首页 > 文章中心 > 计量经济学的定义

计量经济学的定义

前言:想要写出一篇令人眼前一亮的文章吗?我们特意为您整理了5篇计量经济学的定义范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。

计量经济学的定义

计量经济学的定义范文第1篇

关键词:计量经济学;课程特点;对策

计量经济学与宏观经济学、微观经济学成为我国高等院校经济管理类学生必修的三门经济学核心理论课程。近年来,计量经济学的应用与教学受到国内众多学者、教育工作者的广泛关注。然而,基于笔者的教学经验以及对其他院校计量经济学教学工作的调研,发现现有的计量经济学在其教学开展过程中仍存在不少问题。例如,对于计量经济学的重要性,学科理论基础、学科性质等问题未能形成清楚的认识。此外,在课时安排上仍存在不足现象,而学生的统计学、数理经济学乃至宏微观经济学的先修知识不足。这些问题对于计量经济学的课程教学效果具有至关重要的影响,如若不能及时有效的解决这些问题,对于计量经济学的教育教学目标、学生的培养目标将事倍功半。为此,本文对计量经济学的学科特点以及结合本人在教学及调研过程中发现的问题进行了相应的梳理,基于此,提出本人对于提高计量经济学教学效果的解决方案。

一计量经济学的界定与学科特点

Frisch(1933)对计量经济学的定义给出了一个较为明确的界定,他认为将统计学、经济理论与数学结合起来构成了计量经济学的研究理论体系。进一步说,基于现有经济数据、构建经济理论回归模型、估计模型参数、参数检验以及对相关实证结果的具体应用构成了计量经济学的基本框架。而时间序列分析、面板数据计量经济学、非参数计量经济学以及微观计量经济学构成了现代计量经济学的四大分支(李子奈,刘亚清,2010)。此外,学者们基于对计量经济学理论基础的研究或者将计量经济学模型应用于现实经济问题的分析的角度,将计量经济学划分为理论计量经济学和应用计量经济学。对于大部分本科院校,其对学生的培养定位或者理念就是培养高级应用型人才。因此,在计量经济学课程的开展过程中,注重计量经济学在现实经济问题分析中的应用,而对其诸如模型构建、参数估计、参数检验等理论基础未作深入探讨。整体而言,计量经济学具有综合性、数据依赖性以及理论与应用结合的特点。首先,对于其综合性,正如Frisch(1933)指出的那样,计量经济学融合了经济学、统计学和数学的研究体系或方法。这也对学生的知识储备提出了较为严格的要求,不仅要掌握经济理论以及概率论与数理统计、线性代数等理论知识,还要具有一定的计算机编程基础。其次,计量经济学对经济问题的分析能力在很大程度上取决于数据的质量,以及数据的可获取性。这就要求学生不仅能够充分利用各种统计资料、数据库、互联网采集大量的数据,而且对于数据的处理、特征提取、缺失数据等诸多工作也有较为严格的要求。数据的质量以及数据的数量对于计量模型估计结果的稳健性、准确性影响较大,这就是所谓的计量经济学的数据依赖性。最后,计量经济学理论与应用的紧密结合特点,经典的计量经济学研究体系,其模型建立的理论基础就是传统的经济学理论,通过模型的建立,数据的采集,参数的估计、检验等一系列计量经济学理论,最终达到分析经济问题间的数量关系的目的。即进一步将计量经济学应用于解决、服务实际问题,完成经济问题定量关系的探究、经济预测等目标,而这也是经济学学科研究本身的最终目标。因此,计量经济学的综合性、数据依赖性、理论与应用结合的特性决定了计量经济学的学习具有一定的难度,或者在一定程度上说是一门较为综合的学科。但也充分反映了计量经济学学习的重要性,以及对学生理论、应用研究能力培养的重要性。基于笔者计量经济学的授课经验以及相关调研,计量经济学的教学过程中存在不少问题,本文列举了较为突出的几项问题。

二计量经济学教学问题分析

(一)先修课程有待完善

计量经济学具有综合性的特点,不仅要求学生对经典的经济理论体系具有较为清晰的认识,对于学生的统计学与概率论基础,以及计算机编程等内容要求也较为严格。然而,部分高校在大学二年级就开设计量经济学课程,学生对于经济学内容、数学内容未能形成深刻的认识,因此在学习的过程中存在较大难度。同时,由于本科生注重计量经济学的应用,学生对于采用诸如Eviews、Stata、Matlab等工具进行计量经济学模型的估计甚至模拟过程中对于缺乏一定的计算机编程知识,导致其入门难度大。这些问题不仅会导致学生不能很好的掌握计量经济学,也会导致学生对计量经济学学习兴趣的缺失。此外,姚福寿等(2010)指出,学生的数学基础薄弱,尤其是文科生对计量经济学的理论基础、方法等了解较为困难。因此,在整个课程的设置过程中必须充分考虑学生数学能力的培养。例如,高等数学、线性代数以及概率论等课程应成为经济学专业学生较为重视的先修课程。

(二)过于依赖多媒体教学方式

随着计算机、信息化程度的不断深入,多媒体教学在高等院校中占据越来越重要的地位。多媒体教学可以形象地展示教学内容,吸引学生对授课内容的兴趣,提高了教师的授课效率。但是,在计量经济学的教学过程中,模型的估计、参数的检验等需要较为复杂的数学推导过程,而将这些内容仍以多媒体的形式展现,无疑会出现较多的问题。例如,学生对于公式的推导过程未能形成深刻印象,教学内容展示过快。这些问题影响了学生的听课效率以及对教学内容的掌握。因此,多媒体教学在表面上看来提升了教师的授课效率,但是也在一定程度上加重了学生的负担。因此,计量经济学的课程应注重多媒体教学与板书的结合,以达到最高效的授课方式。

(三)计量经济学软件掌握较差

现在的计量经济学教学过程中,大部分教师注重对计量经济学理论知识的讲解。王少平、司书耀(2012)指出,计算机已成为计量经济学课程中不可或缺的工具,学生对计量经济学的相关知识的仿真实现可以提高学生对于该课程的学习兴趣。然而,教师大都通过计算机实验室对案例演示操作,使得学生不能熟悉的掌握操作,影响了计量经济学实验的效果(郑兵云,2010)。

三改进计量经济学课程教学的对策与建议

(一)提高教师教学质量

充分考虑学生的知识储备以及该学校在计量经济学的师资条件、硬件设施等是提高计量经济学授课效果的重要保障。例如,对于以理科为主的学生要注重其对经济学理论相关知识的强化,否则,计量经济只是作为数学与统计学的结合,学生对现实经济问题不能形成很好的分析能力。而对于文科背景的学生,应注重其高等数学、概率论与数理统计等数学知识的强化。否则,学生对于其模型的设定、参数估计问题一知半解,更无法将其应用于经济问题分析与预测中。综合而言,计量经济学教学过程中,必须以经济学、统计学、数学结合的特点为前提展开。否则,会导致学生不能真正把握计量经济学的理论基础与应用分析。

(二)优化课程设置

在某种程度上说,计量经济学是一门综合性的学科,这就要求学生的经济学理论知识、数学基础,计算机基础都应较为扎实。因此,在教学方案以及培养方案的设定中,必须充分考虑到学生对于这些基础知识的学习。笔者认为将计量经济学和经济学、高等数学及统计学等相关学科的设置综合规划、考虑,优化教学课程体系;其次,将计量经济学课程的开设置于经济学、高等数学、概率论与数理统计、统计学等计量经济学支撑课程学习之后;再次,在以初等计量经济学为教学重点的同时,以专题模块的方式适度开设高等计量经济学相关内容的介绍,引导学生对计量经济学前沿理论的了解。在此基础上,引导学生对计量经济学这门课有一个全面的、系统的认知。

(三)注重学生基础课程的学习

高等数学以及宏微观经济学等内容是经济学专业学生的基础课程,这些课程不仅是计量经济学课程学习的要求,对于学生知识的把握以及对解决问题能力的培养都至关重要。因此,必须注重、强化学生对于这些基础课程的学习。同时,注重学生对于基础课程应该的训练。尤其对于计算机软件的熟悉,例如最为容易掌握的EXCEL、SPSS、EViews等数据处理等方面的基础训练,这也为计量经济学等应用学科的学习奠定基础。

(四)注重计量经济分析软件的学习

学生熟练掌握计量经济分析软件,不仅可以提高学生对于计量经济学课程学习的兴趣,还可以提高其解决现实问题的能力。因此,计量经济软件在整个课程设置中具有重要地位,不应忽略。鉴于此,每个学期的计量经济学课程我们分配了三分之一的课时给实验教学,就是在锻炼学生对软件的学习运用能力的同时加强对计量经济学基础知识的运用能力。做完每个模型的模拟,我们在课堂上都会要求学生把自己的成果进行展示,通过做报告,学生的反馈是学到了很多有用的,课本上没有的软件应用知识。这对于掌握计量经济学这门课程的知识是非常有帮助的,也是非常必要的。

(五)因材施教,学以致用

计量经济学课程融合了经济学理论、数学知识以及计算机的相关内容,学生在这三方面的学习能力存在一定的差距。这就要求教师在授课过程中,不仅要注重计量经济学理论体系的讲解,对其应用分析以及在现实经济问题上的应用也该给予充分重视。同时,根据笔者教学的经验,应该针对不同的内容引导学生积极思考,将计量经济学模型和实际的经济活动相结合,并且应用模型去分析探索相关问题的解决,同时请学生将分析的结果在课堂上展示,通过笔者的尝试,这样的教学活动效果较好,学生反映可以做到“学以致用”,同时这也符合我们“应用型人才”高校办学的基本宗旨。

参考文献

[1]李子奈,潘文卿.计量经济学[M].北京:高等教育出版社,2010.

[2]王少平,司书耀.论计量经济学教学中的能力培养[J].教育研究,2012,(07):110-114.

[3]李子奈,刘亚清.现代计量经济学模型体系解析[J].经济学动态,2010,(05):22-31.

[4]黄犚,张台秋.论计量经济教学中的创新能力培养[J].统计与咨询,2008(3):52-53.

[5]方雯.提高计量经济学课程教学效果的几点思考[J].长春理工大学学报(社会科学版),2010,23(3):159-160.

[6]姚福寿,刘泽仁,袁春梅.本科计量经济学课程教学改革探讨[J].高等教育研究,2010(2):45-48.

计量经济学的定义范文第2篇

在中国,统计学经过几十年的发展,于2011 年成为一级学科,这标志中国的统计学正进入一个新的全面发展阶段。与此同时,不少人对统计学的一些分支,特别是经济统计学、计量经济学和数理统计学这些学科的定位、作用以及它们之间的相互关系与发展前景的认识并不一致,在某些方面可能存在认识误区,甚至将经济统计学和数理统计学的发展对立起来。这些认识误区的产生,有其历史的原因,也有现实因素的影响。但是,这不利于统计学的发展。因此,有必要厘清统计学科内部分支,特别是经济统计学、数理统计学、计量经济学与经济理论等之间的相互关系及其发展前景。本文的主要目的,是从统计学与经济学统一的视角,论述统计学各个分支,特别是数理统计学、经济统计学、计量经济学和经济理论( 包括数理经济学) 各自的学科定位、作用,以及这些学科之间的相互关系。本文的分析表明,作为现代统计学的一个重要发展方向,数理统计学在中国正在迅速兴起。在经济学中,经济统计学和计量经济学由于与经济理论的密切结合,在量化描述经济现象并透过现象揭示内在经济规律的过程中发挥着重要作用,两者一起构成了经济研究特别是实证研究完整的方法论,其中经济统计学作为测度方法论是经济实证研究与计量经济学的前提条件与基础,有其深厚的学科根基以及广阔的发展前景,不可替代。

作为统计推断的一般方法论,数理统计学的发展不会弱化经济统计学与计量经济学在经济学中的方法论作用,相反地,随着这些学科之间的交叉与融合,经济统计学与计量经济学将得到迅速的发展,从而进一步提升中国经济实证研究的水平与科学性。本文的结构如下: 第二部分分析并论述统计学、概率论、数理统计学、经济统计学、计量经济学以及经济理论( 包括数理经济学) 等学科之间的相互关系,特别是它们的区别与联系。第三部分讨论经济统计学的主要特点,以及其在经济研究与经济管理中发挥的基础性作用。第四部分讨论发展经济统计学的主要途径。第五节是结论。

二、经济统计学与计量经济学等相关学科的相互关系

统计学是一门关于数据的科学,是关于数据的搜集、整理、加工、表示、刻画及分析的一般方法论。统计学就其研究范畴来说,包括描述统计学( descriptive statistics ) 与推断统计学两大领域。描述统计学主要是数据搜集、整理、加工、表示、刻画和分析等,包括概括性的数据处理与分析; 而推断统计学则是基于样本信息,对产生样本数据的母体或系统进行推断的方法论科学。现代统计学的迅速发展有两个主要历史原因,一是各个国家、政府和社会部门基于管理目的搜集社会经济信息的客观需要; 二是数学学科中的概率论的发展。在人类社会中,数据搜集的历史非常悠久,描述统计学特别是数据搜集、整理、描述、刻画与分析的重要作用是不言而喻的。数据的搜集及数据质量本身是任何有意义的数据分析的基础与前提。没有高质量的数据,任何数据分析及其结论将毫无意义。在当今信息爆炸时代,如何用简洁、方便、易于解释的方式,从大量复杂数据中概括其最有价值的信息,也是描述统计学的一个重要作用。

但是,现代统计学的发展及其在自然科学与人文社会科学中很多领域的应用,主要是由概率论的产生与发展推动的。概率论的产生最初主要是对赌博研究的需要,后来成为研究不确定性现象最主要的数学工具,广泛地应用于自然、工程、社会、经济等各个领域。在统计应用中,人们一般无法获得整个母体的信息,而只能搜集到母体的一部分信息,即样本信息,其主要原因是因为获取整个母体信息的成本太高、时间太长或者因为客观原因而无法获得。因此,人们只能从有限的样本信息推断母体的规律特征。在这个推断过程中,概率论对描述样本信息与母体规律特征之间的关系提供了一个非常有用的数学工具; 更重要的是,它对基于样本数据的统计推断所获得的结论能够给出某种可靠性描述。这奠定了推断统计学的科学基础,也是统计推断区别于其他形式的推断( 如命理师根据手相或面相等样本信息推断一个人一生的命运) 的最为显著的特点。

因为这些原因,概率论的发展极大地推动了推断统计学的发展,特别地,概率论提供了很多数学概率模型,可用于对母体的概率分布进行建模。因此,统计推断就转化为从样本数据推断数学概论模型参数值以及其他重要特征等信息。这样,推断统计学就主要表现为数理统计学的形式。数理统计学有两个主要内容,一个是模型参数的估计,另一个是参数假设的检验。经过几十年的发展,数理统计学发明了很多推断理论、方法与工具。这些推断理论、方法与工具能够从样本信息推断母体特征、性质与规律,并提供所获结论的可靠性判断。由于自然科学与社会科学大多是从实验数据或观测数据推断所研究的系统或过程的内在规律,因此,数理统计学被广泛而迅速地应用于各个学科和领域的实证研究。数理统计学之所以成为现代统计学的一个重要的发展方向,就是因为它作为一门严谨的实证研究方法论,符合人类科学探索的过程与需要,即从有限样本信息推断系统或过程的性质与规律。随着中国科学的发展与研究水平的提高,包括人文社会科学在内的各个学科,对实证研究的方法论的需要将与日俱增。

因此,统计学特别是数理统计学今后将得到日益广泛的应用与迅速的发展。描述统计学几十年来也有长足的进展,在包括实验或调查方案设计,数据的搜集、整理以及分析,无论在方法论、调查手段还是工具方面,都有极大改进。数据挖掘作为一门关于数据分析方法与技术的新兴学科,可视为描述统计学的范畴。在描述统计学和推断统计学之间,描述统计学发挥着基础性作用,因为描述统计学牵涉到数据的搜集、解释、整理、测度、表示、刻画与分析,而数据及其质量是推断统计学结论科学性的重要前提和基础。描述统计学在刻画数据特征时所使用的一些统计方法与统计量,也是推断统计学的基础工具。与描述统计学相对应,经济统计学是对经济系统中各个主体、部门、变量和各种经济现象的一种数量描述。经济统计学的本质是经济测度学。经济统计学可视为描述统计学的一个分支,但不是描述统计学在经济学领域的简单应用,而是描述统计学和经济理论的有机结合。前苏联以及中国改革开放前的计划统计,特别是部门统计,就是在社会主义计划经济理论和实践基础上建立起来的。随着中国经济从计划经济模式转为市场经济模式,部门统计乃至计划统计越来越不适用于描述中国经济的实际运行。经济统计学需要经济理论的指导。这其实是著名经济统计学家钱伯海( 1997)在他的晚年将精力从研究经济统计学转向研究社会劳动价值论的主要原因,因为传统社会主义计划经济理论已经落后于中国经济转型以及中国经济统计学发展的需要。经济统计学主要是在描述统计学和经济理论两者基础上发展起来的,具有统计学与经济学双重学科属性。

由于研究对象经济系统的复杂性,经济统计学中量化描述经济现象与测度经济变量的理论、方法与工具,比描述统计学标准教科书所介绍的理论、方法与工具要丰富和复杂得多。这也是经济统计学的魅力所在。同经济学可划分为宏观经济学与微观经济学一样,经济统计学也可划分为宏观经济统计学、中观经济统计学和微观经济统计学。所谓宏观经济统计学就是国民经济统计学,主要是搜集和整理整个国民经济运行全过程的所有数据信息,对包括存量与流量、总量与结构、国内与国外,静态与动态等各种方面进行量化描述与分析。

微观经济统计学也称为企业经济统计学,主要是对企业本身各种经济活动、经济行为、经济现象进行量化描述。以企业财务为主要对象的会计学,在某种意义上是微观经济统计学的一个重要组成部分,即企业财务统计学。所谓中观经济统计学,是指对介于整个国民经济与企业之间的中观部门,如政府部门、产业部门,不同地区的经济活动和经济现象进行以数据为基础的量化描述。与经济统计学密切相关的一门学科是计量经济学。计量经济学假设经济系统是一个随机过程,服从某一客观运行规律; 任何观测经济数据,都是从这个随机经济系统产生出来的。计量经济学的主要任务就是基于观测经济数据,以经济理论为指导,利用统计推断的方法,识别经济变量之间的因果关系,揭示经济运行规律。有关计量经济学的学科定位与方法论作用,可参看洪永淼( 2007,2011),李子奈和齐良书( 2010)。

可以说,计量经济学是推断统计学在经济学的应用,但并不是简单的应用,而是统计推断理论和经济理论的有机结合。

首先,在数理统计学中,统计推断是通过数学概率模型对样本数据建模。在计量经济学中,计量经济模型不仅仅是数学概率模型,其模型设定需要经济理论的指导( 如选择哪些经济解释变量) 。

其次,数理统计学的一些方法论并不能直接用于对经济数据的统计推断,因为经济数据有其特殊性。比如很多高频金融数据,有所谓的波动聚类现象( volatility clustering) ; 在劳动经济学中,很多数据存在所谓的内生性,这种内生性对识别经济变量之间的因果关系造成很大困扰。另外,一些计量经济模型,如宏观经济学和金融学领域的动态资产资本定价模型( Hansen、Singleton,1982),是通过欧拉方程条件矩刻画的,其中经济理论( 如理性预期理论) 并没有假设相关经济变量的概率分布已知。因此,数理统计学没有现成的方法可用于估计、检验这个模型。这就是为什么2013 年经济学诺贝尔奖得主Hansen( 1982)提出广义矩( GMM) 估计方法的原因。

第三,使用什么样的计量经济模型,要由所研究的经济问题来决定。什么时候需要用回归模型,什么时候需要用波动模型,什么时候需要用整个概率分布模型,这并不是由研究者个人随其偏好而定,而是取决于所研究的经济问题的本质。例如,用历史数据研究市场有效率理论以及资产收益率的可预测性时,合适的计量经济模型是时间序列回归模型( 即条件均值模型) 。这是因为预期收益率可由条件期望来刻画( 陈灯塔和洪永淼,2003)。

第四,计量经济学是经济计量模型的推断方法论,包括如何估计参数和进行检验参数假设,判断模型是否正确设定,以及如何进行经济解释。参数假设与原始的经济假说既密切相关又有区别。经济学家关心的是经济理论、经济假说的正确与否,为此必须首先将经济理论和经济假说转化为可检验的计量经济模型的参数假设,然后利用经济数据进行参数假设检验,并解释参数假设检验结果的经济含义。计量经济学建立在经济观测数据的基础上,即建立在经济统计学的基础上。经济统计学对经济变量和经济现象进行量化测度,这些测度首先表现为经济数据。经济数据是计量经济学实证研究的原材料。计量经济学的推断结论的科学性很大程度取决于原材料即经济数据的质量优劣。

绝大多数经济数据是现实经济生活中的观测数据,不能用可控的实验方法获得,因此经济数据的测度具有巨大的挑战性。同时,由于经济观测数据的不可实验性,计量经济学需要一些基本假设,如假设经济系统是一个随机过程,经济观测数据是经济随机系统的一个( 偶然) 实现,经济随机系统满足某种平稳性或同质性条件,等等。这些假设是否符合客观经济现实也会影响计量经济实证研究结论的科学性。对经济变量、经济现象的准确测度,是经济实证研究的先决条件与基础。没有高质量的经济数据,任何经济实证分析及其结论将毫无意义。

与此同时,经济统计学可以揭示、刻画重要经济变量的性质以及它们之间的数量关系,也就是通常说的典型经验特征。这些典型经验特征实际上是经济实证研究与经济理论创新的重要基础与出发点。测度与刻画经济变量的数据特征,包括它们之间数量关系的特征,是经济统计学的范畴。如何更进一步地揭示经济变量之间的因果关系以及内在规律,则需要经济理论与统计推断。经济理论在某种意义上就像概率论一样,可以指导对经济现象的建模。因此,在经验典型特征事实基础上,以经济理论为指导,对经济现象进行建模( 所建模型即为计量经济模型) ,并基于经济观测数据对计量经济模型进行统计推断,从中找出经济变量的因果关系及经济运行规律,并解释经验典型特征事实。这是计量经济学的范畴。可以看出,计量经济学是经济统计学、经济理论( 包括数理经济学) 与数理统计学三者的有机结合,是一个交叉学科。正如著名计量经济学家Goldberger( 1964)指出的,计量经济学可以定义为这样的社会科学: 它把经济理论、数学和统计推断作为工具,应用于经济现象的分析。

随着中国经济学研究从定性分析为主转为定量分析为主,特别是转为实证研究为主,可以预计,计量经济学作为实证研究最主要的方法论,将发挥越来越重要的作用。综上所述,经济统计学和计量经济学有不同的研究对象和研究范畴。经济统计学是对各种经济现象、经济行为和经济主体的一种量化描述,其本质是经济测度学。而计量经济学是在观测经济数据的基础上以经济理论为指导进行计量经济学建模与统计推断,从而检验经济理论和经济假说的有效性与正确性,并揭示经济变量的因果关系和内在经济运行规律。

很明显,经济统计学是计量经济学的重要前提与基础。经济统计学和计量经济学两者结合在一起,构成了经济实证研究的完整的方法论。经济统计学是经济研究的基础方法论,是整个经济研究过程中的一个前置环节。计量经济学的推断方法,包括计量经济学模型的构建( 由经济理论指导) ,模型参数的估计、检验及其经济解释,是经济实证研究的主要内容。1970 年经济学诺贝尔奖得主萨缪尔森曾说过,计量经济学可以定义为实际经济现象的数量分析,这种分析基于理论与观测的并行发展,而理论与观测又是通过适当的推断方法得以联系。换言之,计量经济学是建立在经济理论和经济测度两者基础上的,而经济理论和经济观测又是通过统计推断方法,即通过数理统计学而联系在一起。与经济统计学一样,计量经济学同样具有统计学与经济学两种学科属性,并不是数理统计学的一个分支。以上各个相关学科之间的关系,可用图1 表示。

三、经济统计学的地位与作用

前文分析指出,经济统计学是对经济现象的量化描述与对经济变量的测度,而计量经济学则是在观测经济数据的基础上,以经济理论为指导,结合统计推断,揭示经济变量的因果关系与经济运行规律。经济统计学和计量经济学一起,构成经济实证研究完整的方法论,其中,经济统计学是经济实证研究与计量经济学的重要方法论前提,它起着一种基础性方法论的作用。那么,经济统计学在社会经济管理和经济研究中具体能够发挥什么样的作用呢?

首先,作为经济测度学,经济统计学用数字描绘经济系统的各种经济现象、各个经济主体、各个经济部门、各个经济层面在不同时间的动态立体图景。Samuelson 和Nordhaus( 2000)指出,虽然GDP 和国民经济核算似乎有些神秘,但它们是20 世纪最伟大的发明。如同人造卫星探测地球上的气候,GDP描绘出一幅经济运行状况的整体图形。这种对经济现象的数字描述,为经济学者、政府官员、企业家以及社会公众了解整个经济现状以及进行相关的经济决策,提供了非常有价值的信息。可以说,在现代经济学中,宏观经济学和微观经济学是经济理论的基础,而在经济统计学中,国民经济统计学是宏观经济学的统计版本,企业经济统计学则是微观经济学的统计版本。宏观经济学和微观经济学是对经济系统的理论描述,而宏观经济统计学和企业经济统计学是对经济系统的一种现实描述,以数量的形式描绘了整个经济运行的实际状况。

第二,统计学有一个重要思想,是通过构造简单、方便、易于解释但又具有科学性的统计方法与统计工具,从大量数据中概括其最主要特征与最有价值信息。经济统计通过收集每时每刻都在产生的大量经济数据并且进行分析,从中获取最有价值的信息,这是经济统计的最主要任务与最主要功能。在信息爆炸时代,从海量数据中总结有价值的信息,并及时地以简单、方便、易于解释的方式将信息传递给政府官员、经济学者、企业家、社会公众,这些重要经济信息是政府宏观经济管理与决策、企业微观管理与决策及社会公众了解社会经济现象的重要基础。举几个例子: 第一个例子,各国中央银行的一个重要任务,是控制通货膨胀。根据通货膨胀率的变化趋势,及时调整央行的货币政策,而通货膨胀率,主要是CPI 的测度,其有效性、精确性与科学性是央行制定政策的依据。第二个例子是经济增长率。GDP增长率是政府进行宏观经济决策与经济管理的一个主要目标,是衡量经济发展的一个重要指标。如何测算GDP 是一个重要问题。第三个例子是如何测算中国的人力资本( human capital) ,这也是一个具有挑战性的问题。一段时间以来,社会公众对官方的经济统计数字经常表示质疑,这种质疑一方面表明,中国经济统计学家与经济统计工作者还需要做大量的解释工作和改进工作,另一方面也表明经济统计学知识在中国的普及势在必行。

第三,经济统计学是经济研究特别是实证研究的前提与基础。经济统计学提供的数据质量的优劣,直接影响实证研究结论的科学性。众所周知,经济学研究的最主要任务是通过对所观察到的各种经济现象进行理论思维与理论创新,揭示经济运行规律。经济统计学可以从观测经济数据中找出重要的经济变量之间的数量关系。这些数量关系构成经验典型特征事实。经验典型特征事实是对复杂经济现象的一种概括性刻画,是经济学实证研究与理论创新的重要基础。在宏观经济学中, Phillips( 1958)从英国宏观经济数据中发现货币工资增长率和失业率之间存在负相关的关系,这后来被转化为刻画通货膨胀与失业率之间的负相关关系并称为菲利普斯曲线。菲利普斯曲线作为宏观经济学的一个经验典型特征事实,构成了凯恩斯以后宏观经济学理论发展的基础。所有宏观经济理论都必须能够解释为什么通货膨胀和失业率之间存在负相关关系。上个世纪70 年代,以美国为代表的西方经济陷入了滞涨阶段,菲利普斯曲线变为正斜率,这个新的经验典型特征事实推动了后凯恩斯宏观经济理论的发展。另一个例子,是由Mehra 和Prescott( 1985)提出的所谓证劵风险溢价之谜( equityrisk premium puzzle) ,即美国证券市场收益率远高于无风险债券市场收益率。这一经验典型特征事实,对宏观经济学与金融学领域的资本资产定价理论的发展起着巨大的推动作用。

在微观经济学中,有所谓的恩格尔曲线,即一个家庭消费所占的比例随收入的增加而逐渐减少。这是恩格尔通过微观经济统计数据发现的经验典型特征事实。在金融学方面,早在1960 年代,金融经济学家就发现,股票市场存在波动聚类现象,即今天一个大的波动,明天常常伴随另一个大的波动; 今天一个小的波动,明天常常会伴随一个小的波动,这两种变化交替进行,而不是大小波动均匀分布。2003 年经济学诺贝尔奖获得者Engle( 1982)提出的著名的ARCH 波动模型之所以流行,一个重要原因是它可以解释金融市场波动聚类这个重要经验典型特征。在中国,引起中国经济学者、政府官员和社会公众关注的很多重要经济问题,其实都有经济统计学的贡献。

例如,经济学家在分析中国经济统计数据过程中发现,劳动收入在整个国民经济收入中所占的份额在过去近20年中逐步降低。这个经验典型特征事实成为一段时间以来中国经济学者的热门研究课题。中国经济研究特别是实证研究水平的提升,关键就是要能够在细致、准确地搜集与分析中国经济数据的基础上,总结反映中国经济在转型期的经验典型特征事实,在此基础上提出经济转型理论解释中国经济的运行及发展趋势,并运用计量经济学方法验证经济理论的有效性。如果中国经济学能够遵照这种研究范式,那么中国经济学的研究水平将得到很大提升,并对经济转型理论做出自己创新性的贡献。但是,目前中国经济统计学家、计量经济学家和经济学家在总结中国经济经验典型特征事实方面,做得还很不够,对重要经验典型特征事实在经济研究与理论创新过程中的作用与重要性,也认识不足。

第四,经济测度对计量经济学的学科发展有重要的推动作用。首先,经济测度的质量决定了计量经济学实证分析结论的科学性。其次,经济数据,特别是经济数据的类型,对计量经济学学科发展影响巨大。举几个例子: 首先是经济数据观测的误差( measurement errors) ,对计量经济学的推断,包括参数估计和参数假设检验,有很大的影响,如导致不一致的参数估计。为了研究测度误差的影响,计量经济学很早就有了一个分支,即变量误差的计量经济学。当然,变量误差也可能由其他因素而非测度误差引起。第二个例子是时间序列计量经济学的发展。Nelson 和Plosser( 1982)在一个实证研究中发现,绝大部分宏观经济时间序列,包括GDP、CPI和股票价格,都是非平稳时间序列。这对当时以平稳时间序列作为主要研究对象的时间序列计量经济学提出了挑战,因为平稳时间序列计量经济学的理论与方法,不适用于分析非平稳时间序列。

后来的单位根和协整等现代时间序列经济学理论,就是为了研究非平稳时间序列而发展起来的。第三个例子是不完全识别计量经济学( partialidentification econometrics) 。在微观经济数据中,有一些经济变量不能获得精确测度,比如在美国问卷调查一个人或家庭收入时,因各种原因只能调查收入处于哪个区间,不能获得一个精确测度。这种不精确经济测度,对计量经济学实证研究造成了很大影响。特别地,在估计计量经济模型参数值时,不能获得点估计,只能得到区间估计。这种统计推断的方法催生了一个新的计量经济学分支,即部分或不完全识别计量经济学。第四个例子,在大数据时代,各种以前没办法获得的数据,现在通过现代信息技术可以得到,比如在金融市场,可以获得每笔交易数据,即tick by tick data,每次交易的价格、交易量以及交易的时间点,都可以完整地记录下来。这种新型的交易数据,包含很多交易行为和市场微观结构的信息。除金融市场外,超级市场或商店通过信用卡完成的交易,其交易以及交易者的信息,也同样可以获得。对这种实时交易数据进行计量经济学建模及推断,产生了一个新的计量经济学分支超高频数据计量经济学( econometrics ofultra-high frequency data ) 。更多讨论参见Engle( 2000)和Engle Russell( 1998)。

最后一个例子是面板数据。以前大部分经济数据,要么是时间序列数据,要么是横截面数据。现在,越来越多的二维数据,即对每个横截面单位( 如个人、家庭、国家等) ,可以在不同时期跟踪并测度。这种二维数据称为面板数据。一个很著名的例子,是美国密歇根大学PSID 调查数据。这个数据库调查了很多美国的个人和家庭,而且在不同时期跟踪测度,对研究美国劳动力市场与收入分配发挥了重要作用。这种数据推动了面板数据计量经济学的发展。实际上,不仅是面板数据,现在也可每天观测到一个曲线,如IBM 股票价格每天从开盘到收盘随时间变化的曲线,又如不同城市每天温度随时间变化的曲线,这些在统计学上称为函数数据,有相应的统计模型,更多讨论参见Ramsey 和Silvema ( 2005)。上面几个例子表明,数据的类型,即经济测度的类型,在很多方面都推动了计量经济学学科的发展,这其实是经济统计学对计量经济学发展的影响和重要贡献。第五,一个多世纪前,有一位美国学者说过,统计思想与统计思维总有一天会和要求一个人能够读、写一样,是一个人在现代社会中所具备的基本能力。培养大量具有经过系统训练的经济统计人才,对完善一个国家的治理体系与提高治理能力是非常重要的。中国经济统计学的一个重要任务就是培养大量高素质、具有系统的经济统计学训练的专门人才,推动中国市场化经济转型、提高宏观与微观经济管理水平,提高国家社会治理水平。尤其是,现代社会是信息爆炸的社会,需要培养大量懂得搜集数据、分析数据、解释数据、基于数据进行决策与管理的经济统计人才

四、如何推动经济统计学的发展

如何在新的历史条件下提升与发展经济统计学?第一,坚持经济统计学是经济测度学这个基本学科定位。经济统计学用数字描绘各种经济现象、各种经济主体、各个经济部门和各个不同层次在不同时间的动态全景图像。经济统计学的最主要任务是经济测度方法论的创新,发展能够更精确地测度经济现象、经济行为和经济变量的理论方法与工具,并应用于实践。这个基本定位将保证经济统计学在经济学中的基础地位,从而不会受到包括数理统计学和计量经济学在内的其他相关学科在中国兴起的可能冲击与影响。一些学者曾提出广义经济统计学的建议,将作为推断方法论的计量经济学作为其中一部分。

这种想法符合统计学的范畴定义,即如统计学分为描述统计学和推断统计学那样,经济统计学也可分为经济测度学和计量经济学。然而,由于历史的原因,计量经济学作为一个学科在国外已有80 多年历史,在中国也有30 多年发展历史。如果将计量经济学作为经济统计学的一个组成部分,有可能会出现计量经济学取代经济统计学的情形。因此,坚持经济测度学的基本定位可以更加明确经济统计学的学科特色,有利于经济统计学的长远发展。在这方面,邱东( 2013)对国民经济统计学科的定义与内涵、外延发展,做了精确阐述。

事实上,在国外,经济统计学主要也是定位在经济测度学方面。第二,发展经济统计学必须立足本土化。在中国,经济统计,特别是现代统计学意义上的经济统计,历史不是很长。中国地大物博、不同地区之间、城乡之间与不同群体或阶层之间差异巨大,经济统计不但水平较低,而且面临的挑战与困难也特别巨大。这种基本国情为在中国发展经济统计学提供了一个很大的空间,比如,关于宏观经济数据的构建,一个重要问题是处理季节性因素。在西方的经济统计工作中,季节性因素对经济变量的影响,比如感恩节、圣诞节、元旦等等,其处理都有一套成熟的方法,但是这些方法并不完全适合一些具有中国特色的季节性因素。比如中国的端午节、中秋节、春节,都是根据中国农历而定,而不是根据西方公历而定的季节性因素。这些季节性因素的处理方法将与国外季节性因素的处理方法有所不同,这是中国特色。

又如,中国在过去30 多年,成功地从计划经济模式转为市场经济模式。但是,与西方发达国家相比,中国市场经济发育、成熟的程度还比较低。中国经济统计学家能否提出一套刻画中国市场经济发展成熟程度的指标,以测度中国市场经济完善的程度? 还有,中国过去30 多年,以要素投入为主要特征的粗放型经济增长模式已经面临一个转折点。中国经济必须经济转型,以确保持续稳定发展。对中国过去30 多年粗放型经济增长模式所带来的一些不可持续的因素制约,如对环境污染的经济成本,在统计方法上还没有一个系统的、有说服力的量化描述与估计。最后,中国正处于实现以民族复兴、人民幸福为主要内容的中国梦过程中,对中国梦的量化指标的构建,包括对人民幸福感指数的构建,也是中国经济统计学家,计量经济学家与经济学家可以做的具有理论与现实意义的研究工作。总之,立足本土、立足国情、服务国家社会经济发展需要,将使经济统计学焕发出巨大的发展活力。第三,大力促进学科交叉与融合,通过学科交叉与融合,推动中国经济统计学的发展与现代化。上文在描述经济统计学的重要作用时,讨论了经济统计学对发展其他学科,特别是计量经济学的重要作用。同样地,包括经济理论、计量经济学、概率论与数理统计学在内的其他相关学科的发展,对发展经济统计学也有很大的推动作用。前面提及,著名经济统计学家钱伯海在他的晚年,集中精力从事社会劳动价值论的研究,他从经济统计学研究中深深感受到要发展经济统计学,特别是国民经济综合平衡核算体系,必须有新的经济理论作为指导。作为经济测度学,经济统计学不可避免地涉及到统计抽样调查。

在这方面,数理统计学特别是抽样理论的最新发展可以提供很大帮助。在国民经济统计学中,对宏观经济变量的测度,以及对宏观经济变量之间数量关系的描述及解释,也需要经济理论的指导。宏观经济变量是微观经济变量在一定时期内的加总( aggregation) 。由于微观个体的异质性,加总以后的宏观经济变量的性质,以及宏观经济变量之间的数量关系,与原始的微观经济变量以及它们之间的关系可能有很大的不同。在微观经济学中,一个著名的例子,就是需求函数,即微观个体需求与个体收入之间的关系,如果对微观层面个体的需求函数加总,所获得的总需求与总收入之间的关系与原来个体的需求函数将有所不同,除非微观个体消费者的效用函数满足所谓的hypathetic utility function 假设。由此可以看出,对宏观经济变量的测度( 类似加总) 之后,如何理解宏观经济变量的性质以及它们之间的数量关系,需要有微观基础,而这就涉及到经济理论。另一方面,概率论与数理统计学对理解宏观经济变量的性质也是很有助益的。例如,Granger( 1980)讨论了微观消费函数的加总问题。他假设个体之间的边际消费倾向系数有所不同,而且微观个体的边际交易倾向的数值可视为是从 分布中产生的实现。

加总以后的宏观消费变量与原始个体消费变量的统计性质将出现本质区别: 虽然微观个体的消费是一个短记忆的时间序列,但是加总以后的宏观消费变量将具有长记忆( longmemory) 的时间特性。总之,推动各个统计学科的交叉与融合将促进各个学科的发展,包括经济统计学。不管是计量经济学、经济统计学或是数理统计学,这些相关学科都有它们共同的基础,即统计思想与统计思维。因此这些学科完全能够在互相交叉融合中不断完善。同时,也有可能因此产生一些新的交叉学科。例如,实验产生的数据与现实观测经济数据有很多不同特点。特别地,经济观测数据是各种因素联合作用的结果,而且具有不可实验性( 即不能通过重复实验获得) ,因此一般情况下没有办法将其中某一或某些因素所产生的经济后果准确地分离测度出来。而实验经济学则借鉴自然科学的研究方法,通过控制实验条件排除其他因素的影响,从而可以较精确地测度所关注因素所产生的后果。实验经济学实质上是通过可控实验改进经济测度,从而可以更好地研究经济行为与经济规律,包括经济因果关系。

事实上,实验经济学与经济测度学及计量经济学的交叉与融合,正在产生一个新的交叉学科,即实验计量学( experimetrics)。第四,为了发展经济统计学,必须大力推动国际化,通过国际化推动经济统计学的发展。在中国,经济统计的历史相比西方国家短得多,特别是中国社会主义市场经济的实践只有30 几年历史,而西方成熟的市场经济已有几百年历史,我们在统计资料搜集、统计方法与工具等各个方面,还有较大差距。上个世纪70、80 年代,中国国家统计局和厦门大学合作,提出了中国国民经济核算体系,这是西方经济统计学、现代经济学和中国经济实际相结合的一个范例。今天中国的经济统计学同样可以从国外相关学科学到很多有益于自己学科发展的知识。例如,众所周知,GDP 大体反映了一个经济体社会财富水平。但是GDP 作为描述经济发展的指标,有很多缺陷,既不能精确地反映总量,也不能反映经济活动的质量与效益,更不能反映经济结构、社会分配、民生改善、以及对环境破坏的程度等等。

认识到GDP 的种种缺陷,国外学者,包括经济统计学家、经济学家,过去几十年提出各种指标,试图修正GDP 的缺陷,比如Nordhaus 和Tobin( 1972)提出了去除环境污染和交通堵塞等成本的净经济福利指标; Repetto等( 1989)提出了扣除资源损耗成本的国内生产净值; Daly、Cobb( 1989)提出了将财务分配状况、社会成本等因素计算在内的所谓可持续经济福利指标; Pinter、Hard( 1995)提出可持续发展指数; VonWeizsacker 等( 1997)提出了绿色GDP 概念,等等。这些对构建适合刻画中国宏观经济增长与发展水平的指标都有很好的借鉴意义。第五,必须顺应时展潮流,与时俱进地发展经济统计学。我们正处于一个大数据的时代,大数据提供了极其丰富的信息。如何有效地获取大数据中的有用信息,统计学无疑提供了非常重要的方法、理论与工具。与此同时,大数据也为包括经济统计学在内的统计学等分支学科的发展提供了一个新的广阔空间。例如,包括跨境电商在内的电子商务,正在中国蓬勃兴起,深刻地影响了贸易、购物、消费乃至生产形态。如何统计电子商务成为一个迫切需要解决的现实经济统计问题,这也为经济统计学的发展提供了一个难得的机遇,又如,大数据使得以较高频率测度宏观经济变量成为可能。目前绝大多数的宏观经济变量( 如CPI) 最高频率只有月度数据,在大数据条件下,完全有可能获得更高频( 如每周) 的宏观经济数据,这样可更及时反映客观经济运行情况。第六,加速经济统计学教材更新换代,尽可能地全面反映几十年来中国乃至世界上经济统计学和现代统计学的研究成果。在国外,不论是统计学还是经济学相关专业,大都没有经济统计学课程设置,因此也就没有相应的教材。这与宏观经济学、微观经济学、计量经济学等其他经济学课程有很大不同。因此,中国经济统计学教育必须更加注重教材建设,在明确学科定位的基础上,总结国内外各个相关学科以及经济统计的理论与实践,尽量汲收国内外所有有用的研究成果与经验,争取使经济统计学的研究与教育不但成为中国经济学教育的一大特色,同时也成为引领世界前沿研究的国际化学科。

五、结论

本文从统计学和经济学统一的视角出发,分析论述了现代统计学若干分支,特别是概率论、统计学、描述统计学、数理统计学、经济统计学、计量经济学以及经济理论( 包括数理经济学) 之间的内在联系,包括它们的区别与联系,以及发展前景。分析表明,统计学的这些相关学科,各自定位非常清晰,在各自学科发展方面,都有自己不可替代的发展空间。其中,经济统计学既是统计学的分支,也是经济学的分支,是统计学与经济学结合的交叉学科,具有统计学和经济学双重学科身份。经济统计学本质是经济测度学,是经济测度的方法论,是经济学实证研究的前提与基础。这是经济学其他任何相关学科,包括计量经济学,经济理论,数理经济学等无法替代的;也是统计学的其他相关学科,包括数理统计学无法替代的。

随着中国自然科学和社会科学的发展,作为推断方法论的数理统计学与计量经济学,因为有日益增加的需求而得到迅速发展。作为从样本数据推断母体特征的一般方法论,数理统计学因为符合科学研究与探索的过程与需求而在自然科学和社会科学很多领域有广泛的应用。作为经济实证研究的推断方法论,计量经济学在中国过去30 多年来有了巨大的发展。在《经济研究》、《统计研究》、《管理世界》等国内顶尖学术期刊,可以看到大量应用计量经济学理论与方法的实证研究,而专门研究经济测度的经济统计学的文章的数量则相对减少,这主要是因为经济实证研究对推断方法论日益增加的需求。计量经济学方法的大量使用,显著地提升了中国经济实证研究水平与规范程度。

计量经济学的定义范文第3篇

关键词:贝叶斯计量;先验分布;后验分布;伸缩性

Zellner的《An Introduction to Bayesian Analysis in Econometrics》一书的出版标志着贝叶斯计量经济学的真正诞生。该书较为全面地阐述了贝叶斯计量经济学的大多数专题,其中包括回归模型中的大多数问题、联立方程模型和时间序列模型等的贝叶斯计量方法。

此后,研究贝叶斯计量经济学的文献开始大量出现。当代许多杰出的计量经济学家如Geweke,Litterman ,Dempster, Sims, Maddala ,Chib等都应用贝叶斯计量经济学解决经济问题。Qin(1996)对贝叶斯计量经济学理论发展进行了回顾。Poirier(2006)对国外1970―2000年间几种重要的期刊在经济和计量经济学文章中使用的贝叶斯方法数量发展速度进行了回顾。国内研究贝叶斯理论的人员很多,但是研究贝叶斯计量经济学的文献并不是很多,只有朱慧明、韩玉启(2006)研究了贝叶斯计量经济学的几个重要专题,并深入地进行了讨论。虽然贝叶斯计量经济学作为一种科学的数据分析的方法早已经存在,但贝叶斯计量经济学分析应遵循的基本框架是什么?本文就此分八个部分进行阐述,并对其发展和应用前景进行展望。

一、贝叶斯学派与经典学派之间的差异及其分析的优点

统计学发展过程中产生了两个主要学派:经典学派与贝叶斯学派。经典学派又叫频率学派,其发展已有几百年的历史。而贝叶斯学派的发展历史不过0多年,在贝叶斯学者的努力下,打破了经典统计一统江山的局面,两个统计学派共同发展起来,而且不同的派别各自有大量的追随者(茆诗松,1999)。

贝叶斯学派与经典学派之间的差异是明显的。首先,两个学派的核心差别是对于概率的不同定义。经典学派认为概率可以用频率来进行解释,估计和假设检验可以通过重复抽样来加以实现。而贝叶斯学派认为概率是一种信念。结合这种信念加以假设检验(先验机会比),当数据出现以后就产生后验机会比。这种方法结合了先验和样本信息辅助假设检验。其次,两者使用的信息不同。经典学派使用了总体信息和样本信息,总体信息即总体分布或总体所属分布族的信息,样本信息即抽取样本(数据)提供给我们的信息。而贝叶斯学派除利用上述两种信息外,还利用了一种先验信息,即总体分布中未知参数的分布信息。两者在使用样本信息上也有差异,经典统计对某个参数的估计说是无偏的,其实是利用了所有可能的样本信息,贝叶斯学派只关心出现了的样本信息。而且贝叶斯学派将未知参数看作是一个随机变量,用分布来刻划,即抽样之前就有有关参数问题的一些信息,先验信息主要来自经验和历史资料。而经典统计把样本看成是来自具有一定概率分布的总体,所研究的对象是总体,而不局限于数据本身,将未知参数看作常量。

贝叶斯方法的优点很多。例如:与频率方法比较贝叶斯方法充分利用了样本信息和参数的先验信息,在进行参数估计时,通常贝叶斯估计量具有更小的方差或平方误差,能够得到更精确的预测结果;贝叶斯PD(最大后验)置信区间比不考虑参数先验信息的频率置信区间短;贝叶斯方法能对假设检验或估计问题所做出的判断结果进行量化评价,而不是频率统计理论中的接受、拒绝的简单判断;在基于无失效数据的分析工作,贝叶斯统计有着更大的优点(韩明,200)。

二、贝叶斯定理的表述

贝叶斯方法的一个关键元素是贝叶斯定理,通常又叫反概率原理。当先验分布和后验分布都是连续形式时:用θ表示我们关心的参数向量或矩阵,用y表示来自联合密度函数f(y∶θ)的样本观测值向量或矩阵,联合密度函数又可以写成f(y|θ),函数f(y|θ)在代数上等同于θ的似然函数,它包含了关于θ的所有样本信息,在贝叶斯理论中由于θ是随机变量,f(y|θ)是给定θ的条件下y的条件密度函数,而且有h(θ,y)=f(y|θ)π(θ)=π(θ|y)f(y)。其中h是θ和y的联合密度函数,π是θ的先验密度函数,它包含了关于θ的非样本信息,通常将上式重新排列得到结果π(θ|y)=f(y|θ)π(θ)f(y)。由于f(y)是与θ无关的一个常数,上式可写成:π(θ|y)∝f(θ|y)π(θ),其中∝表示“与……成比例”,若用文字表述就是:后验密度∝似然函数×先验密度。这就是贝叶斯定理的连续形式,它把先验信息、样本信息和总体信息融为一体。

贝叶斯后验均值估计的最基本特性是伸缩性(shrinkage)。当似然函数的精度h0较大时,后验均值主要受样本均值支配;相反,当先验精度h1较大时,后验均值主要受先验均值支配。这就是为什么贝叶斯估计通常取先验精度较低的原因(方差给得较大),也可以看出贝叶斯估计在调整先验精度下可以达到经典估计的效果,从某种意义上说经典估计是贝叶斯估计的特殊形式。通过两种精度的调整达到对后验均值的估计叫做伸缩性估计特性,所有贝叶斯估计的均值都具有伸缩性估计这个特性。

三、先验分布理论的研究

从上面已经看出,似然原理在贝叶斯学派和经典学派都有应用,而区别在于解释不同。除了似然原理外,贝叶斯定理得到后验分布的另外一个元素就是参数θ的先验分布。先验分布是后继贝叶斯推断的基础和出发点,是贝叶斯学派研究的重点问题之一,也是贝叶斯理论有争议最多的部分。先验分布大体可以分为扩散先验(diffuse prior)分布和共轭先验(conjugateprior)分布两大类。此处的扩散先验即一般文献中的无信息先验分布(noninformative prior)。当然无信息先验分布并非一无所知,实际包含许多信息,至少知道该参数是位置参数还是尺度参数。共轭先验分布是指这个先验分布与似然函数相乘后,得到的分布与先验分布函数形式一样,即属同一个分布族。这种先验的好处是,当一个新的样本被观察后,关于参数θ的后验分布有同样的解析形式,只需带入超参数和样本值,就可以计算出后验的均值和方差。

参数的先验分布的选取方法之一是贝叶斯假设,即假设参数的先验分布在取值范围内是均匀分布的:若将θ的取值范围记为,并略去密度取值为0的部分,则参数θ先验分布密度函数为:π(θ)∝a constant时,这时先验叫improper prior 或叫flatprior 。因为这个分布积分不为1(概率公理不满足)。

通常,贝叶斯假设在参数变换下并不满足不变性的要求,即变换后的分布不再服从均匀分布。如果参数θ选取均匀分布作为其先验分布,根据贝叶斯假设,θ的函数π(θ)也应选取均匀分布作为其先验分布,然而由θ服从均匀分布这一前提,往往导不出π(θ)也服从均匀分布。例如正态总体标准差为σ,它的参数空间是(0,∞),为能变换,我们选取贝叶斯假设σ~U(0,1),即f(σ)=1,0<σ<1,其它情况密度为0,取它的一个变换η=σ2,这是一一变换,根据随机变量函数的变换,g(η)=f(σ)×1/2σ=1/2σ,可以看出η的密度已不是均匀分布了,而是与随机变量σ有关了。

针对贝叶斯假设在变换下并不满足不变性,effreys(1961)建议对于参数在有限范围内或-∞到+∞范围内取任意值,它的先验分布应取成均匀分布,若它的可能取值范围是从0到∞之间,则它取对数后的先验分布应是均匀分布。所以位置参数的先验应与一个常数成比例,尺度参数应与自己的逆成正比,例如来自正态分布N(μ,σ2)的样本的扩散先验应为π(μ,σ)∝1/σ。effreys(1961)根据不变性的要求,又提出了一种基于Fisher信息阵的多参数模型扩散先验分布选择方法。若令L(θ)为似然函数,effreys认为参数先验分布应与Fisher信息阵的行列式的平方根成比例:π(θ)∝[detI(θ)]1/2,其中I(θ)=E-2logLθθ,ellner(1971)详细研究了effreys先验分布能够满足的各种不变性要求。所以在贝叶斯计量经济学中讨论位置参数θ的扩散先验应为π(θ)∝1,θ∈,尺度参数的扩散先验分布为π(θ)∝1/θ,θ>0;对于正态分布N(μ0,σ2),μ0已知,σ>0未知,此时标准差σ是尺度参数,那么标准差σ的扩散先验分布应为:π(σ)∝1/σ,σ>0。对于正态分布N(μ,σ20),σ20已知,此时μ是位置参数,那么其扩散先验分布应为π(μ)∝1,μ∈R。位置――尺度参数的联合扩散先验分布形式

四、贝叶斯点估计

参数的后验密度概括了参数的所有信息。因此,一旦得到参数的后验密度,就可以对参数进行研究。在确定参数的具体值(点估计)时,就要依据某个准则来决定哪一个值最佳。若最佳估计值的选取依赖于用来估计真参数θ时所造成的损失。一般来说,当估计值离参数真值θ越远,损失就越大。描述点估计与真参数θ间的函数L(θ,)称为损失函数。常用的损失函数是二次损失函数L2=c(-θ)2和线形损失函数L1=c|-θ|,其中c是一个正的常数。要获得点估计值,需要考虑某种损失函数形式使损失最小,要使所有类的损失函数都能达到最小的,只有=θ;然而,真实参数θ是未知的,这种方法明显不行。为了克服这一困难,在θ的所有可能值上加权平均(或期望)损失最小,权数为后验密度函数π(θ|y),因而,一个贝叶斯点估计值就是使期望后验损失最小的值。这里,期望后验损失由下式给出Eθ|y[L(θ,)]=∫L(θ,)π(θ|y)dθ,对于二次损失函数L2,后验分布的均值就是使上式达到最小的点估计值,因为Eθ|y[L2(θ,)]=∫c(-θ)2π(θ|y)dθ,为使上式达最小的值,对上式求导得dd{Eθ|y[L2(θ,]}=∫2c(-θ)π(θ|y)dθ,令上式为零便得的最小值,∫π(θ|y)dθ=∫θπ(θ|y)dθ。 由密度函数的性质知上式左边积分号的内容等于1,因此二次损失函数下的θ的点估计值就是后验密度的均值(期望):=E[θ|y]=∫θπ(θ|y)dθ 。在贝叶斯计量经济学中,只要对后验分布求期望就能得到参数的点估计值。

五、贝叶斯区间

我们在经典统计下讨论置信区间和参数时,都是说这个区间覆盖参数的可能性,而不说这个参数在这个区间内,因为这里随机变化的是区间而不是参数。当说一个参数有90%的把握落在某个区间内,这种说法经典统计是不容许的,因为经典统计认为参数是固定的;只能说90%的机会覆盖这个参数;而贝叶斯学派可以说某个参数落入某个区间的概率。这是因为贝叶斯学派认为参数是个随机变量,有一个概率分布。而只有在得到贝叶斯后验分布时,才用区间覆盖某个参数这种说法。为了与经典学派相区分,贝叶斯学派用可信区间而不是置信区间,可信区间来自后验分布。

所以当θ的后验分布π(θ|y)获得以后,立即可以计算出θ落入某个区间[a,b]内的后验概率。p(a<θ<b)=∫baπ(θ|y)=1-α,满足这个式子的a,b不唯一(单峰型的密度函数中是唯一的),因此需要依据某些准则来选择这个区间。一种可能是,要求所选区间内的每点的后验密度函数值都大于区间以外点的密度函数值。具有这种性质的区间叫做最大后验密度(PD)。反之,若给定1-α的概率,要找一个区间[a,b],使上式成立,这样求的区间就是θ的贝叶斯可信区间。

六、贝叶斯假设检验

抽样理论中的假设检验是通过设置两个假设0和1,和一个适当的统计量,根据此统计量的值是否落入临界区域内决定每个假设被接受还是拒绝。贝叶斯假设检验是根据零假设0下的设定值是否以预先指定的概率落入PD区间,来决定接受或是拒绝零假设。常用的贝叶斯假设检验是利用后验机会比(posterior odds)。这种方法通过计算每种假设下的后验概率P(0|y)和P(1|y)得到后验机会比01,01=P(0|y)P(1|y) 。这一比率给出了0相对于1的优势。利用后验机会比进行假设检验,与其说是假设检验还不如说是“比较”。从上面可以看出,贝叶斯假设检验不要求接受或是拒绝某个假设,因为后验机会比就足以说明问题。后验机会比01大于1表明支持原假设,后验机会比小于1表明接受1,后验机会比01约等于1时须重新搜索信息,不宜做出判别,这种后验机会比01也适合多重假设检验,这是经典统计办不到的。

七、贝叶斯预测

许多情况下,给定样本信息y后,我们希望对其它还未观测到的未来值y进行预测。在贝叶斯方法中,给定样本信息后能够求得还未观察值的分布,我们称之为预测分布。令y为还未观察到的向量,y和参数向量θ在

们就可以对未来参数进行点预测和区间预测了。

八、贝叶斯计算方法

尽管贝叶斯推断模式简单,并且概率形式优美。然而,在贝叶斯分析中,一般只知道后验分布密度函数的核,而难以获得具体的边缘密度函数和条件密度函数,也很难找到累积分布函数的数值分位点,计算边缘后验分布密度函数和条件密度函数的困难是阻碍贝叶斯方法应用广泛的最大障碍。对于贝叶斯后验分布的高维问题,通常的格点搜索方法和拉普拉斯算法都不是很有效。而蒙特卡洛方法对这类问题较为强劲,且一直受到计量经济学家的关注(朱慧明、韩玉启,2006)。然而,这些方法的实现,需要依靠复杂数值的解析近似技术及相应的软件支撑。

目前,在贝叶斯分析中应用最为广泛的是MCMC方法,而MCMC方法主要有两种:Gibbs抽样方法和Metroplis-astings方法。能够支持这种运算的软件和应用程序已经有很多被开发出来,例如WinBUGS通常专门用来实现MCMC,还有一些在软件中加入贝叶斯模块,例如 RAS、S-Plus 和Matlab等。尽管MCMC方法应用广泛,但很难判断何时马尔科夫链已经渐近收敛于平稳分布,所以对MCMC方法收敛性的研究一直是个重要课题。从某种意义上说,贝叶斯研究带动了计算技术的发展。

通常一个完整的贝叶斯计量经济学问题的分析结构都应包括上述八个步骤的讨论,当然具体问题还要具体对待。展望未来贝叶斯计量经济学仍然是一个值得大量研究的领域,例如,面板数据分析中的随机系数模型和时变参数模型,若是给定先验分布就是一个贝叶斯问题;单位根检验也是贝叶斯方法大有用武之地的领域,很多计量经济学家都对其进行了研究,并且提出了不同的观点,得出了宏观经济数据的不同单位根检验的结果;缺失数据的分析天然地与贝叶斯方法结合比较紧密,它本身就是对未知值的一种信念。越来越多的文献目前关注着贝叶斯方法的发展和贝叶斯方法在计量经济学文献中的应用。

参考文献:

阿诺德・泽尔纳. 200. 计量经济学贝叶斯推断引论[M]. 上海:上海财经大学出版社.

韩明. 200. 基于无失效数据的可靠性参数估计[M]. 北京:中国统计出版社.

茆诗松. 1999. 贝叶斯统计[M]. 北京:中国统计出版社.

朱慧明,韩玉启. 2006. 贝叶斯多元统计推断理论[M].北京:科学出版社.

UDGE G G.1980. he theory and practice of econometrics[M]. New York :Wiley.

POIRIER D . 2006. he growth of bayesian methods in statisticsand economics since 1970[] . Bayesian Analysis,1(4):969-980.

PRESS S . 1989. Bayesian statistics: principles, models, and applications[M]. New York. ohn Wiley and Sons, Inc.

QIN D. 1996. Bayesian econometrics:the first twenty years[]. Econometric heory.

ELLNER A. 1997. Bayesian analysis in econometrics and statistics :the ellner′s view and papers[M]. [S.L]:Edward Elgar.

ELLNER A. 2004. Statistics, econometrics, and forecasting[M]. [S.L]:Cambridge University Press.

he Framework of Contemporary Bayesian

Econometrics Analysis and Its Outlook

LI Xiaosheng1,2 XIA Yuhua1

(1.Xiamen University, Xiamen 36100; 2.Anhui University. of Finance and Economics, Bengbu 233041)

Abstract:Along with the development of Bayesian theory and the advancement of computer simulation, Bayesian econometrics develops rapidly.his paper compares the classical and Bayesian school of thought, and briefly reviews Bayesian econometrics develpoment courses. In the end, it analyzes its framework from eight aspects and its outlook.

计量经济学的定义范文第4篇

【关键词】 实验数据 计量经济分析 挑战

为了评估环境、制度和激励政策的相对有效性,在不以承受与之相关的社会和私人成本为代价的情况下,实验经济学有助于收集相关、可靠的经验数据,并可以评估在人们的决策中每个特定动机(增益研究、互惠需求、对体制变革的反应等)的重要性。

从应用计量经济学的角度来看,实验经济学最大的优势就是可以立即地和不受限制地访问所掌握的整个数据。此外,通过控制实验数据,减少测量误差和错误。实验室实验也用于研究用调查数据很难去观察或推断的行为。但是,这些实验数据的统计有效性怎样呢?许多经济学家就实验结果对现实经济的可转换性提出了一些疑问。实验经济学家对这一质疑的反驳是,参与者是活生生的、有认知的人,他们被要求做出直接影响到他们收入或福利的决策,研究行为和动机的实验数据的可靠性补偿了此类数据的缺乏代表性。

本文的目的是要回答与实验数据的经济计量相关的几个问题:实验数据的特点是什么?为了更好地利用实验数据,挑战是什么?

一、实验数据特征

1、决策变量

根据实验中,参与者被要求对连续或离散变量做出决策。例如,在公共物品实验中,参加者是否捐助公共物品,如果他们决策捐助,希望解释他们的捐助数额。连续或离散形式的决策往往在限定空间和截尾空间,导致托比模型(Tobit)或泊松模型(Possion)。此外,例如,通过使用Probit类型和有序Probit类型的潜变量模型,还可以解释参与者合作或不合作的效用以及合作强度。

2、保留什么样的计量方法

(1)非参数方法

历来,实验分析给予了非参数分析重要的地位,这经常发生在心理学、医学和生物化学领域,例如,实验室的研究协议是很重要的。这种做法究竟是什么呢?

曼-惠特尼(Mann-Whitney)的U检验是非参数检验中功效最强的检验之一。它可以评估同类实验的处理结果之间是否存在差异。例如,给定处理是否导致对公共物品的自愿捐助优于其他处理。因此,这就涉及到要去比较两个独立观测序列。对于这种检验,要求不少于6个独立的观测值,意味着至少要有6次处理。有时使用曼-惠特尼U检验以查看在给定的处理期间,第一阶段提供的结果是否不同于上次阶段的。注意,这意味着早期的观测不影响以往的观测。这并非总是如此,本次检验的使用者并不总是考虑此约束。更一般的,Kruskal-Wallis秩和检验检验零假设,即K个样本或处理来自具有相同位数的同一群体。

(2)参数方法

参数方法通过假定决策变量遵循一个精确的概率密度函数,对数据强加一定的约束(一个例外:普通最小二乘法在参数估计时对数据强加的较少)。作为补偿,除了在计量模型中引入直接与实验相关的变量外,参数方法还允许在计量经济模型中引入被观测者的个体变量,如参与者的性别、年龄、研究专业、是否曾参与过实验等。如果参与者在实验中分别进行了几次测试,未观察到的异质性被面板数据的个体效应所控制。

3、保留方法的选择

在特定情况下,Keser和Montmarquette(2005,2008)在非参数二项式检验上没有发现任何相互效应,但对相互项的测度,他们使用如下定义的偏差:如果参与者i的捐助小于上一期小组其他成员捐助的平均值,那么除了增加其在下一期的捐助,他没做其他回应。

这两种方法之间存在互补性的另一个方面是与以下问题有关:应该通过分化处理来分析数据,还是应该聚集呢?对单一方程的参数回归能够很容易地检验处理是否导致决策或不同的结果,足够证实处理变量的参数之间是否有显著差异。瓦尔德检验(Wald tests)和极大似然比检验(通过施加等于系数的约束)用于验证治疗之间是否存在差异。如果是联立方程,处理之间差异的检验是更复杂的。此外,由于不是相同的人参与不同的处理,单一方程暗含着单个随机变量的假设,这也许是很有争议的。注意,高的或t检验统计值并不意味着处理之间显著的差异效果。还需要进行一些模拟来区分潜在效果和实际效果。

二、实验数据有效利用的其他挑战

1、实验方法对数据拟合的问题

模型对数据的拟合问题(拟合优度)是计量经济分析的一个重要因素。参数方法提供了可决系数R2或伪R2。但是,数值多大才适合呢?例如,在二元Probit模型中,如果主导决策代表了至少60%的情况,几乎不可能比预测主导决策做得更好了。为了更好的预测,必须实现R2(或伪R2)为60%,但是对于微观数据,是一种罕见的情况。事实上,必须要问在实验分析中最大化R2是否是可取的?一般经济学家们希望无论经验或个体特征如何,行为能对激励做出回应。经济学对人们行为做出的贡献是证明了他们会对激励做出反应,而不管他们的个性特征如何!例如,如果要促进合作行为,就必须找到使所有人合作的正确的激励机制。也就是说,理想的情况是社会经济控制变量的估计参数在统计上是不显著的。

2、实验方法验证理论的应用

如何衡量理论模型解释实验数据的价值?预测数据的一阶统计矩是结构模型的一个基本问题。但实验方法是一种结构性的办法。成功实验方案的背后,往往存在一个重要的理论结构。其目标不是从根本上解释决策的方差,而是检验模型的理论预测或实验方案依据的基本思想,必须证实与实验相关的理论预测的有效性。在文献中可以看到许多处理这一问题的有关技术。例如,量子响应模型这种方法的目的是为了衡量检测是否受试者是或不按照他们的理论进行决策,而不是采取随机决策。从计量经济学的视角,量子响应模型对应于多项Logit模型,在m个可能方案中选择的概率与多个不同选项的预期利润的指数函数成正比:

注意到,如果?滋∞,那么Pi=1/m。这意味着随机和非战略决策。此外,?滋0,表明参与者们对他们决定带来的利润相对敏感。一些研究已经使用这种方法来确认参与者的战略决策(Goeree,Holt和Palfrey,2002)。但似乎基础参数?滋并不独立于计量单位,多项Logit意味着假设不相干的替代品之间相互独立。

另一种实现起来相对简单、但稳健性尚待观察的技术是群集分析(聚类分析)来确定参与者所使用的主要策略。一些变量被用于确定分区数:例如,在自愿捐助实验中,非零捐助的频率、捐助额的平均值和标准偏差自然就是这类变量。事实上,它似乎有理由认为,非零捐助数较少、弱的捐助额的平均值和标准偏差表明非合作的战略。与此相反,正捐助的频率较高表示合作策略。正捐助的标准偏差识别战略或多或少的恒定性质。沃尔德分层方法(the hierarchical method of Ward)的应用通过总结参与者的策略识别集群。通常,为了对比不同的策略,两到三个集群已足以了。通过计算各群选定变量的描述性统计(平均数、标准偏差、中位数),可以根据处理识别参与者使用的主要策略。注意存在处理参与者利用不同策略问题的另一种方法,即在计量经济模型直接引入具体方程来对这些策略建模。例如,在公共物品的情况下,可以先验区分搭便车者和合作者。通过极大似然法估计参与者是搭便车者或合作者的概率,可以得到参与者不可观测的异质性。允许选择使模型的统计似然性最大化的权重。Bardley和Moffatt(2005)提供了适用于实验数据的这种方法的一个很好的例子。

3、如何调和理论和计量经济学:实验经济学在这个问题上的重要作用

正如所看到的,所面临的挑战在计量经济学方面是显著。在理论层面,需要更好地了解动态的选择。逆向感应是动态理论的一种形式,但基本上达到了极限。机器学习这种模型对于这些问题提供了一些积极的期望。如何教导参加者?哪些机构让他们学得更快?因此,Vernon Smith认为,经验使没有先验经济理论知识的个人去发现和寻找模型的平衡。几项研究采用不同的竞争模型对这个问题进行了研究。例如,依赖于支付和过去的决策效率(向后看)的“强化”模型。也有信念模型(信念学习模型),它是经济学家中颇为主要的方法,基于能够预测其他受试者在实验中怎样决策的一种信仰(前瞻性)。最后,混合模型(经验加权吸引力)更新每个时期的观念。对于以上模型的详细细节,可以查阅Chong、Camerer和Ho(2006)。

三、结论

总之,实验经济学将在经济学和计量经济学的进展中发挥根本性作用。事实上,实验经济学能够产生数据,这对热衷于在各种环境中传播知识的经济学家来说,这样的性质是有相当大的吸引力的。在实践中,相对于纯粹的理论,管理者们总是更愿意接受数据事实。总之,选择实验经济学方法能使经济学家们像医生一样掌握事物的核心。毫无疑问,这解释了实验经济实验室为什么在全球丛生和为什么经济学院系对实验经济学家有强劲需求。

必须知道对一个好的实验经济学家教育的成本。发展实验方案的技术必须以基础理论知识和好的计量经济教育为支持。

可得出以下三个使用规则:第一,在考虑模型和估计方法之前,应该找到一个好的问题,形式不应该凌驾于内容之上。第二,了解他们的实验数据。从事计量经济分析时,以目前现有的IT工具非常人性化为借口,没有关注数据,是一个错误,有可能错过了真正的问题和好的结果。第三,避免过于纯粹:有时承认存在偏差好过试图依据太多的假设和要求太多的数据校正。

【参考文献】

[1] Bradley N. and Moffatt P.G:The Experiments of Public Goods:Inferring Motivations from Contributions Working Paper[D].University of Nottingham and University of East Anglia,2005.

计量经济学的定义范文第5篇

20世纪60年代,“问题导向型学习”或“基于问题式学习”(即Problem-basedLearning,简称PBL)教学模式兴起于西方医学教学领域,近年来被经管类专业教学广泛采用。PBL教学模式是一种基于现实世界的、以问题为中心、以学生为主体、以教师为导向的教学模式,是指在已设定的、有现实意义的问题情境中,由教师或教师鼓励学生提出驱动问题(drivingquestion)或实际任务,学生在真实的情境中对驱动问题展开探究,通过小组同学分工协作,查阅资料、分析讨论,构建知识体系框架,最终解决问题,分享学习成果,获取新知识。可见,PBL教学模式强调引导学生参与实际问题的分析和解决,使学生在实践过程中学习到隐含于问题背后的知识。可见,与传统教学模式不同,PBL教学模式以学生的主动学习、合作学习为主,使其在对具体实际问题进行分析探究中,自己想办法找出解决问题的方法,并对学习过程进行实事求是的评价。这对调动学生的主动性和积极性,培养学生的自主学习能力、创新思维及能力都是极其有益的。

二、PBL教学模式对经管类专业创新型人才培养的作用

1.创新型人才的内涵界定创新型人才的内涵十分丰富。国外学者主要基于心理学的视角,研究创新型人才的知识结构、技能结构、个性品质,强调把当代社会对创新的需要融入到全面发展的培养理念之中;国内学者明确提出了创新型人才的概念,结合熊彼特对创新概念的阐述,提出所谓创新型人才是指具有创新精神和创新能力的人才,具体是指在特定领域内,基于其所拥有的理论知识或实践经验,能够作出突破性创新,并以自己的创新性思维和创新性劳动对社会发展做出创造性贡献的人才。从创新型人才的定义可以看出,创新型人才必须具有创新意识、创新精神、创新能力,且应具有如下内涵:(1)知识:在某一领域拥有广博而扎实、立体而开放的理论知识;(2)能力:有很强的自我学习、独立研究与创新探索的能力;(3)素质:有健康的体魄、良好的道德修养和过硬的心理素质,能够与他人沟通协作。

2.PBL教学模式对创新型人才培养的作用创新型人才培养的目标决定了必须对课程教学模式进行改革。目前,在经管类专业课的教学中,传统的“填鸭式”教学模式仍处于主导地位。尽管教师们已经意识到教学方法及手段的重要性,纷纷开发使用多媒体课件、引入网络课堂,但在实际教学中仍然习惯于单向地向学生灌输教材上的理论知识,经常出现教材理论与现实问题脱节的问题。同时,在传统的教学模式中,学生们很少主动思考,他们被动地接受知识,按照教师的要求在考试前死记硬背、生搬硬套,这必然会抑制学生主动学习的积极性,不利于培养创新型人才。而另一方面,随着经济社会的发展,无论是学生自身还是用人单位,都在知识、能力、素质等方面提出了一系列新的要求,创新意识、创新精神、创新能力被放在了首位。PBL教学模式作为一种开放式的教学模式,以理论知识体系为依托,结合了实践教学、探究性教学、启发式教学,一方面,更多地为学生提供理论联系实际的机会,帮助学生了解学校的理论环境和社会的应用环境,提高学生的应用技能和创造力;另一方面,充分实现以学生为中心,激励学生发挥自主学习的积极性,使学生在团队合作探究解决问题的过程中,培养创新意识、创新精神、创新能力,并最终取得创新成果。

三、PBL教学模式

在《计量经济学》课程中的应用实践《计量经济学》作为教育部确定的经管类专业本科生必修的一门核心课程,是经济学、统计学与数学的交叉学科,教学目的是使学生在熟悉经济理论的基础上,学习掌握研究经济问题的基本方法,使学生能够利用计量方法解决一些已知(用计量方法去验证)或未知(用计量方法去预测)的实际经济问题。我们从《计量经济学》的实际教学出发,基于创新型人才培养目标,运用PBL教学模式进行了教学改革,建立了一整套设计组织教学活动的体系。

1.细化教学目标教学目标是教学模式的核心因素。基于创新型人才培养目标,以PBL教学模式为支撑,我们深入细化了《计量经济学》课程的教学目标。明确该课程的教学,不仅应使学生掌握计量经济学的基本理论和模型设定方法,学会建立和应用计量经济模型进行经济预测、结构分析和政策评价,而且应该将教学重点放在提高学生计量分析的能力和水平上,培养学生运用计量方法分析、解决经济社会相关问题的能力,熟悉计量经济分析工作的基本内容和工作程序,能运用计量经济学软件包进行实际操作,使学生在探究解决问题的过程中,逐步形成创新思维和能力,提高专业素质、综合素质。

2.重新设计及实施教学环节遵循PBL教学模式的指导思想,重新设计并安排实施《计量经济学》课程的理论教学与实践教学环节。(1)设立问题的现实情境。在《计量经济学》课程的教学实践中,首先通过编制有专业特色的案例库、开发多媒体课件、丰富网络课堂等方式,为学生提供了与其生活、学习联系的现实情境,激发学生学习的兴趣,鼓励学生主动发问、主动思考。在设立问题情境时,着重强调计量经济模型应用的场合和现实意义,让学生对计量经济模型的现实背景形成充分的了解,增加课程的应用价值。(2)提出驱动问题。提出问题是PBL教学模式的一个重要的环节。在教学实践中,为了使PBL教学模式达到培养学生创新思维及能力的预期效果,一方面,在课堂教学中增设“课题研究”环节,教师选择合适的教学案例或科研课题,根据教学大纲提出引导性问题,结合探究性的教学方法,引导学生自主学习;另一方面,更重要的是改变教学方法,转变课堂角色,鼓励学生自己提问题,通过编写新的探究式的、应用特色的教材,引导学生在具体的问题情境下,参与讨论、发表看法,主动提出问题。除了课堂教学外,还有针对性地选择并指导学生根据自己的研究偏好搜集文献资料,提出有新意的研究问题,参加创新比赛、写作毕业论文、撰写并等。这是学生们自主学习、主动研究甚至进行创新思考的动力。(3)小组讨论并解决问题。讨论解决问题是PBL教学模式的关键。在这一过程中,同学之间的相互合作与沟通是非常必要的。因此,应开展小组讨论,引导每个小组基于经济学基本理论对现实的经济问题或教学案例及科研课题中的问题进行课堂讨论,指导学生在实践教学环节运用计量方法和分析软件去验证自己的想法,并将这些想法及验证结论形成具有一定创新性的研究报告或论文,进行成果展示,鼓励他们在对研究报告或论文进行严谨的讨论、研究及修改之后,将其发表或参加创新比赛。可以说这个过程对于提高学生的分析及解决问题的能力、培养学生的创新思维和能力是不可或缺的。(4)讲解、总结与提高。在PBL教学模式中,教师的作用主要体现在讲解、总结与提高环节。首先,对于学生无法解决的问题或未接触的知识,教师要重点阐述,做到及时讲解和更新;其次,教师要结合整个学习过程进行客观的点评,并对涉及的所有的理论及方法进行归纳总结,梳理逻辑,帮助学生形成知识体系,搭建理论框架。

3.创新教学效果的评价改变传统教学模式的评分方法,建立PBL教学模式的评价方法,评价主体包括教师和学生两方面。这种评价方法强调过程评价,建立一个体现学习过程的完整系统的评价指标体系,设定知识获取、能力提高、素质培养三个一级指标,然后在每个一级指标下,再设置诸如信息收集能力、决策能力等二级指标。

四、结论