计量经济学笔记1：简介

最新推荐文章于 2022-03-12 12:48:07 发布

孙珩

最新推荐文章于 2022-03-12 12:48:07 发布

阅读量4.2k

点赞数 3

分类专栏：计量经济学理论

本文链接：https://blog.csdn.net/weixin_41852444/article/details/114197137

版权

什么是计量经济学？

从字面上解释，计量经济学(econometrics) 意谓“经济测量”。计量经济学可定义为这样的社会科学：它把经济理论、数学和统计推断作为工具，应用于经济现象的分析。

经济理论所作的陈述或假说大多数是定性的。例如，微观经济理论声称，在其他条件不变的情况下，一种商品的价格下降可望增加对该商品的需求量，即经济理论设想商品价格与其需求量之间存在一负向或逆向关系。但此理论并没有对两者的关系提供任何数值度量，也就是说，它没有说出随着商品价格的某一变化，需求量将会增加或者减少多少。计量经济的工作就是要提供这一数值估计。数理经济学的主要问题，是要用数学形式（方程式）来表述经济理论，而不管该理论是否可以量化或是否能够得到实证支持；而计量经济学对大多数的经济理论赋予经验内容，计量经济学的主要兴趣在于经济理论的经验论证。我们将看到，计量经济学常常使用数理经济学家所提供的数学方程式，但要把这些方程式改造成适合于经验检验的形式。这种从数学方程到计量经济方程的转换需要有许多的创造性和实际技巧。

经济统计学的问题主要是收集、加工并通过图表的形式来展现经济数据。经济统计学收集国内生产总值(GDP)、国民生产总值(GNP)、就业、失业、价格等数据，这些数据从此构成了计量经济工作的原始资料。但是经济统计的工作到此为止，不进一步考虑怎样利用所收集的数据去检验经济理论。

在计量经济学中，建模者通常面对的是观测(observational)数据而非实验(experimental)数据，即数据并非受控的实验结果（大多数经济数据的独特性）。这对计量经济学中的经验建模有两方面重要含义：首先，要求建模者掌握与分析实验数据极为不同的技巧；其次，数据搜集者与分析者的分离要求建模者十分熟悉所用数据的性质和结构。

计量经济学方法论

对于一个经济问题，计量经济学家是怎样进行分析的呢？他们的方法论是什么？尽管关于计量经济学的思想方法有了若干学派，但我们这里讲述的主要是至今仍在经济学及其他社会和行为科学领域的经验研究中占统治地位的传统(traditional) 或经典(classical) 方法论。

大致说来，传统的计量经济学方法论按如下路线进行：

理论或假说的陈述；
理论的数学模型设定；
统计或计量经济模型设定；
获取数据；
计量经济模型的参数估计；
假设检验；
预报或预测；
利用模型进行控制或制定政策。

为了说明以上步骤，让我们考虑如下著名的凯恩斯消费理论。

1. 理论或假说的陈述

凯恩斯说：基本的心理定律……是，通常或平均而言，人们倾向于随着他们收入的增加而增加其消费，但不如收入增加的那么多。

简言之，凯恩斯设想，边际消费倾向(marginal propensity to consume, MPC)，即收入每变化一个单位的消费变化率，大于零而小于 $1$ .

关于收入和消费的关系，凯恩斯认为，存在一条基本心理规律：随着收入的增加，消费也会增加，但是消费的增加不及收入的增加多，消费和收入的这种关系被称作消费函数或消费倾向，用公式表示是： $c=c(y)$ . 假定消费和收入之间有下表所示的关系：

增加的消费与增加的收入之比率，也就是增加的一单位收入中用来消费的比率，被称为边际消费倾向(MPC). 边际消费倾向的公式为： $\text{MPC}=\frac{\Delta c}{\Delta y}$

> income<-c(9000,10000,11000,12000,13000,14000,15000)
> consumption<-c(9100,10000,10850,11600,12240,12830,13360)
> mpc<-numeric(length = length(consumption)-1)
> 
> for (i in seq_along(mpc)) #函数seq_along(arg)有一个输入参数
+                           #该函数根据参数变量的长度（length）创建相同长度的序列
+ {
+ mpc[i]<-(consumption[i+1]-consumption[i])/(income[i+1]-income[i])
+ }
> mpc
[1] 0.90 0.85 0.75 0.64 0.59 0.53
> install.packages("ggplot2")
> library(ggplot2)
> data=data.frame(income[-1],mpc)
> income=income[-1]
> consumption=consumption[-1]
> ggplot(data,aes(income,consumption))+geom_point()+geom_abline(intercept=0,slope=1)

注意<是 R 的提示符，不是输入的命令的一部分，行号是微博编辑器加上的。R 代码生成的图像：

图中直线的斜率为1. 注意横纵坐标并非从 0 开始。

2.消费的数学模型设定

虽然凯恩斯假设消费与收入之间存在正向关系，但他没有明确指出二者之间准确的函数关系。为简单起见，数理经济学家也许建议采用如下形式的凯恩斯消费函数：

$Y=\beta_1+\beta_2X, \quad 0<\beta_2<1 \hfill (1)$

其中 $Y=$ 消费支出， $X=$ 收入，而被称为模型参数(parameter) 的 $\beta_1$ 和 $\beta_2$ 分别代表截距(intercept) 和斜率(slope)系数。

斜率系数 $\beta_2$ 度量了边际消费倾向，为说明其几何意义，将(1)表示如图：

该方程表明消费与收入有线性关系。这种关系仅是消费与收入关系即经济学中所称的消费函数(consumption function)数学模型的一个例子。所谓数学模型就是一组数学方程，如果模型只有一个方程，像上例那样，就称之为单方程模型(single-equation model); 如果模型有不止一个方程，就称之为多方程模型(multiple-equation model)（后者将在以后讨论）。

出现在