一目的出發,我們必須要對現實世界加以簡化。上面所敘述的經濟增長模型的簡要發展過程告訴我們,在闡述科學理論的時候,對現實世界所作簡化的合理性會有程度之分。在這里,“所探討的問題”是判斷合理性的根據。如果一個簡化性的假定使得模型對所探討的問題給出了不正確的答案,那么,這樣的簡化是不合理的;如果相反,所作的簡化是合理的。盡管這時的模型仍然是“缺乏現實性”的,但是,此時的缺乏現實性應當被認為是模型的優點,因為,此時的模型十分清楚地把我們所關注的效應凸現出來(把這些效應與紛繁的現實世界隔離開來),使得問題更易于理解。所以無論如何,任何一個數理經濟模型,都逃避不了要對現實世界做出若干簡化性的假定。順便提一下,在應用數學領域,人們有時會考慮經濟問題的數學建模課題。此時,研究目標是,依據所構建的數學模型來求得我們所關心的數學解。例如,譚永基把索洛-斯旺模型的柯布-道格拉斯生產函數作為經濟增長的數學模型,要求導出下面的解:在一定的總成本下,怎樣分配投資和勞動可以使產量最大;或是,在一定的產量下,怎樣分配投資和勞動可以使成本最省[4]。在這里,對于所推出的結果,研究人員應當負責任地說明,這些結果是在何種假定下推出來的;另外,這里所推導的結果究竟有多大的參考價值似乎值得懷疑,因為,柯布-道格拉斯生產函數所設定的“簡化世界”距離現實太遠了。

三、基于估計因果效應研究目標的

計量經濟模型計量經濟模型(本文只考慮回歸模型形式的計量經濟模型)的功用是:預測、控制、進行因果效應估計①(測算某一個自變量對因變量的影響效應)。在不同的功能要求下,對于模型的構造有不同的標準。本文要討論的是基于估計因果效應這一目標,對計量經濟模型所提出的要求。從原則上說,為了在變量的因果關系中確定各個變量的影響效應,所用的模型應當是現實世界本身。拿經濟增長模型來說,假若我們有一個描述經濟增長的現實世界的模型,那么,對于一個特定的時空,它就會確定地反映出該時空下每個原因變量對經濟增長的影響效應。然而,這是不可能做到的。事實上,我們不可能把影響(決定)經濟增長的全部因素無遺漏地列舉出來,我們所建立的計量經濟模型無法避免地要漏掉一些變量。由于無法控制被漏掉的變量的值,因而把某一時空下模型中各個變量的值輸入以后所算出的該時空的經濟增長數值與實際數字之間會有一個誤差(它的大小事先不能確定,是一個隨機項)。所以,計量經濟模型一定會有一個隨機項,它是計量經濟模型對現實世界所作的模擬與真實的現實世界之間的差距。數理經濟模型沒有這樣的項,因為,數理經濟模型旨在設計一個簡化的世界來解釋某一個問題,而不是用來測算現實世界。那么,用于估計因果效應的計量經濟模型應當滿足何種要求呢?仍然拿經濟增長模型來說。我們所建立的一個關于經濟增長的計量經濟模型,它的隨機項里會包括被遺漏的影響經濟增長的兩種類型的因素:一類是對經濟增長有舉足輕重影響的因素,另一類是大量均勻小的偶然性的影響因素。假若把索洛-斯旺模型的柯布-道格拉斯生產函數當作計量經濟模型使用,那么,被該函數假定為外生的儲蓄率、折舊率、人口增長率、技術進步率等變量便屬于隨機項里面的第一類影響因素。除此以外,在這個模型的隨機項里邊,還包含有許多其它的對經濟增長有舉足輕重影響的因素。例如,美國經濟學家斯蒂格利茨講過,經濟增長有四個重要的源泉:資本品積累(投資)的增加;勞動力質量提高;資源配置效率的改善;技術變革[5]。這里,所謂資源配置效率的改善,指的是把資源(例如勞動)從生產率低的部門(如傳統農業)轉移到高生產率的現代制造業。索洛-斯旺模型的柯布-道格拉斯生產函數假定只有一種產品,當然不會考慮資源在部門間轉移的情況,換句話說,這個變量被放在了隨機項之中。再如,索洛-斯旺模型的柯布-道格拉斯生產函數假定了一個封閉的經濟,可是,現代經濟都是開放經濟。在一個封閉經濟中,投資水平由國內儲蓄水平決定,投資等于儲蓄,沒有更多的儲蓄,投資便不能增加;相反,在一個開放經濟中,這兩者之間的關系是松散的,因為一個國家可以從國外借款來為其投資提供資金。于是,儲蓄和投資之間的聯系這個變量被放在了隨機項之中。又如,政府的宏觀經濟政策、政府的公共支出無疑是經濟增長的重要影響因素?？墒?索洛-斯旺模型的柯布-道格拉斯生產函數假定沒有政府。于是,這些變量也被放在了隨機項之中。除了這三個變量之外,還可以舉出更多。這就是說,當我們把索洛-斯旺模型的柯布-道格拉斯生產函數當作計量經濟模型使用的時候,在模型的隨機項里面,一方面包含有大量均勻小的偶然性影響因素,另一方面還包含有許多對經濟增長有舉足輕重影響的因素。其中的均勻小的偶然性影響因素,各自一方面與模型的結果變量(因變量)Y相關,另一方面與模型的解釋變量(自變量)K以及AL獨立;而其中的對經濟增長有舉足輕重影響的因素中,會有一些既與Y相關,又與K、AL或其中的某一個相關。對上述后一類變量,即遺漏在模型外邊的(因而包含在隨機項中的)既與因變量相關又與自變量相關的變量,計量經濟學給予特別的關注,專門把它們叫做遺漏變量。當使用計量經濟模型測算因果效應的時候,如果存在遺漏變量,會得出錯誤的因果效應結論。人們熟知,做線性回歸分析時,對模型的隨機項有若干條假定,其中的一條是:隨機項的期望值為0。當隨機項期望值為0時,我們所得到的模型回歸系數的最小平方估計量是無偏的,反之,估計量有偏。什么時候會發生隨機項期望值不為0的情況呢?美國經濟學家詹姆斯·H.斯托克和馬克·W.沃特森[6]97-97,122-123指出,當模型外存在遺漏變量的時候會出現這種情況。所以,當模型外存在遺漏變量的時候,回歸系數的最小平方估計量有偏,也就是說,在這種情形下我們所得到的計算結果并不是對總體的正確的估計。這就是計量經濟分析中的遺漏變量效應。可見,用于估計因果效應的計量經濟模型應當滿足的要求是:模型外不存在遺漏變量,或者說,應當仔細地找出遺漏變量,盡可能把它們都納入模型。對于一些無法觀測的遺漏變量,計量經濟學開發了處理它們的若干種辦法,例如,面板數據回歸,工具變量回歸,設計準實驗等[6]160-161,177-192,216-276。有的研究人員在建立了他所需要的模型以后,不考慮模型中隨機項的期望值是否真的是0,而武斷地聲明,假定自己模型隨機項的期望值為0。其實,在回歸分析的教科書中闡述關于模型隨機項的假定的時候,所用的“假定”一詞的含義,并不是這個詞通常的詞義?！凹俣ā币辉~通常的詞義是指:我們對事物的狀態所做的某種與真實狀態相悖的設定,或者是當我們并不了解真實狀態時所做的某種猜想性的設定。然而,回歸分析中的“假定”一詞卻不是這個意思?；貧w分析教科書中所提出的模型隨機項的假定,指的是正確地運行回歸分析必須要滿足的前提條件。公務員之家

直接用數理經濟模型來充當計量經濟模型的風險在于:數理經濟模型要對現實世界加以簡化,也就是,要把因變量的某些重要的影響因素假定為不變,當我們把該模型充作計量經濟模型使用時,只要這些被假定為不變的因素與模型內的自變量相關,它們就成為計量經濟模型的遺漏變量,從而導致遺漏變量效應。

由遺漏變量效應所導致的回歸系數最小平方估計量的偏差大小由隨機項與模型中自變量之間相關程度的大小決定,相關程度越大,偏差就越大。因此,測算因果效應時,至少應當把與模型中自變量相關程度大的遺漏變量仔細地找出來,將其納入模型。本論文由整理提供回到索洛-斯旺模型的柯布-道格拉斯生產函數上來:其實,它只不過是一個初級的生產函數模型,在經濟學中十分明確地指出了這個模型對于解釋經濟增長的缺陷,因此在其后才陸續提出了若干進一步的模型。后來提出的模型與現實世界的距離較之索洛-斯旺模型要小。我們為什么不使用與現實世界距離小些的較為復雜的模型而偏要用假定性明顯過大的索洛-斯旺模型呢?

有的研究人員用計量經濟分析手段對數理經濟模型進行“實證”。他們用樣本數據估計了模型的回歸系數,然后進行一系列的統計檢驗,如果統計檢驗被通過了,就認為數理經濟模型獲得了證實。事實上,當我們用計量經濟分析方法去“實證”一個數理經濟模型時,只能證偽,不能證實。為什么呢?無疑,所有的數理經濟模型都是因果關系模型,那末,所謂實證,首先就是要證明因果關系成立。計量經濟分析有能力完成“X與Y統計獨立還是統計相依”的檢驗,然而,如黃芳銘指出的,要想把“X與Y統計相依”的論斷引申為“X與Y具有因果關系”,必須要具備的前提條件是:“無關的影響變量必須被排除”[7]。

對于計量經濟模型來說,這個要求意味著模型外沒有遺漏變量(或模型隨機項的期望值為0)。但是,計量經濟研究中所使用的樣本數據都是調查數據,在這種情況下,一個計量經濟模型是否滿足“模型外沒有遺漏變量(或模型隨機項的期望值為0)”的要求,在統計上是無法獲得證明的。因此,當一個統計檢驗拒絕了“總體回歸系數等于0”的零假設的時候,充其量只能說明該自變量與因變量統計相依,而始終無法說明二者之間具有因果關系。假若得到相反的檢驗結論———“總體回歸系數等于0”的零假設無法被拒絕,那倒是可以說明把該自變量做為因變量的一個原因放入數量經濟模型是錯誤的。

四、基于預測任務的計量經濟模型

當計量經濟模型的任務是用于預測的時候,我們所關心的不是估計的回歸系數有沒有因果解釋能力,是不是無偏;此時我們所關心的是模型的預測能力,即:模型是不是能夠生成可靠的預測值。有的時候,遺漏變量效應使得一個模型對于測算因果效應是無用的,但是它仍然可以用于預測[6]。怎樣從統計上來評價一個模型的預測能力呢?直觀地說,這可以用“預測誤差”的大小來衡量。預測誤差的大小可以用均方預測誤差來描述,它是若干期的預測值與相應實際值的離差平方的平均值。將它與回歸分析中熟知的均方殘差對照,可以看出,后者也大致地提供了模型的預測誤差的信息。另一方面,還可以考察在因變量樣本數據的總變差平方和中,有多大的比例可以由回歸來解釋,這個比例越大,模型的預測能力便越強。顯然,它就是判定系數R2。由于R2可以換算成F統計量,所以,也可以用F統計量來評價模型的預測能力(F統計量的值越大,模型的預測能力越強)。

柯布-道格拉斯生產函數是不是一個好的預測模型呢?這需要經過自變量選擇的操作才能最后作結論。我們來考察一下兩種常用的選擇回歸自變量的方法[8]:回歸選元法和逐步回歸法。回歸選元的做法是:列出所有可能的自變量,再列出由它們所組成的所有的一元回歸模型,所有的二元回歸模型,等等,然后構造適當的統計量來設法找出其中使預測誤差“接近最小”的模型(進一步縮小預測誤差能夠縮小的量與相應地需要增加模型的自變量所帶來的難度相權衡,不值得再增加更多的自變量)。逐步回歸的做法是:列出所有可能的自變量,再列出由它們所組成的所有的一元回歸模型(每一個模型中的自變量稱作該模型的初始自變量);計算每一個一元回歸模型的F統計量,把其中F值最大的那個模型的初始自變量分別加到其他的一元模型中去,形成一個個二元模型;對每一個二元模型計算針對該模型初始自變量的偏F統計量,把其中偏F值最大的那個模型的初始自變量分別加到其他的二元模型中去,形成一個個三元模型;如此逐步進行下去。在這里,針對某一個自變量的偏F統計量的分子度量了把這個自變量加入模型后對于解釋總變差平方和做出的貢獻。

在逐步回歸的操作中,事先規定偏F統計量的一個水平,當逐步回歸進行到這樣一個階段時程序終止:在該階段所算出的各個回歸模型針對其初始自變量的各個偏F統計量中最大的那個值低于事先規定的偏F統計量水平,這表明,相應的那個自變量進入模型被認為對于提高預測能力是沒有充分幫助的,所以逐步回歸所選擇的模型到上一個階段為止,無必要繼續為模型增加自變量了。通過考察回歸選元法和逐步回歸法我們看到,選擇回歸自變量時,不管用哪一種方法,都必須首先要把所有可能的自變量全部列出來,然后才談得到設法選擇預測能力優良而自變量又盡可能少的模型?？梢?那種直接搬用數理經濟學里面的某一個經濟增長函數用來充當預測經濟增長的回歸模型的做法是不妥當的。在估計因果效應和預測這兩種不同的任務下,對計量經濟模型有不同的要求。上文指出了二者的一個重要差別:在估計因果效應時要強調回歸系數的因果解釋能力,所以特別關注并且要設法解決遺漏變量所導致的回歸系數估計量的偏差;在預測時所關心的是模型的預測能力,在不影響模型預測能力的前提下,遺漏變量、回歸系數估計量有偏,都是允許的。下面補充指出二者的另一個重要差別:在估計因果效應時強調,模型中的自變量必須真正是引起因變量變化的原因,也就是說,模型必須真正是因果關系模型;在預測時則允許模型中的自變量并不一定是因變量的原因,它只要是和因變量具有間接的因果關系因而表現為統計相依就可以了(于是,在進行自變量篩選起步時所列出的自變量,除了直接因果關系變量以外,還會有間接因果關系變量)。

五、簡短的結論

數理經濟模型為計量經濟分析提供了理論框架,但是,不能直接簡單地把數理經濟模型當作計量經濟模型使用;由于計量經濟分析所使用的樣本數據都是調查數據,在這種條件下,計量經濟分析無法論證變量之間的因果關系,它所能夠做的事情只能是,針對經濟學中所論證的經濟現象之間的因果關系來測算具體時間、地點、條件下具體的因果關系效應;本論文由整理提供當構造一個旨在測算因果關系效應的計量經濟模型時,應當力求做到模型外沒有遺漏變量,因為,遺漏變量的存在會導致因果關系效應的測算發生錯誤;計量經濟分析還具有預測的功能,當構造一個旨在完成預測任務的計量經濟模型時,所關注的是模型的預測功能,此時,允許模型外存在遺漏變量,也允許模型中的自變量只是和因變量具有間接的因果關系而不具有直接的因果關系;構建預測模型時應首先把所有可能充當預測變量的自變量全部列出來,然后設法篩選出具有優良預測功能而所使用的預測變量又盡可能簡約的模型。

參考文獻:

[1]余斌,程立如.生產函數的統計學問題———與西方生產函數論商榷[C]//程恩富,顧海良.海派經濟學(第三輯)[M].上海:上海財經大學出版社,2003:176-180.

[2]程細玉,陳進坤.再論生產函數的統計學問題———與余斌、程立如先生商榷[J].數理統計與管理,2006(4):407-413.[3]戴維·羅默.高級宏觀經濟學[M].蘇劍,羅濤,譯.北京:商務印書館,1999:17-18.

[4]譚永基.經濟管理數學模型案例選講[M].北京:高等教育出版社,2006:20-25.

[5]斯蒂格利茨.經濟學(下冊)[M].姚開建,劉鳳良,吳漢洪,等,譯.北京:中國人民大學出版社,1997:293-315.

[6]斯托克H,沃特森·馬克·W.經濟計量學[M].王慶石,譯.大連:東北財經大學出版社,2005:96-97,122-123.

[7]黃芳銘.結構方程模式理論與應用[M].北京:中國稅務出版社,2005:35.

[8]約翰·內特,威廉·沃塞曼,邁克爾·H.庫特納.應用線性回歸模型[M].張勇,等,譯.北京:中國統計出版社,1990:457-479.