计量经济研究汇总十篇

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇计量经济研究范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

篇（1）

区域空间经济学是一门新兴的边缘科学，如今随着空间计量模型的广泛运用，尤其在应用经济学方面的应用十分广泛。但是，国内的文献检索中发现国内学者对于空间计量模型的研究仍然是比较薄弱。随着空间计量分析方法和计量工具的快速发展，越来越多的经济地理学者和区域经济学者开始将注意力放到宏观尺度的空间集聚现象研究上，他们为了给区域经济的增长以及空间集聚产生的效应做出相对合理且详尽的分析，借助了空间计量方法以及一定的空间数据分析方法，并且在此过程中构建了空间结构模型的构建，分析集聚产生的机制以及经济成效，并将此应用于具体地区的实证研究。

一、 空间计量经济学的产生和主要概念

空间计量经济学作为一个确定的研究领域出现时在20世纪70年代早期，是为了满足区域计量经济学中处理区域经济数据的需要而出现的。1974年的荷兰统计协会年会上，J.Pealinck在其对大会的演讲中第一次提出了"空间计量经济学"的概念。

Paelinck和Klaassen（1979）没有定义空间计量经济学本身，而是初步确定了五个重要原则，用来指导空间经济计量模型。这五个规则包括：（一）空间相互依存的作用；（二）空间关系的不对称性；（三）位于其他空间解释性因素的重要性；（四）分化事后和事前互动；（五）明确建模空间模型中的空间模拟。

有趣的是，这些规则强调一个现实的表达空间直观变量在计量模型规范中的重要性，如潜在措施，距离衰退功能和空间的安排。他们同时指出，空间系列和时间系列的根本区别是由于空间相互作用相对于时间序列的反馈。

空间计量经济学系统研究后得出的结论由Anselin（1988a）提出：对总的空间统计分析特殊性所造成的空间科学模型进行处理。换句话说，空间计量经济学研究，明确考虑空间的影响，包括空间自相关，空间滞后和空间不均匀误差的方法。Anselin在定义中提到的将区域，位置和空间的相互合成作用，及对他们的估计参考地理数据模型，数据可能来自空间中的一个点，也可能是从一个区域。

二、空间计量经济学研究的国内外发展状况

（一）国外研究状况

国外学者运用空间数据分析方法和空间计量经济方法在分析区域经济增长的方面已经做了不少的工作。如Rey等（1999）首次运用空间数据分析方法研究美国各州1929～1994年人均收入的收敛性，通过Moran's I指数测试验证了证明空间相关性在统计上非显著性，并根据LM检验选择了空间误差模型进行了深入分析和结果比较。Baumont等（2003）运用空间数据分析方法辨识1980～1995年欧共体的空间俱乐部，发现南北两区分属于不同的俱乐部，并选择空间误差模型对南方和北方的俱乐部空间趋同性做了研究。

（二）国内研究状况

国内已经出现了许多研究空间区域经济增长的实证研究成果，研究对象很多都延伸到了县级单位，但是研究方法和实证检验仍有待进一步的充实和丰富。纯粹从理论层面来讲，大多数研究人员在解释研究成果时，对于省级尺度的研究成果更具有说服力，但是由于数据规模较大，而导致选择的参考意义和现实意义不强。吴玉鸣（2000）在分析时运用到了空间计量经济模型，对中国的31个省市进行了集聚增长因素的分析；陈晓玲等（2006） 采用了我国1978～2004 年30 个省、自治区和直辖市的省级数据，考察了改革开放之后我国地区经济增长的空间相关联性。一些学者在引鉴国外研究时，保持了相对谨慎的态度，以地市或县域为基本分析单元，尽管总体上这类研究较少，但研究者开始关注县域尺度的研究，一些研究结论的解释的参考性和实践意义得到加强。如李小建等（2006）以县域为基本空间单元，以人均GDP为衡量指标，分析河南省经济空间结构演变过程。

三、空间计量经济学研究的主要内容

空间计量经济学主要包含的内容包括：主要包含了的空间相关为主的，辅之以空间差异性，涉及空间相邻，空间相邻矩阵等概念。

（一）空间相关

对于空间的相关性，空间自相关常常是其核心内容，空间自相关（spatial autocorrelation）是指一些变量在同一个分布区内的观测数据之间潜在的相互依赖性。

空间自相关的计算方法有许多种，但是为人常知的并且为学者所常用的方法有：Moran's I、Join count、Getis、Geary's C等。然而，这些方法都有其功能，但是在其范围和局限性方面，当然也有自己的优点和缺点。在一般情况下，该方法的功能可以大致分为两类：一类为全域型，另一种是区域模型。

全域型是为了确定是否存在这种现象在空间聚集行为，但它并不表明到底在哪些领域聚集。如果全域型不同的间距（空间滞后）顺序排列的空间自相关统计时，可以进一步作出空间自相关系数图，这种现象表明在空间分析上是否是一个层次的分布。根据Anselin（1995年）提出的LISA（本地空间关联指标）方法声明，区域聚集能推断（空间热点）范围的方法主要有两个：首先，通过显着性检验方法，表征收集空间单元相对整体研究范围，如果检测值是大的，表明空间自相关是显著的，也就是说，这是这一现象的空间聚集的领域，如：G系数和Ord（1992）开发的G系数的统计方法；其次，它度量空间单元对整个的研究空间自相关的影响程度，影响范围往往是一个大面积的"特殊情况"（离群值），这意味着这些"特殊情况"点往往是一个聚集点的空间现象，如：Anselin的莫兰散点图。

（二）空间差异性

空间差异性是空间相关的目标缺乏均匀性的区域，如发达地区和落后的区域，中央区域和区域等。例如，中国的中部和西部地区，中国沿海地区相对其经济有一个非常大的区别。空间差异的研究中，只要空间单元的特性考虑，大部分都可以使用经典计量经济学的方法来解决。然而，当存在交叉的空间差异和空间相关性存在，则经典的计量方法不再适用。

本文研究空间模型的主要区别有以下两种：E.Casetti（1972）提出了空间扩展模型和回归分析模型参数漂移。空间差异主要体现在模型中参数的空间相对位置的变化，空间单元的位置信息作为辅助变量。

（三）时空数据空间模型

该模型是在设计中考虑到了时间维，从而增加了描述的复杂。在经典计量经济学模型，这是一个考虑全面的时间安排的情形，部分数据属于时间序列的情况，在实际工作中是非常有用的。同样，数据被划分成与空间有关的空间相关性的存在和缺乏。如果数据不存在空间相关性，可用于面板数据模型的。

四、空间计量经济学的局限性及发展方向

在目前的研究中，由于其他单位系统单元内存在空间的位置影响到其他的位置，系统的单元位置受到相邻的单元格之外的边界位置的影响，以及如何影响模型仍然是一个问题并且值得研究的。

随着电子商务的发展，国与国之间，地区与地区之间的经济联系并不是由距离的远近来决定的，单用地理上的距离在如今看来显得太为狭隘，因此，在研究这些问题，如何进行交易，并且将资金，人才流动以及贸易，充分体现在空间权重矩阵去，仍然是一个非常值得研究的问题。

除此之外，在许多经济问题中需要研究的问题并非只是一维的而是多维的，如何在空间矩阵中建立一系列的空间模型也尚待进一步研究。在此类问题中，整个模型的描述可能会因为数据级的变化而产生变化，不同的变化对模型变化也还未知，如何能采用一个统一的模式对系统进行描述仍然尚待研究。

随着我国遥感技术的逐渐发达以、统计资料的不断累积以及众多学者对空间计量经济分析方法运用的日趋熟练，根据时间以及对空间的排列数据越来越多，从而对数据的空间分析更为快捷。

参考文献：

[1] Paelinck， J. and L. Klaassen. 1979. Spatial Econometrics. Saxon House， Farnborough.

[2] Anselin， L.1988a. Lagrange multiplier test diagnostics for spatial dependence and spatial heterogeneity. Geographical Analysis 20

[3]Rey， S. J.， and B. D. Montouri. 1999. U.S. regional income convergence： A spatial econometric perspective. Regional Studies 33

[4]陈斐，区域空间经济关联模式分析：理论与实证研究[M]，中国社会科学出版社，2008.4

[5]吴玉鸣. 我国31个省市区第三产业综合发展水平的最新评估[J]，《中国软科学》，2000（10）

篇（2）

引言

2011年诺贝经济学奖授予了，萨金特（thomas sargen）、西姆斯（christopher-sime）表彰了两位为新古典宏观经济学体系的建立和发展作出了杰出贡献。两位学者对宏观经济模型中预期的作用、动态经济理论与时间序列分析的关系等方面做出了开创性的工作。使得宏观经济学研究更强调实证分析与理论的结合，为宏观经济学的研究提供了新的方向。凯恩斯（1936）发表《就业、利息和货币通论》，标志着现代宏观经济学的诞生。

凯恩斯的思想和方法之后为萨缪尔森与托宾等继承，从而形成了新古典综合学派。但是70年代的滞涨现象，以凯恩斯主义为基础的宏观计量经济模型的预测和解释能力得到了巨大的挑战。Lucas（1976）指出，政策制度的改变会改变个人对政策的反应方式，而个人行为的改变会使经济模型的参数发生变化，而参数的变化又是难以衡量的，使得很多早期计量经济模型很难评价经济政策的效果。

一、动态计量经济学在理性预期中运用

根据“卢卡斯批判”，经济人会根据变化的经济环境随时调整自身的参数。传统宏观经济学模型不能持续描述经济主体的变化，在拟合一段时间后，误差将逐渐加大。经济学研究者，需要迫切解决的是如何利用随机数据来反映理性预期的思想。在动态时间序列分析中，对一个AR（自回归）过程的估计，可以转化为一个无限期随机项的MA（移动平均）过程，这样就可以利用随机误差项对参数的真实值进行估计了。萨金特（1980）使用了厂商优化模型来体现理性预期的思想。设厂商目标函数为：

■E■■β■（γ■+α■-w■）n■-（r■/2）n■■-（δ/2）（n■-n■）■

（1）

其中，β为贴现率，n■为第t期劳动力投入，α■为第t期技术水平，w■为第t期工资水平。γ■，γ■，β为待估参数。根据利润最大化得：

nt=ρnt-1-（ρ/δ）■（βρ）jEt[wt+j-at+j-γ■] （2）

利用wiener-kolmogorov算子把t+j期工资率和技术水平内生化得：

n■=ρn■-（ρ/δ）Uξ（λ）-1[1+■（■（λ）■ξ■）L■]x■+（ρ/δ）（λ）■[1+■（■（λ）■a■）L■]a■+ργ■/[δ/（1-λ）]其中，λ=βρ，U是一个1×p的向量。定义π（L）=（ρ/δ）（λ）■[1+■（■（λ）■a■）L■]，则误差项为α（L）et=π（L）v■■，定义μ（L）=n（ρ/δ）ξ（λ）■[1+■（■（λ）■ξ■）L■]，c■=v■■-vv■■。对v■■的OLS估计可得第t期的最优劳动力投入为：

nt=（1-ρL]-1[μ（L）+π（L）α（L）-1vξ（L）]xt+（1-ρL）-1π（L）α（L）-1ct （3）

通过ML估计出参数r0，γ1，δ，v，α（L），ξ（L）这些估计出的参数是具有理性预期的经济人最优目标中含有的参数以及技术水平参数，这样就可以通过所估计的参数来体现理性预期思想了。

二、动态计量经济学在一般均衡中的运用

（一）有关经济周期的计量

与萨金特相比，西姆斯更集中于计量经济学方面的研究。西姆斯（1972）研究了时间序列数据的区间问题，他认为，二次可积函数中具有滞后分布的时间序列分布模型的时间距离和频率空间是等距同构的。在这个度量空间下，二者可以相互转化，可进行普通最小二乘估计，1974年西姆斯提出了消除时间序列季节影响因素的计量方法。

（二）有关格兰杰因果检验

在格兰杰因果检验中变量之间因果关系的确定是假设一个变量为被解释变量而另外一个变量的滞后项为解释变量时，回归结果的整体显著性检验是否成立。该检验只是体现变量与滞后变量的整体性关系，也就是说研究一个变量的历史数据对另外一个变量所产生的影响。西姆斯（1972）在格兰杰的基础上提出了新的检验方法，他认为在时间序列中，如果解释变量是外生的，对滞后项的整体性检验存在错误。他提出的因果性检验是通过比较一个变量为被解释变量与另外一个变量的未来值为解释变量时，回归后的整体显著性检验是否成立。西姆斯（1983）对货币供应是否是引起经济周期波动的原因的实证研究提出了怀疑，并对这些实证研究提出了反驳。

（三）有关离散时间模型

西姆斯（1971）认为当把具有连续时间分布滞后的计量转化为离散时间的计量时往往需要对分布滞后项增加平滑约束条件使得估计更准确，西姆斯（1980）把这种思想发展成为后来广泛使用的向量自回归方法（VAR）。西姆斯（1988）认为在贝叶斯分析中由于某些参数是无法量化或量化不够准确因此无法使用事前prior概率分布给参数赋值。研究者从简化模型的角度出发，经常只需估计有限的参数，这样会导致事前事件的似然性降低。研究发现，时间序列模型分析中通过模型检验选择模型形式的方法并不可靠。检验的显著性会受到样本数量的影响，而非样本本身。另外，许多研究者经常利用估计好的模型进行事后检验，通过对未来值进行预测，比较预测值与真实值的差距，从而检验模型设计是否合理。这种方法在短期时间序列模型中比较有效，在长期却很难成立。在预测方面，往往需要在正则性和协方差平稳的前提下进行，然而在实际预测中，非正则性和非平稳性会经常出现，这使得预测误差变得很大。

三、结论

在新古典宏观经济学统治了近半个世纪后卢卡斯、普雷斯科特等人建立了宏观经济学的微观基础，而2011诺贝尔经济学奖授予萨金特与西姆斯，使得动态宏观计量思想为大多数研究者所认可。且对传统经典计量经济学提出了挑战，他们的研究工作使得小样本最小二乘估计法被放弃，而使得大样本的ML、GMM、贝叶斯估计等方法广泛使用。而且VAR模型在经济变量的因果关系分析、脉冲响应分析、波动分析等方面具有无可比拟的优势，使得动态计量方法在现代宏观经济研究中既能帮助政策制定者制定合理的经济政策，也可以对政策执行效果进行一定的评估。因此，萨金特与西姆斯的研究成果不但能应用在宏观经济研究领域，在经济决策分析中也能得到极大的运用。

参考文献

[1]Hansen，L.&T.J.Sargent.Formulating and estimating dynamic linear rational expectations models[J].Journal of Economic Dynamics and Control，1980（02）：7-46.

[2]Sims，C.A.Discrete approximations to continuous time distributed lags in econometrics[J].Econometrica，1971，39（03）：545-563.

篇（3）

中图分类号：F224.0文献标识码：A文章编号：1003-4161(2009)02-0007-06

空间计量经济学是计量经济学的一个分支，是以空间经济理论和地理空间数据为基础，以建立、检验和运用经济计量模型为核心，对经济活动的空间相互作用（空间自相关）和空间结构（空间不均匀性）问题进行定量分析，研究空间经济活动或经济关系数量规律的一门经济学学科。空间计量经济学与地学统计和空间统计学相似。从某种程度上而言，空间计量经济学与空间统计学之间的不同和计量经济学与统计学之间的不同一样。由于对其理论上的关心以及将计量经济模型应用到新兴大型编码数据库中的要求，近年来这个领域获得了快速发展。

1.空间计量经济学的发展

由于在区域计量经济模型中处理次级地区数据的需要，早在20世纪70年代欧洲就展开了空间计量经济学研究，并将它作为一个确定的领域。Paelinck 和 Klaassen定义了这个领域，包括：空间相互依赖在空间模型中的任务；空间关系不对称性；位于其他空间的解释因素的重要性；过去的和将来的相互作用之间的区别；明确的空间模拟。Anselin在1988年完成了《空间计量经济学：方法和模型》这本经典著作，对空间经济计量学进行了系统的研究，并将空间计量经济学定义为：“在区域科学模型的统计分析中，研究由空间引起的各种特性的一系列方法。”

从发展的驱动因素看，空间计量经济学的发展受模型和数据驱动。(1)从模型驱动看，理论经济学的兴趣越来越从彼此独立的决策主体模型转向明确解释系统中不同主体（参数或效用）相互作用的模型。这些新的理论框架在设定和研究主体间直接的相互作用（用社会学术语说，就是邻近效应、模仿效应或其他看齐效应）时，引发了一个有趣的问题，即个体的相互作用如何导致集体行为和总体模式。在新宏观经济学、社会交互作用的理论模型、相互依赖的参数选择、贸易结构演化模型、邻近溢出效应、标尺竞争等领域中，这些理论模型都有发展，并支撑了研究主体间重要相互作用的实证模型。(2)对区位和空间相互作用问题的研究还受到实证应用中空间数据及其处理技术的驱动。地理信息技术的推广和相关的地理编码社会经济数据（如包含被观察单元位置信息的数据）推动了处理地理数据独特特征（主要是空间自相关特征）的专门技术的发展。这种专门技术是由于认识到地理（横截面）数据的空间自相关性以及标准计量经济学难以处理空间自相关，而得以快速发展。

与计量经济学包括理论计量经济学和应用计量经济学一样，空间计量经济学也包括理论空间计量经济学和应用空间计量经济学。这主要体现在，近年来不仅在应用计量经济学中，而且在理论计量经济学中对位置和空间相互作用给予了更多的关注，在区域科学、城市和房地产经济学、经济地理等专门化的领域中出现了一些明确结合了空间因素的模型以及相应的空间计量经济学应用［1-2］。

在应用计量经济学和理论计量经济学的主流中，最近对存在的空间相互作用的确定、估计和检验的关注可以归结于两个主要因素：(1)在理论经济学框架内考虑原子论式因素（Atomistic Agent）的决策模型的不断增加。这些新的理论框架以邻近影响和其他同等组影响的形式确定并研究这些因子之间的“直接”相互作用以及单个因子的相互作用是如何导致集体特性和聚集模式的。如贸易结构发展模型［3］、邻近溢出效应［4］等。(2)空间数据处理技术的不断发展。标准的计量经济技术通常不能用于存在空间自相关的情形中。但是在地理数据集中普遍存在空间自相关，除了需要处理空间模型的方法之外，还需要能够从实践、适用的角度来处理空间数据的技术。模型的性质、GIS技术的迅速普及以及地学编码的社会经济数据集的有效性都对这些处理地理数据的特殊专业化方法产生了需要。

目前，空间计量经济学研究包括以下四个感兴趣的领域：计量经济模型中空间影响的确定；合并了空间影响的模型的估计；空间影响存在的说明检验和诊断；空间预测。

2.空间回归分析基础

2.1 空间影响

在空间回归分析中，空间影响与空间相关有关，即与空间自相关或空间不均匀性有关。空间相关概念源于时间相关，但比后者复杂。主要是因为时间是一维函数，而空间是多维函数。因此，为获得模型参数的可识别性，必须同时考虑空间自相关或空间不均匀性。根据矩条件，可以将空间自相关表示为属性值相似性与位置相似性的一致程度。

式中：i、j分别指单个观测位置，yi、yj表示相应位置上某一随机变量的值。根据观测位置的空间结构、空间相互作用或空间排列，当非零位置对i、j的特殊布局具有一个解释时，从空间角度看这个协方差将变得有意义。

空间不均匀性以非常量误差方差（不同空间离中趋势）或模型系数（空间状况）的形式表示结构不稳定性。借助标准的计量经济工具，可以处理这种结构不稳定性。然而，对于在回归分析中为何必须明确考虑空间不均匀性，主要出于以下三个原因：一是从某种意义上而言不均匀性背后的结构是空间的，在决定不均匀性的形式时，观测点的位置是极其重要的；其次，由于结构是空间的，不均匀性通常与空间自相关一起出现，这时标准的计量经济技术不再适用［5］；第三，在一个单一横截面上，空间自相关和空间不均匀性在观测上可能是相同的。2.2 空间权重和空间滞后

在具有n个观测点的横截面环境中，不能直接从数据中估计协方差矩阵（式1），甚至渐进性也不再有效（协方差的数量随n2而增加，而样本大小仅随n的增加而增加）。相反，当能够获得横截面环境上的重复观测时，有可能使用其他维，并且获得一致的非参数的横截面协方差矩阵估计［6］。总的来说，必须为协方差赋予一个结构。针对这个问题存在三种主要的方法：一是基于一个空间随机过程的说明；二是基于协方差结构的直接参数表达；三是不指定协方差，而是在一个非参数框架中处理协方差。

与时间序列分析一样，空间随机过程分为两种类型：空间自回归（SAR）过程和空间移动平均（SMA）过程。尽管横截面环境和时间序列的前后关系之间存在重要的差别，但更重要的是，与一个沿时间轴变化的明确概念相反，在横截面环境中不存在相应的概念，特别是当所有观测在空间上是不规则分布时。因此需要引入一个空间滞后算子。可以将空间滞后解释为邻近观测单元上某一随机变量的加权平均，或作为一个空间平滑滤波器。为此，空间经济计量学引入了空间权重矩阵，这是与传统计量经济学的重要区别之一，也是进行空间计量分析的前提和基础。如何合适地选择空间权重矩阵一直以来是空间计量分析的重点和难点问题。

研究空间权重，首先要对空间单元的位置进行量化。对位置的量化一般依据“距离”而定。距离的设定必须满足有意义、有限性和非负性。最常用的距离的有经济距离［7］和空间距离。空间距离的设定方式主要有相邻距离、有限距离和负指数距离权数等。（1）相邻距离。相邻距离是一种最常用的空间距离。通过空间中的相对位置定义相邻时，需要根据地图上所研究区域的相对位置，决定哪些区域是相邻的，并用“0-1”表示，即“1”表示空间单元相邻、“0”表示空间单元不相邻。对于一个具有n个空间单元的系统，相邻矩阵W1是一个n×n稀疏的0-1矩阵，对角线元素为0(习惯上，空间单元不与自身相邻)，相邻元素为1。按照rook相邻规则，相邻矩阵C具有对称性。（2）有限距离和负指数距离。由于空间距离的设定一直极富争议。Pace提出了有限距离的设定。令dij表示两个区域(不一定相邻)之间的欧氏距离，dmaxi表示最大空间相关距离，对于第i个区域若：dij≤dmaxi，则Wij=1；否则Wij=0。同样W的对角线元素Wij=0。Anselin(1988)提出了负指数距离，具体设定为Wij=e-βdij，dij表示两个区域(不一定相邻)之间的欧氏距离，β为预先设定的参数。

此外，基于经验流量矩阵［8］(如贸易额、往来人员数等)、相邻边界长度占总边界长度的比重①、交通便利程度、k个最邻近［9］、距离衰减函数［1］、社会网络结构［10］等也可以设定空间权重矩阵，还可以基于选择上述几个矩阵的乘积设定空间权重矩阵。这些选择间接地表明空间权重的确定是外生的，且相当任意的。

在设定空间权重后，可将变量y在i单元的空间滞后表示为：

［Wy］i=∑j=1,…,nWij•yj或Wy（2）

式中：W表示空间权重矩阵（n×n），y表示随机变量的观测值（n×1）。

3.空间线性回归模型的设定

经典的计量经济学模型总是假定Gauss-Markov等条件，但是在区域经济分析的过程中，空间依赖的存在打破了大多数古典统计和计量经济学分析中样本相互独立的基本假设，因此直接将古典计量经济学的方法应用于与地理位置相关的数据时，通常不能获取这些数据的空间依赖性，会引起各种问题。因此，在处理空间数据时，要引入一些合适的空间统计和空间经济计量分析方法。当然空间计量经济学也不是抛弃所有的古典经济计量学技术，而是对这些技术加以修改以使它们能够适用于空间数据分析。从这个角度看，横截面数据和面板数据空间回归模型（主要是线性模型）构成了空间计量经济学中组织各种模拟方法的框架。通过对通用模型参数的不同限制，可以导出特定的模型，从而以不同的方式合并空间相关。

3.1 空间线性模型通用形式

Anselin给出了空间计量经济分析中空间线性模型通用形式。通过对通用模型的参数的不同限制，可以导出特定的模型。空间线性模型通用形式可表示为：

y=ρW1y+Xβ+ε,ε=λW2ε+u（3）

且满足：u~N(0,Ω)，误差协方差矩阵Ω的对角线元素为：Ωij=hi（za），hi＞0。

式中：β是与外生（解释）变量X（n×k)相关的参数向量（k×1)，ρ是空间滞后W1y的系数，λ是干扰项ε的空间自回归结构W2ε的系数，W1(n×n)、W2（n×n）分别与因变量的空间自回归过程和干扰项ε的空间自回归过程相关，可以是行标准化的矩阵，也可以是二元矩阵或其他非标准化矩阵。

由于误差项u呈正态分布且具有误差协方差矩阵Ω，其对角线元素考虑到不同离中趋势为P+1个外生变量z的函数（包括一个常数项）。P个参数a与非常数项相关，且有：a=0，h=σ2（经典的同离中趋势的情形）。

式（3）考虑了具有不同空间结构的空间过程，这个模型有3+k+p个未知参数［11］，其矩阵形式为：

θ=［ρ，β′，λ，σ2，a′］′

当将上式中参数向量的不同子向量设为0时，可以产生几个常见的空间模型结构。在各种文献中，讨论了四种传统的空间自回归模型，分别与下列情形相对应［12-13］：

（1）若ρ=0，λ=0，a=0（ρ+2个约束），产生经典线性回归模型；

（2）若λ=0，a=0（ρ+1个约束），产生混合的回归―空间自回归模型：

y=ρW1y+Xβ+ε（4）

（3）若ρ=0，a=0(p+1个约束），产生具有空间自回归干扰项的线性回归模型：

y=Xβ+λW2ε+u（5）

（4）若a=0（P个约束），产生具有空间自回归干扰项的混合的回归―空间自回归模型：

y=ρW1y+Xβ+λW2ε+u

从空间线性模型的通用形式（3）可以看出，空间计量经济的基本思想是将地区间的相互关系引入模型，对基本线性回归模型通过空间权重矩阵W进行修正。根据模型设定时对“空间”的体现方法不同，空间计量模型主要分成两种：一种是空间滞后模型，主要是用于研究相邻机构或地区的行为，对整个系统内其他机构或地区的行为存在影响的情况。式（4）相当于一个空间滞后模型，适合估计是否存在空间相互作用以及空间相互作用的强度，以反映可能存在的实质性的空间影响。另一种是空间误差模型。在这种模型中机构或地区间的相互关系通过误差项来体现，具体又包括空间误差自相关模型和空间误差移动平均模型。式（5）相当于一个空间误差（构成）模型，回归干扰项的空间相关相当于多余（干扰）相关。

3.2 空间回归模型的估计和检验

3.2.1 空间回归模型的估计。空间依存性的估计比时间序列要复杂得多。空间自回归模型由于自变量的内生性，OLS估计是有偏的(biased)和不一致(inconsistent)的。因此，上世纪60年代到80年代，经济计量学对空间计量经济学研究的焦点是模型估计，Besag(1974)［14］、Ord(1975)［15］和Mardia(1984)［16］分别讨论不同空间自回归模型的估计问题。80年代以后，最大似然估计(ML)成为文献中主流估计方法。最近几年其他估计方法如：Anselin(1990)［17］、Kelejian和Prucha(1999)［18］等提出工具变量法(IV)、广义矩估计(GMM)引起了理论界的重视。

3.2.2 空间回归模型的检验。判断地区间的空间相关存在与否，一般通过包括Moran's I检验、最大似然LM-Error检验及最大似然LM-Lag检验等一系列空间效应检验进行。

（1） 检验回归模型空间自相关的Moran I检验由Moran(1950)［19］最早提出，该检验到目前为止依然是使用最广泛的检验，它的最大优点是计算简单，只需要OLS估计或非线形优化即可。根据空间计量经济学的原理方法，首先对被解释变量进行Moran I检验，检验其是否存在空间自相关，如果存在则可以建立空间计量经济模型进行估计和检验，自相关指数Moran I检验的定义为：

It=ε′tWεtε′tεt

其中，W是空间权重矩阵，εit表示回归方程yit =yt+εit 的残差估计值，εit=yit-yt，并满足均值为0，方差为σ2t的正态分布，i=1,2...,N; t=1,2,...,T。

（2） LM-Error 检验及LM-Lag检验的表达式分别为：

LM-Error＝ ［e′We/(e′e/N)］2/trace(W2+W′W)

LM-Lag＝［e′WY/(e′e/N)］2/{［(WXb)′M(WXb)/(e′e/N)］+trace(W2+W′W)}，

其中b是回归方程的系数估计值。

LM-Error与LM-Lag检验都渐进服从自由度为1的卡方分布2(1)。这两个检验是针对不同形式的空间计量模型方程做出的，并不存在互相矛盾性，实际检验时需要同时进行这两种检验。同时，这些统计检验方法也可以用于诊断所估计的空间计量模型结果。

对于空间计量模型的估计如果仍采用最小二乘法，系数估计值会有偏或者无效，需要通过工具变量法、最大似然法或广义最小二乘估计等其他方法进行。

（3） 选择SAR或SEC模型的判别准则是：如果Moran I检验显著的情况下，最大似然LM-Lag检验较LM-Error检验更加显著，并且稳健估计R-LMLAG显著而R-LMERR不显著则选择空间滞后模型(SAR)；反之，则选用空间误差构成(SEC)模型。其次，在诊断模型总体显著性方面，除了拟合优度R2检验以外，一般使用自然对数似然函数值(Log Likelihood)进行判断(Anselin,1998)，自然对数似然函数值越大则拟合的效果越好。

另外，还有Wald、LR和RS(Rao Score)等检验。这些检验基于ML估计，最大的缺点是计算复杂，需要计算包括n阶雅克比(Jacobian)行列式的非线形对数似然函数优化。对于上述SAR和SEC两种模型的估计如果仍采用最小二乘法估计，系数估计值会有偏或者无效，需要通过工具变量法、极大似然法或广义最小二乘估计等其他方法来进行估计。鉴于空间计量经济估计中一系列问题有待进一步解决，目前一般空间计量模型都局限于一阶滞后模型、一阶自回归或一阶移动平均模型。

4.应用空间计量经济学研究的主要进展

从最新发展看，最近二三十年随着Anselin、Bruecckner、Kelejian、Haining、Case等人［20-22］的不懈努力，以及计算技术、计算机模拟技术的发展，特别是随着地理信息系统(GIS)和空间数据分析软件的发展，应用经济计量研究的重心正逐步从时间序列转向空间特性分析，空间计量经济学取得了突飞猛进的发展，并主要应用于截面数据和面板数据回归模型中复杂的空间相互作用与空间依存性结构分析。

4.1 应用领域日趋广泛

在一些专门化的领域中出现了一些明确结合了空间因素的模型以及相应的空间计量经济学应用，如区域科学、城市和房地产经济学、经济地理；而且在更多的经济学传统领域的各种经验调查研究中，也越来越多地采用空间计量经济学方法，如需求分析研究、国际经济学、劳动经济学、公共经济学和地方财政、农业和环境经济学。此外，在一些涉及计量经济学方法的文献中，对如何处理与结合数据的“地理”属性的模型相适合的备择模型、估计量和检验统计进行了越来越多的讨论。

4.2 理论验证不断增加

随着空间经济学应用领域的日趋广泛，阿瑟［23］、克鲁格曼［24-25］等重新对与经济地理学有关的马歇尔外部性、聚集经济及其他溢出效应的空间特征进行了评论。基于应用空间计量经济学进行验证的理论不断增加。

4.3 与GIS等空间数据分析和模拟技术渐趋融合

近年来，不断增多的地理数据推动了从实践、适用的角度来处理空间数据的技术的发展。在应用经济学和政策分析中，特别是在房地产和住宅经济学［26-27］、环境和资源经济学［28-29］、发展经济学等领域中，应用空间计量经济学与GIS技术逐渐趋于融合。

5.空间计量经济学在中国的发展和展望

随着国际上有关空间计量经济和新经济地理的研究不断地导入，空间计量经济学已广泛应用于基于中国问题的区域科学、城市和房地产经济学、经济地理等领域中，研究的重点有区域经济增长的空间相关性以及趋同和空间聚集模式［30-35］、区域经济溢出［36-37］和差异［38］等问题。同时，目前国内制约空间计量经济学发展的主要障碍仍然较多，如缺乏成熟的中文版的相关教材；缺乏如同SPSS、SAS、Eviews等可以直接做非空间计量经济分析的，现成的可以直接应用在实证研究中去的空间计量经济软件；缺乏可用于空间计量的数据基础。

目前，国内空间计量经济学需要研究的问题极多。如以我国在开放条件下的新的空间数据为基础，进一步实证区域经济增长的空间相关性（包括空间集聚和空间依赖性），分析区域经济增长在空间上的分布模式及其影响因素，研究区域经济的空间溢出（包括知识溢出）、增长趋同等问题，对传统理论、尤其是对新经济地理学理论大范围地进行证实或证伪，以实现理论上的重大突破，从而更好地指导政策和战略的制定，更好地指导区域经济的发展实践。随着国际空间计量经济学的发展以及我国按地区进行统计的基础资料不断积累，尤其是遥感技术应用到统计调查中来，使得按时间和空间排列的数据资料极为丰富，对数据进行空间甚至时空分析成为可能，我国空间计量经济学必将有广阔的发展前景。

注 释：

①对于第i个区域，根据区域(i,j)间的相邻边界长度Lij占总边界长度Li的比重来定义相邻权重。

参考文献：

［1］ Anselin L. Space and applied econometrics. Special Issue, Regional Science and Urban Economics. 1992, 22.

［2］ Anselin L and Rey S. Introduction to the special issue on spatial econometrics. International Regional Science Review. 1997, 20, 1~7.

［3］ Ioannides Y M. Evolution of Trading Structures. In The Economy as an Evolving Complex System II. Edited by Arthur W B, Durlauf S N and Lane D A. Reading, MA: Addison-Wesley, 1997, pp: 129~167.

［4］ Durlauf S N. Spillovers, Stratification and Inequality. European Economic Review. 1994, 38, 836~845.

［5］ Anselin L, Griffith D. Do Spatial Effects Really Matter in Regression Analysis. Papers, Regional Science Association, 1988, 65, 11~34.

［6］ Driscoll J C and Kraay A C. Consistent Covariance Matrix Estimation with Spatially Dependent Panel Data. The Review of Economics and Statistics. 1998, 80, 549~60.

［7］ Case A. Rosen H S and Hines J R. Budget spillovers and fiscal policy interdependence: evidence from the States. Journal of Public Economics. 1993, 52, 285~307.

［8］ Aten B. Evidence of spatial autocorrelation in international prices. Review of Income and Wealth. 1996, 42, 149~63.

［9］ Pinkse J, Slade M E. Contracting in Space: An Application Of Spatial Statistics to Discrete-choice Models. Journal of Econometrics. 1998, 85, 125~54.

［10］ Doreian P. Linear models with spatially distributed data, spatial disturbances or spatial effects. Sociological Methods and Research. 1980, 9, 29~60.

［11］ Hordijk L. Problems in Estimating Econometric Relations in Space. Papers, Regional Science Association, 1979, 42, 99~115.

［12］ Anselin L. Estimation Methods for Spatial Autoregressive Structures. Regional Science Dissertation and Monograph Series 8. Ithaca, New York: Cornell University, 1980.

［13］ Bivand R. Regression Modeling with Spatial Dependence: An Application of Some Class Selection and Estimation Methods. Geographical Analysis, 1984, 16(1), 25~37.

［14］ Besag , J. Spatial interaction and the statistical analysis of lattice systems［J］. Journal of the Royal Statistical Society, 1974.B36:192~225.

［15］ Ord,K. Estimation Methods for Models of Spatial Interaction［J］. Journal of the American Statistical Association,1975.70,120~126.

［16］ Mardia , K. V. and R. J . Marshall. Maximum likelihood estimation of methods for residual covariance in a spatial regression［J］.Biometrika,1984. 71 :135~146.

［17］ Anselin, L. Spatial Dependence and Spatial Structural Instability in Applied Regression Analysis. Journal of Regional Science,1990.30:185~207.

［18］ Kelejian H, Prucha I. A Generalized Moments Estimator for the Autoregressive Parameter in a Spatial Model. International Economic Review. 1999, 40, 509~533.

［19］ Moran, P. A. P. A test for the serial dependence of residuals［J］.Biometrika,1950.37 :178~181.

［20］ Bruecckner, J. K. Strategic interaction among governments: an overview of empirical studies ［J］. International Regional Science Review, 2002. 44 :438~467.

［21］ Case A. Neighborhood Influence and Technological Change. Regional Science and Urban Economics. 1992, 22, 491~508.

［22］ Case, A., H. S. Rosen and J. R. Hines. Budget spillovers and fiscal policy interdependence: evidence from the States ［J］. Journal of Public Economics,1993.52:285~307.

［23］ Arthur W B. Increasing returns, Competing Technologies and Lock-in by Historical Small Events: the Dynamics of Allocation under Increasing Returns to Scale. Economic Journal. 1989, 99, 116~31.

［24］ Krugman P. Increasing Returns and Economic Geography. Journal of Political Economy. 1991, 99, 483~499.

［25］ Krugman P. Space: the Final Frontier. Journal of Economic Perspectives. 1998, 12, 161~174.

［26］ Anselin L. GIS research infrastructure for spatial analysis of real estate markets. Journal of Housing Research, 1998a, 9, 113~33.

［27］ Can A. GIS and spatial analysis of housing and mortgage markets. Journal of Housing Research. 1998, 9, 61~86.

［28］ Bockstael N E.. Modeling economics and ecology: the importance of a spatial perspective. American Journal of Agricultural Economics. 1996, 78, 1168~1180.

［29］ Geoghegan J, Wainger L and Bockstael N. Spatial landscape indices in a hedonic framework: an ecological economics analysis using GIS. Ecological Economics. 1997, 23, 251~64.

［30］ 吴玉鸣.中国省域经济增长趋同的空间计量经济分析［J］.数量经济技术经济研究,2006，（12）：101~108.

［31］ 吴玉鸣.县域经济增长集聚与差异：空间计量经济实证分析［J］.世界经济文汇,2007，（2）： 37~57.

［32］ 吴玉鸣,李建霞.基于地理加权回归模型的省域工业全要素生产率分析［J］.经济地理,2006,（V26）：728~752.

［33］ 吴玉呜.空间计量经济模型在省域研发与创新中的应用研究［J］.数量经济技术经济研究,2006，（5）.

［34］ 吴玉呜.大学、企业研发与区域创新的空间统计与计量分析［J］.数理统计与管理,2007，（ V27）：318~324.

［35］ 林光平,龙志和,吴梅.中国地区经济σ―收敛的空间计量实证分析［J］.数量经济技术经济研究,2006，（5）.

［36］ 苏方林.中国省域R&D溢出的空间模式研究.科学学研究［J］.2006，（5）：691~701.

［37］ 苏方林.省域R&D知识溢出的GWR实证分析［J］.数量经济技术经济研究,2007，（2）.

［38］ 李序颖,陈宏民.居民收入与城市经济水平的空间自回归模型［J］.系统工程理论方法应用,2005,（V14.5）：396~399.

［作者简介］杨开忠（1962―），男，北京大学经济学教授、博士生导师，北京大学首都发展研究院常务副院长，北京大学政府管理学院副院长，北京大学中国区域经济研究中心主任，中国区域科学协会会长。主要从事区域经济学、城市经济学、发展经济学、环境经济学及战略管理的教学与研究。

篇（4）

关键词计量经济学内容模型方法

计量经济学是经济理论、统计学和数学三者的结合。计量经济学研究的主体是经济现象发展变化的数量规律，计量经济模型描述的是经济变量之间的数量关系，这就决定了计量经济研究必须以经济理论和经济运行机制作为建立模型的理论依据。此外，由于计量经济研究过程是将经济理论与客观事实紧密联系起来进行分析，计量经济研究的结论反过来可以验证有关经济理论的正确与否（即是否符合客观实际）。因此，计量经济的研究成果又可以进一步充实，完善和发展经济理论。

数理经济学是一门以数学形式描述经济变量之间逻辑关系、运用数学符号和公式分析研究经济现象的学科。数理经济学与理论经济学的区别只是表述形式不同，所以，有人称之为“理论上的空盒子”。但是，数理经济学对计量经济学的产生和发展却有着重大影响，因为它毕竟将经济关系数学化、公式化了，为计量经济学的进一步研究奠定了基础。

计量经济学家在此基础做了两点改进，一是在模型中加入随机误差项，使模型成为随机方程。二是利用统计资料和数理统计方法估计出模型的具体形式。所以，计量经济学时计量经济研究的基础，计量经济学时数理经济学的具体应用和发展，计量经济的研究结果在数理经济学的“空盒子”中填上了实际内容。

一、关于计量经济学模型方法科学性的研究

讨论计量经济学模型方法的科学性，必须回答如下两个方面的问题。

1．计量经济学的哲学基础问题。广义的或者说完整的计量经济学模型方法并不是一般认为的“只能检验，不能发现”，而是一个能够作出科学发现的研究全过程。计量经济学模型不是有人认为的“是归纳的”，模型设定阶段的演绎与模型检验阶段的归纳相结合，构成了完整的、辨证的计量经济学模型的认识论。

2．计量经济学模型方法体系的内在一致性问题。现代计量经济学包括时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学等相对独立的分支。它们之间的关系，特别是内在一致性，是计量经济学模型方法是否具有科学性的重要体现。从计量经济学模型发展的角度，论述计量经济学模型方法的科学性。

二、关于计量经济学模型的统计学基础研究

与计量经济学模型方法的统计学基础相关的专题有3个，即模型类型设定对数据的依赖性、模型随机扰动项的源生性和假设检验的不对称性。“计量经济学模型对数据的依赖性”全面地论述了计量经济学模型与数据的关系。从计量经济学模型类型选择、总体回归模型设定、模型估计和模型应用等方面分析了数据的作用，强调了模型对数据的依赖性。具体包括，计量经济学应用模型的类型依赖于表征研究对象状态的数据类型，不同类型的数据，必须选择不同类型的模型。

从检验对象的角度，计量经济学中的假设检验大体分为四类。一是关于模型设定的检验。二是关于分布的检验。三是关于样本数据的检验。四是关于模型结果的检验。从检验方法的角度，计量经济学中的假设检验大体分为两类。一类是非嵌套检验。在非嵌套检验中，既设定了原假设，又同时设定了备择假设，检验一次完成。绝大多数假设检验都采用非嵌套检验。一类是嵌套检验。在嵌套检验中，只设定了原假设，没有明确的备择假设，检验非一次完成。当原假设被拒绝，需要设计进一步的检验。

假设检验中充满着不对称性。假设检验的不对称性包括三个方面，一是统计意义和经济意义的不对称性，属于经济学范畴；二是证伪和证实的不对称性，属于逻辑学范畴；三是犯第一类错误和犯第二类错误的不对称性，属于统计学范畴。正确理解假设检验的不对称性，对于正确认识和正确应用计量经济学模型方法，都是十分重要的。

三、关于计量经济学模型设定理论的研究

在经典计量经济学模型的应用研究中，直接依据经济学理论设定总体模型的现象十分普遍，因此经典计量经济学模型通常被认为是先验理论导向的。以先验的经济学理论作为计量经济学模型总体设定的导向，至少存在两个主要障碍。第一，正统经济学以经济人假设和理性选择为其理论体系的基石，任何一种理论都建立在决策主体是理性的和决策行为是最优的基础之上。而计量经济学模型总体设定的目的，是建立能够描述人们实际观察到的经济活动之中蕴藏着的一般规律的总体模型，毫无疑问，实际经济活动既不是“理陛”的，也不是“最优”的。第二，正统经济学理论强调“简单”，认为只有简单的理论才能够揭示本质。而计量经济学模型恰恰相反，它强调“一般”，必须将经济活动所涉及的所有因素包含其中。所以，即使经济学理论是正确的，也不能据此设定计量经济学模型，因为它舍弃了太多显著的因素。所谓“统计检验必要性”原则，是对数据关系导向的批评。

计量经济学模型设定应该遵循“经济主体动力学关系导向”原则。以经济主体与环境之间的动力学关系分析为基础和前提，基于该动力学过程生成的数据，以数据统计分析为必要条件，验证并确定经济主体与环境的互动关系，正是计量经济学总体模型所要界定的因果关系。以这样的原则设定计量经济学模型，可以实现先验理论导向和数据关系导向的综合。

参考文献：

[1]李芝倩.应用导向下的本科阶段计量经济学教学之思考.赤峰学院学报(自然科学版).2010(12).

篇（5）

一、计量经济学的含义

1.计量经济学的早期含义

在17世纪时期，计量经济学第一次在戴夫南特和金的研究中出现，但当时，计量经济学这个专业术语并未出现，直到挪威的一位名叫弗里希的经济学家在其发表的论文中提出了计量经济学的概念。计量经济学表示经济学和数学以及统计学的有机统一。在研究中发现在统计学和数学以及经济学的相互关系中存在着一种规律，发现这个发现的发现者将其命名为计量经济学。计量经济学是对理论政治以及纯经济学的主观抽象法则进行试验和数据检验并由此来将纯经济学最大化的成为严格意义上的科学。1933年，计量经济学会将计量经济学定义为：通过经济学与数学以及统计学的有机统一，以实现经济问题理论定量与经验定量相统一的目标。这个定义表现了计量经济学是由统计学数学以及经济学共同组成的，缺一不可。我们不能简单地理解为是数学在经济理论领域的应用，也不能笼统得以为是经济理论问题的简单统计，只有将三者构建在一起才能发挥出特定的效力。

2.计量经济学的现代含义

由于计量经济学的早期目的在于科学化经济理论研究，因此在随后的经济理论研究方法的不断拓展完善中，计量经济学的含义也随之发生了改变。其定义变的更加具体也更加具有内涵。第一种定义认为：“计量经济学是利用统计学和数学的方法来分析经济学理论数据，将经济学的经验理论包含在内一起分析，通过分析来证明经济理论的正确与否。”第二种定义认为：“计量经济学的目标是建立经济模型来分析经济学中的变量之间的相互关系。通过模型来确定当一个变量发生变化时对其他变量会造成多大影响。使用数学和统计学的方法工具来解决发生在经济和社会中的变量变化问题，并引导人们对此类问题分析和了解并解决。小结：发展至今，计量经济学已经成为经济学的重要分支学科，但其基础和目标并未有多大改变。还是将经济学和数学以及统计学三者合一共同解决和推断经济理论假设的实证研究。不管是哪一门学科都可分为理论和应用两个方面。因此，计量经济学也可分为理论计量经济学和应用计量经济学。自2008年爆发的经济危机，其后果影响至今。作者认为这不一定是计量经济学的理论研究问题，其可归结于应用计量经济学的问题。由于人们对计量经济学的滥用和理解的不透彻所以才无法从理论计量经济学中找到问题的解决办法。

二、计量经济学的特性

计量经济学是经济学的重要分支学科。可以说计量经济学是经济学的独特一面。计量经济学科学性的标志在于其严谨的数学方法逻辑性和正确指向性的统计推断。当然，对于计量经济学科学性的质疑也从未间断过。凯恩斯认为计量经济学是“统计的炼金术”，“蹩脚的魔术”。他认为计量经济学到目前为止还算不上科学的研究方法。为此作者统计出了科学标准并表现了计量经济学的科学性。

1.计量经济学的科学性

首先，科学哲学标准为：逻辑实证主义科学标准：其核心是事物的可证实性。包括维也纳学派的逻辑实证主义和柏林学派的逻辑实证主义以及“亨善尔”逻辑主义。证伪主义科学标准。这种证伪主义的基本出发点是证实和证伪之间的逻辑不对称。凡是可以被证伪的那就不是科学的。其次，我们可以在计量经济学中发现逻辑实证主义的特性：重视证实，观测，反对因果关系的存在，反对理论实体。从计量经济学中我们更能找到证伪主义科学标准的影子，计量经济学的作用就在于对原有的经济理论或问题进行模式分析，不断假设推断，通过证实和证伪发掘出解决实际问题的方法。在这一方面充分体现了在计量经济学中证伪主义科学标准的存在。

2.计量经济学的不确定性和局限性

首先，计量经济学具有不精确性。其实这是一件无可厚非的事。从基础来源上来看，庞大的经济数据本身就具有不精确性，通过计量经济学的研究也只能得到一个近似的结果。通过计量经济学的方法研究，我们能得到一个理想的世界，但未来是否真是如此还有待商榷。统计学也是计量经济学的构建者之一，这决定了计量经济学的研究结果是一个随机事件，是否得到想要的结果还需要共同的努力，这与计量经济学的科学性并未冲突。其次，与其它学科一样，在计量经济学的科学性和不精确性之外还有其局限性。从研究方法上而言，计量经济学的研究方法是经验实证的模型方法。这既是计量经济学的科学性和不精确性所在也是其局限性所在。从经济学的语言层面而言，以统计学和数学为基础的计量经济学的经验实证的模型语言有着其自带的局限性。计量经济学中证伪主义科学标准的存在的气息太重，这种以不平衡的逻辑为出发点的方法论决定了计量经济学的局限性。

三、结论与展望

时代在进步，人民富有了，消费提高了，伴随的经济危机也爆发了。经济危机的爆发更加重对计量经济学的质疑。无法准确预测经济危机的到来，在解决经济危机上的能力不足都存在于人们疑惑中。从上文的分析中我们可以得到这样的结论：“计量经济学的研究方法为解决经济问题提供了模型，在此模型中我么能够看到理想的世界，能够正确预测经济的走向，但是计量经济学中的统计学成分决定了其理想结果之外还存在其他结果。我们应当做的事理解透彻计量经济学并不滥用。计量经济学的科学性证明其是科学的方法。如果我们能够理解经济领域中变量的变化以及影响的大小并知道如何避免这种情况的发生或有制定对策，那么应该会有效的应用计量经济学。

参考文献：

[1]洪永激.计量经济学的地位、作用和局限.经济研究，2007(5):139-156.

篇（6）

引言

1926年，挪威经济学家弗瑞希根据生物计量学biometrics仿造出计量经济学econometrics.1930年12月，弗瑞希、丁伯根等人在美国克里夫兰发起成立了国际计量经济学会，并于1933年创刊《Econometrics》，标志着计量经济学的诞生[1].计量经济学是经济理论、数学和统计学三者的综合[1].从其性质来说,计量经济学是一门经济学科,或者说是经济学的一个分支，是属于应用经济学范畴的一门文理渗透的交叉学科，而不是应用数学或应用统计学[2].计量经济学作为开设的专业必修课，如何学好这门学科，对于在校大学生来说，是十分重要的，部分教师也对目前计量经济学的教学改革提出了建议[3-7].宿州学院数学与统计学院在应用数学专业和统计学专业均开设了计量经济学课程，在培养应用型人才的教学目标下，改进现有的计量经济学教学体系以及相关教学方法是非常有必要的.为了进一步探讨如何进行计量经济学的教与学，我们对全院开设计量经济学的本科生进行了问卷调查.对计量经济学课程学习中所涉及到的教学内容进行分析，并从课程的认知程度上对课程学习效果进行分析，结合分析结果，对新兴应用型本科院校的计量经济学教学提出了几点建议.

1课程的学习准备

本科计量经济学是一门综合性较强的课程，要求学生具有宏微观经济学、高等数学、线性代数、概率论与数理统计、统计学等先修课程的良好基础，学生在这些方面的基础知识是否扎实关系到本课程的学习质量，所以就相关课程的掌握情况对学好计量经济学课程有着显著影响的观点也进行了问卷调查，调查结果如下：由图可以看出，大部分学生对于各门课程对学好计量经济学课程有着显著影响的观点表示有点同意或非常同意，只有极少数人对此观点表示非常不同意.其中认为统计学的学习对计量经济学的学习有着显著地影响，其次是相关的专业课程，认为对计量经济学课程学习影响最小的是西方经济学.由于计量经济学是一门理论与实践相结合的课程，通过调查我们发现，绝大部分同学认为在学习方式上主要以课堂认真听讲为主，课堂听讲与课后预、复习相结合、完成相应的习题以加强理解和上机实习理解所学的知识.

2课程教学内容情况

目前，计量经济学的课程教授分为绪论、经典线性回归模型和单方程回归模型的扩展.我校使用的是庞皓主编的十三五规划教材计量经济学，对于计量经济学的各章教学内容而言，同学们对各个内容的感兴趣程度的情况如图2：从上图看出，导论部分感兴趣程度的均值评分明显较低，且调查者之间的差异较大，其他内容评分也有差异，但差异不明显，相差不大.针对各章的内容，进行了难度调查，我们发现：（1）对于简单线性回归模型的内容而言，同学们认为回归系数的显著性检验内容难度最大，计量经济学建模的基本思路内容难度相对最低.(2）在多元线性回归模型中，同学们认为多元回归模型有关的数学公式的证明难度最大，多元回归模型各类表达式以及参数估计等知识点难度相对较小.(3）在计量经济学模型多重共线性的检验中，同学们认为最难以掌握的是多重共线性实例分析中的逐步回归法和多重共线性的补救措施.(4）在计量经济学模型异方差检验中，同学们认为最难以掌握的是异方差的几种统计检验方法，最容易掌握的是异方差的基本概念及经济意义.(5）在计量经济学模型自相关的检验中，同学们认为最难以掌握的是Cochrane-Orcutt法及上机操作，自相关的基本概念及经济意义、检验自相关性的基本思路相对而言最容易.

3课程学习情况分析

3.1单因素方差分析

我院开设计量经济学课程的专业，学生文理兼收，不同专业的学生在教学中体现了不同的学习特点.我们将完成计量经济学作业方式分别对喜欢专业程度评分、教学内容评分、难易程度评分、理论性评分、实用性评分、课程期望评分、本课程喜欢程度评分进行单因素方差分析，结果如下：从方差分析表可以得出，完成计量经济学作业方式对喜欢专业程度评分、教学内容评分、难易程度评分、本课程喜欢程度评分影响的显著性检验的p值都小于0.05，因此可以得出结论，至少有95%的把握说完成计量经济学作业方式对喜欢专业程度评分、教学内容评分、难易程度评分、本课程喜欢程度评分存在显著性差异.

3.2学生对课程的认知程度分析

在调查中我们发现大学生对计量经济学课程的认知程度普遍不足.在成绩等级为60分以下的大学生中仅20%的人认为计量经济学是重要的，成绩在60分到70分的大学生中有70%的人认为计量经济学不重要或重要性一般，成绩在70分到85分之间的大学生认为计量经济学不重要的仅有10.3%，成绩在85分以上的学生没有人认为计量经济学是不重要的，93.3%的人是肯定计量经济学的重要性的.由此，我们不难发现认知程度在不同的成绩等级中的分布是不同的，认知程度高的一般分布在成绩好的层次中.

4结论

通过对我校学生对计量经济学课程学习情况的调查分析，结合应用型本科院校应用型人才的培养目标，对计量经济学课程教学提出以下几点建议：提高学生对课程的认知度.作为以培养应用型人才为目标的本科院校，为了培养学生的综合素质，增强其实际应用能力，开设计量经济学课程是十分必要的.充分意识到课程学习的重要性，是保证教学效果的良好前提.加强理论与实践相结合的教学模式.由于计量经济学是一门与实际应用密切相关的学科，在教学中加大案例教学，通过实际案例引入理论知识能够加深学生对所学模型的认识，以便更好的加以应用.在案例教学中，可适当增加师生之间、学生与学生之间的互动和讨论，从而增强学习的趣味性，提升教学效果.合理使用课程论文，使课程考核多样化.在计量经济学的课程考核中，除了对理论知识的考核外，还应该增加实践动手能力的考核.引入课程论文考核，在学期中对学生进行分组，不仅能够锻炼他们在理论应用分析、模型构造、软件使用等各方面的综合能力，还能够在日常学习中增强同学们的交流，促进大家的团队协作.考核时通过PPT答辩，更进一步的加深对该课程的学习体会.

[参考文献]

[1]达莫达尔N.古亚拉提.计量经济学精要[M].北京:机械工业出版社,2003：3-8.

[2]庞皓.计量经济学[M].3版.西南财经大学出版社,2012：4-5

[3]王峰.本科《计量经济学》课程研究型教学模式改革[J].江西金融职工大学学报，2008(04):101-103.

[4]盖耕宇.本科计量经济学案例教学探讨[J].中国科教创新导刊,2010(25):68-68.

[5]阳玉香,谭忠真.应用型人才培养目标下的计量经济学教学改革[J],经济研究导刊，2010(20):212-213.

篇（7）

1980年应中国社会科学院邀请，美国经济学家克莱因教授在北京颐和园讲授了计量经济学，为我国培养了第一批计量经济学学者。而且计量经济学于1998年7月，被教育部确定为高校经济学类各专业的核心课程之一。从此，我国财经类高校对计量经济学课程越来越重视，据调查发现，98%的经济类高校和60%的管理类高校都开设了“计量经济学”课程［1］。财经类高校都很重视计量经济学的教学，而且在教学过程中都采取了一系列措施，一定程度上提高了财经类高校“计量经济学”的教学水平和科研水平，但是由于财经类高校专业和学生的自身特点，教学过程中仍然存在不少问题，这些问题影响了计量经济学的教学效果和该课程的发展。因此，必须对计量经济学这门课程进行教学改革。

一、硕士研究生计量经济学教学中存在的问题

作者在多年的教学过程和对财经类高校计量经济学教学调研中发现，财经类研究生计量经济学教学过程主要存在以下问题:

(一)学生本科专业基础差距很大

克莱因教授在《经济计量学讲义》一书中阐述:计量经济学是数学方法、统计技术和经济分析的综合。就其字义来说，计量经济学不仅是指对经济现象加以测量，而且包含根据一定的经济理论进行计算的意思。计量经济学的主要任务是以经济理论为指导，使用计量经济学方法和工具，构建合适的计量经济模型，揭示经济发展规律，指导经济实践［2］。因此在学习计量经济学时要求学生必须具有扎实的经济学、数学、概率论和数理统计的理论知识。但是，财经类专业录取的研究生一部分属于跨专业报考，在研究生阶段只有一年时间来进行课程的学习，一年时间也只能安排一些经济管理类的基础课程，比如“微观经济学”、“宏观经济学”、“管理学”等基础课程。而且由于课时等原因只能对这些经济管理类基础课程知识进行粗略的讲解，这些学生根本不能系统地掌握经济管理知识。因此，在利用计量经济学分析经济问题时缺乏经济理论知识，很难对结果给出合理的解释，甚至不能构建出符合经济理论的计量经济学模型。除此之外，还有一部分硕士研究生属于文科生，由于长期受到文科知识体系的熏陶，大部分学生更加偏爱于定性的思维模式，而计量经济学课程严密的逻辑性和诸多的数学模型造成他们在学习过程中产生畏惧心理，给计量经济学的教学带来很大的困扰。

(二)学时不够，不能系统掌握课程知识

大部分财经类高校硕士研究生的计量经济学课程都放在了一年级的第二个学期开设。而且基本只开设一个学期，课时基本在50课左右。由于学生本科阶段所学课程的限制，造成大部分高校的计量经济学教学课时不能满足计量经济学知识的讲授。据调查发现，很多硕士研究生在本科阶段没有学过计量经济学初级部分相关内容，因此在进行计量经济学教学时，只能从初级计量经济学开始讲授，然后才能开始中高级计量经济学的教学。又由于计量经济学的教学先修课程包括:西方经济学、概率论、统计学、线性代数、高等数学(微积分)等课程。通过调查还发现，有一部分学生在本科阶段没有学过统计学以及相关课程，虽然学生在考研时都考过微积分和概率论相关知识，但是其知识并不扎实，造成在讲解计量经济学课程时存在很多问题。利用50课时要完成教学大纲的要求，则不能把理论知识讲解全，也根本没有时间安排实验课教学和操作，造成学生利用计量经济学解决实际经济管理类问题的能力得不到提高。

(三)缺乏跨学科教师

讲授硕士研究生计量经济学课程的教师应该具备深厚的经济学知识、统计学基础和数学知识背景，同时还要具备计量经济学软件操作的应用能力。目前，财经类高校尤其是西部地区财经类高校从事计量经济学课程教学的教师极少具备这些素质。具体表现在:一部分财经类高校计量经济学课程开设在统计与数学学院，部分开设在经济学院，管理学院，还有部分高校把课程开设在商务学院等。开设在统计与数学学院的，主讲计量经济学的老师大部分具有理科学位，缺乏经济学的理论基础，缺乏系统的计量经济学专业训练。在计量经济学讲授时容易忽略问题本身的经济含义，学生在进行实际问题分析时造成计量经济方法和问题本质脱离。而开设在其他经济管理类学院的，也存在一定的问题，虽然主讲计量经济学课程的老师经济管理理论知识扎实，但是缺乏统计学、数学的专业知识，在讲授计量经济学课程时有些统计学知识讲授不太清楚，学生只能死记硬背那些结论，不能活学活用。因此，计量经济学课程的教学需要具有综合学科背景的教师，具有跨学科背景的教师更能胜任此项工作。

(四)缺乏专业的教材

目前，适用于财经类高校硕士研究生计量经济学教学的教材并不多，而且大多数财经类高校选取教材时都用到了本学校教师编写的教材或者电子版课件，部分学校甚至都没有自己编写的教材，在研究生开课以后只能由任课教师向学生推荐一些教材，而这些教材不一定适合于各个专业的学生。

(五)合班教学没有针对性

大多数财经类高校的教师在进行硕士研究生在计量经济学的教学时，采用统一授课的教学模式。但是不同专业对于计量经济学的课程需求不一样，统一授课不仅影响教学进度，而且也很难达到预期的教学目标。

二、硕士研究生计量经济学教学改革的建议

上述问题制约了财经类高校硕士研究生计量经济学的教学效果。笔者根据多年的教学体会以及结合相关文献的观点，对财经类高校硕士研究生计量经济学教学内容以及教学方式进行改进。

(一)前期加强基础课程的培训

硕士研究生的计量经济学课程大部分开设在一年级第2个学期，对于本科阶段没有学过计量经济学的学生，可以在一年级第一学期旁听本科生的计量经济学(初级部分)课程，在第二学期开设计量经济学课程时就可以利用3－6小节的课时来回顾“计量经济学”的初级内容，争取到更多的学时全面进行中高级计量经济学的理论知识教学，和实验课的案例操作教学，提高学生学习计量经济学的积极性和主动性，从而避免了基础好的学生“学不到”，基础差的学生“听不懂”的尴尬局面。

(二)紧扣教学目标，优化教学内容

硕士研究生进行计量经济学课程学习的主要目标是结合自己的专业和研究方向，利用计量经济学方法，解决自己专业研究中所出现的实际问题。基于该目标，在计量经济学的教学内容选取和教学时，应该轻理论和方法推导，重理论和方法与实际经济管理问题的结合、重理论和方法的使用条件和应用范围、重理论和方法的软件操作、重操作结果的分析。

(三)适当增加教学课时，补充实验课教学

由于硕士研究生的计量经济学教学课时只有50学时左右，课程的理论部分勉强才能讲授完，根本没有时间进行实验课的教学。因此，可以适当增加10－15课时时间，进行实验课的教学，实验课教学主要培养学生利用eviews软件［3］或者SAS软件对实际专业知识进行计量经济学分析的能力。作者就职的高校在从事计量经济学实验教学时一直采用eviews软件，此软件操作简单、可视性极强，非常利于学生掌握。

(四)重视案例教学，构建典型案例库

为了提高计量经济学教学效果，大部分财经类高校在教学过程中讲授完一段理论和方法，都会配备一些典型案例进行教学，并采用eviews软件对案例进行实际操作。但是，由于硕士研究生的专业不同则研究方向也不同，如何提高学生利用计量经济学模型和方法解决实际专业问题的能力，仅仅靠课上案例教学和学生查阅相关文献是不行的，课上所讲案例只是针对某一个或者某几个专业的问题进行的分析。因此，课下需要针对每一个专业建立相应的典型案例教学库，并定期对案例库进行维护和更新。通过案例库让每个专业的学生都能够切身体会计量经济学的重要性，增强他们学习的积极性，从而提高分析和解决实际专业问题的能力。

(五)加强教师对外交流，提升教师教学水平

以作者本人工作的学校为例，从事计量经济学教学的老师大部分是博士或者在读博士，从事计量经济学的教学工作也基本在5年以上，但基本都是青年教师，而且教学科研水平还处于起步阶段。我国部分高校在计量经济学的教学科研方面积累的丰厚的经验，非常值得我们这些计量经济学教学科研水平还处于起步阶段的高校去借鉴。因此，需要加强青年教师的培训和交流，多邀请国内外著名计量经济学学者、专家来对青年教师进行计量经济学前沿知识的培训，而不是几个小时的学术报告。厦门大学曾经在2005年7月邀请了五位海外著名计量经济学家开设了5天的国际计量经济学培训班，吸引了国内300余名专家和学者，受到了与会者的热烈欢迎［4］。

(六)分班教学，不同专业制定不同的大纲

由于经济类专业和管理类专业在计量经济学知识运用时，侧重点不一样，因此在硕士研究生在课程设置时，根据学科要求和学科特点，可以采取分班教学的方式进行，基本可以分为三个班，即经济专业班、管理专业班和统计专业班。采用不同的教学大纲进行教学。经济学类专业主要讲授时间序列数据、截面数据和面板数据的基本理论内容和案例分析。管理类专业比如会计学专业等主要讲授截面数据、面板数据的基本理论内容和案例分析。统计学专业学生由于本科阶段学过时间序列分析和计量经济学等专业课程，而且统计学基础扎实，因此在统计学专业教学时，可以对向量自回归模型、面板数据模型、空间面板数据模型等进行深入的讲解。总之，根据专业需求，制定相应的教学大纲进行教学活动。

三、结论

综上所述，财经类高校硕士研究生计量经济学课程教学虽然积累了一些经验，但也存在很多不足。因此，要求我们必须加快硕士研究生的计量经济学教学改革，学校和学院帮助任课老师解决教学中遇到的困难，要注重师资力量的培训，须鼓励从事计量经济学教学科研的教师参与多种渠道的交流，提供必要的专业学习与培训机会。

［参考文献］

［1］李子奈．关于计量经济学课程教学内容的创新与思考［J］．中国大学教学，2010，(1):18－22．

［2］洪永淼．计量经济学的地位、作用和局限［J］．经济研究，2007，(5):139－153．

篇（8）

在现代的管理学教育和经济学教学中，计量经济学可以说是其中非常重要的组成部分。同时，如何进行计算是确保计量经济学能够有效发展的重要保证。对此，文章通过下文对相关方面的内容进行了探究。

一、计量经济学的相关阐述

计量经济学为经济学的基础，经济学各个分支的发展，例如，金融经济学、劳动经济学、微观经济学、教育经济学、宏观经济学等都离不开计量经济学些支撑，对该理论进行应用，对该模型的结论检验假设与理论进行应用。所以，在学习和应用计量经济学，对于金融研究人员和从事经济方面的工作人员必将会带来很大的帮助。

二、计量经济学相关计算内容分析

1.人工智能方法的应用

在规定的范围内进行经济分析，将理论假设总是努力考虑的合理而复杂。主要目的是将具体的经济人行为展现出来。但是，如果可以用数学模型来定式化处理此种行为，我们就能够觉察到，这是难以解出的，将这种情况用计算机专业语素表示出来，即为：NP-完全现象。只有细微的增加这种问题的规模，就会大大的提升其计算量，而且极易造成计算机过载停止工作，除非有着无限大的机器容量。为了将这种困难解决掉，就可以应用智能化的方法，在一个模拟的经济环境内，将人融入进去，并且对他们的学习情况进行分析，确保通过理论假设中的行为可以保持一致。

在应用了这种方法能够发现，人类交易者的真实市场和智能工作中所呈现出的内容大体相同，所以，就能够证实，经济环境中的行为模型可以利用简单的智能方法营造出来。在经济学理论中，必须要将计算机技术充分的应用进去，在研究应用经济学和理论经济学模型时，对于信息科学、物理学、计算机科学和数学等方法必须要适当的进行应用，确保在计量经济学中可以或多或少的发挥出自身的作用。

2.动态规划形态分析

有关动态规划模型的相关内容在20世纪80年代前还没有取得研究性进展，在这方面，实质性的工作几乎还没有出现。后来随着科技的发展，技术的进步，有关这方面的研究开始逐渐深入，DP模型估计理论框架开始被人们提了出来。其构想非常简单：这种算法主要是通过内部和外部的密切结合，将数据最佳拟合状态喜爱的DP模型参数在N维空间中收索出来，这属于外部优化算法。在各个参数试算值的基础上，将动态的规划问题解决掉，即为内部DP算法，并且，有着极高的维数空间存在于内部。例如这样的案例，在对动态规划出来退休问题时，在一个大量的维度空间中将问题定式的进行压缩，然后进行不动点的计算分析。这就表明，需要通过大量的计算量与计算存储量才能够更好的求解DP问题。

现阶段，随着计算机技术的不断发展，因此，在处理这些问题的过程中就可以利用计算机系统来进行操作，并且，已经被广泛的应用于经济研究领域内，例如选择投资组合与储蓄，控制人类生育、更新专利等。通常的时候，在对计量经济模型进行构建的过程中，对于包含不确定性和实践的动因模型需要进行估计分析，其实，这种模型同自然规律之间是存在矛盾的，由于模型是把处理自然运动规律以外生的状态呈现出来，然而，随着一些含有对全局和整体能够带来一定影响的多动因模型的出现，大大的提升了其应用的功能性。其中，动态博弈理论模型和理性预期模型就为其中的重要组成部分。

3.分析交互式图形数据

采集与分析基本的数据，对数据的变量指标、数据的登录、数据清理、统计报表的匹配盒清理等方面都会带来很大的帮助，可以说，这些工作在计量经济学中也属于难点，比较繁重的工作。随着计算机技术的不断发展，数学应用软件、计算机系统及数学应用软件的出现，大大的提升了操作性能，从繁琐的数据处理中人们逐渐的实现了自我超越，在Unix与Windows平台的基础上，开始大量的涌现出交互式图形数据功能软件包，例如，、Matlab、MathCAD、Maple？、Gauss、Mathematica等，可以通过键盘将数据直接输入进去，在制表、特征图形化和数据整理编辑的过程张也可以通过简易的程序质量来完成。同时，将软件Eview应用到计量经济学中，使数据分析工作变的更加高效、实用。

三、结语

随着时代的发展，人们对于计量经济学的研究力度不断增加，计算是计量经济学的核心所在。那么，如何通过正确的计算方法确保计量经济学的发展是摆在我们面前的一项重要课题。计算有着非常广泛的含义，它包括网络计算、计算机硬件技术和计算机软件计算等。进入21世纪以来，我国科技发展速度不断加快，计算机技术在我们的生活和工作的各个方面都开始发挥作用，计算和计量经济学之间与生俱来的联系。为了有效的促进计量经济学计算的有效发展，文章通过上文对相关内容进行了探究，从而为有关单位及工作人员在实际工作中提供一定的借鉴作用。

参考文献：

[1]李子奈：《计量经济学模型方法论的若干问题》《经济学动态》.2011第10期。

[2]洪永淼.计量经济学的地位、作用和局限[J].经济学研究.2013（03）：569-571.

篇（9）

《计量经济学》于上个世纪20年代末期产生，后来经过不断的发展和完善，该学科成为经济学中一个较为活跃的分支学科。随着教育部将《计量经济学》这门课程确定为高等学校经济学类各专业核心课程，该门课程的重要性才逐渐得到高校经管类教师的认同，并逐渐成为我国高校经管类各专业一门备受关注的课程。但是从学生学习过程来看，众多学生对《计量经济学》的学习感到困难和吃力，尤其对于那些数学基础比较差的学生更是特别困难。而在该门课程的具体教学过程中，从教材选用、课程安排、教学方法等多个方面都存在一些问题，本文将对此进行详细分析并提出相应的措施建议。

一、国内外《计量经济学》发展概述

大多数《计量经济学》工作者都致力于客观的分析认识经济现象与科学准确的阐述经济规律。但是，经济学的科学化进程一直受众多因素的影响，如经济活动的多因素性、随机波动性以及事件发生的不可逆性，等等。我们知道，自然科学研究中能够建立实验室和创造出其他因素不变的条件下的理想状态和环境，其变量往往会遵循特定的函数关系，而经济学研究则不同，它不能遵循既定的函数关系，只能通过建立统计模型来进行定量分析。

《计量经济学》大体上可以划分为两个阶段。

第一阶段：本世纪70年代以前，《计量经济学》以“经济平稳时间序列”为样本数据进行建模分析。数学方法在经济理论运用上的不断深入，为《计量经济学》的诞生奠定了数理基础，如19世纪初高斯（Gauss）提出最小二乘法概念，19世纪末高尔登（Galton）提出“回归”概念，20世纪初费雪（Fisher）提出抽样分布理论。之后，尼曼（Neyman J.D）和皮尔逊（Pearson）相继提出了假设检验理论。随着数理统计理论框架的基本形成，人们逐渐学会应用这些知识来分析和研究经济问题，从而诞生了《计量经济学》。1926年挪威著名经济学家拉格纳·弗里希（Ragnar Frisch）提出了《计量经济学》的名称，为这门学科的建立奠定了基础。1929年美国经济学家戴维·S·穆尔（David.S.Mull）描述了工资波动，并决定从1933年开始出版《计量经济学》杂志，这一举措标志着《计量经济学》这门学科已成为一门新兴的独立学科。

第二阶段：本世纪70年代以前的建模都是以“经济平稳时间序列”为样本数据进行分析，而现实生活中的宏观经济变量大都呈现出非平稳性特征，因此在利用联立方程模型对非平稳经济变量进行回归分析和预测时，常常出现伪回归现象或预测失败。从70年代开始，宏观经济变量时间序列的非平稳性问题和伪回归问题逐渐引起人们的关注，进而来提高经济计量模型参数估计的准确性和可靠性。

20世纪60年代Granger-Newbold首先提出伪回归问题，引起了计量经济学界的关注。之后，Box-Jenkins于1967年出版了《时间序列分析，预测与控制》一书，对上述问题进行详细的分析和阐述。时间序列模型与回归模型有一定的区别，时间序列模型是一种较为全新的建模方法，它往往通过依靠变量本身的外推机制来建立相应的模型。由于时间序列模型客服了变量的非平稳性问题所带来的伪回归，提高了分析的准确度和可靠性，从而为其在经济领域的应用奠定了理论基础。此时，《计量经济学》的发展面临着一些亟待解决的问题，如经济变量非平稳性的检验方法；如何把时间序列模型引入经济计量分析领域，以及如何进一步修改和完善传统的经济计量模型，等等。

针对《计量经济学》发展中出现的这些问题，Dickey-Fuller于1979年首先提出时间序列非平稳性的DF检验法和应用更为广泛的ADF检验法。Sargan于1964年提出误差修正模型（ECM）概念。之后，Hendry-Anderson（1977）和Davidson（1978）的论文进一步完善了误差修正模型，并尝试用该模型来解决和分析非平稳变量的建模问题。Sims于1980年提出用一组内生变量作动态结构估计的联立模型，即向量自回归模型（VAR），向量自回归模型虽然不以经济理论为基础，但却具有较强的预测力。以上研究成果为协整理论的提出奠定了理论基础。Engle-Granger于1987年提出协整概念。Granger定理证明若干个一阶非平稳变量间若存在协整关系，那么这些变量一定存在误差修正模型表达式。反之亦成立。1988-1992年，Johansen对向量自回归模型中检验协整向量进行了更深入的分析和阐述，并建立向量误差修正模型（VEC）的文章，从而进一步丰富和完善了协整理论。协整分析理论为现实经济问题的分析和描述提供了一种理论联系实际的强有力工具。近些年是《计量经济学》快速发展阶段，尤其是对非平稳经济时间序列的研究取得了较大的进展。如：1982-1985年出版了一本《计量经济学手册》，为三卷本，含有35章讲解内容。虽然当时计量经济学者们大都知道大多数宏观经济时间序列是非平稳的，但囿于知识面的局限性，手册中没有对非平稳的时间序列问题进行任何的分析和讨论；1985年在波士顿召开的世界计量经济学会大会上，上百篇发表的论文中只有为数很少的几篇论文讨论了非平稳时间序列。而当今在世界主要计量经济学杂志上几乎没有一份、没有一期不刊登有关平稳性检验及协整问题的文章。

1960年中国科学院经济研究所成立了一个经济数学方法研究组。主要搞投入产出、优化研究。那时在大专院校的经济类专业还没开设《计量经济学》课程。改革开放以后，1979年3月成立了中国数量经济研究会（1984年定名为中国数量经济学会，并办有一份杂志，《数量经济技术经济研究》）。1980年中国数量经济学会首次举办《计量经济学》讲习班，邀请Klein等七位美国教授讲课。自此，《计量经济学》的教学与科研迅速展开，取得许多研究成果。国家信息中心为参加联合国的“连接计划”研制了我国的宏观计量经济模型。吉林大学数量经济研究中心研制了“国家财政模型及经济景气分析系统”。1998年教育部第一次把《计量经济学》这门课程列为我国大学经济类专业本科学生的8门必修课之一。多数学校已经把《计量经济学》列为硕士生和博士生的必修课程。目前我国已经有14个《计量经济学》专业博士点、42个硕士点。但从整体上说，我国的《计量经济学》教学与科研水平和世界水平相比还有很大差距，还缺少在世界上知名的学者。

篇（10）

能源是人类赖以生存、社会得以发展的重要物质保障，其不仅直接影响社会文明和经济的健康发展，同时也已成为了影响世界政治平衡的一个重要因素，从某种意义上说，人们对能源的重视和关心程度已超出能源本身原来所应具有的价值。由于能源分布的特点，煤炭成为我国能源的主要组成部分。本文在进行相关文献综述研究时发现，人们通常把煤炭归纳为能源的一部分来分析能源与经济增长之间的关系，而直接研究煤炭消费与经济之间关系并不是很多。所以，本文以能源消费与经济增长之间的研究为切入点，首先对能源消费与经济增长之间关系的相关文献进行了分析整理及评价，然后简单介绍我国煤炭消费与经济增长方面的文献研究状况，为以后所要进行的煤炭消费与经济增长之间关系的实证研究奠定理论基础。

一、国外相关研究综述

20世纪70年代，由于石油危机的进一步恶化而引发的世界经济危机使得越来越多的经济学家们在研究经济增长问题时，开始将注意力从原来只考虑劳动和资本因素对经济增长的影响转移到了能源消费、劳动和资本与经济之间关系的系统研究上。从原来将能源看作为资本的一个构成部分，转变成将能源从资本中脱离出来，并将其看作为影响经济增长的第三个因素，可以看出西方经济学家对能源在经济增长中的重视程度增加了很多。研究初期，在能源方面的研究较为成功的当属Donella、Dennis和Jorgen等人于1972年通过深入的分析能源消费对世界人口和经济发展的严重影响后，发表的较为著名的能源研究报告――《增长的极限》，该报告指出了世界人口与经济的无限制增长，将导致能源资源的消费量逐年加大，在未来由于资源的过度消费将严重影响人类的生产和生活，并最终会给人类自身带来毁灭性的打击。国外学者在研究能源与经济增长关系时主要运用各种经济数据，从实际出发，集中在经济增长与能源消费量之间的“量―量”研究及影响能源强度因素分析这两大方面上。而且随着研究的不断深入，研究方法也在逐渐完善，总体来说西方学者对能源消费与经济增长研究时所采取的研究方法主要经历了三个研究阶段：线性回归分析、时间序列分析以及面板数据分析（包括空间面板数据分析）。

第一阶段，基于线性回归的研究。国外学者对能源消费与经济增长之间关系的研究所采用的实证研究方法随着研究的深入和计算机科学的发展，在不同的时间段所采用的研究方法也不尽相同。20世纪90年代以前，经济学家们对能源消费与经济增长之间关系的研究由于技术限制，基本上以线性回归作为主要的研究方法。在此方面进行相关研究的学者有：Kraft（1978）、Akarca（1980）和Yu（1984、1985）等。

第二阶段，基于时间序列分析研究。西方经济学家们对于该种方法的应用主要集中在20世纪90年代初期到90年代中期。随着西方经济学家们对计量经济研究方法的不断改进和革新以及计算机软件的快速发展，他们逐渐将计算方法从手工计算过渡到用软件进行数据分析阶段，这就大大降低了计算的误差，同时也提高了计算的效率，这一时段是人们对能源与经济增长关系进行研究的成长阶段。在这段时间内，人们研究能源消费与经济之间关系所选取的方法主要以基于时间序列为主，当研究一个国家的能源消费与经济之间关系时，为使研究结果更加接近实际经济运行本质，他们往往选取被研究对象多年的经济数据，此种方法称为时间序列分析方法。在此方面进行过相关研究的学者有：Yu（1992）、Hwang（1992）、Stern（1993）、Glasure（1997）、Asafudiaye（2000）、Ghali（2004）、Salvador（2008）和Mehrzad（2007）等。

第三阶段，基于面板数据分析研究。考虑到利用时间序列方法分析经济增长与能源消费问题时所得出的分析结果并不能使人满意。从20世纪90年中后期开始，人们逐渐对分析方法进行改进，将分析方法由时间序列发展成为兼顾时间和地区的面板数据分析，以分析不同经济体在同一段时间内以及同一经济体在不同时间阶段的经济问题。在此方面进行过相关研究的学者有：Masih（1997）、Asafu-Adjaye（2000）、Soytas（2003）、Fisher（2004）、Chien（2005）、Lee（2007）、Lee（2007）和Huang（2008）等。

二、国内相关研究综述

国内学者对能源消费与经济之间关系的研究虽然起步相对较晚，但也取得了较为丰硕的研究成果。在吸收了国外在能源消费与经济领域的研究方法和经验后，我国学者结合我国实际经济情况，开始了对能源消费与经济之间关系的探索。特别是近几年来，我国因能源消费而产生的各种环境、社会问题日益严重化，进行能源消费与经济及环境之间关系的研究，处理能源与经济、环境之间关系研究就显得非常重要了。国内学者从不同的角度或方向深入研究问题，并针对如何实现我国能源、经济、环境的协调发展，提出许多具有建设性的建议。总体来说，国内学者对能源消费与经济增长的研究从最初的两者之间宏观的数据分析，到后来的能源消费结构与经济增长之间的“微观结构分析”，再到现在的兼顾结构变化和技术进步的针对我国能源强度的“综合分析”，这都表明了我国学者对能源消费与经济增长之间关系的研究正在不断地加深。研究方法也在不断改变，从线性回归分析，到时间序列分析，再考兼顾时间和区域特殊性的面板数据分析，最后到最近较为流行的空间计量分析方法的应用，无一不说明我国学者对能源消费与经济增长的研究越来越成熟，所研究的问题也越来越深入。

1、协整关系研究

国内学者在对能源消费与经济增长之间关系进行研究时，所采用的研究方法主要为能源消费与经济增长之间的协整性分析以及Granger因果关系分析，也有部分学者是用其他的计量方法进行分析。在此方面进行研究的学者主要有：赵丽霞（1998）、陈燕武（2003）、韩智勇（2004）和汪旭晖（2007）等。

2、因果关系研究

在借鉴了国外学者在能源消费与经济增长的研究方法和经验后，国内学者们在运用协整分析与Granger因果关系分析我国的能源消费与经济增长之间的关系时，为使分析结果更加接近我国实际情况，有的学者对一些分析方法进行了优化，如灰度关联分析、综合面板数据模型等分析方法，这是对协整分析、Granger因果分析的补充和完善。由于各学者选取的样本和数学模型的不一样，得到的分析结果也有所不同，有些研究显示能源消费与经济增长存在双向因果关系，而另外一些则认为两者之间只存在单向因果关系，但是大部分学者得出了一个共同的结论：我国能源消费与经济增长之间有很大的关联。在此方面进行过相关研究的国内学者有：王海建（2000）、刘红玫（2002）、张明慧（2004）、杨文培（2005）、马宏伟（2005）、黄敏（2006）、刘朝明（2006）、徐小斌（2008）、王火根（2008）、王会青（2009）等。

3、运用空间计量方法研究

在研究能源消费与经济增长问题时，大多数研究所采用的方法是时间序列分析，使用面板数据分析的研究相对较少，使用空间面板计量分析方法的更少，时间序列分析仅从整体上分析了能源消费与经济增长之间的关系，没有考虑到区域能源消费与经济增长之间的关系，而面板回归分析主要是研究能源消费与经济增长之间的区域化差异性。目前对能源消费与经济增长的空间分布格局进行分析研究的文章较少，关于区域能源消费与经济增长之间的空间相似性或差异性的研究也相对较少。国内学者在这方面的研究成果学者有：邹艳芬（2005）、吴明玉（2008）、于全辉（2008）和张可云（2012）等。

4、煤炭消费与经济研究

我国是世界上煤炭消费量最大的国家，煤炭消费在我国能源消费结构中所占的比重较之其他国家要大很多。因此，研究我国煤炭消费与经济增长之间的关系就有了非凡的意义。国内学者对煤炭消费与经济增长之间关系的研究相对较多，他们所选取的研究方法主要集中于时间序列分析和面板数据分析。

张学达（2008）研究了我国煤炭消费对能源效率以及国民经济产出的影响情况。张兆响（2008）运用结构突变理论，对我国煤炭消费和经济增长的数据进行了平稳性检验分析。张兴平（2008）等运用1980―2005年间我国的相关数据，对我国煤炭消费与经济增长、能源消费结构变化与能源效率之间关系进行了协整分析。李金克（2009）等对世界主要煤炭消费国家（我国、美国、印度、俄罗斯、日本和南非）的煤炭消费与经济增长关系进行了分析研究。章贵军（2009）通过对我国经济增长与能源消费和煤炭消费之间进行Granger因果关系检验和协整性分析，研究发现我国能源消费与经济增长、煤炭消费与经济增长存在着双向因果关系，并且它们之间具有长期均衡关系。李金克（2011）搜集整理了1960―2008年间我国的CO2排放量、煤炭消费量及经济增长的数据，建立了基于EKC曲线的协整关系检验模型，并利用ARDL的方法分析了这一时期内我国CO2排放量、煤炭消费量及经济增长之间的关系。张全权（2011）搜集整理1978―2008年间我国的GDP总量和能源消费量、煤炭消费量、电力和石油消费量的数据，对这一时期内我国能源消费总量及其构成部分（煤炭、电和石油消费量）与经济增长之间的关系进行了因果关系分析。

5、基于面板数据分析

张兆响（2009）对我国1986―2004年间东、中及西部三个地区的煤炭消费与经济增长进行了面板协整性检验和因果关系检验。腾飞（2009）对贵州省地区的煤炭资源开发与经济增长之间的面板数据进行了实证分析。刘顺艳（2009）搜集整理了1997―2006年间我国30个省区的人均GDP与煤炭消费数据，运用面板数据分析方法，分析了人均GDP与人均煤炭消费量之间的关系，通过构建人均GDP与煤炭消费二维组合矩阵，将我国30个省区的经济增长与煤炭消费划分为四种类型：高经济增长―高煤炭消费增长、高经济增长―低煤炭消费增长、低经济增长―高煤炭消费增长、低经济增长―低煤炭消费增长。并从这四种类型中选取七个典型省区，分析了这些省区的人均能源消费与GDP增长之间的关系，并对经济增长过程中人均煤炭消费可能产生的拐点进行了分析预测，为构建节能型社会提供了科学依据。陈军（2011）对1978―2008年间我国煤炭消耗与污染排放情况进行了面板数据分析。赵文（2011）应用面板数据模型对山西省的煤炭资源开发与经济增长之间的关系进行了实证分析。

三、综述评价

在进行文献综述分析时发现，由于各国研究重点不同，在研究能源与经济问题时，人们并没有将研究的重点放在煤炭消费与经济增长之间关系的分析上，而是将煤炭消费作为能源消费的一部分，整体考虑能源消费与经济增长之间的关系。

因此，本文介绍了国外学者对能源消费与经济增长之间关系所进行的研究，发现随着研究的深入，他们在分析能源消费与经济增长问题时所采用的主要研究方法也在逐渐的完善和系统化，主要分为以下几个大类：线性回归分析、时间序列分许和面板数据分析，并对每一阶段所采用的分析方法进行了分析。

随后，本文分析了国内学者对能源消费与经济增长之间关系的研究，发现国内学者在这方面的研究较晚，其通过借鉴国外学者的研究经验和方法后，主要从能源消费与经济增长之间的长期协整性分析和两者之间的因果关系方面进行了分析，并考虑了区域空间因素对能源消费与经济增长之间关系的影响，运用空间计量经济学方法对我国能源消费与经济增长之间关系进行了分析研究。虽然所采取的研究方法有所不同，但是大多数研究结果均得到了我国能源消费与经济增长存在着长期均衡关系，而且能源消费是引起经济增长的Granger原因的结论。

从国内外近几年的研究内容可以看出，人们对煤炭消费的研究虽然在深入，但是研究的方向却仅限于宏观经济方面，使用的研究方法也主要是运用计量经济方法，通过建立煤炭消费与经济之间的回归分析模型，分析出它们之间的长、短期关系。将我国煤炭消费按照区域特征分开进行研究的相对不足。因此，笔者认为研究我国区域间煤炭消费问题能够弥补国内外学者在此方面的研究空缺，进而使得煤炭消费问题研究更加全面、具体。

【参考文献】

[1] Kraft，J.，Kraft，A..On the Relationship Between Energy and GNP[J].Journal of Energy and Development，1978（3）.

[2] Akarca，Ali T.，Long， Thomas Veach，II. Notes and Comments：On the Relationship Between Energy and GNP：A Reexamination[J].Journal of Energy & Development，1980（5）.

[3] Yu，E.S.H.，Hwang，B.K..The Relationship Between Energy and GNP：Further Result[J].Energy economies，1984，6（3）.

[4] Yu，E.S.H.，Choi，J.Y..The causal relationship between energy and GNP：An international comparison[J]. Journal of Energy and Development，1985，10（2）.

[5] Yu.E.S.h.，Jin，J.C..Co-integation tests of energy consumption，income，and employment[J].Resources and Energy，1992，14（3）.

[6] Hwang，D.B.K，Gum，B..The cause relationship between energy and GNP：The case of Taiwan[J]. Journal of Energy and Development，1992（16）.

[7] Stern D.I.. Energy use and economic growth in the USA：a multivariate approaeh[J].Energy Eeonomies，1993，15（2）.

[8] GLASURE Y U，LEE A R？Cointegration error-correction and the relationship between GDP and ease of South Korea and Singapore[J].Resource and Electricity Economics，1997（20）.

[9] ASAFUADJAYE J. The relationship between electricity consumption， electricity prices and economic growth：time series evidence from Asian developing countries[J].EnergyEconomics，2000（22）.

[10] Ghali，K.H.，EI-Sakka，M.I.T. Energy use and output growth in Canada：a multivariate cointegration analysis[J]. Energy Eeonomices，2004（26）.

[11] Salvador Enrique Puliafito，JoséLuisPuliafito，Mariana Conte Grand. Modeling population dynamics and economic growth as competing species：An application to CO2 global emissions[J]. Ecological Economics，2008（65）.

[12] Michael Dalton，Brian O’Neill，Alexia Prskawetz，Leiwen Jiang， John Pitkin. Population aging and future carbon emissions in the United States[J]. Energy Economics，2008（30）.

[13] MehrzadZamani. Energy consumption and economic activities in Iran[J].Energy Economics，2007，29（6）.

[14] A.M.M.Masih and R.Masih.on the temporal causal relationship between energy Consumption，real income and Priecs：some new evidence from Asian―energy dependent NICs based on a multivariate cointegration/vector error-correction approaeh[J].Journal of Policy Modeling，1997，19（4）.

[15] Asafu-Adjaye，J. The relationship between energy consumption，energy prices and economic growth：time series evidence from Asian developing countries[J]. Energy Economies，2000（22）.

[16] Soytas，U.，Sari，R..Energy consumption and GDP：causality relationship in G-7 countries and emerging market[J].Energy economies，2003，25（l）.

[17] Fisher-Vanden K.，Jefferson G？H.，Liu H. and Tao Q. What Is Driving China s Decline Energy Intensity[J].Resource and Energy Economics，2004（26）.

[18] Chien-chiang Lee. Energy consumption and GDP in developing countries：A cointegrated panel analysis[J]. Energy Economics，2005（27）.

[19] Lee，Chien-Chiang；Chang，Chun-Ping. Energy consumption and GDP revisited：A panel analysis of developed and developing countries[J]. Energy Economics，2007（29）.

[20] Lee，Chien-Chiang； Chang， Chun-Ping. Energy consumption and economic growth in Asian economies：A more comprehensive analysis using panel data[J]. Resource&Energy Economics，2008（30）.

[21] Huang，Bwo-Nung； Hwang，M.J.；Yang，C.W.. Causal relationship between energy consumption and GDP growth revisited：A dynamic panel data approach[J].Ecological Economics，2008（67）.

[22] 赵丽霞、魏巍贤：能源与经济增长模型研究[J].预测，1998（6）.

[23] 韩智勇、魏一鸣、焦建玲、范英、张九天：中国能源消费与经济增长的协整性与因果关系分析[J].系统工程，2004（12）.

[24] 汪旭晖、刘勇：中国能源消费与经济增长：基于协整分析和Granger因果检验[J].资源科学，2007（5）.

[25] 王海建：耗竭性资源管理与人力资本积累内生经济增长[J].管理程学报，2000（3）.

[26] 刘红玫、陶全：大中型工业企业能源密度下降的动因探析[J].统计研究，2002（9）.

[27] 张明慧、李永峰：论我国能源与经济增长关系[J].工业技术经济，2004（4）.

[28] 杨文培：能源发展与经济增长互动关系探讨[J].煤炭经济研究，2005（1）.

[29] 马宏伟、张兆同：我国能源消费与经济增长的灰关联分析[J].管理探索，2005（6）.

[30] 黄敏、赫英：中国能源消费与经济增长关系的模型与实证[J].统计与决策，2006（22）.

[31] 刘朝明、曾胜、刘博：我国能源消费与经济增长的关联模型分析[J].华东经济管理，2006（11）.

[32] 徐小斌、李传昭、徐锦秀、徐小凤：中国东西部省份能源消耗与经济增长关系比较研究――基于面板数据的协整分析[J].科技管理研究，2008（5）.

[33] 王火根、沈利生：中国经济增长与能源消费关系研究――基于中国30省市面板数据的实证检验[J].统计与决策，2008（3）.

[34] 王会青、谷志红、牛东晓：能源消费与经济增长的实证及预测[J].统计与决策，2009（5）.

[35] 邹艳芬、陆宇海：基于空间自回归模型的中国能源利用效率区域特征分析[J].统计研究，2005（10）.

[36] 吴玉明、李建霞：中国省域能源消费的空间计量经济分析[J].中国人口・资源与环境，2008（3）.

[37] 于全辉、孟卫东：基于面板数据的中国能源与经济增长关系[J].系统工程，2008（6）.

[38] 张可云、项目：安徽省各地区GDP增长的空间计量研究[J].江淮论坛，2012（1）.

[39] 张学达：中国煤炭消费和经济增长的研究[J].中国电力教育，2008（S2）.

[40] 张兆响、廖先玲、王晓松：中国煤炭消费与经济增长的变结构协整分析[J].资源科学，2008（9）.

[41] 张兴平、赵旭、顾蕊：我国煤炭消费与经济增长关系的多变量协整分析[J].煤炭学报，2008（6）.

[42] 李金克、宋华岭、王风华：基于计量经济模型的煤炭消费与经济增长关系实证研究――以世界主要煤炭消费国为例[J]. 数理统计与管理，2009（2）.

[43] 王鉴雪、宁云才：能源消费、煤炭消费与经济增长关系研究[J].技术经济与管理研究，2011（12）.

[44] 李金克、王风华、耿殿明：中国CO2排放、煤炭消费及经济增长的协整检验[J].统计与决策，2011（19）.

[45] 张全权、陈涛、姜鹏：中国能源消费与经济增长关系的实证分析[J].西昌学院学报（自然科学版），2011（1）.

[46] 张兆响、廖先玲、王晓松等：基于协整关系的中国区域煤炭消费与经济增长比较研究[J].资源科学，2009（6）.

[47] 腾飞：煤炭开发与欠发达地区经济增长――对“资源诅咒”的再考察[J].浙江社会科学，2009（7）.

[48] 刘顺艳、孙根年：中国省际煤炭消费与GDP增长关系及拐点预测[J].资源科学，2009（11）.