几种重要的计量经济分析方法

在经济研究中，除了简单的经典的计量经济分析方法外，常用的方法还有时间序列经济分析、面板数据计量经济分析、离散选择计量经济分析。

1）时间序列经济分析

时间序列数据被广泛地运用于计量经济研究。 经典时间序列分析和回归分析有许多假定前提，如序列的平稳性、正态性等。 直接将经济变量的时间序列数据用于建模分析，实际上隐含了上述假定，在这些假定成立的条件下，据此而进行的t、F等检验才具有较高的可靠度。 越来越多的经验证据表明，经济分析中所涉及的大多数时间序列是非平稳的。 如果直接将非平稳时间序列当成平稳时间序列来进行回归分析，则可能造成“伪回归”，造成“伪回归”的根本原因在于时间序列变量的非平稳性。

相应地，时间序列的平稳性，是指时间序列的统计规律不会随着时间的推移而发生变化。严格平稳是指随机过程｛Yt｝的联合分布函数与时间的位移无关。弱平稳是指随机过程｛Yt｝的一阶矩和二阶矩不随时间推移而变化。 单位根过程是最常见的非平稳过程。 如果非平稳序列经过d次差分后平稳，而d-1次差分却不平稳，那么称为d阶单整序列，d称为整形阶数。

时间序列平稳性的检验方法主要有两类：自相关函数检验法和单位根检验法——DF检验法和ADF检验法。

时间序列进行单位根检验后，往往还需要检验变量之间的长期关系，而协整分析对于检验变量之间的长期均衡关系非常重要，也是区别真实回归与伪回归的有效方法。 另外，任何一组相互协整的时间序列变量都存在误差修正机制。 误差修正模型把长期关系和短期动态特征结合在一个模型中，既可以克服传统计量经济模型忽视伪回归的问题，又可以克服建立差分模型忽视水平变量信息的弱点。

2）面板数据计量经济分析

面板数据定义为相同截面上的个体在不同时点的重复观测数据，称为纵向（longitudinal）变量序列（个体）的多次测量。 面板数据从横截面（crosssection）看，是由若干个体（entity， unit，individual）在某一时点构成的截面观测值，从纵剖面（longitudinalsection）看每个个体都是一个时间序列。 用面板数据建立的模型通常有3种，即混合回归模型、固定效应回归模型和随机效应回归模型。

面板数据分析的一般过程主要分为以下4个阶段：面板单位根检验、面板协整检验、模型设定检验、模型估计。其中，面板数据的单位根检验有LLC检验、Breitung检验、Hadri检验、IPS检验、Fisher-ADF检验；在模型设定上，我们会采用F检验是采用混合模型还是变系数模型，然后用Hausman检验确定应该建立随机效应模型还是固定效应模型；对于面板模型的协整检验上，主要采用的是Pedroni，Kao，Johansen的方法，当通过了协整检验，说明变量之间存在着长期稳定的均衡关系，其方程回归残差是平稳的。因此可以在此基础上直接对原方程进行回归，此时的回归结果是较精确的。如果单位根检验的结果，发现面板数据中有些序列平稳而有些序列不平稳，则可以在保持变量经济意义的前提下，对模型进行修正，以消除数据不平稳对回归造成的不利影响。如差分某些序列，保证模型具有经济意义，将基于时间频度的绝对数据变成时间频度下的变动数据或增长率数据。检验完毕后，我们对选定的模型开始回归：权数可以选择按截面加权（cross-sectionweights）的方式，对于横截面个数大于时序个数的情况更应如此，表示允许不同的截面存在异方差现象。估计方法采用PCSE（Panel Corrected Standard Errors，面板校正标准误）方法，可以有效地处理复杂的面板误差结构，如同步相关、异方差、序列相关等问题。

3）离散选择计量经济分析

通常的计量经济模型都假定因变量是连续的，但是在现实的经济决策中经常会面临许多选择问题。 人们需要在可供选择的有限多个方案中做出选择，与通常被解释变量是连续变量的假设相反，此时因变量只取有限多个离散的值。 例如，人们对交通工具的选择：地铁、公共汽车或出租车，对某一政策的评价，投资行为是否发生，某类商品的购买与否，等等。 这些问题的共同特征是，被解释变量是离散的而不是连续的，以这样的决策结果作为被解释变量建立的计量经济模型，称为离散选择模型（discrectchoicemodel，DCM）[1]。

二元选择模型（binarychoicemodel）是离散选择模型中最常用的模型。 所谓二元选择是指被解释变量的取值只有0和1两个值，对应于买与不买、赞成与反对等简单选择问题。 例如，考虑住房购买问题。对于购买住宅和没有购买住宅问题进行研究时，首要考虑的因素是收入。 因此有：

上述这种研究模型实质上是把二元选择变量Y表述为了收入的线性概率模型。

在常用的二元选择模型中，当误差估计值对应的分布为标准正态分布时，相应的二元选择模型为Probit模型；当误差估计值对应的分布为逻辑分布时，相应的二元选择模型为Logit模型；当误差估计值对应的分布为极值分布时，相应的二元选择模型为Extreme模型。 在经济研究中，Probit模型与Logit模型往往也是目前应用最广的两种离散选择模型。

实例1：对改革开放以来中国经济增长的定量研究

·中国经济总量的度量及增长的状况怎样？

（GDP的度量、增长速度、波动、周期等）

·分析影响中国GDP增长的因素有哪些？

（如投资、消费、进出口、货币供应量等）

·中国GDP与各种影响因素关系的性质是什么？

（如增加、减少）

·各种因素对中国GDP影响的程度和具体数量规律是什么？

（各种因素变动具体会引起GDP变动多少）

·所作数量分析结果的可靠性如何？

·对经济增长的政策效应分析、对中国GDP发展趋势的预测等。

概括而言，计量经济学的研究过程可以用图4．8．1来说明。

图4．8．1 计量经济学的研究过程[2]

[1]高铁梅．计量经济分析与建模：Eviews应用及实例［M］．北京：清华大学出版社，2009：219．

[2]庞皓．计量经济学［M］．北京：科学出版社，2007：9．