结构参数计量经济学模型的识别及其应用
结构方程模型原理及其应用
一、结构方程模型简介
结构方程模型由一种因素模型和一种结构方程式模型组 成，将心理测量学和经济计量学有效的结合起来。
一个包括一组自变量和一组或更多因变量的计量模型。
模型由两部分组成：测量模型（即验证性因素分析模型， Confirmatory Factor Analysis ， CFA）和结构模型 （又称潜变量的因果关系模型，Causal Model ）。测量 模型主要是用于表示观测变量和潜变量之间的关系；而 结构方程模型主要是用于来表示潜变量之间的关系。 其相应的统计分析软件：SPSS/AMOS与LISREL的应用，特 别是AMOS的操作与应用。
?1 ?2 ?3
情商
ξ1
? 21
? 21 外部潜在变量
? 11
智商
ξ2
?4 ?5 ?6
?12
η ? Βη ? Γξ ? ζ
?10 ?11 ?12
η2 ζ2 人际
关系
? 21 内部潜在变量
η1
ζ1 学业
成绩
?7 ?8 ?9
x4
x5
x6
y1
y2
y3
δ4 δ5 δ6
ε1 ε2 ε3
测量模型（验证性因素分析模型，如社会经济指
一、结构方程模型简介
结构方程模型是基于变量的协方差矩阵来分析变量之间关系的 一种统计方法，是路径分析和因素分析的有机结合。
对于那些不能准确、直接测量的潜变量（ latent variable ， 如家庭的社会经济地位、学业成就等），可以用一些外显指标 （ observed variable ，如学生父母的教育程度和父母职业及 收入作为家庭社会经济地位的指标，以学生的语文、数学英语 三科成绩作为学业成就的指标 ）去间接测量。结构方程模型 可以同时处理潜变量及指标。
如何正确运用计量经济模型进行实证_省略_析_实证分析中的数据_模型与参数_于晓华
如何正确运用计量经济模型进行实证分析*———实证分析中的数据、模型与参数于晓华（德国哥廷根大学哥廷根37073）内容提要本文从计量经济学的数据种类、模型结构以及参数估计的稳健性3个角度出发，具体指出如何正确使用计量经济模型来分析实际经济问题，从而得出稳定、合理、可靠的参数估计值，进而为政策分析提供重要的参考。
关键词计量经济模型模型结构数据种类参数估计外生性政策分析一、导言随着中国经济市场化改革的深化，经济学教育也发生了翻天覆地的变化。
在不到20年的时间内，伴随着一大批从西方留学归来经济学者的努力推广，西方经济学已经被完整地介绍到了中国，现代西方经济学的理论框架和分析工具，也已经成为了政府经济政策的主要参考依据。
中国学者对经济学的研究，也逐步与世界接轨（于晓华，2008；Yu 等，2010）。
跟随世界主流经济学的研究范式，数量化研究已经成为了中国经济研究的主流。
经济学，作为社会科学中数量化程度非常高的一门学科，其本身还是脱离不了社会科学本身的限制。
经济本身是一个复杂系统，各种变量———可观察的以及不可观察的变量，错综复杂，这限制了经济学科学化，使经济学对社会经济发展的预测几乎不可能。
经济学的主要使命是帮助人们认识复杂的经济世界，更多时候是对经济现象提出合理解释。
一篇严谨的经济学论文，一般需要3个基本的要素：视点（Perspective ）、参照系（Benchmark ）以及分析方法（Analytical Tool ）（钱颖一，2002）。
视点为论文所要论证的观点；参照系为大家理解经济现实提供了一些基本的比较标尺；而只有分析工具才能够真正帮助人们深入分析纷繁复杂的经济世界，分析工具也通常被称之为“经济学模型”。
模型是对现实世界的一种抽象。
由于经济现象本身的复杂性，在实际分析中，需要剥离一些对关注的现象无足轻重的变量，抽象出关键变量，根据一些基本或者显而易见的假设，分析这些变量之间的关系，得出一些通常出人意料，但又合理，并且对人们了解现实具有帮助的结论。
结构方程模型在经济统计学中的应用
结构方程模型在经济统计学中的应用在经济学领域，统计分析是不可或缺的工具，它可以帮助研究人员理解经济现象背后的规律和关系。
结构方程模型（Structural Equation Modeling，简称SEM）作为一种多变量分析方法，被广泛应用于经济统计学研究中。
一、SEM的基本概念和原理SEM是一种基于统计学和数学原理的分析方法，它通过建立一个结构模型来描述和解释变量之间的关系。
在SEM中，变量可以分为观测变量和潜在变量两类。
观测变量是直接可测量的变量，例如收入、消费等；而潜在变量则是无法直接观测到的变量，例如经济增长、通货膨胀等。
通过观测变量的测量结果，可以间接估计潜在变量的取值。
SEM的基本原理是通过建立一组结构方程来描述变量之间的关系。
结构方程由测量模型和结构模型组成。
测量模型用于描述观测变量与潜在变量之间的关系，结构模型则描述潜在变量之间的关系。
通过对测量模型和结构模型进行参数估计，可以得到变量之间的关系强度和方向。
二、SEM在经济统计学中的应用1. 资源配置效率分析SEM可以用于评估资源配置的效率和效益。
通过建立一个包含多个观测变量和潜在变量的结构模型，可以分析各个变量之间的关系，并评估资源配置对经济增长的影响。
例如，可以通过SEM来研究教育资源的配置对人力资本的积累和经济增长的影响。
2. 经济发展模型构建SEM可以用于构建经济发展模型，帮助研究人员理解经济发展的驱动因素。
通过建立一个包含多个潜在变量的结构模型，可以分析各个潜在变量之间的关系，并评估它们对经济发展的贡献。
例如，可以通过SEM来研究科技创新、人力资本和制度环境对经济发展的影响。
3. 金融风险评估SEM可以用于评估金融市场的风险和稳定性。
通过建立一个包含多个观测变量和潜在变量的结构模型，可以分析金融市场中各个变量之间的关系，并评估它们对金融风险的影响。
例如，可以通过SEM来研究利率、股票市场和汇率之间的相互关系，评估它们对金融风险的传导效应。
数量经济学模型的参数与计量分析研究
数量经济学模型的参数与计量分析研究在经济学领域中，数量经济学模型的参数与计量分析研究是一项重要的研究领域。
通过对经济模型的参数进行计量分析，我们可以对经济现象进行解释和预测，从而为经济政策制定和决策提供有力的支持。
本文将探讨数量经济学模型的参数与计量分析研究的方法和应用。
首先，让我们了解一下数量经济学模型的基本概念。
数量经济学模型是描述经济现象的数学框架，它通常包括一个经济关系方程或一组方程，以及一组参数。
这些参数代表着经济模型中的各种经济变量之间的关系。
例如，经济模型中可能包括产出、就业、通胀和利率等变量，而参数则代表着这些变量之间的关系强度。
在数量经济学的研究中，参数估计是一项重要任务。
参数估计可以通过许多方法进行，其中最常见的是最小二乘法。
最小二乘法通过将模型的预测值与实际观测值之间的差异最小化来估计参数。
这种方法的优点在于可以得到解析解，计算相对较为简单。
然而，在某些情况下，最小二乘法可能存在一些问题，例如当观测数据存在误差或模型存在非线性关系时。
因此，研究人员还开发了其他估计方法，如广义矩估计和极大似然估计等。
除了参数估计，计量分析也是数量经济学模型研究的重要组成部分。
计量分析是通过对经济模型进行数量化处理，来研究经济模型的性质和影响因素。
计量分析可以通过建立经济模型的数值解，或者通过进行数值模拟来实现。
通过计量分析，研究人员可以更好地理解经济现象的动态特征，例如变量之间的相互关系、经济政策的效应等。
在数量经济学模型的参数与计量分析研究中，研究人员还需要解决一些统计问题，例如检验模型的拟合度、评估模型的预测性能等。
为了解决这些问题，研究人员通常使用统计检验方法，例如t检验、F检验等。
这些方法可以帮助研究人员判断模型的适用性以及模型的参数估计的显著性。
数量经济学模型的参数与计量分析研究在实际经济问题中具有广泛的应用。
例如，在宏观经济领域，研究人员可以利用数量经济学模型来研究经济增长、通货膨胀、国际贸易等问题。
第十六章计量模型构造理论与应用
模型说明：
①通过对实际样本的观测得到本模型；
②模型有合理的经济解释；
③模型的零阶齐次条件：
④参数有实际意义。
以上三种均为单方程模型，可用OLS法估计。若不满足经典假定，可用WLS法或GLS法估计。
⑷耐用品存量调整模型
这是描述耐用品需求的模型。对耐用商品而言，其第t期的需求量 ，不仅受其价格和消费者收入等因素的影响，还要受该耐用品第t期存量 的调整，故称为耐用品存量调整模型。这是一种特殊的需求模型，不是通常所说的需求函数模型，因为需求函数专门研究需求量与收入、价格之间的关系。但不管怎么说，耐用品存量调整模型的实用价值很大。
对线性需求函数模型的说明：
①通过对实际样本的观测得到本模型；
②模型无合理的经济解释（理论依据不充分）；
③模型无零阶齐次性；
④参数无明确的实际意义。
尽管如此，线性需求函数模型在实际中确实存在。
⑵半对数需求函数模型
或
模型说明：
①通过对实际样本的观测得到本模型；
②模型的零阶齐次条件：
⑶对数线性需求函数模型
， 为预算支出。
零阶齐次性（无货币幻觉）
，
二. 需求价格弹性与供给价格弹性：
弹性 ：
⑴需求收入弹性： ，
表示假定商品价格不变，收入变化1%，第i种商品需求量变化百分之几。反映特定条件下，消费者行为。一般情况下，
当 时，即收入增加1%，需求量增加不超过1%，如：生活必需品。
当 时，需求的增幅超过收入的增幅，如：部分高档商品。
这就是所谓状态调整模型。值得注意的是，在此类模型中自相关是普遍存在的，估计时须采用广义差分法或广义最小二乘法。
§16.2线性支出系统
一. 线性支出系统（LES）：
结构方程模型及stata 应用
结构方程模型及stata 应用结构方程模型及Stata应用概述结构方程模型（Structural Equation Modeling，简称SEM）是一种多变量统计分析方法，能够同时考虑观测变量和潜在变量之间的关系。
它可以用于探究变量之间的因果关系、评估模型拟合度以及预测潜在变量的数值。
而Stata是一种常用的统计软件，提供了强大的SEM分析功能。
本文将介绍SEM的基本原理以及在Stata中的应用。
SEM基本原理SEM是基于潜在变量模型的一种统计方法，它将观测变量和潜在变量之间的关系表示为结构方程。
结构方程由测量模型和结构模型组成。
测量模型描述了潜在变量和观测变量之间的关系，而结构模型描述了潜在变量之间的关系。
通过结合测量模型和结构模型，可以同时估计潜在变量和观测变量之间的关系。
SEM在Stata中的应用Stata是一种功能强大的统计软件，提供了丰富的SEM分析功能。
它可以通过内置的命令或者第三方拓展包进行SEM分析。
以下是在Stata中进行SEM分析的一般步骤：1. 数据准备：首先需要准备好用于SEM分析的数据集。
数据集应包含观测变量和潜在变量的测量数据。
2. 模型规范：根据研究目的和理论基础，规范出要估计的SEM模型。
这包括定义潜在变量和观测变量的关系，以及潜在变量之间的关系。
3. 模型估计：使用Stata中的命令或拓展包对SEM模型进行估计。
常用的命令包括“sem”和“gsem”。
4. 模型拟合度检验：估计完模型后，需要对模型的拟合度进行检验。
常用的拟合度指标包括卡方检验、RMSEA、CFI等。
5. 结果解释和解释：根据模型估计结果，对模型进行解释和解释。
可以根据参数估计结果来判断变量之间的关系强度和方向。
总结结构方程模型是一种有效的多变量统计分析方法，可以用于探究变量之间的因果关系和预测潜在变量的数值。
Stata作为一种常用的统计软件，提供了强大的SEM分析功能，可以方便地进行SEM模型的估计和拟合度检验。
structural model计量
structural model计量什么是结构模型（structural model）？结构模型是计量经济学中的一种分析方法，用于研究各种经济现象中的因果关系。
它通过建立一种形式化的数学模型来分析经济变量之间的相互关系。
结构模型被广泛应用于经济学、金融学、管理学等领域，以帮助研究者理解和解释复杂的经济现象。
本文将详细介绍结构模型的基本概念、建模方法和实际应用。
第一步：概念和基本原理结构模型的核心思想是通过建立一个经济系统的数学模型，揭示其中的内在机制和因果关系。
这种模型通常由一组方程组成，其中每个方程表示一个经济变量的行为和影响因素。
通过分析这些方程，可以推断不同变量之间的关系，并作出一些经济政策的预测。
一个基本的结构模型通常包括三个主要组成部分：行为方程、均衡条件和恢复方程。
行为方程描述了经济主体如何作出决策，均衡条件则指出市场上的供求关系和平衡状态，而恢复方程则用于衡量经济政策的效果和纠正模型预测误差。
第二步：建模方法建立结构模型通常涉及以下几个步骤：1. 确定研究目标：明确要研究的经济现象或政策问题，例如通货膨胀、经济增长等。
2. 收集数据：收集相关的经济数据，并进行预处理和清洗，以确保数据的准确性和一致性。
3. 确定变量关系：根据经济理论和实证研究，确定各个变量之间的关系。
这可以通过领域知识、文献综述和实证分析等途径获得。
4. 建立数学模型：将变量关系转化为数学方程，构建出一个完整的结构模型。
通常需要考虑适当的函数形式、参数估计方法和模型假设。
5. 估计参数：基于已有的数据，使用统计方法对模型的参数进行估计。
常用的方法包括最小二乘法、极大似然法等。
6. 检验模型：对建立的结构模型进行检验，验证模型的拟合程度和统计推断的合理性。
常用的检验方法包括残差分析、模型比较等。
第三步：实际应用结构模型在实际应用中有广泛的用途。
在经济学中，结构模型可以用于研究宏观经济现象（如产出增长、储蓄投资等）、微观经济决策（如消费行为、劳动供给等）以及市场机制等。
计量经济学模型的应用
§1.3 计量经济学模型的应用经济系统中各部分之间、经济过程中各环节之间、经济活动中各因素之间，除了存在经济行为理论上的相互联系之外，还存在数量上的相互依存关系。
研究客观存在的这些数量关系，是经济研究的一项重要任务，是经济决策的一项基础性工作，是发展经济理论的一种重要手段。
计量经济学则是经济数量分析的最重要的分支学科。
计量经济学模型的应用大体可以被概括为四个方面：结构分析、经济预测、政策评价、检验与发展经济理论。
在本书后续章节中将结合具体计量经济学模型来解释每个方面的应用，这里，仅作一些概念性介绍，以期对后续课程的学习起到某些指导作用。
一、结构分析经济学中的结构分析是对经济现象中变量之间相互关系的研究。
它不同于人们通常所说的，诸如产业结构、产品结构、消费结构、投资结构中的结构分析。
它研究的是当一个变量或几个变量发生变化时会对其它变量以至经济系统产生什么样的影响，从这个意义上讲，我们所进行的经济系统定量研究工作，说到底，就是结构分析。
结构分析所采用的主要方法是弹性分析、乘数分析与比较静力分析。
弹性，是经济学中一个重要概念，是某一变量的相对变化引起另一变量的相对变化的度量，即是变量的变化率之比。
在经济研究中，除了需要研究经济系统中变量绝对量之间的关系，还要掌握变量的相对变化所带来的相互影响，以掌握经济活动的数量规律和有效地控制经济系统。
计量经济学模型结构式揭示了变量之间的直接因果关系，从模型出发进一步揭示变量相对变化量之间的关系是十分方便的。
乘数，也是经济学中一个重要概念，是某一变量的绝对变化引起另一变量的绝对变化的度量，即是变量的变化量之比，也称倍数。
它直接度量经济系统中变量之间的相互影响，经常被用来研究外生变量的变化对内生变量的影响，对于实现经济系统的调控有重要作用。
乘数可以从计量经济学模型的简化式很方便的求得。
关于计量经济学模型的结构式和简化式的概念，将在第四章专门介绍，简单地说，结构式的解释变量中可以出现内生变量，而简化式的解释变量中全部为外生或滞后内生变量。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
结构参数计量经济学模型的识别及其应用
经济学中的结构分析是对经济活动中变量之间相互关系的研究,它研究的是
当一个变量或几个变量发生变化时会对其他变量以至经济系统产生什么样的影响。
从这个意义上讲,我们所进行的经济系统定量研究工作,说到底,就是结构分析。
计量经济学模型结构式揭示了变量之间的直接因果关系,从模型出发进一步揭示
变量相对变化量之间的关系也是十分方便的。
没有定量描述变量之间关系的、包含变量和参数的计量经济学模型,结构分析将无从着手。
有人或许会说,经济系统中变量之间的关系,或者由经济学理论给出,或者由人们通过实际观察分析得出,并不一定需要建立计量经济学模型。
哈维·尔莫( Trygve Haavelmo )曾经用十分浅显的语言说明了计量经济学结构模型的功能。
他说,许多经济学家有许多深
刻的思想,但是缺少数量概念。
例如说某一个经济指标受到唯一原因的影响,但是如果对影响的强度一无所知,即使知道这个影响是正的或负的,也没有多少实际的科学意义。
如果某一个经济指标同时受到许多不同因素的影响,问题就更加突出了。
计量经济学模型就是要回答这个问题。
而回答这个问题的正是模型结构参数估计量。
计量经济学模型的结构参数反映了解释变量与被解释变量之间的关系,因为结构参数能够被定量估计,并且具有明确的经济含义,计量经济学模型才
具有结构分析的功能。
于是,结构参数的性质成为计量经济学模型用于结构分析
的一个核心问题。
计量经济学模型被称为总体回归模型,总体模型的参数是无
法直接观测的,需要利用样本的观测值通过适当的方法估计得到的。
将计量经济
学模型用于结构分析时,模型的结构参数不变性是无须质疑的。
利用从总体中随
机抽取的样本的信息,得到总体的结构参数,用于总体的结构分析,其经济学基础、逻辑学基础和数学基础是坚实可靠的。
这正是计量经济学模型的功能所在。
总体模型的结构参数的经济含义可以用平均来解释,例如平均产出弹性、平均边际消费倾向,当然不是简单的平均,而是概率统计意义上的平均。
在经济结构分析中,人们也希望知道蕴涵在每个样本点中的变量之间的定量关系,例如点产出弹性、点边际消费倾向,这是结构参数不变的经典结构模型所不能实现的,也可以说是模型结构参数不变性带来的局限。
计量经济学的结构分析功能的载体是计量经济学结构模型,功能的实现是建立在模型设定正确的基础上的,而模型设定正确的关键是遵循从一般到简单的建模思路。
但是,在实际的计量经济学应用研究
中,从简单到复杂的建模思路已经成为通行的范式。
其具体表现是逐个引入解释
变量,建立了所谓的模型1、模型2、...。
表现较好的,最后能够有一个模型包含所有的解释变量;表现较差的,在逐个引入新变量的同时逐个剔除已有变量,致使没
有一个模型能够包含所有变量。
对于从一般到简单的建模思路,李子奈
( 2008)从逻辑学、经济学和统计学的角度进行了阐述。
从逻辑学上讲,计量经济
学模型方法是一种经验实证的方法,它是建立在证伪和证实不对称性的逻辑学基
础之上的。
一旦总体模型被设定,利用样本数据进行的经验检验只能发现已经包
含其中的哪些变量是不显著的,而不能发现没有包含其中的显著变量。
所以,只有将作为起点的模型设定为最一般的形式,即包含所有可能对被解释变量产生显著
影响的变量,才能发挥统计检验的功能,最后得到一个正确的模型。
马尔科夫( Gauss-Markov)假设和正态性假设才能被满足,进而建立在这些假设基础上的统
计推断才具有可靠性。
对于一个遗漏了显著解释变量的模型,随机误差项不等于
源生性随机扰动项,基本假设将被破坏,所进行的模型估计和检验都是无效的。
这样的模型是不能用于变量之间关系的结构分析的。
结构分析中的从简单到复
杂的建模思路导致不同研究者对同一问题各说各话,研究结果相差甚大,甚至完全无法比较。
一个突出的例子就是关于技术进步对中国经济增长贡献率的研究,这
已经成为人们用来诟病计量经济学模型的一个笑谈。
从简单到复杂建模思路的另一个缺陷,就是在现代时间序列计量经济模型中对协整方程和均衡方程不加
以区别。
所谓均衡方程,就是描述宏观经济变量间关系的结构方程。
在宏观经济
系统中,均衡关系往往存在于多个时间序列之间,而并不仅仅包括给定的时间序列。
仅对其中部分时间序列进行协整检验进而得到的协整方程是不完全的,方程中的
协整系数也不是变量之间关系的真实反映。
对于微观计量经济学结构模型,
在模型设定正确的情况下,不必看重拟合优度,关键是模型总体是否显著成立、变量是否显著。
但是需要特别注意,这里的前提是模型设定正确,核心是模型解释变量中包含了对被解释变量具有显著影响的所有变量。
如果遗漏了显著的变量,致
使模型解释功能降低,造成拟合优度降低,则要另当别论。
仍然以上述模型为例,
如果模型的解释变量应该有5个,而目前的模型只引入了3个,模型在总体上仍然是高度显著的,每个变量也是高度显著的,但是模型的解释功能显著降低,拟合优
度也显著降低。
更重要的是,如果包含在模型中的3个解释变量与遗漏的2个变
量之间不是完全独立的(在实际经济活动中,完全独立的情况几乎不存在),那么它们的参数估计量并不是它们与被解释变量之间关系的真实反映。
而经济结构分析所依据的正是这些参数估计量,所以,对于具有较低的拟合优度的模型,必须分析其形成的原因。
政策效果的微观评价受到重视的理论驱动是宏观经济理论的微观基础研究。
所谓宏观经济理论的微观基础,一般是指运用微观经济学的基本假设分析宏观经济理论,或者是把宏观经济理论建立在微观经济行为的基础上,使宏观和微观经济行为协调一致。
宏观经济理论应当建立在一定的微观基础之上,已是不争的事实;人们所需要做的,就是为宏观经济理论寻找微观基础,或者检验宏观经济理论是否与微观经济行为相一致。
例如,理性预期学派之所以认为货币政策无效,正是以微观个体的行为分析为基础的。
如果微观个体不能利用货币政策规则对未来价格作出合理的预期,不能纠正自己的错误决策,那么就不能得出货币政策无效的结论。
例如,我国政府近年来出台了许多刺激居民消费的政策措施,是否每项措施都达到了刺激居民消费的结果?宏观上的居民消费的增长并不能说明每项政策措施都产生了效果,必须对居民的微观消费行为进行分析。
由此可见,以个体决策行为为研究对象的微观计量经济学模型具有重要的政策评价功能。
微观计量经济学模型用于政策评价的困难或者局限主要在于样本。
一是大样本问题。
凡是经济政策,都是相对于总体而言的,希望通过微观个体的行为分析以达到评价政策效果的目的,这必须得到大样本的支持,否则是没有意义的;二是代理变量的选择问题。
宏观上的政策变量在微观模型中并不一定是表征政策的合适的代理变量。
三是样本观测值问题。
微观个体的样本观测值只能通过调查获得,而不能通过统计获得。
影响调查数据观测误差的因素十分复杂,来自调查者和被调查者两个方面,既有技术方面的因素,也有非技术方面的因素;四是对照组的选择和处理问题。
某个个体一旦受到政策影响,其未受政策影响的行为就不可能被观测到了。
因此,要评价政策对个体行为的影响,就必须收集未受影响的个体的行为信息作为对照组。
根据不同理论假设下的计量经济学模型之间的关系,可以将这些竞争模型分为两类:嵌套和非嵌套。
例如上述的居民消费模型,一个模型仅以当期收入解释当期消费,另一个模型以当期收入和前一期消费共同解释当期消费。
从模型形式看,前者包含于后者之中,存在嵌套关系。
而上述的GD P增长模型,不同的模型中包含不同的解释变量,分别为货币供应量和财政支出,二者不
存在嵌套关系。
对于存在嵌套关系的模型,传统的约束回归检验就是一个有效的检验方法。
由于经济政策具有不可试验性,决定了计量经济学模型的政策评价功能的不可替代性。
利用计量经济学模型进行政策模拟是最具实用价值的一种政策评价方法。
一方面,它可以充分发挥计量经济学模型的优势;另一方面,它也可以避免模型系统可能存在的系统性偏差,因为政策模拟要的是相对性的结论。
发生于20世纪70年代的对于计量经济学模型政策评价功能的争论,实际上是关于政策有效性的争论。
政策无效的宏观经济理论并不能否定计量经济学模型的政策评价功能,恰恰相反,只有通过模型的检验,才能给出实际经济活动中政策是否有效的证据。
由于经济系统,特别是宏观经济系统的复杂性,以及经济政策传导路径的多样性,联立方程模型系统在宏观经济政策评价中仍然具有不可替代的地位。
微观计量经济学模型尽管受到样本的局限,无论在理论上和实际上,仍然具有重要的政策评价功能。
狭义的计量经济学模型研究从设定的模型开始,只具有检验理论的功能;如果将设定模型的过程纳入计量经济学模型研究之中,就可以实现发现理论的功能。
而经验检验固有的经济意义和统计意义的不对称性,以及证伪和证实的不对称性,构成了计量经济学模型理论检验功能的局限。
必须严格按照计量经济学模型研究的思想路线和技术路线,完成演绎推理和归纳推理交替的全过程,才能实现模型的理论检验功能。
在同一经济现象具有多种不同的理论解释的情况下,模型设定检验和模型选择显得十分重要。
正确的理论只能是一种,正确的模型也只能是一种,这是毫无疑问的。