梁晶工作室
 
经济科学译丛
金融学译丛
国际经济学译丛
产业经济学译丛
路透金融培训系列译丛
经济学前沿系列
新金融系列
梁晶工作室系列丛书
经济科学教材系列
金融发展与创新译丛
 
点击图片放大
书    名:计量经济分析(第五版)上、下
英文书名:Econometric Analysis,5/e
作    者:【美】威廉·H·格林
出 版 社:中国人民大学出版社
版次印次:2007年7月第1版
2007年7月第1次印刷
丛书系列:
开    本:185mm*260mm 16开本
字    数:1491 000
定    价:¥128
ISBN:978-7-300-08253-0/F·2831
相关书目
经济学中的分析方法
计量经济学导论(第三版)上、下
计量经济学导论:现代观点
计量经济学基础(第四版)上、下
计量经济学(第三版)上、下
作者介绍 内容简介 相关书评 图书目录
学习资料 阅读指南 使用情况 在线阅读

第1章 引言

1.1 计量经济学 
    在《计量经济学刊》创刊号上,计量经济学会(Econometric Society)便指出: 
    其主要目标应该是推动研究经济问题的理论定量方法与经验定量方法的统一,并促进那些具有创造性和严密思想的研究,这些思想类似于那些支配着自然科学的思想。 
    但经济学中的数量方法有几个方面,不应该将其中任何一个单独的方面与计量经济学相混淆。因此,计量经济学绝非等同于经济统计。计量经济学也不同于我们所说的一般经济理论,尽管这些理论的相当成分都明显具有定量的特色。我们更不能把计量经济学看成是数学在经济学中的应用。经验表明,要真正理解现代经济生活中的数量关系,统计学、经济理论和数学三方面都是必需的,但没有哪一个方面是足够的,这三个方面的结合才是有力的。正是这种结合构成了计量经济学的内容。
 
    弗里希(Frisch,1933)和他的计量经济学会对统计信息的空前积累作出了响应。他们认为需要一套原理来组织大量数据,否则这些数据就显得杂乱无章。自从这篇评论发表以来,计量经济学的支柱和目标一直延续至今。计量经济学是经济学的一个分支,它考虑的是数理统计和统计推断工具在经济理论所阐释的经验关系中的应用。

1.2 计量经济建模 
    计量经济分析通常都是从对一个理论命题的陈述开始,比如考虑如下标准的应用。 
-----------------
    例1.1 凯恩斯消费函数 
    根据凯恩斯(Keynes,1936)的《就业、利息和货币通论》: 
    我们因此便定义所谓的消费倾向为给定的收入水平X与该收入水平下消费支出C之间的函数关系f,即C=f(X)。 
    社会的消费支出(i)部分取决于其收入,(ii)部分取决于当时的客观环境,(iii)部分取决于社会成员的主观需要和心理上的倾向和习惯。根据对人性了解的先验知识和所经历的大量事实,我们坚信的基本心理法则是,通常或总体而言,人们在收入增加时会增加其消费,但消费增加没有收入增加得那么多。[1]即……dC/dX为正但小于1。 
    除收入水平的短期变化外,越来越高的绝对收入水平显然通常会扩大收入和消费之间的差距……这些原因通常导致储蓄占收入的比例随着真实收入的提高而变大。
 
    该理论认为消费与收入之间的关系为C=f(X),并在第三段声称边际消费倾向(MPC)=dC/dX介于0~1之间。最后一段又断言平均消费倾向(APC)=C/X随着收入的提高而下降,或者说d(C/X)/dX=(MPC-APC)/X<0。于是,MPC<APC。对消费函数最常见的表述是线性关系C=α+βX, 如果β介于0~1之间且α>0,那么这个函数就满足凯恩斯“法则”。 
    这些理论命题为计量经济研究提供了基础。给定一个适当的数据集,我们便可以研究理论与所观测到的“事实”是否相符。比如,我们可以看出,线性设定能否令人满意地描述消费与收入之间的关系,如果能,那么α是否为正,β又是否介于0~1之间。我们必须研究的问题有:(1)这种关系是否稳定,或者说其中的参数是否会随着数据集的变化而变化(平均储蓄倾向1-APC的变化可能代表了经济系统中消费者行为的根本变化);(2)这种关系在不同的国家是否存在系统差异,若存在,如何解释这些差异;(3)是否还有其他因素能改进模型在解释消费与收入关系方面的能力。比如,图11以不变价格表示了美国在1970—1979年间10年的总消费和个人收入(参见附表F11)。显然,至少从表面上看,数据(事实)与理论相一致。这种关系近似为线性,与大多数数据点最接近的直线具有正截距,而且斜率略小于1。 
                图1.1 1970—1979年的消费数据(图略)
-----------------

    像凯恩斯的这种经济理论特别简明清楚。需求、生产和总消费模型都设定了精确而又确定的关系。因变量和自变量都是明确的,并设定了函数形式,而且在多数情况下,对模型中一个自变量的变化所导致影响的方向作了定性描述。当然,模型只是对现实的简化。它虽然包含了我们所关心的这种关系的显著特征,但忽略了那些完全应该出现但被认为不重要的影响因素。没有一个模型有望包含影响经济生活的方方面面,因为这些因素在本质上都是随机出现的。因此,就有必要在模型中包含随机因素。结果,因变量观测所表现出来的变异,不仅来自那些被明确解释变量的差异,还来自人类行为的随机性,以及我们未明确解释的大量次要因素的作用。应该可以理解,在一个确定性模型中引入随机“干扰项”并不仅仅是为了掩盖其缺陷。为确保被称为随机和未被解释的因素确实无从解释,3事后对研究结论的剖析便至关重要。若发现这些因素并非无从解释,则模型实际上就不太恰当。随机成分使模型具有了统计学上的性质。于是,对所研究变量的观测就成了随机过程的结果。有了足够详尽的随机结构和充分的数据后,这种分析就变成了一个推导概率分布性质的问题。数理统计的工具和方法将为这些推导提供操作原理。 
    除非一个模型(或理论)涵盖的因素十分广泛并包含了所有的可能性,否则它永远也不可能真正被证实。但我们可以对它进行更严格的检查,并在出现与之对立的证据时认为它是不正确的。一个确定性的理论可以被一个与之对立的观测所推翻。在模型中引入随机因素,使之从一个精确的表述变成对预期结果的概率描述,并赋予其重要含义。只有反面证据占优势时,才能令人信服地证明概率模型不正确,但怎样才称得上“证据的优势”,则是一个解释的问题。由此可见,概率模型不是那么准确,但同时却更稳健。[2] 
    计量经济分析的过程从对理论关系的设定开始。我们首先乐观地假定我们的模型设定正确,而且能够准确地度量模型中的所有变量,然后在这个基础上进行讨论。如果每一步都满足这些理想的条件,那么以后的分析可能只是例行公事。不幸的是,这种情况很少见。估计我们会遇到如下困难中的一个或几个: 
    ● 数据度量的质量很差,或者只是很模糊地对应于模型中的变量,“利率”便是一例。 
    ● 有些变量本来就不能度量,“预期”就是这种情况。 
    ● 即便理论能对正确的函数形式作出判断,那也只是一个粗略的猜测,而我们却被迫在令人为难的许多可能性之间作出选择。 
    ● 如果明显违背了对模型中随机项所假定的随机性质,那么我们曾使用的估计方法和推断程序就值得怀疑。 
    ● 某些重要变量可能遗漏在模型之外。 
    有保证的分析步骤既要处理这些问题,又要在这种明显不完善的数据中挑选出任何可能出现的信息。所用的方法仍是数理统计和经济理论中的方法,这样得到的结果便是一个计量经济模型。

1.3  数据与方法论 
    起基础作用的行为模型与现代计量经济学实践之间的联系日益加强。实践者严重依赖于微观经济学的效用最大化、利润最大化和市场出清等理论工具。宏观经济建模者也依赖于经济个体与政策制定者之间的互动关系。分析微妙、困难的问题通常需要错综复杂的表述。下面便是几个应用: 
    ● 提议征收负收入所得税对劳动供给行为可能会有什么影响?(Ashenfelter and Heckman, 1974) 
    ● 强烈以控制通货膨胀为取向的货币政策体制是否以美国经济的产出损失为真正的代价?(Cecchetti and Rich, 2001) 
    ● 美国2001年有史以来最大的一次联邦减税计划是导致还是抑制了当前的衰退?或者两者没有关系?(有待分析) 
    ● 进入一流大学学习导致一生期望收入的预期提高是否足以弥补其高出的学费?(Krueger and Dale,2001 and Krueger,2002) 
    ● 一个自愿参与的培训项目能带来切实的收益吗?这种收益能准确度量吗?(Angrist,2001) 
    所有这些分析都从对观测数据有某种潜在影响过程的一个规范模型开始。 
    计量经济学领域宽广且成长快速。从一个角度,我们可以把计量经济学分为理论计量经济学和应用计量经济学。理论家提出了一些新方法,并分析在不满足其假定的情况下使用某种方法所导致的后果。应用计量经济学家便是这些方法的应用者和数据(真实世界或者模拟世界)的分析者。当然,这种区分很不清楚,实践者为了研究其所遇到的问题常常提出一些新的分析工具。本书包含了大量的理论内容,5但仍以应用计量经济学为取向。我试图全面考察“该领域”经常用到的一些方法,不可否认,其中有些方法相当精巧复杂。 
    另外一种粗略的划分方法把计量经济学分为微观计量经济学和宏观计量经济学。前者主要以分析横截面数据和面板数据,并以强调个体消费者、企业和微观层面的决策者为特征。宏观计量经济学则通常分析时间序列数据,一般都是一些宽泛的总量数据,比如价格水平、货币供给、汇率、产出等。同样,这种区分的界限并不明显。金融计量经济学这个很大的领域,虽然考虑的是长期时间序列数据,偶尔也考虑巨大的面板数据集,但却十分注重以个体行为模型为取向。对市场回报率和汇率行为的分析在本质上既不属于宏观计量经济学又不属于微观计量经济学,或许是二者的某种结合。本书将要考察的另一种应用是市政支出类型,同样也是介于这两个领域之间的问题。 
    应用计量经济学方法将被用于估计一些重要的数量,分析某些经济结果和市场或个人的行为,检验理论和作预测。最后一项用途本身既是科学又是艺术,而且很幸运,它还是一个文献浩瀚的领域。尽管我们会简要地讨论预测,但本书的主要兴趣仍集中于对模型的估计与分析。这里的介绍虽然对微观计量经济学和宏观计量经济学有所区分,但仍融合了微观计量经济学和宏观计量经济学的方法和应用。本书的前18章主要论述形成这两个领域共同平台的一些结论。第19和20章强调时间序列建模,第21和22章则讨论更适合于横截面和面板数据并在微观计量经济学中频繁使用的一些方法。除了一些简单的应用,我们没有在金融计量经济学上花太多时间。对于那些对金融计量经济学感兴趣的读者,我想推荐坎贝尔、洛和麦金利(Campbell,Lo,and Mackinlay,1997)合写的一本名著。同时,我们还有必要将时间序列分析(不是我们关注的要点)与主要用于时间序列数据的分析方法区别开来。前者作为一门学科,与预测一样,在许多领域都有自己的文献。而我们只是使用时间序列分析的一些方法,并花较少的时间来讨论那些基本原理。 
    计量经济学所使用的方法,被越来越多的领域所使用,包括政治科学、社会学(如参见Long,1997)、健康经济学、医药研究(我们如何分析医疗处理研究中的损耗)、环境经济学、交通运输工程和其他许多领域。这些及更多领域的实践者都是本书所论述方法的广泛使用者。

1.4 本书的结构安排 
    本书的其余部分被分成5篇: 
    1.第2~9章提出一些线性和非线性的回归模型,我们将会讨论设定、估计和统计推断的问题。 
    2.第10~15章描述广义回归模型、面板数据的应用和方程组。 
    3.第16~18章给出有关极大似然估计、GMM和模拟方法等不同估计方法的一般结论,还给出非参数、半参数和贝叶斯估计的各种估计框架。 
    4.第19~22章论述了应用计量经济学的一些专题。第19和20章探讨了时间序列方面的专题,第21和22章则探讨了微观计量经济学、离散选择模型和受限因变量方面的专题。 
    5.附录A~D为计量经济学所用到的工具提供了一些背景材料,包括矩阵代数、概率和分布理论、估计及渐近分布理论等。附录E则给出了计算方法方面的一些结论。附录A~D都用一章的篇幅来考察计量经济学中所用到的工具。由于我们假定读者以前在这些专题方面都受过一定的训练,所以这些概述主要是供读者温习使用或为了方便读者查阅。我们并不认为这些附录可以取代这些学科中的任何一门课程。编写这些附录的目的是为了足够简明地总结一些结论,几乎所有这些结论都在本书的其他地方有明显的使用。附录F描述了数值例子中所用到的数据集。实际的数据集和其他一些补充材料都可以从以下网站下载:www.prenhall.com/greene 

    【注释】 
    [1]现代经济学家很少对其理论有这种信心。当前更多的应用研究通常首先从一些原理或行为公理开始,而非简单的观测数据。 
    [2]有关计量经济学中检验的详尽专题论文集,参见Keuzenkamp and Magnus(1995)。

                                                            【完】

 
工作室简介   |   在线定购  |   联系我们  |   法律声明
  © 2006 Liangjing Publishing House All Rights Reserved
中国北京·梁晶工作室 京ICP备:12043223号

京公网安备 11010802021615号