统计计量丨怎么写好计量经济学实证分析论文？

本文转载于公众号【计量经济学】。

经济学研究的主要目的是用经济理论解释所预测到的经济现象，预测经济走势，并提出政策建议。计量经济学是检验经济理论，解释、预测经济现象的最主要数量化方法。其重要性是因为绝大多数经济现象不能像自然科学那样通过实验反复观测获得数据，从而得出科学结论。经济学分析只能通过实际经济系统运行得到的观测数据进行分析，这样的分析称为实证分析，因此，实证分析在经济学研究中显得更加突出。实证分析就是用数据来描述客观经济现象，找到蕴含在数据中的规律与特征，为经济学研究提供依据。对刚刚使用计量方法进行研究的人而言，要写一篇有实证研究的报告或论文常常会遇到各种各样的困难，在此就计量经济学实证分析论文的研究给大家提供一些建议。

一、用理论或逻辑表述提出研究选题

在进入模型之前，这是提出问题的部分，即告诉读者为什么要研究这个问题。比如，认为现有的理论不能解释某一现象，或者要澄清对某一问题的认识，又或者是质疑现有理论等等。在这一步，就是要让读者相信你的问题“要么重要，要么有趣，要么两者都有”。例如，环保政策是否会带来环境的改善，汇率变更如何影响进出口贸易等等。对该问题的描述可以通过经济理论的表述进行分析，也可以依据经济现象的逻辑关系进行表述，区别在于经济理论严谨但复杂，逻辑分析简单但不够严谨。对于选题的方向依据经济计量分析的用途可以按下述方向选择。

• 经济变量关系分析，即结构分析。通常是解释某些经济学现象。

• 经济学假说的检验，即验证经济理论。就是要检验相关经济学假设或理。

• 预测经济学现象，即经济预测。就是预测某些经济学指标的未来趋势。

• 政策选择，即政策评价。就是通过政策模拟找到最远经济政策。

二、建构实证计量模型

通过经济理论分析或逻辑分析已经确定了选题的内在逻辑，因此就可以使用数学模型来表达我们的选题。在确定模型时要理清如下几点。

• 确认计量模型中解释变量和被解释变量之间的内在联系或因果关系；

• 对可以使用的计量模型进行选择性评价，对模型是否适宜研究该问题进行讨论，为实证分析中模型的改进提供理论依据；

• 依据上述分析确定初步的理论经济计量分析模型。

在此提醒几点：第一，应该对本领域的实证分析范式有所了解，即通过阅读相关文献了解这一类模型的实证分析方法；第二，除研读相关经济理论之外，应比较三至五篇有实证分析的文献中的实证计量模型；第三，应初步调查是否有相关的数据，若无数据则无法进行实证分析。

三、数据资料收集与处理

数据收集可以从数据库( 主要是学校购买的数据库) 寻找，也可以从统计年鉴等出版物收集，还可以向已使用相关数据的论文作者询问收集。如果进行共同研究，可以与合作者共享他们的数据。此外，因特网也是一个有效的数据收集来源地。对数据的收集与使用要注意以下几点。

• 对数据的精确性一定要按经济学定义严格查核。模型中的变量是经济学变量，但实际经济系统中提供的统计指标不一定与模型中的经济学变量严格对应。如 C － D 生产函数中的资本存量 K，可以使用原值，也可以使用净值，选择不同，结论亦会有差异。

• 对于时间序列数据，如果是价值量数据还需要进行可比价处理，即处理为同一时期价格计量的价值量指标。只有这样不同时期的数据才具有可比性，研究结论才是可信的。

• 如果数据中有异常值需要进行特殊处理。如没有理由剔除，应选择虚拟变量进行表述。

• 如果使用季节时间序列数据就必须进行季节调整，因为许多季节数据不可直接相比。

• 数据处理完毕后可以使用电子表格软件对数据列表绘图，以验证数据的逻辑合理性，对不合理的数值要有所处理；不论要用的是横截面数据还是时间数列，数据量越大越好，如果能够使用面板数据( PanelData) 就更好；

• 对资料数值作一些描述统计分析是实证分析的前期准备。通常通过图表列描述各统计指标的各项统计量( 样本平均值、变异数、变量间的样本相关系数等) 。

四、参数估计与模型取舍

估计方法的选择既不能片面强调复杂性也不能过于简单，而是要根据实际问题的需要确定最恰当的方法。在模型的参数估计过程中要依据经济理论检验、统计检验、经济计量检验的结论不断对模型进行修正，直到找到最佳模型。

1. 若采用了比较复杂的计量方法，则要说明为什么简单的方法不适合。计量方法的好坏不在其复杂程度，而在于它是否能够帮我们得到正确的估计值，以了解数据中所包含的真正信息。

2. 回归模型的设定，尤其是函数形式与解释变量的取舍，可在估计过程中不断的修正。对被解释变量和解释变量均可尝试诸如对数、指数、幂函数等不同的函数形式。这些函数形式的选择，以经济理论上的考虑最为重要，不能单只为了提高模型的估计效果，而盲目的选择一些不合理的函数形式。经济理论分析需要的弹性分析、半弹性分析、边际分析就决定了模型的函数形式。

3. 解释变量的选取：

（1）解释变量是用来解释被解释变量的，因此，要么解释变量是原因，要么解释变量是被解释变量的先行指标。也就是说，解释变量是原因在先，被解释变量是结果在后，有一定的先后顺序。

（2）要注意解释变量的相关性，不能将一大堆彼此相关性很高的变量放进回归式内，如此会造成严重的多重共线性问题；

（3）经济理论所牵涉到的变量如果是无法观察到的，做实证研究时必须采用替代变量( Proxy)，研究者要对所选用的替代变量的合理性加以说明。

（4）虚拟变量的定义要清楚而合理，使用要小心；

（5）如果解释变量有观测误差等数据缺陷，需要探讨可能造成的计量问题。

4. 横截面数据要重点关注异方差( Heteroscedasticity)问题，时间数列数据则要重点关注自相关( Autocorre-lation) 问题。要确定时间数列的稳定性( Stationarity) 。

5. 模型参数的稳定性要注意，可以使用 Chow Test 判断是否存在断点。

五、实证分析报告的写作

实证分析的论文与一般经济学论文具有相通之处，此处仅仅就计量分析论文的特殊性进行展开表述。

1. 绪论

说明研究的性质、范围和目的，并从不同角度或一个比较宽广的视野( 历史、社会、文献、问题严重性等) 来解释研究的重要性。

2. 文献回顾

对和主题有直接和间接关系的文献做一个简单、清楚、有系统的回顾，和主题有直接关系但有不同结果的文献，更是要有比较完整的解释。对该选题的模型使用要进行总结和归纳，提出本文模型使用的特点与新意。

3. 模型设定

经济计量模型必须是可以进行实证分析的模型，因此用来研究经济学问题的计量模型一定是可以应用样本数据进行参数和相应统计量的估计的模型。这些模型可以通过数理经济学的模型推导而来，也可以在简单的逻辑关系上构建。对模型中所涉及的变量均须给与明确的定义，对解释变量和被解释变量之间的关系要详尽的说明，也要解释对模型中主要系数( 或由这些系数所导出之弹性、乘数等) 可能数值的大小及符号有怎样的理论预期，这些说明正是文章所要通过模型解决的经济学问题。

4. 数据收集与处理

对数据的种类、性质、来源出处、数据修订的方式、数据中可能有的错误和缺失，都要有详细的说明，最好也能将资料的基本统计量表列出来。

5. 实证分析结果的报告

(1) 模型估计结果可以选择公式法和表格法进行表述。如果模型比较简单，解释变量少，可以使用公式法表述。这样简洁明了，清晰易懂。如果解释变量较多，可以选择表格法进行表述。但都要把回归系数及其主要检验统计量标示在相应位置。每一系数估计值旁标示标准误( s． e． ) 或 t 统计量，也可加列 p 值，对于显著的估计值也可附加星号标记以提醒读者。显示模型整体表现的统计量，如 Ｒ2( 线性回归模型) ，F 统计量，都应列出。对于时间序列数据模型 Durbin－ Watson 统计量必须列出。

(2) 对主要回归系数( 或由回归系数所导出之弹性、乘数等) 估计值的大小、符号及显著与否要详加讨论，对于显著的估计值更要和理论预期值比较，若有明显的矛盾，则要探讨原因。

(3) 对重要回归系数若是得不到显著的估计值，则要探讨其中原因。绝不能对不显著的估计值做出过度的解释，尤其不能宣称不显著的估计值支持或不支持某些特定结论。我们要知道估计值不显著，就是表示所使用的数据不能够提供足够的信息，若是没有足够的信息，当然不能够也不应该做出任何确切的结论。

(4) 所有具有政策意义的重要论点都要经过假设检验的探讨其显著性。

(5) 若要根据估计模型对数据外的时期或状况进行预测，则态度必须保守谨慎，尽可能设想预测可能不准的原因。

(6) 所有列举的统计数字应尽量保持统一的小数点位数( 小数点后三位数或四位数均可)，如果有很小或很大的数字，则可以用科学表示法表示( 例如 1． 2345 × 10－ 4) ，尽可能显示出三至五位有效数字。

6. 结论与政策建议

对全文的研究结论进行综合，用一句简短的语言表述你的研究结论。然后对该结论给予相应的说明。一篇实证分析论文的结论一定要来源于你实证分析模型，要相应的统计检验的支持。重要的核心研究结论有2-3条已经很了。一定不可直接引用流行的但你文中未作为重点研究的结论作为你论文的结论。对应的政策建议也应该由你的研究结论产生的对所有重要结果做一个完整的总结，并经由理论或数据中不尽完美处的讨论，指明未来研究的方向。

·END·

点击搜索你感兴趣的内容吧

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

出处：计量经济学

推荐：青酱

排版编辑：青酱

    欢迎扫描👇二维码添加关注