什么是计量经济学(econometrics)？

计量经济学是统计和数学模型的定量应用，利用数据发展理论或检验经济学中现有的假设，并根据历史数据预测未来的趋势。它将真实世界的数据进行统计试验，然后将结果与被测试的一个或多个理论进行比较和对比。

根据你是否有兴趣检验现有的理论或利用现有的数据来发展一个基于这些观察的新假设，计量经济学可以分为两大类：理论和应用。那些经常从事这项工作的人通常被称为计量经济学者。

关键要点

• 计量经济学是利用统计方法，利用定量数据来发展理论或检验经济学或金融学中现有的假设。
• 计量经济学依赖于回归模型和零假设检验等技术。
• 计量经济学也可以用来预测未来的经济或金融趋势。

1:39

现在看：什么是计量经济学？

理解计量经济学

计量经济学用统计方法分析数据，以检验或发展经济理论。这些方法依赖于统计推断，通过利用诸如频率分布、概率和概率分布、统计推断、相关分析、简单和多元回归分析、联立方程模型和时间序列方法等工具来量化和分析经济理论。

计量经济学是由劳伦斯·克莱因、拉格纳·弗里希和西蒙·库兹涅茨开创的。这三人的贡献都获得了1971年的诺贝尔经济学奖。如今，学术界以及华尔街交易员和分析师等从业者都经常使用这种方法。

计量经济学应用的一个例子是利用可观测数据研究收入效应。经济学家可能会假设，随着一个人收入的增加，他的支出也会增加。如果数据表明存在这种关联，则可以进行回归分析，以了解收入和消费之间关系的强度，以及这种关系是否具有统计意义——也就是说，似乎不太可能仅仅是由于偶然性。

计量经济学方**

计量经济学方法学的第一步是获取和分析一组数据，并定义一个特定的假设来解释数据集的性质和形状。例如，这些数据可能是股票指数的历史价格、从消费者金融调查中收集的观察数据，或者不同国家的失业率和通货膨胀率。

如果您感兴趣的关系，每年的价格变化的S&amp；p500和失业率，你要收集这两组数据。在这里，你想测试失业率上升导致股市价格下跌的观点。因此，股票市场价格是因变量，失业率是自变量或解释变量。

最常见的关系是线性的，这意味着解释变量的任何变化都将与因变量呈正相关，在这种情况下，通常使用简单的回归模型来探索这种关系，这相当于在两组数据之间生成一条最佳拟合线，然后测试每个数据点与该线的平均距离。

请注意，在您的分析中可以有几个解释变量，例如，在解释股市价格时，除了失业率外，还可以解释GDP和通货膨胀的变化。当使用多个解释变量时，称为多元线性回归，这是计量经济学中最常用的工具。

不同的回归模型

存在几种不同的回归模型，根据分析数据的性质和问题的类型进行优化。最常见的例子是普通最小二乘法（OLS）回归，它可以在几种类型的横截面或时间序列数据上进行。如果你对一个二元结果感兴趣，比如说，根据你的工作效率，你被解雇的可能性有多大，你可以使用逻辑回归或probit模型。今天，有数百个模型，一个计量经济学有他的处置。

计量经济学现在是使用统计分析软件包来进行的，这些软件包是为这些目的而设计的，如STATA、SPSS或R。这些软件包还可以很容易地测试统计显著性，以支持这些模型产生的实证结果不仅仅是偶然的结果。R平方检验、t检验、p值检验和零假设检验都是计量经济学用来评估模型结果有效性的方法。

计量经济学的局限性

计量经济学有时被批评过于依赖原始数据的解释，而没有将其与既定的经济理论联系起来或寻找因果机制。重要的是，数据中揭示的结果能够用一种理论来充分解释，即使这意味着你要发展自己的基本过程理论。

回归分析也不能证明因果关系，仅仅因为两个数据集显示了关联，就可能是虚假的。例如，游泳池溺水死亡人数随着GDP的增加而增加。经济增长会导致人们溺水吗？当然不是，但在经济繁荣的时候，也许会有更多的人购买游泳池。计量经济学主要关注相关性分析，记住，相关性并不等于因果关系。