【正文】 （ forecasts） 政策評(píng)價(jià) Tuesday, 1 Sep. 2022 CUFE 1 2 3 4 5 6 7 預(yù)測(cè)和政策 分析 假設(shè)檢驗(yàn) 計(jì)量經(jīng)濟(jì)模型參數(shù)的估計(jì) 獲取相關(guān)數(shù)據(jù) 計(jì)量經(jīng)濟(jì)模型的設(shè)定 數(shù)學(xué)模型的設(shè)定 經(jīng)濟(jì)理論（或假說）的陳述 計(jì)量經(jīng)濟(jì)學(xué)建模的步驟 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)的主要工作 1. 估計(jì)參數(shù)； 2. 檢驗(yàn)基于經(jīng)濟(jì)理論或假說的關(guān)系式是否成立； 3. 結(jié)構(gòu)分析 、 預(yù)測(cè)和政策評(píng)價(jià) 。例如，對(duì)菲利普斯曲線，即通貨膨脹率和失業(yè)率之間關(guān)系的數(shù)量研究，已經(jīng)導(dǎo)致了失業(yè)理論的各種發(fā)展。 Tuesday, Mar. 2022 CUFE 政策評(píng)價(jià) 政策評(píng)價(jià)也叫政策分析或政策模擬。簡(jiǎn)言之，一商品的價(jià)格與其需求量之間呈反向關(guān)系，即需求曲線斜率為負(fù)。 ?亦稱為截矩，它給出 P為 0時(shí) Q的值。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)建模的步驟 第三，計(jì)量經(jīng)濟(jì)模型的設(shè)定： 由方程（ ）給出需求函數(shù)的純數(shù)學(xué)模型，它假定價(jià)格 P與需求量 Q之間有一種精確的或確定性關(guān)系。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)建模的步驟 u： “ 一攬子 ” 變量 w1 w2 w3 w4 w5 w6 我們用“一攬子”變量 u代表所有影響 Q的其他變量的影響， u稱為 擾動(dòng)項(xiàng) (disturbance)或 誤差項(xiàng) (error term)。 經(jīng)濟(jì)學(xué)家與計(jì)量經(jīng)濟(jì)學(xué)家的主要區(qū)別是后者關(guān)心擾動(dòng)項(xiàng)。在經(jīng)驗(yàn)分析中常用的數(shù)據(jù)有兩種： 時(shí)間序列 （ time series）數(shù)據(jù)和 橫截面 （ crosssection）數(shù)據(jù)。 Tuesday, Mar. 2022 CUFE Q = – （ ） 式中， Q為 Q的預(yù)測(cè)值； － ?和 ?的估計(jì)值。可以證明，存在著一些好的估計(jì)量，它們優(yōu)于其他估計(jì)量。 ? ＝ ∑qtpt／ ∑pt2。 pt = Pt – P。弗里德曼 [Milton Friedman (1953)， ―The Methodology of Positive Economics‖ from Essays in Positive Economics, Chicago UP, Chicago]這樣的“實(shí)證”經(jīng)濟(jì)學(xué)家的意見，凡是不能通過經(jīng)驗(yàn)證據(jù)來證實(shí)的理論或假說，都不能作為科學(xué)探索的一個(gè)部分。由估計(jì)好的需求函數(shù)（ ） ,可得到： Q = – () = 。 ^ Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)建模的步驟 利用所得模型還可進(jìn)行 政策評(píng)價(jià) 與 政策建議 等。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)建模的步驟 步驟 例子 第一、 陳述經(jīng)濟(jì)理論（或假說） 需求定律 第二、 設(shè)定數(shù)學(xué)模型 Q ＝ ? ＋ ?P 第三、 建立計(jì)量經(jīng)濟(jì)模型 Q ＝ ? ＋ ?P ＋ u 第四、 獲取相關(guān)數(shù)據(jù) 表 1－ 1 第五、 估計(jì)參數(shù) Q = – 第六、 假設(shè)檢驗(yàn) 是否 ?0 第七、 預(yù)測(cè)和政策分析 若 P＝ ， Q為多少 ? 小結(jié)：計(jì)量經(jīng)濟(jì)分析的步驟 ^ Tuesday, Mar. 2022 CUFE 經(jīng)濟(jì)數(shù)據(jù)的類型 計(jì)量經(jīng)濟(jì)分析所需要的數(shù)據(jù)，即可來自各種官方統(tǒng)計(jì)資料，亦可通過調(diào)查獲得。由于時(shí)間序列大多涉及宏觀經(jīng)濟(jì)數(shù)據(jù)，所以時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)有時(shí)也稱宏觀計(jì)量經(jīng)濟(jì)學(xué)。 有時(shí)，所有單位的數(shù)據(jù)并非對(duì)應(yīng)于同一時(shí)段。但要注意 有時(shí)以隨機(jī)抽樣作為對(duì)橫截面數(shù)據(jù)的一個(gè)假定并不適當(dāng)。 例如，假設(shè)對(duì)某地的家庭進(jìn)行了兩次橫截面數(shù)據(jù)的調(diào)查，一次是在 1990年，一次是在 1995年。 Tuesday, Mar. 2022 CUFE 經(jīng)濟(jì)數(shù)據(jù)的類型 混合橫截面數(shù)據(jù) (pooled crosssectional data)： 由于在每一年都是進(jìn)行隨機(jī)抽樣，所以同一家庭在兩年的樣本中都出現(xiàn)純屬偶然。實(shí)際上，除了擴(kuò)大樣本容量外，混合橫截面分析通常是為了讓人們看出： “ 如何隨時(shí)間變化 ” 。 由于綜列數(shù)據(jù)要求同一單位不同時(shí)期的 重復(fù)觀測(cè) ，所以要得到綜列數(shù)據(jù)（特別是個(gè)人、家庭和企業(yè)的數(shù)據(jù)），比得到混合橫截面數(shù)據(jù)更困難。 單方程模型 (single equation model)： 用于描述一個(gè)因變量和若干個(gè)自變量之間的結(jié)構(gòu)關(guān)系。 這類關(guān)系式描述的是消費(fèi)者、投資者等的行為，因而稱為行為方程。 內(nèi)生變量 (endogenous variable)： 是指其值在模型內(nèi)部確定的變量。在求解模型前，必須用其他方法給定外生變量的值（如利用國(guó)際組織公布的預(yù)測(cè)數(shù)據(jù)，或時(shí)間序列預(yù)測(cè)得出的預(yù)測(cè)值）。 1. 結(jié)構(gòu)分析 (structural analysis)： 結(jié)構(gòu)分析是將估計(jì)好的計(jì)量經(jīng)濟(jì)模型用于經(jīng)濟(jì)關(guān)系的數(shù)量研究，即當(dāng)一個(gè)或幾個(gè)變量發(fā)生變化時(shí)會(huì)對(duì)其他變量以致整個(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生什么樣的影響。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)模型的應(yīng)用 2. 預(yù)測(cè) (economic forecast)： 預(yù)測(cè)是用估計(jì)好的計(jì)量經(jīng)濟(jì)模型去預(yù)測(cè)一些變量在實(shí)際觀測(cè)的樣本之外的數(shù)量值。政策評(píng)價(jià)是用估計(jì)好的計(jì)量經(jīng)濟(jì)模型在不同政策方案之間進(jìn)行選擇，通常做法是先用模型作一個(gè)基準(zhǔn)（ baseline）運(yùn)行，也就是現(xiàn)行政策不變的情況下經(jīng)濟(jì)系統(tǒng)的運(yùn)行結(jié)果，然后作一些政策假設(shè)，如利率提高一個(gè)百分點(diǎn)，再運(yùn)行模型，比較前后兩次運(yùn)行的結(jié)果，如GDP、通貨膨脹率等宏觀經(jīng)濟(jì)變量值的變化，從而模擬出某項(xiàng)政策或政策組合的效果。 Tuesday, Mar. 2022 CUFE 小結(jié) 1. 討論了什么是計(jì)量經(jīng)濟(jì)學(xué)以及計(jì)量經(jīng)濟(jì)學(xué)產(chǎn)生和發(fā)展的過程。 4. 介紹了可供使用的計(jì)量經(jīng)濟(jì)分析軟件。 5. 什么是 內(nèi)生變量和外生變量？ 6. 估計(jì)量和估計(jì)值有何本質(zhì)區(qū)別？ Tuesday, Mar. 2022 CUFE 謝謝 ! Qamp。 2. 簡(jiǎn)述計(jì)量經(jīng)濟(jì)學(xué)的建模過程。 3. 列舉了兩類計(jì)量經(jīng)濟(jì)模型：?jiǎn)畏匠棠Ｐ秃吐?lián)立方程模型。 SPSS, MATLAB, SAS, STATA, MINITAB, PSTAT, STATGRAPHICS, STATPRO, SYSTAT等。 應(yīng)用宏觀計(jì)量經(jīng)濟(jì)模型進(jìn)行經(jīng)濟(jì)預(yù)測(cè)，是經(jīng)濟(jì)預(yù)測(cè)的主要手段之一。 結(jié)構(gòu)分析的一個(gè)結(jié)果可能是對(duì)理論的 “ 反饋 ” 影響。 2. 短期內(nèi)很大程度上是在經(jīng)濟(jì)系統(tǒng)之外決定或變化規(guī)律穩(wěn)定的變量，如人口、勞動(dòng)力供給、國(guó)外利率、世界貿(mào)易水平、國(guó)際原油價(jià)格等。由于在求解模型時(shí)通常是需要聯(lián)立地解出所有內(nèi)生變量的值，因而稱為聯(lián)立方程模型。 由于在求解模型時(shí)通常需要聯(lián)立地解出所有內(nèi)生變量C， I和 Y的值，因而稱為聯(lián)立方程模型。再如消費(fèi)函數(shù)，考慮絕對(duì)收入假說的消費(fèi)函數(shù)（ Keynes functions）： C = ? + ?Y + u, 0?1 C：某國(guó)家（地區(qū)）消費(fèi) Y：收入 Tuesday, Mar. 2022 CUFE 第三節(jié) 計(jì)量經(jīng)濟(jì)模型及其應(yīng)用 聯(lián)立方程模型 (simultaneous equations model)： 由多個(gè)方程組成的方程組，一般用于描述整個(gè)經(jīng)濟(jì)系統(tǒng)或子系統(tǒng)。由于預(yù)期許多經(jīng)濟(jì)政策在一段時(shí)間之后才產(chǎn)生影響，所以綜列數(shù)據(jù)所反映的信息就更有意義。 比如，我們對(duì)一系列個(gè)人的工資、受教育程度和就業(yè)史跟蹤了 10年所得到的數(shù)據(jù)集。 把不同時(shí)間的橫截面數(shù)據(jù)混合起來，如搜集一個(gè)重要的政策變化之前和之后的數(shù)據(jù)，通常是分析一項(xiàng)新政府政策的影響的有效方法。到了 1995年，用同樣的調(diào)查又對(duì)家庭的一個(gè)新隨機(jī)樣本進(jìn)行調(diào)查。 在經(jīng)濟(jì)學(xué)中，橫截面數(shù)據(jù)分析與 應(yīng)用經(jīng)濟(jì)領(lǐng)域有密切關(guān)系，如勞動(dòng)經(jīng)濟(jì)學(xué)、地方財(cái)政學(xué)、產(chǎn)業(yè)組織理論、城市經(jīng)濟(jì)學(xué)、人口和健康經(jīng)濟(jì)學(xué)。在一個(gè)純粹的橫截面分析中，我們應(yīng)該忽略數(shù)據(jù)收集中的細(xì)小差別。 時(shí)間序列數(shù)據(jù)的另一個(gè)特征是數(shù)據(jù)收集中的數(shù)據(jù)頻率 (data frequency)，最常見的頻率是每天(daily)、每周 (weekly)、每月 (monthly)、每個(gè)季度 (quarterly)和每年 (annual)。 Tuesday, Mar. 2022 CUFE 經(jīng)濟(jì)數(shù)據(jù)的類型 時(shí)間序列數(shù)據(jù) (time series data)： 時(shí)間序列數(shù)據(jù)是按時(shí)間周期（即按固定的時(shí)間間隔）收集的數(shù)據(jù)，如年度或季度的國(guó)民（內(nèi)）生產(chǎn)總值、就業(yè)、貨幣供給、消費(fèi)價(jià)格指數(shù)、財(cái)政赤字或某人一生中每年的收入等。 上述計(jì)算提示我們，一個(gè)已估計(jì)出來的模型可服務(wù)于控制或政策的目的。 由于計(jì)量經(jīng)濟(jì)模型包含擾動(dòng)項(xiàng)，因此用上述估計(jì)好的模型所作預(yù)測(cè)總會(huì)存在誤差。 Tuesday, Mar. 2022 CUFE 計(jì)量經(jīng)濟(jì)學(xué)建模的步驟 第七，預(yù)測(cè)和政策分析： 如果所擬合的模型確認(rèn)了所考慮的假說或理論，就可以根據(jù)解釋變量 P的已知或預(yù)期未來值來預(yù)測(cè)應(yīng)變量 Q的值。 ^ ^ ^