校准方法和计量经济方法对比分析
本文关键词：校准方法与计量经济方法的比较，由笔耕文化传播整理发布。
yuewei港湾168
1 楼 2015-11-14
校准方法和计量经济方法对比分析
原标题：校准方法与计量经济方法的比较
摘要：校准方法与计量经济方法是可算计算的一般均衡模型中确定参数的两种主要方法，本文就这两种方法进行比较，并分别对其优缺点进行论述。
关键词：校准方法 计量经济方法 比较
可计算一般均衡（CGE）模型在世界多国都得到了广泛应用，其中大量参数的确定是应用的主要问题。确定参数的方法在可计算一般均衡模型的应用中各有不同，但在大多数的CGE模型中确定参数的主要方法是校准方法和计量经济方法，或者是二者结合使用。本文就这两种方式进行探究和分析，并根据其特点提出合理的建议以供参考。
一、校准方法
校准方法基本原理分析：CEG模型是校准方法中最为重要的模型，该模型的确定是依据均衡数据集的应用来获取的，该模型应用广泛，且参数众多，除少数弹性参数借助于其他文献资料或计量经济方法获得外，多数参数均需要借助于校准方法来获得。
例：若采用Cobb-Douglas生产函数用其他方法对劳动力的产出弹性进行确定。在基准年份的总产出Xi、劳动力人数Li、基本数量Ki都已知。则：
二、计量经济方法跟校准方法对照
（一）分析计量经济方法
计量经济方法在整个计量分析中较为重要，涉及到的参数较多，计算过程可用公式F（Y,X,β，ε）=0进行表达，公式中通常用β来表示参数向量，用Y代表内生变量向量，ε为随机误差向量，X则代表的是外生变量向量。 建模者们在面临参数向量β的确定问题时，可以采用计量经济方法估计或是其他文献研究结果的方式来确定。关于参数向量β确定的数学描述，参数可选择一个或是多个Y和X的观测值作为基础。由此，参数向量β的数学描述给定函数形式F（Y,X,β，ε）以及一个或是多个有关Y与X的观测值，并对随机误差进行合理假定，从某种程度上使得选择的参数值是"最好"的。
把随机因素包括在计量经济的公式中，其因素是：ε表示的是被忽略的因素，因此任何模型不能影响包括模型内生变量值的所在因素；内生变量或是外生变量在某些时候会因测量方法问题产生误差。
在计量经济方法中，对服从正态分布ε进行假设，对计量经济方程中可能利用的Y和X的测量值进行β向量的估计，采用统计方法；在校准方法中，ε设置为0,β向量则通过关于Y和X的唯一基准均衡观测值来估计。即在模型均衡时没有模型内在因素以外的其他因素来影响模型的内生变量值，在之后也没有其他因素影响。为了降低这个假设在某种程度上的影响，建模者将采用不同的校准方法或是采用不同时期的观测数据来对β的值进行估计，最终得到一个相对平均的估计值。这个过程就某种程度上来说相当于计量经济方法，但严格的来说不是运用计量经济方法的基础。这一平均方法的采用，进一步说明了校准方法的主要优点：失去满足基准期的一致性条件。
因此，设β通过校准方法估计，则：基准时期的Y和X一致成立，则一般均衡的一致性条件满足。
设β通过计量经济方法估计，则：表示一般均衡的一致性条件不满足。
（二）校准方法的优缺点
校准方法固然好用，但仍存在许多缺点，未来时期和基准时期，若ε的值为零，则校准方法还是不能满足要求，存在一些问题。
（1）不可识别。通常校准方法会受模型参数的影响，若给定的数据不能适应于模型，则无法获得模型中的参数β，也就是说该模型具有分辨数据特点、模型描述和观测值数量的功能。
（2）由于其不可识别性的问题，校准方法不能对其供给和需求函数的斜率及截距进行唯一的估计，需要借助于外生的弹性参数。然而，即使观测值众多，能够使用计量经济方法，但是模型的不可识别性依然存在。
（3）缺乏对模型可靠性和参数的检验。用校准方法对参数进行估计，参数值对基准时期的选择相当敏感。如果在对其他文献进行研究而得到参数，那么所使用的模型和其他模型的变量含义以及研究范围上有区别问题。
那么校准方法基于计量经济方法有哪些优点呢？
校准方法和计量方法都各具特色，应用广泛，但校准方法对数据和观测值的要求较低，只需要输入一个观测值即可完成所需程序；且校准方法在获得未知独立参数上具有一定的优势，校准流程简单，便捷，相较于计量经济方法，它具有最小的计算和数据要求；第三，对模型的参数值进行敏感性分析，相对计量方法来说更能满足基准均衡期一致性的要求，某种意义而言可以弥补计量方法的缺陷。
（三）校准方法的进一步探讨
（1）CGE模型参数多，能进行经济系统观测次数有限。然而，CGE模型在长期均衡模型中会受参数值的影响，甚至很有可能会因参数值的失效而影响到整个模型的效果，因为多数参数并都能够适应于短期均衡的状况。
（2）校准方法要使用政府统计公布数据，借助需求弹性、替代弹性等外生变量。其校准方法的应用依赖于需求弹性测算的前期研究，是由于外生变量不能由校准方法求出。当前需求弹性的测量方法统一性较差，出现的结果也就不尽相同，因为由于需求弹性的差异会导致参数值差异增大。参数值差异较大。发展中国家市场需求研究的不重视，建模者没有可供使用的数据，就需自己测算或是借鉴他人的弹性参数结果。因此，加强弹性参数的测算是CGE模型参数校准的重点问题。
三、结束语
本文就CGE模型的确定参数的校准方法和计量经济方法的各自特点进行了简要的分析。虽然存在着许多的问题和不足，但任然是目前CGE模型中确定参数的主要方法。国内也应加强在参数的市场需求方面的研究，准确的丰富参数数据，减轻建模者的计算问题，使其得到较好的模型结果。
参考文献：
[1]周焯华，张宗益，欧阳。校准方法与计量经济方法的比较[J].重庆大学学报（自然科学版），2001,02:103-106
[2]李冬冬，黄灿，张永兴。浅谈校准方法与计量经济方法[J].时代金融，2013,06:284.
[3]刘丽艳。计量经济学涵义及其性质研究[D].东北财经大学，2012.
本帖地址：
点鸡笋
2 楼 2015-11-14
无形资产计量与摊销问题探究
一、无形资产的概念
（一）无形资产的定义
无形资产是指企业拥有或控制的没有实物形态的可辨认非货币性资产。无形资产主要包括专利权，非专利技术，商标权，着作权，特许权，土地使用权等。作为一项资产，它独具特点：1.无形资产是由企业拥有或控制并能为其带来经济利益的资源。预期能为企业带来经济利益是每一种资源的本质，因此无形资产也不例外。2.无形资产不具有实物形态。无形资产通常表现为某种权利某项技术或者某种超额利润的综合体，它看不见也摸不着，因此不具实物形态。3.无形资产具有可辨认性。因为无形资产也需要进行单独核算所以其必须可辨认，像商誉因为其总是和企的整体价值联系在一起所以会计上不将其归于无形资产。4.无形资产本身属于非货币性资产。就目前我国经济发展的现状无形资产还不存在一个非常完整的交此其转化成现金的可能性就比较小，并且其在持有过程中为企业带来预期经济利益的情况又不确定，属于以固定或可确定金额收取的资产，因此其属于非货币性资产。
（二）无形资产的确认
1.与该资产相关的经济利益很可能流入企业。在判断与该无形资产相关的经济利益是否很可能流入企业，既需要实施职业判断即对无形资产在预计使用寿命内可能存在的各种经济因素作出合理估计，且有可靠证据证明；又需要关注与该资产相关的外部环境，比如一些新技术新产品的出现是否会冲击该技术或者与该技术相关的产品的市场等因素。2.该无形资产的成本能可靠计量。成本能够可靠计量是资产确认的一项基本条件，对无形资产来说尤为如此。例如一些企业内部产生的品牌报刊名等因为其不能脱离与企业单独计量所以不能称其为无形资产。
二、无形资产的初始计量和后续计量
无形资产通常是按实际成本计量，即取得无形资并使其达到预定使用状态所发生的全部支出，但根据其来源不同需要差别处理。
（一）对于外购的无形资产其成本包括购买价款相关税费以及归属于使该项资产达到预定使用状态的全部支出。但为引进新产品发生的广告费宣传费及其他间接费用以及无形资产已经达到预定用途以后发生的费用必须除外。另外需要注意的是，当外购的无形资产超过正常信用条件延期支付时，价款实际上具有融资性质，应该按照所取无形资产购买价款的的现值入账，现值与应付价款之间的差额应作为未确认的融资费用，在付款期间内按照实际利率法确认为利息费用。
（二）投资者投入无形资产的成本。对于投资者投入无形资产的成本应该按照投资合同或协议约定价款确定无形资产的取得成本，但如果投资协议或价款约定价值不公允的应应按照其公允价值作为无形资产的初始成本入账。
（三）土地使用权的处理。企业取得的土地使用权通常应该按照取得时所支付的价款及相关税费入账确认为无形资产。土地使用权用于自行建造厂房等地上建筑物时，其账面价值不与地上建筑物合并计算成本，单独作为无形资产核算成本，土地使用权与建筑物分别核算计提折旧。
但有些情况除外，如房地产开发企业取得土地使用，全用于建造对外出售的建筑物时相关的土地使用权计入建筑物成本与建筑物一起核算；再比如企业外购建筑物时，实际支付价款包括土地及建筑物价款，则应该按照合理方法将其价值进行分摊，如果实在无法在建筑物与土地使用权之间进行分摊时应全部作为固定资产处理。
（四）企业合并中取得的无形资产的成本。合并中取得的无形资产分为同一控制下的合并与非同一控制下的合并。在同一控制下，应按照被合并企业无形资产的账面价值确认为取得时的初始成本；非同一控制下则按照购买当日的公允价值入账，该公允价值一般为该资产在活跃市场中的报价，若在活跃市场中没有报价的则应该按照合理方法对无形资产预计产生的现金流进行折现。
（五）自行研发无形资产成本的确定。对于自行研发的无形资产其成本核算一般分两个阶段即研究阶段与开发阶段。根据研究阶段计划性与探索性特点分析一项研究是否能在未来为企业带来经济效益以及带来多大的效益都是不确定的，即其具有不确定性，所以研究阶段发生的费用一般费用化计入当期损益。开发阶段不管是在目标还是在对象风险结果等方面都与研究阶段有了很大的差别，其针对性变得更强其带来结果的可能性也越来越大，因此对于开发阶段的费用只要满足条件都可以将其计入无形资产成本。具体条件包括：1.完成该无形资产以使其能够使用或出售在技术上具有可行性。即不存在技术上的障碍及其他不确定性并且企判断时能够提供相关证据。2.具有完成该无形资产并出售或使用的意图。管理当局应该能够说明拟开发该无形资产的意图，并具有完成该无形资产开发并使其能够使用或出售的可能性。3.无形资产产生经济利益的方式具有可使用性。包括证明运用该无形资产产生的产品存在市场或该无形资产本身存在市场，无形资产将在内部使用的应证明其有用性。4.有足够的技术财务资源及其它资源的支持以完成该无形资产的开发并有能力使用或出售该无形资产。5.归属于该无形资产开发阶段的支出能够可靠的计量。
（六）无形资产的后续计量。要确定无形资产在使用寿命中的累计摊销额基础是估计其使用寿命。在确定无形资产使用寿命时应该考虑该产品通常的寿命周期及获得的类似产品使用寿命的周期，技术工艺等方面的情况，该资产在该行业运行的稳定性和市场的需求性，潜在或现行竞争者的行为，为维护该资产实现预期经济利益的维护支出，对资产的控制期限及与企业持有的其他资产使用寿命的关联性等。无形资产的使用期限一般源于法律，合同规定的最长期限不得超过法律期限即20年。在最终确定使用年限时，应该按照预定使用年限与法律合同规定年限孰短进行确定，如果法律合同无规定应该综合判断其为有限或不确定。对于寿命有限的无形资产应该在使用寿命内合理摊销，一般规定是当月增加的无形资产当月开始摊销；当月减少的无形资产当月不再摊销，摊销无形资产有很多方法如直线法产量法等，但企业应该注意在选择摊销方法是一定要能够反映与该项无形资产有关的经济利益的实现方式，当在无法合理确定无形资产预期经济利益的实现方式的时候，应该采用直线法进行摊销。如果无法合理确定一项无形资产的使用寿命则应该把其作为使用寿命不确定的无形资产，对于使用寿命不确定的无形资产则不需进行摊销，但应该在每个会计期间进行减值测试，经减值测试如果发现减值则应计提减值准备。
三、无形资产摊销税法与会计的差别
（一）摊销范围不同。会计规定使用寿命有限的无形资产进行摊销，使用寿命无限的无形资产不用摊销；税法则将符合条件的无形资产都归为使用寿命有限的无形资产，出外购商誉在企业整体清算或转让时可以扣除，其他资源都必须摊销。
（二）摊销方法不同。会计上规定可以选择摊销方法只要反映与该项无形资产预期经济利益的实现方式即可，在不能确定其预期实现方式的情况下采用直线法；税法则规定只能按照直线法进行调整，若用其他方法则应进行纳税调整。
（三）摊销年限不同。会计尚未对摊销年限做规定；税法规定不少于10年。
（四）摊销金额不同。这是因为会计上可以计提减值准备，而税法却不允许。这样企业在对无形资产进行会计处理时，应以扣除减值准备后的余额确定每期的摊销额，如果无形资产的价值得到恢复，则企业又重新计算每期的摊销额；税法因不允许对无形资产计提减值准备，因此企业在进行税务处理时，对特定无形资产每期计提的摊销额是一样的。
四、现行无形资产计量与摊销存在的问题
（一）无形资产计量与摊销存在的问题
1.对于企业自创的无形资产其一般分为研究阶段与开发阶段会计。准则规定对于企业研究阶段所发生的一切支出，因为其具有不确定性，不能确定其预期是否为企业带来经济利益，所以都将其费用化计入当期损益。这样的做法虽然避免了企业虚增无形资产，但在无形资产研究费用支出越来越大的今天是存在缺陷的。首先不将研究阶段费用计入无形资产将使其账面价值低于其实际价值，不利于真实反映企业的资产价值与获利能力。其次由于研究指出一概费用化必然会存在一大笔费用化支出存在于账面上，进而减少企业的本期利润，从而对企业造成不利影响。
2.摊销方法的局限性。企业无形资产的摊销取决于其使用年限及与该资产相关的经济利益预期实现方式，若使用寿命有限则在使用寿命内合理摊销，若使用寿命无线则不进行摊销，若能找到其经济利益的预期实现方式则按与其相关的方法进行摊销，若找不到则按直线法摊销。简单按直线法摊销必然导致无形资产账面价值也来越低，若在此期间出售该无形资产必然给企业造成损失。
3.使用寿命不确定的无形资产不进行摊销，仅在每个会计期间后对其进行减值测试，这样势必会在每个会计期间内使得资产虚增，同时也不符合实质重于形式的原则。
（二）对于改良现行无形资产计量与摊销的几点建议。
1.无形资产研究阶段的开发费用适量资本化。无形资产在企业的比重越来越大，尤其是随着创新社会的发展使得每个企业都开始致力于自主创新，这样便导致自行研发无形资产比重的直线上升，要做到真实记录企业的现金流量建议尽量采取有关方法使得研究阶段的开发费用适量资本化，在不虚增资产的同时做到实质重于形式。
2.摊销方法科学化。对于摊销方法的局限性，主要是由于对于有些无形资产来目前找不到与其相关的经济利益的预期实现方式，因而只能采取直线法简单处理。应该从问题的根本出发，注重于研究一些资产的预期实现方式，探索科学的摊销方法。
3.合理解决无形资产使用年限问题。大多数资产都有一定的方法来确定自己的使用寿命，对于那些我们实在无法合理确定其使用寿命的无形资产我们在多做研究的同时也应该退而求其次的选取一些接近的方法，或者参考类似资产的使用寿命来确定其使用寿命，进而进行合理摊销。
五、结论
通过对无形资产的确认条件、初始计量和后续计量的研究，分析会计与税法处理的差别得出以下结论：
1.无形资产在企业的发展进步中越来越重要，特别是自主创新的力量不容小觑，因此现代企业应该重视无形资产重视创新的力量。
2.由于科技及经济等各方面发展的局限性我国无形资产在计量与摊销方面还存在一系列的问题与局限，需要进行进一步的探索和研究，寻找恰当适宜的解决途径。
参考文献：
[1]林钟高。财务会计[M].北京：中国财经政法出版社，2012.
[2]游士兵。无形资产研究[M]北京：北京经济学出版社，2011.
[3]吕劲松。无形资产会计[M].北京：中国审计出版社，2012.
[4]蔡吉祥。无形资产[M].深圳：海天出版社，2011.
肝取悦于豢
3 楼 2015-11-14
大数据时代计量经济学发展展望
计量经济学已成为我国高校经济管理类学科本科和研究生必修的核心理论课程之一，并在我国经济学界越来越受到关注，正可谓经济学界的“宠儿”,引领经济学的研究方向。任何计量经济学研究都离不开高质量的数据。然而对计量经济学学者来讲，数据都是观测数据而非实验数据，很难得到大而全、高质量的数据，导致模型拟合存在天生缺陷。经济理论或模型作为对复杂现实经济的简化抽象，只能刻画主要的或重要的经济因素。而实际观测到的数据却是由许多因素共同作用的结果，其中，有些因素是未知的或不可观测的，或者没有包括在经济模型中，因此反映不出它们的影响。数据搜集困难导致数据不全、质量不高，加之计量模型假设过于苛刻和模型的过度拟合等缺陷致使处理结果缺乏可信度和实用性，因此当下计量经济学研究价值也饱受争议。自然科学中很多学科，如物理学，能够精确地把握物体运动规律和预测物体运动变化，一个重要原因是所研究的物理系统在相当长的一段时间内不具有时变性。经济系统则有很大不同，经济发展是一个不可逆或不可重复的动态过程，经济关系和经济系统也常常发生时变和结构性变化。
大数据概念炙手可热：随着互联网的发展，大数据有着强大的数据采集能力，且数据的采集具有实时性；大数据处理和数据建模都有专业的大数据团队来完成；计算机本身拥有强大的计算、分析和处理能力，计算机没有失误（除非程序本身错误）、不存在偏见和丰富的感情色彩。大数据使得不论是在数据的采集、数据的挖掘、数据的处理和数据建模等方面都有了质的飞跃，然而大数据能否弥补计量经济学的局限？在哪些方面、多大程度上弥补？大数据又将给计量经济学带来哪些影响和冲击？
一、计量经济学的局限性
（一）数据
1.数据的搜集
计量经济学研究的成功离不开全面、高质量的数据。然而，全面、高质量的数据离不开高水平的数据采集。因为受数据采集的工具、采集的条件和采集人员的失误等因素的限制，导致经济数据可能存在测量误差，数据很难满足高质量、全面、准确的要求，且经济学学者搜集到的原始经济数据几乎都已经过工作人员的处理，工作人员在数据统计时难免带有偏见和盲点，无论预测人员带有什么偏见和盲点，这些偏见和盲点都可能会被复制到他的计算机程序中，加之工作人员的偷懒和难以避免的失误等人为因素，都会使得采集的数据存在失真可能，数据经过多重的辗转反侧和多级的蹂躏才到达研究者手中。一些经济变量数据缺失，也使得经济理论研究数据缺乏完整性，给计量经济学研究带来阻碍。
同时经济数据的获得存在严重的时滞现象，时滞也使得数据的使用价值和统计计量研究价值黯然失色。如美国劳工统计局的人员每个月公布（CPI），联邦政府为了得到相关数据，要雇佣很多人向全美90个城市的商店、办公室打电话、发传真甚至登门拜访。然而采集到的各种各样的数据信息达80000种，政府要采集这些数据每年大概需要花费两亿五千万美元。这些数据是精确的也是有序的，然而从数据的搜集到到达统计计量经济学者手中再到结果的公布会滞后数周。2008年的经济危机表明，这种滞后是致命的。对于计量经济学学者来说，所使用的数据时间跨度更大，要求披满厚厚灰尘的数据有“左右”未来经济的能力，未免力不从心，数据的过于陈旧，也使得计量经济学模型频繁遭遇滑铁卢。
2.数据的处理
对于搜集到的数据，作为数据的应用方--经济学学者只能被动接受。建模者通常面对的是观测数据而非实验数据。这对计量经济学中的经验建模有两方面的重要含义。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。
因而经济学学者只能凭借个人经验等手段屏蔽自己眼中的噪声--对数据进行加减乘除等各项处理（微观经济数据推宏观经济数据尤为如此）。在对数据进行处理时，受制于分析能力和技术条件的限制，经济学学者对搜集到的数据（尤其超大型数据）很难进行再处理，或者进行简单的处理，乃至不处理；即使处理也是根据学者要求进行，按照经验来看，所有人都有各自的信仰和偏见--这种信仰和偏见是由个人的阅历、价值观、知识、涵养、政治立场或者专业背景等因素凝聚而成，处理的数据也很难给出公正合理的结果；计量经济学学者在数据选择时可能存在样本的选择偏差，数据与经济模型中的变量的定义可能不相符或贴合度过低；因为过分追求模型的精确性，学者常常以特别数据严重偏离曲线为正当理由对数据进行抹杀；数据处理时细分维度低、无精细的数据，使得曲线过度拟合风险增加，且原始数据很难二次细分，也给数据的应用带来阻碍；宏观经济数据大都由微观经济数据简单的加减乘除得来，这种处理可能是应用两个或者多个低相关度的微观数据组推导宏观数据，可能改变宏观经济变量之间的关系。数据形式多样化：随着互联网的发展，数据不仅仅是可观测的结构性的数据，还存在不可观测的半结构性和非结构性数据（谷歌的搜索词条）等等，计量经济学却没有能力对结构性数据之外的数据进行处理。
计量经济预测者面临的最大挑战之一就是，他们的原始数据质量不高。经济预测者在进行预测时，很少公开自己的预测区间，或许是因为这样做会降低公众对他们的专业知识的信任度。哈祖斯说：“经济预测者为什么不公开预测区间呢？因为他们怕出丑。我认为就是这个原因”.然而，不仅经济预测中存在着不确定性，经济变量本身也具有不确定性。大多数经济数据序列都需要修正，统计数据已经公布，修正工作可能长达数月甚至数年。
（二）数据建模
1.模型假设
计量经济模型的构建之前，需要对函数形式提出众多前提假设，如最小二乘法的基本假设：x值是固定的或独立于误差项；干扰项ui的均值为0;各干扰项之间无自相关等。一个非常有价值的问题是：所有这些假定有多真实？这个“假定现实性”的问题是科学哲学中的一个古老问题。有一派观点认为假定是否真实无关紧要，重要的是基于这些假设的预测。以“假定无关紧要论”着称的弗里德曼，对他来说，假定的非真实性有着积极的意义。“为了有意义，……一个假设在其假定中从描述上看必定是错误的。”
但是回想一下在任何科学研究中我们做某些假定，都是因为它们便于逐步开展主题研究，并不因为它们在准确地复制了现实的意义上必须是真实的。但是，如一位作者所说，“……如果简单性是好的理论所盼望的一个准则，那么所有好的理论都将肆无忌惮地理想化和简单化。”模型漏洞百出，提出利己假设更多的是为弥补模型漏洞。
为了方便对经济数据进行统计分析，计量经济学家常常要假设一个经济系统的运行规律具有不随时间和个体改变的某些特征，比如假设经济系统具有时间平稳性或不同经济人的数据生成过程具有同质性。而任何经济系统的时变性（不确定性）是影响经济系统最主要的因素，一些经济预测者不愿意让人们知道这一点。与其他大多数学科门类的预测者一样，计量经济预测者将不确定性视作仇敌--威胁其名誉的天敌。他们没有对经济时变性做出准确地预测，而是无端地认为预测模型中的不确定性降低了，但在现实理论研究中，他们却无法提高预测的质量，这样做也无法改进真实经济中的预测。一旦洪水来袭，我们将毫无准备。假设给模型带来的害处就是给模型套上了枷锁，使得模型与实际相去甚远，多数模型只是划过天空的流星--经不起时间的考验。
2.模型拟合
计量经济学家建立经济理论或模型，目的就是解释这些经验特征事实。这一阶段的关键是建立合适的经济数学模型，模型的好坏事关经济研究的成败。大多失败的模型预测大都源于一种盲目的自信导致的过度拟合，模型实际所能解释的问题和自认为所能解释的问题之间存在鸿沟。他们用精确的预测冒充精准的预测。在统计学中，将噪声误认为信号的行为被称为过度拟合。拟合的说法源于统计模型和过去的观测值贴合度，当过于粗略地拟合时即不充分拟合，就意味着你在对观测数据中的噪声进行拟合，而不是挖掘数据的深层结构。在计量经济学研究领域，过度拟合的错误更为常见。
为了弄清这种错误的成因，我们暂且赋予自己一种在现实中几乎不可能拥有的优势--我们清楚地知道真实数据的庐山真面目。如图1,画了一条平缓的抛物线，顶点落在中间位置，末端逐渐增强。这条抛物线代表着我们想了解的所有现实数据。但是，我们还是不能直接观察到隐藏在数据中的深层关系，这种关系由一系列的独立的数据点体现，而我们只能从这些点推断出这种关系模型。此外，这些数据点必定受特殊环境的影响--有信号，有噪声。在图1中，画了100个数据点，分别用圆形和三角形标记，貌似这样就足以从噪声中捕捉到信号。即使这些数据中存在一定程度的随机性，但显然它们仍遵循此抛物线。
然而，当我们的数据相对有限时（现实情况常常如此），情况将会如何呢？那时我们就更可能陷入过度拟合的陷阱中。在图2中，将100个数据点缩减至25个，这时，你会如何连接这些点呢？
当然，前面已假设我们知道真实数据应该呈现的关系模型，就会自然地将它们连接成为一条抛物线。当然，这样的数学表达式用二次方程式可以很好地重建真实的关系模型（图3）。
但是，在无法得知数据拟合的理想模型时，我们有时就会表现得贪婪和聪明的无知。如图4,一个过度拟合的模型案例。在图中，设计了一个复杂的函数，可以追踪每一个边缘数据点，建构“准确”的数学模型，用这个函数连接这些点，曲线的上下波动陡然增强。这使得模型离真实的关系模型相去甚远，也使得预测更离谱。
这个错误貌似很容易避免，前提是我们无所不知，对数据的深层结构总是了如指掌，因此避免这个错误就显得很轻松。然而，几乎在所有的计量经济学研究工作中，我们都必须利用归纳法，从已知的证据中对其结构进行推断。当数据有限且充满噪声时，且我们对基本关系的理解很浅显时，就更有可能对一种模型做出过度拟合，在对经济危机预测时，这两种情况可谓司空见惯。
如果我们既不在乎也不知道数据关系的真相，就有很多理由解释我们为什么倾向于过度拟合的模型。其中之一就是，在计量经济学学者最常用的统计测试中，过度拟合模型更受青睐。有一项测试是用以测试拟合模型可以解释多少数据的变化。根据这一测试，过度拟合的模型（图4）解释了85%的数据变化，而适度拟合模型只解释了56%的数据变化。但是实质上，过度拟合模型是在混淆视听，将噪声误当作信号混入模型中。事实上，在解释真实世界时，它的表现更糟。
这种解释似乎让情况一目了然，但很多计量经济学学者完全无视此问题。研究者拥有众多统计检验方法，可这么多的方法却没有使他们增加一点科学态度，减少一点幻想，而是更像充满幻想的孩子在天空中寻找动物形状的云一样。
过度拟合代表了双重毒运：过度拟合模型表面上看来比较好，但其实际性能却很糟糕。因为后一种因素，若被用在真实的经济预测中，过度拟合模型最终将使得预测者付出惨痛的代价。而因为前一种因素--其表面效果不错，而且自称可做出非常准确并且经济价值很高的预测，所以，这类模型更吸引人，更易在学术期刊上推介。但是，如果这个模型是用噪声拟合的，就很有可能会阻碍经济的预测，进而阻挠经济发展。应该说明的是，这些错误司空见惯。它影响我们，让我们更容易被“随机性愚弄”.我们也可能会越来越迷恋此模型的特质，甚至可能会创造出一个貌似很有说服力的理论来佐证这一错误的合理性。
从逻辑的角度来看，这有点像观测者效应（长被误认为海森堡的不确定性原理）：一旦我们开始测量某物，它的行为就会主动乃至被动发生改变。大多数统计模型都是依托这一概念建立的，自变量与因变量、信号与噪声，彼此之间泾渭分明，但在经济领域中，它们彼此之间却混在一起、乱作一团。
（三）模型检验和预测
以统计检验着称的计量经济学，做普通的线性回归分析时，如研究自变量和因变量的关系时，对自变量回归系数采用t检验，计量经济学界公认t<0.05就说明两变量相关，精确度则在95%以上。计量经济学学者在收集样本的时候应用一整套的方法减少错误发生的概率。在统计检验之前，他们也会检测样本是否存在潜在的系统性偏差。这些规避错误的手段无不在美化结果。一味的追求“精确性”,无时不在驱使着统计计量学家去挖掘更加“智能”的算法系统模型。回归分析有一些值得提出的基本分歧：在回归分析中，对解释变量和因变量的处理方法存在着不对称性。因变量被当作是随机的、统计的，也就是因变量有一个概率分布。而解释变量则被看作是在重复抽样中取得固定值。解释变量本身也是随机的。但是出于回归分析的目的，计量经济学学者假定它们的值在重复抽样中固定不变（即X在不同的多个样本中取同样的一组值），从而把它们转变成实质上非随机的。
计量经济模型通过实证检验拟合成功后，可用来检验经济理论或经济假说的正确性以及提供政策建议，当然最终要预测未来经济的走向。模型的质量决定预测的质量：墨菲提出，衡量预测的一种途径--或许也是最显而易见的途径--就是通过他所说的“质量”,但何种质量才可被认定为准确呢？“质量”是指预测与实际天气相符合吗？无论预测得多么准确，这个预测是预测者当时的巅峰之作吗？这个预测是否反映了预测者的最佳判断呢？公之于众之前，这个预测是否作了某种程度的修饰呢？预测是否有经济价值，判断的依据就是，预测是否有助于公众或政治决策者做出更好的决定或决策。
经济理论或模型作为对复杂现实经济的简化抽象，只能刻画主要的或重要的经济因素。而实际观测到的数据却是由许多因素共同作用的结果，失败预测的模型可能应用非样本数据，其中有些因素是未知的或不可观测的，并没有包括在经济模型中，或者数据的“信噪比”过低，因此反映不出它们的影响，而计量经济学学者却没有足够的能力和技术做出甄别。这点与自然科学不同，自然科学研究可以通过可控实验过滤或消除次要因素的影响。在经济学领域，经济学家通常是数据的使用方，大多数收集到的经济数据都是非实验性的。因此无法从观测到的经济数据过滤出经济模型以外的因素所产生的那一部分影响，这便造成经济实证研究的困难。
经济数据和经济系统的上述特征，不可避免地造成了计量经济学实证研究的局限性，使之难以达到与一些自然科学学科那样的成熟程度。计量经济学所面临的局限性不是计量经济学本身所特有的，而是整个经济学科所面临的局限性。事实上，正是由于经济系统的非实验性、时变性和不可逆性，以及经济数据的种种缺陷，计量经济学理论本身的发展已相对全面和成熟。但是这种“先进的”实证研究方法，仍无法代替或克服由经济系统和经济数据特点所造成的局限，从而使得计量经济学的分析与预测远没有像多数自然科学学科那样精确。
经济是一个动态系统，不是一个方程式，如果你只把经济当作一系列变量和方程式，而没有看到其深层次结构，那就很容易把噪声当成信号，误认为自己正在做出准确地预测，而实际上你的预测并不准确。大多数计量经济学家做预测时，会在一定程度上依赖自己的判断，而不依据统计模型输出的信息进行预测。考虑到数据杂乱性，这种做法或许是有益的。20世纪七八十年代计算机开始广泛使用时，经济学家普遍认为统计模型能够“解决”经济预测问题。但是，改进的技术无法掩盖对经济领域理论认识的缺乏，只会让经济学家更加迅速且煞费苦心地将噪声误认为信号。看似前景不错的预测模型在某些方面一败涂地，最后惨遭淘汰。
二、大数据时代的思维变革
经济预测者面临着三大基本挑战。第一，单纯依靠经济统计数据（仅依靠结构性数据），很难判断起因与结果。第二，经济是一个动态系统，始终都在变化，某一经济周期的经济运行状况无法被用来解释未来经济的发展。第三，经济学家以往的预测如此糟糕，那么他们作预测时所参照的数据也好不到哪去。以上挑战问题和大数据的特点不谋而合。IBM公司从其特点定义大数据：实时性--大数据是在线的，随时可调用和计算的，这是大数据区别于传统数据的最大特征；多样性--种类、来源多样化，包括结构化、半结构化和非结构化数据；规模性--数据量大，包括数据的采集、存储和计算的量都非常大。之后业界又加了两个特点：价值性--大数据作为新的生产力，创造价值；速度快时效高--增长和处理速度快，时效要求也高。如此一来，大数据又在哪些方面给计量经济学带来影响和冲击呢？
（一）数据
1.数据的采集
大数据是以移动终端、物联网、互联网等移动或者固定设备为依托而产生的非结构化、半结构化以及结构化数据的总和。几乎每个经济体，每时每刻都在生产数据，虽说大数据技术的意义不在于掌握规模庞大的数据信息，而在于对这些数据进行智能处理，从中分析和挖掘出有价值的信息，但前提是拥有大量数据。古人云：“巧妇难为无米之炊”,所以数据采集是为大数据价值挖掘创造条件，是大数据价值挖掘的基础。
数据采集的方式多样化：不论是移动的还是固定设备，要进行数据的采集都直接或者间接的和传感器相关。它更多地赋予设备智能化。传感器的可集成性、多样性、准确性等特点使得数据的采集变得方便、快捷、准确。目前世界最小的晶体管2nm[7].2nm的研发成功对于芯片市场来说绝对是个令人振奋的成果，如果该晶体管真正量产并广泛使用，将会极大地提高芯片的性能。到时科技将赋予传感器更多、更全的功能，传感器的精确度也会有质的飞跃。2nm绝对不是极限，科技的飞速发展和进步--数据采集的方法和手段的革新，也将更好地帮助人类去获取更加及时、准确和多样的数据。
2.大数据的挖掘
只有“米”没有“巧妇”,也不会有可口的饭菜。如此一来，自然诞生了下一个产业链：数据挖掘。数据挖掘赋予了大数据“智能”生命。有了数据仓库为依托，数据挖掘如虎添翼，就如“巧妇”进入了“米仓”.
数据挖掘指通过一定的计算机算法对大量数据进行数据分析，进而解释大数据背后隐藏的趋势、模式和关系，为决策者提供依据，创造价值。之所以称作“挖掘”,就比如在苍茫大地中开矿掘金一样困难。数据挖掘的主要目的：一是去发现埋藏在大数据表面下的历史规律，即对历史描述性分析；二是对未来进行预测，即预测性分析。数据挖掘把数据分析的范围从“已知”到“未知”,从“过去”到“未来”,是商务智能的真正的生命力和“灵魂”所在。它的成熟与发展，最终推动商务智能在各行各业的广泛应用。
多维度数据分析法作为大数据挖掘的基本方法，它主要通过对数据的汇总、对比、交叉、趋势分析等途径，获取有价值的信息。数据分析的多维度不仅弥补了独立维度进行分析所难得发现的一些问题--不同维度之间的相关关系，通过多维度之间的比较、细分，使得分析结果更有意义，还赋予大数据更多的价值。
计算机数据处理的优点：计算速度快；不会犯错，除非编程时就编入错误；不会偷懒，在分析招数、分析可能位置时不会半途而废；不存在偏见，不带感情色彩，不会赢了一步过度自信以致失去胜势，或是遇到困局而沮丧。互联网的数据采集优点：数据的采集实现实时性，不掺杂个人感情和偏见；采集到的数据形式多样化；原始数据可依据个人需要随意提取。计算机和互联网的以上优点也给大数据弥补计量经济学的局限和成就计量经济学带来了可乘之机。
（二）大数据分析
1.大数据预测追求混杂性而非精确性
计量经济学研究经常根据所研究的内容事先提出多个前提假设，在假设的基础上，应用数学模型进行统计检验验证假设。经济学学者在收集样本的时候应用一整套的方法减少错误发生的概率。在统计检验之前，他们也会检测样本是否存在潜在的系统性偏差。这些规避错误的手段无不在美化结果。一味地追求“精确性”,无时不在驱使着统计计量学家去挖掘更加“智能”的算法系统。
大数据更多的用概率说话，不再追求“精确性”,转而追求数据维度的集合--混杂性。大数据不仅要求计量经济学预测不再追求精确性，伴随数据维度和组合越来越丰富，也使得他们无法实现精确性。
错误不是大数据所特有的，但是也是大数据无法消除的，且可能长期存在的。如果计量经济学试图扩大数据的维度，获得大数据带来的价值，大数据就要求计量经济学包容和接受“混杂性”和不确定性。混杂是标准途径，而不应当是计量经济学所竭力避免的。大数据要求计量经济学学者重新审视精确性的优劣，尝试追求数据的完备性和混杂性，进而实现范式转移。
据估计，只有5%的数字数据是结构化的且能适用于传统数据库，如果不接受混杂性，剩下95%的半结构化和非结构化数据都无法被利用，比如网页和视频资源。通过接受大数据非精确性，我们就会打开一个从未涉及的经济之窗。
2.大数据预测：样本=总体
传统计量经济学研究一直停留在小数据时代，对于新生事物是不敏感的，必须等事情发生并且成长到一定规模以后才能搜集到足够数据进行相关研究。在计量经济学理论研究中，因为分析、记录和存储数据的工具不够好，加之数据搜集条件和数据处理能力等方面的影响，只能应用少量数据“说话”.计量经济学家们认为：样本分析的精确性随着采样随机性的增加而大幅度提高，与样本数量的增加关系不大，即样本选择的随机性比样本数量更重要，退一步讲，当然这种观点颇有建树，通过搜集样本，用较少的花费做出高精确度的判断，虽然样本分析取得了巨大成功，成为当代测量领域的中流砥柱。但是这只不过是条捷径，是在无可奈何（搜集和分析数据等困难的束缚）的情况下的迫不得已。样本采集的过程中难免掺杂个人感情，加之经济学学者往往还要对采集到的数据进行二次处理，研究结果多被采样的质量绑架，大大降低了研究成果的质量。结论往往诞生在结果之前，也不免使得结论价值大打折扣。
在经济活动中真正有趣的事情往往藏匿在细节中，这是样本分析法难以捕捉的--如啤酒与尿布的相关关系。在大数据时代，利用所有的数据，而不再仅仅局限于依靠小部分结构性数据，拓展了计量经济学的研究范围。采集数据的方式多样化，拥有先进的技术手段对大规模数据快速处理，且数据的采集具有实时性，可以更加快捷地通过分析全体数据对经济行为进行研究，一旦有新情况、新动态立即予以关注，及时对事前政策做出适应性调整和指导未来政策的走向，从而实现对新生事物的早期干预和分析，因此具有前瞻性。大数据本身就具有智能，可以辅助计量经济学发现知识。麻省理工学院（MIT）的两位经济学家，阿尔贝托·卡瓦罗和罗伯托·里哥本通过一个软件在互联网上搜集信息，他们每天可以搜集到50万种商品的价格。收集到的数据很混乱，也不是所有数据都能轻易进行比较。但是把大数据和好的分析法相结合，这个项目在2008年9月雷曼兄弟破产之后马上就发现了通货紧缩趋势，然而那些依赖官方数据的人直到11月才知道这种情况。
三、大数据和计量经济学的融合
计量经济学是被“样本=总体”撼动的最厉害的经济学分支学科之一，伴随大数据分析取代样本分析，计量经济学不再单纯地依靠实证数据分析。虽说统计抽样在经济学界固若金汤，但统计抽样只是为了在被技术限制的特定时期，解决存在问题的被动选择。现如今，技术已不是阻止大数据的最大障碍，当然在特定条件下统计抽样方法依然可用。大数据拓展了计量经济学的研究范围，可增加计量经济学研究的实用性，数据的实时性也可增加计量经济学预测的准确性。
大数据所涉及的资料已远远超出一般的计量经济学分析所能处理的范畴，大数据分析法的出现给计量经济学研究提供了更大的空间、更新的视角，也给以往计量经济学“难以研究”或者“不可研究”的经济领域--如商业中啤酒和尿布的关系，注入了新的原动力；大数据分析法并非是传统计量经济学家通过思考、领悟、观察、建模等方法的分析而获取结论的，而是通过大数据的汇集和不同数据维度的组合、交叉，运用计算机技术和大数据思维处理得来的；大数据构建了丰富且可持续完善的数据集和分析工具，其共享性、协调性、重用性等大大增强，这些都为大数据与计量经济学的融合提供条件；大数据汇集专业领域的数据采集、数据处理、数据维护等专业团队，也为与计量经济学的融合提供了必备条件。以上所有的理由都表明：大数据和计量经济学融合有其天然的优势，同时也是大势所趋。
计算机速度非常快，而且它可以非常踏实衷心地计算--不知疲倦、不带感情、不会中途改变分析方式。但这并不意味着电脑做出的预测就一定很完美或者很准确。若给计算机输入错误的数据，或提供一套愚蠢的指令供其分析，它不可能“变废为宝”.此外，计算机也不善于完成需要创造性和想象力的任务，比如为这个世界的运转方式设计策略或提出理论。
因此，大数据和计量经济学的珠联璧合显得尤为重要。未来大数据计量经济学的研究，不仅仅需要大数据、云计算的技术支持，还要有第三方大数据处理机构--大数据算法师、大数据建模师、大数据维护师等，计量经济学家也是不可或缺的。未来计量经济学家、大数据拥有者、大数据处理机构共同构造大数据计量经济学的“价值链”,使得计量经济学更接地气，创造更大的经济价值。大数据时代，我们将见证大数据计量经济学腾飞。
四、思考与总结
经济预测和经济政策之间的界限十分模糊，一个不准确的预测可能会使现实中的经济状况变得更糟。大数据应用全体数据分析二维或多维数据的相关性，而不是分析少量数据样本；大数据对纷繁混杂的数据选择了包容，而不再一味地去追求精确性；大数据不再追寻经济行为之间的因果关系，转而用相关关系挖掘经济行为之间的联系。这些给计量经济学研究带来的好处就是：大数据量化经济风险，减弱了经济行为中因信息不确定性带来的逆向选择和道德风险；大数据提供计量经济学更大的探寻历史、追寻未来的空间；传统计量经济理论多为“纸上谈兵”,大数据给传统计量经济学带来新转机，使得经济理论预测和现实经济行为贴合度更高。种种迹象表明大数据和计量经济学融合必将结出丰厚的果实。未来可能诞生大数据计量经济学派。
然而所有数据只代表过去，所以有时你会听说，抛开数据的原因之一就是，你正在试图解决的问题发生了根本性的转变。经济不是网球，网球比赛总是遵循同样的规则，而经济规则不会一成不变。问题是你永远都不会知道下一个转变什么时候会出现，也不会知道这个转变会使经济变得更加波动还是更加平稳，更加强大还是更加脆弱。如果一个经济模型是建立在“没什么大变化”的前提条件之上，那么这个经济模型就毫无价值可言。但是，预测这些转折点的出现实非易事。
任何预测模型的目标都是尽可能地“抓住信号、扫除噪声”.保持两者的平衡有时并非易事，需要有理论依据和保质保量的数据作保证。在经济预测时，数据贫乏，理论研究薄弱，所以有人认为“经济模型越复杂，预测越糟糕”.这句话就是告诫人们，“不要在食谱中加入过多的盐”[2].虽说大数据拥有足量的数据和技术，但可以肯定地说大数据不是经济预测的“圣杯”,但这不能否定大数据拥有提高经济预测准确度的能力。
参考文献：
[1]ARIS SPANOS.Probability Theory and Statistical Inference: Econometric Modeling with Observation-al Data[M].Cambridge University,United Kingdom,1999,p.21.
[2]M.G.KENDALL and A.STUART.The Advanced Theory of Statistics[M].Charles Griffin Publishers,New York,vol.2,1961,chap. 26,p.279.
[3]达摩达尔。N.古扎拉蒂，唐。C.波特。 计量经济学基础（上册）[M].北京：中国人民大学出版社，2011:20-21.
[4]MILTON FRIEDMAN.Essays in Positive Economics[M].University of Chicago Press,Chicago,1953:14.
[5]MARK BLAUG.The Methodology of Economics:Or How Economists Explain,2d ed[M].CambridgeUniversity Press,New York,1992:92.
[6]维克托·迈尔·舍恩伯格，肯尼斯·库克耶着。大数据时代--生活、工作与思维的大变革[M].盛杨燕、周涛，译。杭州：浙江人民出版社，2012:27-94.
摩羯小报记者
4 楼 2015-11-14
计量经济学教学中存在的问题与改革措施
一、关于应用型的教学模式
关于教学模式的含义由来已久，但将教学模式作为教育研究的一个真正的独立范畴，主要是从乔伊斯和威尔等人的研究开始的。目前有关教学模式意义的界定比较多，乔伊斯和威尔等人在其《教学模式》的着作中定义：“教学模式是构成课程在选择教材、指导在教室和其他环境中教学活动的一种计划或范型。”而朱小蔓的界定是：“教学模式是指在一定的教育理念的支配下，对在教育实践中逐步形成的、相对稳定的、较系统而具有典型意义的教育体验，加以一定的抽象化、结构化的把握所形成的特殊理论模式。”
上述各种关于教学模式的定义分别从不同的角度揭示了教学模式的具体含义，从定义来看不尽相同。由此可见，一项或者某一课程的教学模式至少具备以下特点：（1）需要一定的理论作指导；（2）需要详细的教学计划和目标，并加以实施和完成；（3）教学模式在形式上具有一定的活动程序和方法策略。总之，一个完整的教学模式应该包含主题、目标、条件、程序和评价等五个要素。这些要素所处的地位与发挥的作用不同，功能也就具有差异性，它们之间既有区别，又相互联系，相互蕴含、相互制约，共同构成了一个完整的教学模式。
计量经济学应用型教学模式就是以计量经济学理论应用为目的，从教学目标、教学原理、教学任务、教学内容、教学过程和教学组织形式等方面形成系统化的理论模式，并将理论知识应用于解决实际经济问题的实践中。因此，计量经济学教学模式的改革就是要打破以“教”为主的传统模式，转向以学生的“学”为主导的教学模式，培养学生能够利用计量经济学理论解决实际经济问题的能力。
二、关于计量经济学教学中存在的问题
目前计量经济学课程在教学方法、教学内容、教学过程等方面更多地侧重于理论知识的传授，缺乏实践和应用的教学环节，这不仅让学生感觉该课程教学枯燥乏味，教学效果也很不理想，学生的实践应用能力较差。
（一）课堂理论教学与实践应用相脱节
作为一门方法论的学科，计量经济学相比其他课程的应用性更强，不但强调基础理论、实践操作和统计软件三者的结合，更注重对现实经济问题的分析与解决。但目前大多数计量经济学课程的授课主要以理论方法的讲授为重点，缺乏对实际应用和解决实际问题能力的培养。例如，计量经济学的教学内容一般包括提出问题、收集数据、建立理论模型、参数估计、模型的检验及模型的应用，很多老师更多地将讲授的重点集中在参数估计与各种检验方法和理论论证上，但对如何提出经济问题、如何将实际的经济问题转化成计量经济学模型，估计出的参数如何应用和进行经济学解释等方面却讲授得较少，学生在实际的学习过程中也缺乏这方面的练习。
因此，虽然学生学了很多模型检验和参数估计的理论方法，却无法灵活运用这些方法，或者只会使用计量经济学软件对模型做出估计而无法进行合理的经济学解释，尤其是运用计量经济学模型分析和解决实际经济问题的能力有待加强。
（二）重理论模型的推导，轻实际操作
计量经济学课程是以数学、统计学和经济学为基础的学科，在教学过程中，会利用很多的数学方法，但又不完全等同于数学，加上目前很多高校经济管理类专业的本科生数学基础并不好，如果在教学过程中将大量的时间用在数学推导上，不但事倍功半还让学生对计量经济学充满恐惧，不像理科生，数学推导对这些学生来说比较困难，他们也对推导过程不感兴趣。
比起数学推导过程，经济管理类的学生更加愿意接受现成的方法和思想及结论，因此，教学过程中如果一味地进行数学推导，只会降低学生学习的兴趣。当然，由于计量经济学是一门数学、经济学和统计学的交叉学科，必要的数学推导也是难免的，而数学公式的推导的目的是为了让学生掌握数学原理和方法基础，尽量避免课堂上只进行理论推导的枯燥乏味，打击学生的积极性。
（三）缺乏案例教学，实验实践教学不足
目前各个大学使用的计量经济学教材，理论体系相对都比较完备，很多教材中也都引入了许多经济案例分析，但由于案例的设计和安排过于理论化而不易让学生接受，加上有些学生经济学基础相对薄弱，无法很好地理论联系实际，更难以运用所学计量经济学理论知识对实际的经济问题进行分析和解释，加上课时所限，实验课程不足，导致部分学生对计量经济学失去了兴趣，甚至怀疑计量经济学的作用。因此，应用型教学已成为培养适应能力强的实用人才的重要手段。
三、计量经济学教学方法的改革措施
（一）革新教学方法
本科阶段的计量经济学课程应主要以案例教学和课堂讨论为主，理论主要以理解思路和原理，采用启发式教学模式，提高学生学习的主动性和积极性。计量经济学课程理论难度较大，尤其是对数学的要求比较高，很多学生因为数学功底不好而没有学习的兴趣，在教学过程中，应该从现实的经济社会生活中搜集经济案例，以专业期刊为辅助参考，以问题为导向构建教学模型，引入学科解释，便于学生理解和掌握计量经济学的学习方法和了解该模型的意义。了解学科的实际应用。同时，在课堂上应该展开讨论，同时根据相关问题进行提问、解答，找出解决办法。可以对学生进行分组，通过资料调查、思考，进行分组讨论。讨论过程中，教师要适当进行提示，并进行评价。这样可以将以人为本、以生为本的要求深入到教学中，这样有利于提高学生的主观能动性，提高学生参与感。此外，可以组织专家开展讲座、报告等，运用多种形式的教学方式。
（二）革新教学手段
计算机的应用对计量经济学的发展起到了巨大的推动作用，尤其是非经典计量经济学。建立与应用计量经济的模型，需要大量的数据存取，并有繁杂运算过程，但如果使用传统的计算方式运算，既耗费时间和人力，又没有效率。很多模型的建立和运算都需要辅助于计算机来完成，在现实的教学过程中，网络技术和计算机技术的运用也是计量经济学教学手段革新的主要方面。在教学中知识的讲授与计算机应用相结合，让学生掌握一两个软件的应用就十分重要，除了理论课程以外，应合理安排学生的上机操作时间，熟练掌握应用软件，学生通过上机训练，能够更加清楚直观地了解各个模型与公式，领会运算结果的概念并判断运算结果是否合理。此外，还需利用便捷的网络，将教学的大纲、计划、应用软件等教学必需资料放于网上，将各个教师的联系方式放于网上，以便学生能够不受时间和空间限制地学习，并且有利于师生间的及时交流和互动，提高学科的教学效果。
（三）革新考核方式
本科阶段的计量经济学课程应该以应用为主，传统的考试模式以测验和理论考试为主，很少进行案例分析、随堂讨论、上机实验等方式，这就削弱了学生学习的积极性和主动性，在实践教学中进行的案例教学、实验教学等需要通过考核方式的革新来进行测试，以便掌握学生的学习情况和应用能力。根据计量经济学课程特点和教学模式，现将考核方式改为课堂测试，侧重于基本知识的掌握情况；上机实验，侧重于软件应用和模型参数估计；课程论文写作，侧重于理论与实践结合能力；理论考试相结合，课堂测试应包括随堂讨论、问题探讨等，上机实验主要考核学生对软件的掌握和应用能力，课程论文写作是计量经济学应用的核心部分，最终将测试定为平时测试、上机实验、课程论文和理论考试四部分，并进行加权综合评定。这样将课程评价的激励与引导作用真正激发出来，不仅可以检验学生对于基础知识的掌握情况，还能激发学生的创新精神。同时，教师可以凭借课程评价中得到的学生的反馈内容来改善当前教学中的问题，积极优化教学方式与教学内容。
（四）革新学生学习途径
随着信息技术的发展，人们获取信息的途径不断增强，但同时也加大了信息筛选的成本，为了给学生提供一个有效便捷的学习途径，就需要针对计量经济学的课程特点建设相适应的案例集或案例库。其中有几方面需要引起关注：（1） 所选择的案例需是接近现实情况，且易被学生接受的，这样有利于激发学生的学习兴趣；（2） 所选择的案例需体现出计量经济学科的含义、方法及原理；（3）所选择的案例需具有时代前沿性和广泛性。选择不同类型的案例可以吸引不同的学生，同时还体现出了学科用途的广泛性；案例跟随时代经济不断变化，这也体现出了学科的适用性，更加调动起学生的情绪，培养其求索精神。
教师需要培养学生对学科的兴趣，让学生主动探索，自发学习，将内在的无限创造力激发出来，将生硬难懂的理论转化为简单易懂的案例问题分析，提高学生学习兴趣。教师们通过实践不断地探索教学经验，吸取教训，对教学方法和教学工作进行改革。如增加启发式教学的比重，采用双向讨论的方法进行教学，通过列举事实来具体分析，启发学生开拓思维模式。建立多元化的教学体系，增加多媒体教学分析，增加实验比重，同时组织学生进行社会实践，以此提高学生理论联系实际的能力，切实提高教学质量和水平。
参考文献：
[1]布鲁斯·乔伊斯，玛莎·韦尔，艾米莉·卡尔霍恩，兰英，译。教学模式[M].北京：中国人民大学出版社，2014.
[2]叶澜。教育概论[M].北京：人民教育出版社，1992.
[3]朱小蔓。情感教育论纲[M].北京：人民出版社，2008.
[4]张武升。中学课堂教学艺术[M].北京：高等教育出版社，2009.
肥宝xiaomong89
5 楼 2015-11-14
空间计量经济学理论的应用与前景
引言
空间计量经济学最早在二十世纪七十年代的欧洲就展开了科学研究，进入二十一世纪以来，空间计量经济学的研究不断深入、应用领域不断扩大，逐渐发展为计量经济学的主流，它的应用涉及众多领域：从开始的在区域科学、城市以及房地产经济学、经济地理等专门化领域中普遍应用，发展到现在的涉及到劳动经济学、国际经济学、资源环境经济学、政治学以及发展经济学等领域。
一、空间计量经济学概念的提出和发展
空间计量的概念最早由 Paelinck 和 Klaassen（1979）首次提出，但是他们仅对这个领域做了一个划分，并没有提出确切的定义。到 1974 年。Pealinc 在荷兰统计协会上明确了空间计量经济学的概念。随后 Anselin（1988）又在其书中提出了新的空间计量经济学的定义：空间计量经济学是指在区域科学模型的统计分析中，研究由空间因素引起的各种特性及变化的一系列技术和方法，明确考虑到由空间因素带来的对研究领域的影响。从世界空间计量经济学的发展进程看，国内外对空间计量经济学的发展提出了众多研究方法，还带动了空间计量软件的革新和发展。
（一）国外研究状况
国外的空间计量经济学的研究比我国要早，在二十世纪六十年代的地理计量革命中，Berry 和 Marble（1968）在其地理统计专着中首次提到了空间数据分析技术的概念，他们通过空间数据分析技术进而分析了地理对象的空间效应，成为空间计量经济学的最早研究；之后 Curry（1970）等几位地理学家在 Berry和 Marble 的理论基础上又进一步研究探讨了空间模型的设定和估计问题。建立出基本的空间计量经济学框架和空间模型后，Rey（1999）首次在前几位地理学家的结果和方法运用空间数据分析方法对美国的近七十年的人均收入收敛性进行了研究，并通过空间数据分析验证了空间相关性在统计上非显着性；随后 Baumon（t2003）等人又充分运用空间数据分析方法调查分析了1980- 1995年欧共体的空间俱乐部，通过数据分析的结果发现南北两区分属于不同的俱乐部，并通过数据分析进一步研究发现了空间误差模型对南方和北方的俱乐部的空间趋同性。
（二）国内研究状况
近年来，国内出现了很多空间计量经济学的研究成果。我国地理学家吴玉鸣（2000）在对数据进行分析时运用到了空间计量经济模型，把包括中国的 31 个省市在内的区域进行了集聚增长因素的分析；随后，陈晓玲等人根据我国部分省级数据，考察分析了改革开放后我国地区之间经济增长的空间相关性，此后空间计量经济学的理论得到了进一步的研究。
二、空间计量经济学理论的应用分析
（一）空间计量经济学在国外的实际应用
随着国内外空间计量经济学理论研究的不断深入以及科学技术的不断发展，空间计量经济学已经成功运用到经济研究的众多领域中，并取得一定的成果。
1.公共经济学领域：James 等（2003）主要对一国对于国际环境条约的参与决策与参与程度的博弈通过建立一个空间概率模型来进行分析和研究。
2.区域与城市经济学方面：Buettner（2003）利用空间计量经济学分析了德国各城市的财政外溢效应以及税收基数效应；Case（1993）以美国各州的情况做了财政政策的溢出效应以及预算研究。
3.房地产经济学领域：Timothy 等（2003）用空间计量经济学理论分析了城市住房的绝对位置对房屋价格差异的影响；Anselin 等（2009）以美国加州南海岸数据为样本案例通过空间计量经济分析法研究了环境空气质量对房屋购买者边际支付意愿的影响。
4.劳动经济学领域：Elhors（t2007）等首次将空间计量分析法运用到劳动经济学领域，对欧盟地区劳动参与率差异进行了详细的研究和分析，指出了在区域间和国家间出现差异的主要影响因素。
（二）空间计量经济学在国内的主要应用
空间计量经济学在我国国内的发展主要是在二十世纪九十年代后期引起了我国研究人员的关注，并结合我国的国情应用于多个领域：
1.经济增长分析方面：刘生龙和张捷（2007）等人通过运用空间计量经济学的研究方法对我国区域经济增长的收敛性进行了详细的调查和检验，首次将空间计量经济学的分析方法应用到国内的实际研究中；另外，吴玉鸣（2007）等运用同样的研究方法对区域经济增长的空间相关性以及趋同和空间聚集模式做了详细的研究和分析；钱晓烨等（2010）对我国的区域经济增长与人力资本之间的关系进行了分析和研究。
2.公共财政方面：余可（2008）主要通过空间计量经济学分析方法对地区公共财政支出结构与区域经济增长的关系作了研究和分析；康锋莉（2008）也通过空间计量分析法研究发现，在相似地理省份的数据上报情况中，省份之间的税收竞争呈现出一定的空间相关性。
3.产业组织方面：柯善咨和姚德龙（2008）通过调查和研究证明了，在相邻的城市之间，工业集聚与生产效率存在明显的空间粘滞性和连续性，这项研究充分体现了空间计量经济学在产业组织方面的充分应用；张超（2010）主要对中国省域装备制造业进行了研究，证明了装备制造业之间存在一定的相互作用机理；任英华等（2010）通过运用空间计量经济学的分析方法，研究了在中国大陆的28个省份的金融集聚影响因素及作用。
三、空间计量经济学的发展前景
随着世界经济一体化和全球化程度的不断加深，经济体之间的相互影响越来越深，相应的经济数据的空间相关程度也会随之增高，所以对于设计到空间或距离的所有经济数据的处理都要运用到空间计量学的方法，所以空间计量经济学未来的突破和发展具有广泛的前景。
结语。
综上所述，空间计量经济学近年来的发展不断突破，逐渐应用于各个领域，学术界不断更新新的空间数据分析的理论和方法，同时在世界经济逐步全球化、一体化的条件背景下，空间计量经济学在金融市场中也具有广泛的发展前景，将为金融市场带来更多的研究和分析。
参考文献：
[1] 向永辉。空间计量经济学的发展及其应用[J].浙江科技学院学报，2014,02:77- 85.
[2] 孙久文，姚鹏。空间计量经济学的研究范式与最新进展[J].经济学家，2014,07:27- 35.
[3] 胡亚权。空间面板数据模型及其应用研究[D].华中科技大学，2012.
[4] 严莹莹。空间计量模型及其在我国的应用研究[D].华中科技学，2012.
[5] 孙洋。空间计量经济学模型的非嵌套检验方法及其应用[D].清华大学，2009.
[6] 杨开忠，冯等田，沈体雁。空间计量经济学研究的最新进展[J].开发研究，，2009,02:7- 12.
霸气的刘云飞
6 楼 2015-11-14
计量分析信贷供给结构变化与经济增长的关联
四、模型评价及预测
（ 一） 模型评价
根据上述修正的回归方程可知，短期贷款、中长期贷款、其他贷款的变动情况均对我国经济增长有正相关关系，其中，短期贷款的变动对我国经济增长的变化有较大的影响，中长期贷款次之，其他贷款对我国经济增长的影响作用较小。
（ 二） 模型预测
通过分别计算出短期贷款、中长期贷款和其他贷款与上一年相比的平均增长率，再以这些平均增长率为基础，计算出短期贷款、中长期贷款和其他贷款与 2012 年相比的增长情况，得出 2013 年短期贷款、中长期贷款和其他贷款的估计值，分别为 287996. 4016 亿元、451721.4976 亿元、34188. 0574 亿元。由于此预测的结果是取对数后的国民收入，接下来，当不生成对数序列，对各变量在采用加权最小二乘法进行一阶自回归估计时，直接以对数形式进行估计，然后再根据回归方程，得出 2013 年我国 GDP 的预测值为 627804. 8568 亿元。
参考文献：
[1] 谈儒敏。 中国金融发展和经济增长关系的实证研究 [J]. 经济研究，1999,（ 10） 53 -61
[2] 赵振全、薛丰慧： 《金融发展对经济增长影响的实证分析》[J],《金融研究》2004 年第 8 期
XiaoWeiWei6789
7 楼 2015-11-14
广东省投资与经济增长之间的计量分析
由上述残差的检验结果可以看出， 残差序列 res 是一个平稳序列。 这说明两个序列 LNGDP 和 LNFAI 之间是协整的，也就是说，广东省的投资和国内生产总值在长期中具有稳定的关系。 投资每增加 1%,国内生产总值就会增加 0.9%,说明广东省的投资对经济的拉动作用比较强。
4.运用 ECM 模型分析短期的影响
由协整检验的结果仅能看出广东省的投资与经济增长在长期中有着稳定的均衡关系， 但是这种关系忽略了短期波动的影响，也忽略了两个变量在短期内波动的相互影响。 所以还需要使用 ECM 模型来进一步研究，从而弥补长期静态模型对于变量之间关系解释不足。 建立两个变量的 ECM 模型并进行回归可得到如下结果：
可以看出，方程的统计量都是比较显著的。上述方程表明，被解释变量的变动可以被分成两个部分： 一个是短期波动的影响，另一个是长期均衡的影响。 由回归系数可知，在短期内，如果 FAI的总额变动 1%,将会引起 GDP 同方向变动 0.264578%;而误差修正项的系数则表明了其对长期均衡的偏离的调整，其弹性为0.183168%,而误差修正项的系数为负，这表明长期的均衡具有收敛的趋势，也就是说误差项会对长期均衡的偏离纠正，当上一年的均衡偏离时， 误正修正项会以 0.183168 的比率对当年的△L-NGDP 的取值做出反向的纠偏。 这样的 ECM 模型就可以更好地反映长期和短期的动态均衡， 也说明 GDP 和 FAI 之间具有动态的一种制衡关系。
5.对变量进行 Granger 因果关系检验
由前文的协整检验结果可以知道广东省的投资和经济的增长之间有着长期的均衡关系，但是要判断这种关系是不是因果关系还需要对变量进行因果关系检验。一种常用的因果关系检验就是 Granger 因果关系检验。 检验的结果如下：
由上表可以看出，“GDP 不是 FAI 增长的 Granger 因”的原假设关不显著异于零，这时就不能拒绝原假设，也就是说经济增长并不是引起 FAI 的变动的原因，而“FAI 不是 GDP 的 Granger 因”的原假设显著异于零，因此，拒绝原假设，这表明投资的增长确实能引起 GDP 的增长。
二、基于上述研究对广东省发展和经济增长的建议
1.总结
由以上的分析可以看出，投资在过去的经济发展中对推动经济增长发挥着重要的作用， 在协整检验的实证研究中的结果说明，每当投资增长了 1 个百分点，广东省的 GDP 将会增加 0.9 个百分点。这说明投资的增加对广东省的发展是一个必不可以的因素，但是 Granger 的因果检验中投资的增长并不是由于经济的增长引起的，这可能与广东省的特殊的政策关系有关，广东省作为全国开放较早的沿海城市在地理上和政策上都具有很多优势，这会使得广东在吸收投资时有更大的吸引力， 从而造成投资的增长，而这部分投资的增加并不能被经济的增长所解释。
协整检验的结果表明，投资与经济增长之间存在着一个在长期中均衡的稳定关系；ECM 模型则表明在短期内投资变动 1%,可以引起经济增长向相同方向变动 0.264578%. 而且由于误差修正项的系数为负， 所以当期的投资对 GDP 的长期均衡关系的偏离会在下一期得到纠正，使两个变量在长期中能保持一种动态平稳。
2.建议
①投资增长是拉动经济增长的一个重要因素：一方面，要想使广东省的经济能够保持长期的一种均衡增长态势，就要尽力保持投资的增长态势，以避免投资过多或过少而引起经济的剧烈波动；另一方面，应该充分展广东省的政策和地理优势，吸收民间和外来资金以推动广东省经济的发展。
②在经济的发展过程中不仅要看到投资对于经济的推动作用，但是也要看到投资过度对经济的影响程度，不要过分强调投资的数量，而忽略了投资的结构多元化问题，只有有效率的投资，才能促进技术进步和产业结构升级，一味地追求数量，只会使经济受到过度投资带来的冲击。 另外，消费才是投资和经济发展的终极目的，如果只重视投资而忽视了消费的增长，这样的增长是不会长久的。所以在经济的增长过程中要注意保持投资和消费的协调发展。 这样才能真正维持经济的平稳健康发展。
参考文献：
[1]Levine,Ross and Renelt,David, 1992, “A Sensitiv-ity Analysis of Cross -Country Growth Regressions,”American Economic Review, American Economic Associa-tion, vol. 82（4）， pages 942-63, September.
[2]Magnus Blomstr,Robert E.Lipsey, Mario Zejan. “IsFixed Investment the Key to Economic Growth?” QuarterlyJournal of Economics 111（February 1996）：269-273.
[3]耿明斋，胡晓鹏。投资拉动经济增长的实证分析与理论思考 [J].经济学动态，1999 年第 11 期 40-44 页。
[4]路领，胡燕京。山东省投资与经济增长关系的协整分析 [J].中国集体经济，2010.3（上）43-44 页。
看过本文的人还看了以下文章
本文关键词：校准方法与计量经济方法的比较，由笔耕文化传播整理发布。
本文编号：195025
本文链接：https://www.wllwen.com/jingjilunwen/jiliangjingjilunwen/195025.html
