什么是计量经济学？
计量经济学是统计和数学模型的定量应用，它使用数据来发展理论或检验经济学中的现有假设并根据历史数据预测未来趋势。 它对现实世界的数据进行统计试验，然后将结果与所测试的理论或理论进行比较和对比。
根据您对测试现有理论还是使用现有数据基于这些观察结果开发新的假设感兴趣，经济计量学可以分为两大类：理论和应用。 那些经常从事这种实践的人通常被称为计量经济学家。
重要要点
- 计量经济学是统计和数学模型的定量应用，使用数据来发展理论或检验经济学中的现有假设;计量经济学依赖于诸如回归模型和零假设检验之类的技术;计量经济学还可用于尝试预测未来的经济或金融趋势。
了解计量经济学
计量经济学使用统计方法分析数据，以检验或发展经济理论。 这些方法依靠统计推断，通过利用诸如频率分布，概率和概率分布，统计推断，相关性分析，简单和多元回归分析，联立方程模型和时间序列方法之类的工具来量化和分析经济理论。
计量经济学由Lawrence Klein，Ragnar Frisch和Simon Kuznets率先提出。 他们三人均因贡献而获得1971年诺贝尔经济学奖。 如今，它在学者以及华尔街交易员和分析师等从业人员中定期使用。
计量经济学应用的一个例子是使用可观察的数据研究收入效应。 经济学家可能会假设，随着人的收入增加，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与消费之间关系的强度以及该关系是否具有统计显着性，也就是说，似乎不太可能是只因偶然。
计量经济学方法论
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该集合的性质和形状。 例如，该数据可以是股票指数的历史价格，从消费者财务调查中收集的观察结果或不同国家的失业率和通胀率。
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具有正相关，在这种情况下，通常使用简单的回归模型来探索这种关系，这相当于在两个变量之间生成最佳拟合线这两组数据，然后进行测试以查看每个数据点平均距离该线有多远。
请注意，您的分析中可以有几个解释变量，例如，在解释股票市场价格时，除了失业以外，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，该模型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，这些模型可以根据要分析的数据的性质和要提出的问题的类型进行优化。 最常见的示例是普通最小二乘（OLS）回归，可以对几种类型的横截面或时间序列数据进行回归。 如果您对二进制结果（是－否）感兴趣（例如，根据您的生产率被解雇的可能性很大），则可以使用逻辑回归或概率模型。 如今，计量经济学家可以使用数百种模型。
现在，使用为此目的而设计的统计分析软件包（例如STATA，SPSS或R）进行计量经济学。这些软件包还可以轻松测试统计意义，以提供支持，证明这些模型产生的经验结果不仅仅是机会。 R平方，t检验，p值和零假设检验都是计量经济学家用来评估其模型结果的有效性的所有方法。
计量经济学的局限性
计量经济学有时被批评为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关系的机制。 至关重要的是，数据中揭示的发现能够被一个理论充分地解释，即使这意味着发展您自己的基础过程理论。
回归分析也不能证明因果关系，仅仅因为两个数据集显示关联，就可能是虚假的。 例如，游泳池溺水死亡人数随GDP的增加而增加。 经济增长会导致人们溺水吗？ 当然不是，但是当经济蓬勃发展时，也许会有更多的人购买游泳池。 计量经济学主要涉及相关性分析，请记住，相关性不等于因果关系。
