什么是计量经济学

计量经济学是使用统计方法分析经济数据；通常分析非实验数据。

计量经济分析的典型目标

1.估计经济变量之间的关系；2.检验经济理论和假设；3.预测经济变量；4.评估和执行政府和企业政策

经济模型

可能是微观或宏观模型；经常使用优化行为，平衡建模；建立经济变量之间的关系

例如：需求方程，定价方程…

例1.1犯罪的经济模式

在一篇开创性的文章中，诺贝尔奖获得者加里·贝克尔提出了一个效用最大化框架来描述个人参与犯罪。某些犯罪有明确的经济回报，但大多数犯罪行为都有成本。犯罪的机会成本妨碍了罪犯参与其他活动，如合法就业。此外，还有与被抓的可能性相关的成本，如果被定罪，还有与监禁相关的成本。从贝克尔的观点来看，从事非法活动的决定是一种资源分配，考虑到竞争活动的利益和成本。

在一般假设下，我们可以推导出一个等式，描述犯罪活动中花费的时间是各种因素的函数。我们可以表示这样一个函数 y=f（x1，x2，x3，x4，x5，x6，x7），（1.1）

犯罪的经济模型（Becker（1968））

基于效用最大化推导犯罪活动方程

y=f（x1，x2，x3，x4，x5，x6，x7），（1.1）

y→在犯罪活动中花费的时间

x1→犯罪活动的“工资”；x2→合法就业工资；x3→其他收入；x4→被抓住的概率；x5→如果被抓住，定罪的概率；x6→预期句子；x7→年龄

未指定关系的功能形式；在没有经济模型的情况下，这个方程可以假设

例1.2工作培训和工作效率

考虑在第1.1节开头提出的问题。一位劳动经济学家想研究工作培训对工人生产力的影响。在这种情况下，形式理论几乎没有必要。基本的经济学知识足以认识到教育、经验和培训等因素会影响工人的生产力。此外，经济学家也很清楚，工人的工资与他们的生产力相称。这种简单的推理导致了一个模型，比如：工资=f（教育、经验、培训）（1.2）

岗位培训模式与员工生产力

额外培训对工人生产力有什么影响？

正式经济理论并不需要推导方程式：

工资=f（教育、经验、培训）

工资→小时工资；教育→正规教育年限；经验丰富→多年的工作经验；培训→工作培训周

其他因素也可能相关，但这些是最重要的

犯罪活动的计量经济模型

必须指定功能形式；变量可能必须用其他量来近似

犯罪=β0+β1工资+β2其他收入+β3频率+β4频率转换+β5平均值+β6年龄+u

犯罪→犯罪活动的量度

工资→合法就业工资；其他收入→其他收入；频率→先前逮捕的频率；频率转换→定罪频率；犯罪活动的量度→定罪后的平均刑期；年龄→年龄；u→犯罪活动的不可观察的决定因素

举例： 道德品质，犯罪活动的工资，家庭背景…

职业培训与工人生产率的计量经济学模型

工资=β0+β1教育+β2经验+β3培训+u

工资→小时工资；教育→正规教育年限；经验丰富→多年的工作经验；u→工作培训周；不可观察的工资决定因素

举例：先天能力，教育质量，家庭背景…

大多数计量经济学研究的是误差的说明

经济计量模型可用于假设检验

例如，参数β3表示培训对工资的影响

这种影响有多大？它和零不同吗？

经济计量分析需要数据

不同类型的经济数据集

截面数据；时间序列数据；合并横截面；面板/纵向数据

计量经济学方法取决于所用数据的性质

使用不适当的方法可能会导致误导性的结果

横断面数据集

在给定时间点/给定时期内的个人、家庭、公司、城市、州、国家或其他利益单位的样本

横断面观察或多或少是独立的

例如，从总体中进行纯随机抽样

有时，纯粹的随机抽样是违反的，例如单位拒绝在调查中作出答复，或如果抽样的特点是聚类

应用微观经济学中常见的横截面数据

工资和其他特征的横截面数据集

指标变量（1=是，0=否） 观察数；小时工资

关于增长率和国家特征的横截面数据

人均实际国内生产总值增长率 政府消费占国内生产总值的百分比；成人中等教育率

时间序列数据

一个或几个变量随时间的变化：比如股票价格，货币供应量，消费者价格指数，

国内生产总值，年谋杀率，汽车销售…

时间序列观测值通常是串行相关的

观察结果的顺序传达了重要信息

数据频率：每日、每周、每月、每季度、每年…

时间序列的典型特征：趋势与季节性

典型应用：应用宏观经济学和金融学

最低工资及相关变量的时间序列数据

给定年份的平均最低工资 平均覆盖率；失业率；国民生产总值

合并横截面

两个或多个横截面组合在一个数据集中

横截面是相互独立绘制的

通常用于评估政策变化的汇总横截面

例子：

•评估房产税变化对房价的影响

•1993年房价随机抽样

•1995年新的随机房价样本

•前后比较（1993年：改革前，1995年：改革后）

住宅价格综合截面图

房产税；房屋面积（平方英尺） 卫生间数量；改革前；改革后

面板或纵向数据

相同的横截面单位会随着时间的推移而变化

面板数据具有横截面和时间序列维度

面板数据可以用来解释时不变的不可观测现象

面板数据可用于建模滞后响应

例子：

•城市犯罪统计；每个城市在两年内进行观察

•可对不可观测的时不变城市特征进行建模

•警察对犯罪率的影响可能表现出时滞

城市犯罪统计两年小组数据

每个城市都有两个时间序列 1986年警察人数；1990年警察人数

因果关系与平等概念

X对y因果关系的定义：

“如果变量x改变了，变量y如何变化

但所有其他相关因素都保持不变。”

大多数经济问题都是平等问题

确定一个人感兴趣的因果关系是很重要的

描述如何设计一个实验来推断所讨论的因果关系是很有用的