计量经济学和统计学篇1
1课程和教学对象特点分析
1.1计量经济学和统计学的课程特点
1.1.1实用性和基础性强对于经济类专业的学生来说,统计学和计量经济学都是教育部指定的本科阶段核心课程.事实上,这两门课程在硕士研究生阶段和博士研究生阶段其重要性显得更加突出,本科阶段学习好这两门课程可以为进一步深造创造条件.统计学的重要性源于其实用性,因为统计学在各个行业、各个领域甚至是日常生活中都可以广泛的应用,因此现在不少非经济类专业的学生都会学习一定的统计学知识.2010年2月,联合国统计委员会审议了联合国秘书长提交的关于世界统计日的报告,决定将2010年10月20日定为世界统计日,并请各国政府支持开展世界统计日的庆祝活动.报告通过后,联合国将每年的10月20日定位世界统计日,这无疑提高了统计学专业(包括统计学)的地位.统计学中的相关知识几乎是经济类硕士研究生和博士研究生写作论文必不可少的工具.计量经济学的重要性也源于其实用性,虽然经济学理论逻辑对于现实中的经济现象进行了很好的解释,但要想对这些理论进行验证或对未来的经济走势进行数量预测还需要借助计量经济学.国内知名的高校不但开了计量经济学课程,而且往往会在本科生阶段开初级计量经济学,硕士阶段开中级计量经济学,博士阶段开高级计量经济学.
1.1.2所需基础知识多难度较大无论是统计学还是计量经济学,教授的对象都需要掌握一些其他课程知识,比如统计学的学习要求学生已经学习了高等数学和概率论与数理统计等课程和eXCeL的基本应用,这些知识的掌握有利于学生对授课内容的理解和实践.计量经济学的学习则要求以微观经济学、宏观经济学、经济统计学、微积分、线性代数、概率论与数理统计、应用数理统计知识的学习为基础.如果没有较好的掌握这些知识,则会对统计学和计量经济学的教学效果产生影响.
1.1.3逻辑性强,表达精确无论是统计学还是计量经济学课程内容的逻辑性都很强.其逻辑性的第一个表现是教授的内容一般都是从简单的开始,然后逐步深入.不同章节的内容往往相互连贯,有些情况下前一章的内容是学习下一章的基础,有些情况下前一章的内容是后几章学习内容的共同基础.逻辑性强的另一个表现反映的是其表达数学化、精确化.数学是统计学和计量经济学表达的重要工具,其理论上的结论都是通过严格的数学证明得到的,表达式中的每一个字母和符号都有其真实的含义,如果有一个字母或符号错误或忽略往往会导致结果的很大差异.统计学和计量经济学都有其特有的计算机软件比如SpSS和eViewS,这些软件要求数据的单位、大小都要准确无误,一个小小的差错有可能导致结果不可靠.
1.2教学对象的特点
1.2.1数学基础不牢笔者所在的高校是师范类二本院校,报考经济管理类专业的学生大部分在高中阶段是文科生,在这些学生的潜意识中,大多数学生认为与理科生相比他们的数学基础较差.有个别学生甚至认为自己的数学成绩差是正常的,成绩好了反而不正常.这样在他们的心理上就形成了一种对数学的恐惧感,在学习数理课程时有一种厌烦情绪,虽然这些课程的内容并没有他们想的那么难,但一些同学放弃学习的态度已经形成.这样不少同学在大学低年级学习数学基础课的时候就没有形成扎实的基础.另外,很多同学将学习的目的定位为应付考试,考试通过之后,学过的内容基本上忘记的差不多了,在学习统计学和计量经济学的过程中,见到学习过的内容往往回忆不起来.需要重新演示推导过程或进行一定的提示才能够明白,有的甚至要在课下将以前学过的内容再复习之后才能够弄明白.
1.2.2学习目标不明确,动力不足近年来,社会就业的大环境发生了很大的变化,快速的大学扩招致使人才市场上大学生供给量增长较快,大学毕业生中能够得到高质量就业岗位的人数有限.很多大学生对自己的前途感到迷茫,甚至有的学生开始怀疑上大学的重要性.这导致一些大学生学习目的不明确,放松对学习的要求,具体表现为上课迟到和旷课,对上什么课都没有太大兴趣,不关心学习的是哪门课,也不关心学习的什么内容.对于布置的课后作业不认真完成,甚至有的同学直接复制别人做好的作业.这说明一些学生没有认识到学习的重要性,往往认为近期有用的就是值得学习的,近期用不上的就没有用.由于学习目标不明确,因此也就没有学习动力.
1.2.3学习方法缺乏针对性大学每个专业的课程性质不同,有的是公共基础课,有的是专业必修课,有的是专业选修课,课程的内容也有难易之分,这就要求学生在学习不同课程时采用不同的学习方法.学生们在大学比较普遍的学习方法是习惯于上课听老师讲课,课前和课后很少做预习和复习.这种学习方法对于内容比较简单的课程来说可以的,而对于偏数理课程的学习就不是好方法.学生要想较好的掌握学习内容要做到课前预习,课中认真听讲,课后按时认真完成作业并学会使用计算机软件练习上机习题,这样才能够达到较好的效果.因此学习偏数理类课程时,要采用这种针对性的学习方法,不能和其他课程的学习方法一样.
2教学方法、教学手段选择
理清课程和教学对象特点是选择教学方法和教学手段的依据,而教学方法和教学手段的选择也要在这些特点分析的基础上明确针对性.
计量经济学和统计学篇2
一、引言
计量经济学经过几十年的发展,已经成为一门集经济理论、高等数学和统计学为一体的经济学科。在经济学、管理学领域及经济管理活动中得到越来越广泛地应用。国内外重要的学术刊物上发表的文章大多采用了设立模型进行定量分析的方法[1]105,并且获得的效果也很显著。正如诺贝尔经济学奖获得者、著名经济学家克莱茵所说:“计量经济学已在经济学科中居最重要的地位”。只有掌握好计量经济分析的基本思想和方法,才能提高在复杂的经济环境中分析和解决实际问题的能力。所以财经类专业的学生必须掌握一定程度的计量经济学基本理论和方法。教育部将计量经济学列入经济学科核心课程是我国经济学科走向现代化和科学化的重要标志,对于提高我国经济学人才培养质量和研究水平具有重要意义。然而在我国高等学校计量经济学的教学中出现了一些例如学生学习兴趣不高,不能将所学知识得以应用,教学中学生解决实际问题的能力薄弱,教师重视理论的讲授、数学过程的推导等问题,不利于应用型人才的培养。鉴于此本文从我国高校计量经济学的教学中出现的问题出发,提出解决方法,以便推动计量经济学教学改革的进程。
二、计量经济学教学过程中出现的问题
(一)培养计划的制定不合理目前在我国高校中,关于学习课程的安排,以及学时等方面不能完全满足社会对财经类学生的需求,尤其是计量经济学课程的安排上凸显了这个问题。
1•课程安排不合理计量经济学是经济学、数学和统计学三门学科的有机结合,所以计量经济学课程应安排在学生对经济学、数学和统计学三门课程学习完之后更加合理。然而在实际的培养计划中,往往由于有关人员对这门课程不够了解,有时会安排在大二下学期,使得学生在没有学习数学与统计学等基础课程的情况下就开始了计量经济学课程的学习[2]200。由此带来的问题使学生不能扎实地理解和掌握计量分析方法,同时也使得教师在讲授的过程中无法获得好的教学效果。
2•教学总课时少计量经济学的课时安排少。很多讲授计量经济学课程的教师认为,计量经济学的教学课时不足。有些高校为了增加学生的知识宽度开设了许多课程,从而压缩了一些重要课程的学时数[3]113。一般包括实验课及软件的学习在内只有54课时。而这些课时对于初级计量经济学的教学明显是不够的,不能将知识讲得透彻,教学效果受到了很大的影响。
3•实验课教学安排少计量经济学是一门应用性很强的课程,单纯地通过理论的讲授和数学的推导,无法使学生掌握计量分析方法,必须将理论课教学与实验课教学相结合。但是目前很多学校财经类学生的培养计划中实验课的课时安排过少,一般在6—8课时,这样不能使学生在学习理论之后及时通过实验课来加以巩固。
(二)使用的教材编写不足就目前常见的计量经济学教材而言,主要存在以下几点不足:
1•教材的内容编写过于偏重理论,而忽视了实际应用能力的培养。目前能够见到的国内教材多为大篇幅地阐述理论和数学推导,而应用案例很少。这增加了学生学习计量经济学的负担,甚至使那些数学基础薄弱的学生产生畏惧感,从而丧失学习的兴趣。
2•缺少常用软件的编写。几个常见的统计软件,如sas、eviews、matlab和spss等软件很少能在计量经济学教材中见到完整而详细的编写,几乎都是简单地概括和介绍而已。然而在使用计量分析方法时,由于数据容量大、参数多,尤其是多元分析时会使用矩阵方法,计算量非常大,这些都需要借助统计软件才能完成。在教材中忽视对这些软件的详细编写,使得实际教学中达不到相应教学目标。
3•编入教材的统计分析方法少。根据教育部高教司制定的高等学校经济学本科教学课程教学基本要求,现行的计量经济学教材包括的内容有:计量经济学概述、经典单方程的一元线性回归模型和多元线性回归模型,假设检验、联立方程组模型以及应用计量经济模型等内容。然而随着社会经济的发展,这些内容已经不能够满足实际需求,各种错综复杂的问题需要更多其他的方法才可以解决。例如,缺少离散选择模型、简单的面板数据模型、简单的时间序列模型(包括单整、协整和误差修正模型)等。
(三)数据来源渠道少在计量经济学中,根据性质可以将数据划分为质量数据和数量数据[4]20。质量数据是用来识别单位某一特征的标记或名称,根据需要取整数即可。而数量数据是用于表示规模或水平的数据,根据需要收集或调查。这种数据在实际中获取的渠道相对来说比较少,主要是通过各年的《中国统计年鉴》和各省的《统计年鉴》。由于统计方法、统计指标和统计口径等的不同,部分宏观数据仅仅从统计年鉴上不能完全获得,这就给计量分析方法的应用带来困难,也给计量经济学在教学过程中增加案例带来了困难。
(四)缺少计量经济学实验室在数据量庞大、模型复杂和计算量大的情况下,只有借助于eviews、spss等统计软件才能完成。计量经济学课程的教学必须包括这些软件的讲授和实践操作,而这种实验教学必须在实验室才能完成。在实际中缺少计量经济学实验室使计量经济学的理论教学和实验教学很难结合,而这严重阻碍了计量经济学教学质量的提高。
(五)教师教学方面存在不足在实际中,教师教学方面存在的问题也是我国高校计量经济学教学效果不好的一个重要原因。
1•计量经济学师资力量不足。由于计量经济学在我国的发展也只有20几年的时间,所以从总体上来看这方面的高级人才相对匮乏。另一方面,由于高校建设的要求,使得新进人才的标准不断提高,很大程度上阻碍了计量经济学教师的流入。
2•教学方法的不合理。在实际教学过程中,很多是采用多媒体教学。多媒体教学确实给教学带来了方便,节省了大量板书的书写时间。同时会加快教学节奏,增加学生思考的负担和强度,反而影响教学效果。
(六)计量经济学课程的考核方式单一就目前的情况来看,很多高校的计量经济学考核方式过于单一化,大多采用期末闭卷考试的方式。考试的内容也只限于基础知识以及数学推导或者增加论文的撰写。撰写论文虽然能提高学生综合运用知识的水平,但是在实际中很少有学生能够自觉地自我完成,多数是抄袭。若想避免这种情况的发生也需要教师付出大量的时间和精力。这样的考核方式不能体现计量经济学的实用性。
三、计量经济学教学改革的建议#p#分页标题#e#
(一)制定科学合理的培养方案鉴于目前高校财经类学生培养方案制定存在的问题,针对计量经济学课程的安排,应作如下改革:
1•合理安排课程。在制定培养方案时应将经济理论、数学和统计学课程安排在大一和大二两个学年完成,计量经济学安排在大三上学期学习。只有在充分地掌握了三门基础课程之后才能很好地理解和学习计量经济学。这样也保证了学习内容的连贯性,同时也不致于与因即将毕业带来的问题之间发生冲突。
2•增加总课时,保证有足够的时间用于教学。一方面要增加三门基础课的课时,另一方面更要增加计量经济学的课时,增加到72课时。使教师有足够的时间予以讲授,也使学生有足够的时间去学习。
3增加实验课教学。通过实验课使学生切实掌握各种统计软件的使用,加强学生的实际应用能力,做到理论和实践的有机统一。实验课的教学应安排在每周与理论课同时进行,不应安排在学期末进行。只有这样才能使学生学到的知识及时通过实验课有效地得以吸收。
(二)计量经济学教材的选用目前计量经济学教材种类繁多,但各有其不足之处。有些计量经济学教材,主要偏重于理论的教学,严重缺少案例,不利于理解和学习,同时缺少统计软件的编排;有些教材虽然在教育部规定的内容之外,增加了平稳时间序列模型、非平稳时间序列模型、协整模型以及特殊问题的计量经济问题,扩充了计量分析方法,但是也严重缺少案例,并且只是简单地编写了统计软件的内容,不太适合本科生的学习;还有一些计量经济学教材,在内容上简化了繁琐的数学推导过程,并增加了案例,有统计软件的详细讲解,但内容只限教育部规定的范围,在采用时应适当地根据需要增加教学内容;李子奈编写的计量经济学教材是以初级内容为基础和经典计量经济模型为主,同时有少量的中级内容和非经典模型,以计量经济学模型、方法的应用为主,简化了数学推导,增加了统计软件的编写,较为适合本科层次和具有不同数学水平的学生[5]45。但是在实际教学中也应根据实际情况适当的微调,也有利于学生更好地学习和掌握。
(三)扩大数据来源渠道一些宏观数据可以从《统计年鉴》上获得,但是因为统计方法和标准等原因,有些数据从统计年鉴上不能获取,一些微观数据就更难获取了。所以应该扩大数据来源渠道,加强与各级统计部门的合作与往来,以获取更加全面和准确的数据。同时学校也应增加投入,成为一些专业的数据收集单位的会员,如中国经济信息网,国家信息中心,中国经济数据网等。以便教师和学生能够及时获取数据,应用到实践教学中来,增加案例,提高教学效果。
(四)建立计量经济学实验室如果将计量经济学的案例教学安排在实验室进行,可以加快学生对计量分析方法的应用,提高学生利用该方法解决实际问题的能力。但实验室的建立并不是一件简单的事情,需要各方面的努力。学校应在这方面加大资金的投入,购买电脑、多媒体等硬件设施,同时也要购买如eviews、spss、sas等各种正版的统计软件,满足不同分析方法的需要。
(五)鼓励教师进修和相互交流学习教师是整个教学环节的重要因素,教师知识含量的多少及深度更是整个教学环节的关键。在引进优秀的计量经济学教师的同时,也应该鼓励计量经济学教师到国内外知名学校进修和学习,不断吸收计量分析方法所取得的最新成果。学校应在这方面建立专项资金予以支持,鼓励和支持教师更多地开展有关计量分析方法的讲座,支持不同学校间教师的双向交流,相互学习新的教学方法,切实有效地提高教师的知识水平和教学能力。在教学方法上我们提倡教师适当多用板书,例如当遇到统计性质的证明,多元回归等复杂的数学推导以及矩阵演算时通过板书的形式予以讲解,能够使学生产生一定的印象,有助于加深理解。
(六)多种考核方式相结合在传统期末闭卷考试方式的基础上,增加学生实践能力的考核。一方面可以将学生分组,以组为单位安排一个小的课题,让学生自我收集数据,自我建模。同时增加上机操作考试,考察内容为统计软件的应用。将这三种考核方式以不同的比例结合,能够激发学生学习的兴趣,提高学生学习的动力。
计量经济学和统计学篇3
计量经济学从2世纪2年代末3年代初诞生以来,经过7余年的发展,其理论日臻完善,应用也十分广泛,已经在经济学科中占据了极为重要的地位。计量经济学研究的是现实经济问题,它必须以对经济现象的透彻认识为基础。此外,理论模型的设计和统计数据的搜集,必须在经济理论指导下进行,模型参数估计和检验等也需要运用经济理论,不是单靠数学知识所能完成的。在经济分析从定性向定量转化的过程中,计量经济学的重要性已日益凸现,其应用已广泛渗透于经济学、金融学、财务学等学科。1998年,教育部经济学学科教学指导委员会将计量经济学定为高等学校经济学门类各专业的核心课程之一。目前,大部分学校已将计量经济学作为经济管理类专业的重要基础课程。
计量经济学的学科性质、课程特点和日益显现的重要性,对当前普通高校经济管理类专业课程的学习和教学,特别是对文科背景的本科生,都是一个不小的挑战。
一、文科背景下计量经济学教学面临的问题
1.知识基础和课时设置与教学目标不相适应
本科阶段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、矩阵代数、概率论与数理统计、经济统计学等先修课程的良好基础,通过理论学习和各类实践,能够了解经济数量分析课程在经济学课程体系中的地位,掌握经典计量经济学理论与方法,能够在复杂的经济环境中灵活运用这种工具分析和解决实际问题,为进一步学习和掌握动态计量经济学、时间计量经济学等更高级的计量经济学技术打下坚实基础。
计量经济学和统计学篇4
本文介绍了近日获得部级教学成果一等奖的统计学教学成果的基本内容，主要包括：制定新的教学规范、界定培养目标、设计课程体系和教学内容、编写系列教材、推动教学改革、构建新交流平台等。
关键词：经济；统计学；教学体系；改革
部级教学成果奖每4年评选一次，它是根据国务院有关条例设立的我国教育领域唯一的部级奖励，评选工作十分严格和规范，其奖励级别等同于国家科技三大奖。第六届国家教学成果奖评审et前揭晓，《经济管理类统计学专业教学体系改革与创新》被教育部评定为部级教学成果一等奖。这是迄今为止，我国统计学界获得的最高级别的教学成果奖。该项成果对于提高我国经济管理类统计学专业的教学水平和人才培养质量都产生深远的影响。
一、问题的提出统计学是21世纪最有发展前途的学科之一。
随着社会经济的发展和科学技术的进步，统计已经成为人们认识客观世界不可或缺的重要工具。
1998年教育部制定的本科生专业目录将原来分属在数学下的数理统计专业和经济学下的统计学专业合并为一个专业放在理学门类下，同时又规定该专业可授理学学位也可以授经济学学位。在新的形势下，原来设在财经院校的授经济学学位的统计学专业还要不要办?应该如何办?统计学专业人才培养目标应如何界定?其课程体系和教学内容应如何设计?成为亟待研究解决的重要问题。1998年以来，全国经济管理类统计学专业的同行先后在厦门、成都和天津等地召开了多次研讨会，就上述问题进行了较为全面、深入和细致的讨论。
我们认为：历经300多年的发展，统计学目前已经成为应用十分广泛的多科性的科学。统计学可以分为两大类，一类是以抽象的随机变量为研究对象，研究一般的数据收集、整理与分析方法的理论统计学；另一类是以各个不同领域的具体数量为研究对象，为各不同领域提供定量分析的应用统计学。前者具有通用方法论的性质；后者则与各领域的实质性学科有着非常密切的联系，是有具体对象的方法论，因而具有复合性学科和边缘学科的性质。所谓应用既包括一般统计方法的应用，也包括各自领域实质性科学理论的应用。而经济统计学则是应用统计学中最重要的一个领域。由于社会经济现象所具有的复杂性和特殊性，经济统计学不仅要应用数理统计方法，而且还要有自己独特的方法，如核算的方法、指数的方法、经济计量方法等等。从历史和现状看，统计学的教育模式也可以分为两大类：一是强调各类统计学所具有的共性。它肯定统计学的“理学性质”，按照理学类学科的特点设置课程。二是强调各类统计学的个性，对于经济统计学来说，就是强调其与经济学学科的密切联系，按照经济类学科的特点设置课程体系。对于上述两种模式培养的人才，社会都有需求。应该根据“百花齐放，百家争鸣”的方针，允许多种办学模式的并存，由各院校根据自己的特色和市场对有关人才的需求，自主选择合适的办学模式。我国社会主义市场经济的发展，需要大量既具有坚实的经济理论基础，又懂统计方法，并能熟练掌握现代计算手段的经济管理类统计人才。我们判断，在今后一段时期内，对经济管理类统计人才的需求，仍将是本科层次统计人才市场需求的主体。因此，经济管理类统计专业不能取消，也不能照搬理学类统计学专业的模式，而应当进一步加强与完善?。
2003年11月，教育部统计学专业教学指导分委员会在厦门召开年会，会上各方面的专家达成以下共识：为了更好地满足新世纪对统计人才的需要，无论是理学类统计专业还是经济与管理类统计专业都有一个如何面向未来、面向世界，加强自身的建设，更好地与国际接轨的问题。但是，这两类专业的培养目标不同，知识体系和评价标准也有相当大的差异，难以互相取代。如果用同一个教学规范来指导两类专业，很可能限制了各自的发展空间，对于整个统计学科的建设和两类统计专业的发展都是不利的。为了促进统计学科的建设和发展，现阶段有必要按授予学位的不同，分别制定指导性的教学规范。
会议委托厦门大学牵头完成授经济学学位的统计学专业的培养目标、课程体系、教学内容和教学规范的研究。
以此为契机，我们与全国同行一起，就上述问题进行了深入细致的讨论和研究，制定了新的教学规范，并积极推广和应用，取得了显著的成果。
二、改革创新的主要内容和取得的成效
本项成果是全国经济管理类统计学专业同行长期共同努力的结晶。牵头完成该项成果的主要单位有：厦门大学经济学院、天津财经大学统计学院、西南财经大学统计学院。主要完成者有：曾五一、肖红叶、庞皓和朱建平等。成果主要包括以下几方面的内容。
1．制定新的教学规范，界定培养目标，设计课程体系和专业主干课程的教学内容。
在广泛征求同行意见的基础上，由厦门大学曾五一教授执笔完成了《统计学专业教学规范(授经济学学士学位)》，经教育部统计学专业教学指导分委员会讨论、修改和审定，最终形成了新的教学规范，上报教育部。
该规范提出，授经济学学士学位的统计专业的培养目标是：培养德才兼备的“复合型和应用型”经济与管理类高素质统计人才。其毕业生既是统计人才又是经济人才，应当既能胜任企业和政府部门的统计业务，又能从事市场调查、经济预测、经济信息分析和其他经济管理工作。这一目标比传统的经济统计专业的培养目标具有更广泛的适应性，同时又有别于理学类统计专业的培养目标，适应了社会主义市场经济发展对复合型统计人才的需要。
根据专业的培养目标，新规范对教学体系作了进一步改革和完善，不仅注意加强对统计理论方法基础的培养，而且更加注重训练学生在经济管理领域应用统计方法的能力。新规范设计了本专业完整的课程体系。考虑到统计学专业的特点，新规范中给出的一般经济类基础课程和其他经济类专业(如经济学、财政、金融等)有所不同，要求普遍开设的课程只保留宏观经济学、微观经济学和会计学等三门课程。其他经济学核心课以及管理学原理等课程，可由各校自选1～2门作为专业基础课。新规范着重论述了区别于其他专业的本专业主干课程。经管类统计学专业的主干课程由方法类课程和应用类课程两大模块组成。方法类课程包括：统计学导论、数理统计学、计量经济学、应用多元统计分析、应用时间序列分析、抽样技术与应用等课程。应用类课程包括：国民经济统计学、企业经营统计学、货币与金融统计学、证券投资分析等课程。新规范还给出了各门专业主干课程的教学内容和建议课时。
2．组织全国同行，编写高水平的经管类统计学系列教材。
为了更好地推广新的教学规范，我们还成立了全国经济与管理类统计学系列教材编委会，由曾五一教授任编委会主任，全国l0多所院校的2o多名教授任编委会委员。根据新规范设计的课程体系和教学内容，编写系列教材。担任各教材的主编均是程中，能根据本专业的特点，努力贯彻“少而精”和“学以致用”的原则。尽可能做到既反映本门学科的先进水平，又比较简明易懂，便于教学。为防止低水平重复，我们还对各门课程的相关内容事先作了必要的协调和适当的分工。各教材采用相同的版式、体例和统一规范的学术用语，从而更好地发挥了系列教材的整体功能。为了克服以往统计教学中存在的“两张皮”现象，统计方法类的教材均结合常用的统计软件，给出相应的案例和数据。从而使学生不仅可以从中学习统计学理论和方法，而且可以上机操作，培养实际动手的能力。系列教材在编写体例上也作了一些新的尝试。教材中尽可能使用本国的真实数据作为案例。对于基础课教材还给出了配套的多媒体光盘。
系列教材共l0种，具体包括：1．曾五一、肖红叶主编，《统计学导论》；2．朱建平主编，《应用多元统计分析》；3．王振龙主编，《应用时间序列分析》；4．李金昌主编，《应用抽样技术》；5．庞皓主编，《计量经济学》；6．杨灿主编，《国民经济统计学》；7．李宝瑜、刘洪主编，《企业经营统计学》；8．徐国祥主编，《证券投资分析》；9．许鹏主编，《货币与金融统计学》；10．张润楚主编《数理统计学》。到目前为止，其中的前9种已由科学出版社正式出版。据不完全统计，该系列教材的总印数已超过15万册，被50多所院校采用。经专家评审，其中的《统计学导论》、《计量经济学》、《应用抽样技术》和《应用多元统计分析》被纳入“十一五”部级规划教材，《统计学导论》被评为教育部2007年度普通高等教育精品教材，《计量经济学》、《应用抽样技术》获国家统计局颁发的全国统计优秀教材奖，《应用多元统计分析》获福建省优秀社科成果奖。
3．注重统计思想和在经管领域应用统计方法能力的培养，积极推动教学改革。
我们明确提出，要以统计学思想的培养以及统计学方法在经济管理领域中的应用作为本专业教学的基本目标，推动教学方法的改革。
在理论和方法教学方面，弱化传统的数理逻辑的推证教学方式，强化对统计方法适用性的识别能力以及利用这些方法分析经济数据能力的训练；注意以我国经济运行真实数据编写案例，结合社会经济的热点问题开展案例教学；积极开展统计实验，将理论方法的教学与计算机软件相结合，克服以往存在的理论方法和计算机教学“两张皮”的现象，如《统计学导论》选用eXCeL，《应用多元统计分析》选用SpSS，《计量经济学》选用eViewS等软件作为计算工具。因地制宜，建立实习基地，开展丰富多彩的实践活动，积极参与国家的人口、农业、经济普查，在为各地经济发展提供服务的同时，提高学生的实际工作能力。
4．学科建设水平和人才培养质量显著提高，对全国经管类统计学教学改革发挥了很好的示范作用。
本项目主要完成单位都是长期坚持统计学教学改革的高校。这一次新教学规范的研究、制定和实践，强调以市场经济体制和机制为导向，与国际经济统计教学全面接轨，这是对以往改革的进一步深化与提升。
通过多年的改革和实践，各校统计学专业的学科建设水平和人才培养质量都有显著的提高。厦门大学统计学科通过新一轮部级重点学科的考评，天津财经大学和西南财经大学的统计学科也进入了部级重点学科的行列。西南财经大学的《计量经济学》和《统计学》、厦门大学的《统计学》和天津财经大学的《统计学》等4门课程先后被评定为部级精品课程。厦门大学的统计学教学团队、天津财经大学的统计学教学团队和西南财经大学的数量经济学教学团队都被评为部级教学团队。西南财经大学的庞皓教授和天津财经大学的肖红叶教授先后被评为部级教学名师。厦门大学和西南财经大学的统计学专业被教育部列入全国高等学校特色专业建设。厦门大学的统计学科还与厦门大学其他经济学科一起获得部级人才培养创新实验区建设和部级教学实验示范中心建设立项。
随着教学体系改革的进一步深化，本成果主要完成单位培养的学生更加符合社会的需求，学生就业率和薪酬水平得到较大提高，已成为所在学校的热门专业之一。近年来，在中国管理科学研究院的大学排行榜上，上述单位的研究生和本科生的专业排名均名列同类专业的前茅。
在推进本单位教学改革的同时，我们还十分注意向社会大力推广教学改革和创新的成果。4门部级精品课程均按照教育部的要求，面向全国开放网上资源，内容包括教学大纲、多媒体课件、辅导材料、教学录像、案例分析、习题解答等，已成为许多院校开设《统计学》和《计量经济学》课程的重要参考资料。我们还先后多次在中国统计教育学会大会、全国统计科学讨论会等全国性学术会议上作大会报告，并应邀到20多所大学介绍有关教学体系改革和统计专业发展战略的研究成果，介绍教学改革和精品课程建设的经验。经教育部批准，西南财经大学、厦门大学还先后在2006年、2008年和2009年，为全国各高校培训《计量经济学》和《统计学》的骨干任课教师，取得了很好的效果。
5．发起召开中国统计学年会，构建新的交流平台。
为了进一步加强高校之间科研和教学的交流，本成果的主要完成单位还与北京大学和中国人民大学等20多所高等学校和科研机构的统计学院系联合倡议举办中国统计学年会。中国统计学年会是以中国高等院校为主导的纯民间性质的全国性统计学学术交流会议和统计学学术交流平台，每两年举行一次，由各高校轮流承办。年会内容包括：统计学术研讨、国内外著名学者特邀报告、前沿问题学术讲座、统计学科建设和教学经验交流、统计教学科研人才招聘和统计图书展销。年会举办的形式与国际接轨，每次年会，围绕若干主题面向全国征集会议论文，采用匿名评审，确定参会的论文代表。首届年会和第二届年会分别于2006年11月和2008年10月在天津财经大学和浙江工商大学举行。来自全国各高校和科研部门的近300多位代表分别出席了两次会议，会议取得圆满成功。在第二届统计学年会上，还出现了各高校争办统计学年会的热潮。经与会代表投票决定，第三届统计学年会将由中南财经政法大学信息学院主办。年会为强化全国各高校统计学专业的交流构建了一个新的平台，对于深化统计学专业的教学改革、推动统计教学与科研相结合都有很好的促进作用。
三、成果的社会评价和今后的努力方向
本项成果得到了统计学界的普遍肯定，由徐一帆、章国荣、邱东、金勇进和蒋萍等全国知名的统计学家组成的成果鉴定组对该项成果作出了高度评价。鉴定组认为：该成果的完成不仅有力地推动了上述成果主要完成单位的教学改革，而且对于全国经济管理类统计学专业将起到很好的示范作用，对提高我国经济管理类统计学专业的教学水平和人才培养质量都将有深远的影响。
计量经济学和统计学篇5
论文摘要：计量经济学是一门涉及面广、计算复杂的较难学的课程。从学这门课应具备的知识条件入手。分析了学好的关键问题是:要把握线性回归模型的几个基本假定，要学会建模，要懂得几种参数估计的方法，还要明白模型检验的意义。
计量经济学是经济学领域内的一门应用性学科。它是以统计知识、数学方法为基础，以一定的经济理论为指导，以计算机为手段，通过建立计量经济模型，考察和研究经济社会中各种经济变量之间的数量关系，预测经济发展的趋势，检验经济政策效果的一门非常具有实用价值的学科。现在很多专业都开设这门课。但由于这门课涉及的知识面广、计算公式多而复杂，要求的应用手段高，所以，学生在学的过程中感到比较困难，且学的效果也不太理想。本人根据自己的教学体会，谈谈学好这门课应注意的几个关键问题。
首先.学生学这门课程必须具备以下条件:统计学、数学和经济学知识以及计算机技术。且缺一不可。
(一)对统计学而言，为了测定经济变量之间的数量关系，计量经济研究过程中采用了统计学的分析方法，如:计量经济学模型的统计检验、参数估计的方法以及建立模型所需要的统计数据资料的搜集等都离不开统计方法。特别是统计数据的搜集、整理和分析。因此，统计学就成为计量经济学研究的基础。统计资料的准确性、时效性和系统性就成为计量经济学模型建立的好坏、参数估计代表性大小的影响因素。
(二)对经济学而言，经济学是计量经济学的理论基础，因为计量经济学研究的主题是经济现象发展变化的规律，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基础。如消费函数和投资函数的建立，就是以不同的消费理论和投资理论为前提的。此外，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。
(三)对数学而言，为了将经济理论和客观事实有机的结合起来，需要采用适当的方法。由于计量经济学研究的主要是多个因素之间静态或动态的随机关系，所以需要引人数理统计以及微积分与矩阵等理论方法，这些方法成为计量经济研究的建模工具。如利用最小二乘法估计模型中的参数就利用到微积分中的极值原理，在多元线性回归模型中要用矩阵理论推导参数的性质，在搜集资料时要用抽样理论等。现在经济学研究的数学化和定量化是经济学科学化的标志。这种科学化推动了经济学领域的发展，如微分学与边际理论，优化方法与最优配置理论，所以，数学是计量经济分析的一个基本工具，用数学方法去思考和描述经济问题和政策，这是计量经济学的关键。
(四)对计算机技术而言，社会发展到今天，计算机已普遍运用到定量分析中，定量分析是依据数理统计理论的发展而发展起来的。它包括系统论、信息论和控制论，其多数方法复杂，计算工作量大，这就需要利用计算机软件来解决问题。
所以，要想学好计量经济学，学生就必须要有厚实的统计学基础，扎实的数学功底和熟练的计算机应用技术。否则，分析问题时将会很困难，甚至分析不下去，即使分析出来，结论和实际也会有很大偏差或者根本和实际经济运行规律相违。
其次，学生学这门课必须注意把握线性回归模型的几个基本假定。
(一)几个基本假定是运用最小二乘法的前提条件。对于线性回归模型，模型估计的任务是用回归分析的方法估计模型的参数，常用的方法是普通最小二乘法，简称ors法，为保证参数估计量具有良好的性质，就需对模型提出几个假定。如果实际模型满足这些假定，ors法就是一种适用的方法，如果实际模型不满足这些假定，ors法就不再适用，这就需要发展其它方法来估计模型。因此它是运用ors法的前提。
几个基本假定是:1、假定解释变量xi是确定性变量，不是随机变量，且之间互不相关。(是
第i个解释变量);2、零均值假定，即，其中为随机误差项;3、同方差假定，即
，其中为方差；4、无自相关假定，即CoV；5、解释变量与随机误差项之间互不相关
假定，即;6、随机误差相服从均值为0，方差为的正态分布假定，即。
(二)几个基本假定是贯穿计量经济学的一条主线。计量经济学研究的一个主要任务是对模型进行
计量经济检验，目的是检验计量经济学的性质。一般是检验模型中随机误差项是否存在异方差和序列
相关的问题、解释变量是否存在多重共线性问题以及解释变量是否是随机变量，这些问题都是根据这
几个基本假定而来的，即如果违背了同方差假定，模型就存在异方差，即;如果违背
解释变量之间互不相关假定，模型就存在多重共线性问题，即0;如果违背随机误差项在
不同样本点之间互不相关假定，模型就存在自相关问题，即0;如果违背解释变量是确定性
变量的假定，那么模型就存在解释变量是随机变量的问题。每一个问题都有它产生的原因，会造成不
同的后果，因此，就有不同的模型检验、处理和估计的方法，所以学生要特别注意把握这几个基本假
定。
第三.学生学这门课要了解为什么要建模.以及如何建模?
模型就是表达研究系统内经济变量之间关系的一个或一组数学方程式。它是根据经济行为理论和样本数据显示出的变量间的关系建立的。如生产函数模型，在实际生活中，经济系统各部门之间、经济过程各环节之间、经济活动中各因素之间除了存在经济行为理论上的相互联系之外，还存在数量上的相互依存关系，这些关系可通过模型来表达。通过模型可进行结构分析、经济预测、政策评价和检验与发展经济理论。模型研究的是当一个或几个变量发生变化时，会对其它变量以至整个经济系统发生影响。如果人们不通过建模，而过分依赖直觉，即凭经验和学识去判断变量之间的关系，则会很危险，因为可能会忽略或者错误地使用某些重要的关系。另外，凭直觉判断变量之间的关系充其量只能算作定性分析，它只能分析出变量发展的趋势，而不能分析出当一个或几个变量每变动一个单位时会引起另一个变量变动几个单位，也就是说，它不能进行定量分析，不能证实变量变化的度以及进行统计检验和计量经济学检验。再有，经济预测时，要提供预测的精度，凭直觉的方法通常会阻碍预测结果置信度的数学度量。所以，只有通过建模，才能比较准确地反映经济现象中各经济变量之间的关系。
那么如何才能科学合理的建模?建模是一门很难掌握的艺术，因为它主要依赖建模过程中的直觉判断，而这些判断又没有清楚的准测。一般建模的方式有四种:一是根据经济行为理论，运用数理经济学的研究方法，判断变量间的关系，推导出模型的具体数学形式;二是根据实际统计资料绘制被解释变量与解释变量之间的相关图，由相关图现实的变量之间的关系确定模型的数学形式。如果相关图中的点大致呈一条直线，那么就建立直线回归模型，如果大致呈一条指数曲线，就建立指数曲线回归模型;三是如果数列是时间数列，可根据时间数列的特点确定模型。例如，若时间数列中各项数据的K次差大致为一常数，一般说可考虑配合K次曲线模型，若时间数列中各项数据的对数一次差大体为一常数，可考虑配合指数曲线模型;四是在某些情况下，如果无法事先确定模型的数学形式，那么就可采用各种可能的形式进行段模拟，然后选择其中较好的一种。这几种方式都是对理论模型的初步设定，在模型的估计和检验过程中还需逐步调整，以得到一个函数形式较为合理的模型。一个合理的模型应包括三点:(1)要符合经济现象的行为理论;(2)模型的建立方法和参数的估计方法要科学;(3)数据要真实可靠。
第四.学生学这门课必须掌握几个主要知识点。
这门课主要学单方程计量经济学模型、扩展的单方程计量经济学模型、联立的计量经济学模型以及模型的应用，其中又以单方程计量经济学模型为基础。不管什么样的模型，都要涉及到模型的建立、参数的估计以及模型的检验，这些其实就是这门课的主要知识点。模型的建立前己述过，这里主要谈谈参数估计的方法和模型的检验方法。
(一)参数估计的方法。模型建立以后，要想在实际中对经济现象进行估计和预测就必须估计模型的参数。参数是模型中表示变量之间数量关系的系数，说明解释变量对被解释变量的影响程度，它是未知的，需要估计。因此参数估计方法是计量经济学的核心内容，可根据不同的原理构造不同类型的估计方法。主要方法有:
1、普通最小二乘法(oiS法)，是应用最多的一种方法。因为用这种方法估计的参数具有线性性、无偏性和最小方差性，即参数具有优良的性质。这种方法是从最小二乘原理出发的其它估计方法的基础，如加权最小二乘法、折扣最小二乘法、间接最小二乘法、二阶段最小二乘法。它的理论前提是各实际观察值与理论估计值离差平方和最小。
2、最大或然法(mL法)，也称最大似然法。这种方法是从最大或然原理出发发展起来的一种估计参数的方法。虽然其应用没有最小二乘法普遍.但在计量经济学中占据很重要的地位。其原理是当从模型总体中随机抽取n组样本观测值之后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的联合概率最大。这个联合概率又称为变量的或然函数，通过对或然函数极大化以求得总体参数的估计量。
3、高斯—牛顿迭代法。对于有些不能转化为线性方程的非线性方程模型，估计参数时用高斯—牛顿迭代法就是一种适用的方法。它的基本思想是用泰勒级数展开式去近似地代替非线性回归模型，然后通过多次迭代去多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳系数，最后使原模型的残差平方和达到最小。它的程序是:(1)选择初始值;(2)把泰勒级数展开;(3)估计修正因子;(4)检验精确度;(5)重复迭代。
(二)模型检验的类型。参数估计出之后，模型便已确定。但模型是否符合实际，能否解释实际经济运行过程，是否最大限度地拟合了样本数据，还需要进行检验，检验类型包括:
1、经济意义检验，主要检验各个参数值的符号以及数值的大小、数值之间的关系在经济意义上是否合理。例如，需求函数中，需求量一般与收人正相关，与价格负相关。所以，收人与价格的参数估计值分别应取正值和负值，如果结果相反，就应调整模型。又如，食品支出的恩格尔函数:其中:表示人均月食品支出水平，表示人均月收人水平，那么的取值区间应在。到1之间，因为食品的增长幅度一般低于收人的增长幅度，如超出这个范围，则不能通过经济意义的检验。
2、统计检验，是利用数理统计中的推断方法，对估计结果的可靠性进行检验。一般包括拟合优度检验法、模型的显著性检验法(F检验法)和解释变量检验法(t检验法)等。统计检验是对所有现象进行回归分析时都必须通过的检验。
计量经济学和统计学篇6
（一）课时紧张
青岛大学商学院会计系于2011年开设了计量经济学课程。根据课程安排和学分要求，该门课被安排在大二下学期，课时为一个学期总计36学时，去掉假期、校运动会或中期考试等2~6学时，总可用学时仅为32学时左右。学生在此之前已经修完概率与数理统计、线性代数、微观经济学，宏观经济学与计量经济学在同一学期修读，但尚未学习统计学。从教学大纲和课程内容体系来看，这个课时量明显不足。对于大多数高校来讲，本科生培养方案需要保持相对稳定，即使培养方案有所变更，各课程的课时量调整也要综合考虑专业性质、学科性质、培养目标、学分安排等多方面的因素。因此，计量经济学课时量的增加在短期内难以实现。对于许多高校来说，计量经济学是一门新兴课程。一些学校在管理学类专业中尚未开设该课程，而开设了该课程的管理类专业也普遍存在课时量不足的问题。谭砚文、陈珊妮（2011）的统计表明，在8所具有代表性的综合类大学中，本科计量经济学教学的平均课时为58学时，而一些农业院校仅为48学时。这个统计数据是基于经济学类专业的调查结果，而对于管理学类专业来讲，其课时量更少。以全国45所财经类大学的会计专业为例，仅开设统计学的有32所，未开设统计学而直接开设计量经济学的有2所（总课时分别为32、54学时），先后开设统计学和计量经济学的有11所（计量经济学的课时分别为30、32、32、36、48、48、48、48、51、36、72）。可见，对于管理学类的课程来讲，课时紧张是普遍存在的问题，这就要求教师在教学过程中采取恰当的教学方式，争取在最少的课时量内完成教学任务。
（二）先修知识准备不足
计量经济学创始人R.弗里希曾指出：“用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能和计量经济学混为一谈。计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。三者结合起来，就是力量，这种结合便构成了计量经济学。”因此，计量经济学是数学、经济学和统计学的结合，这门课程对学生的基础知识要求较高，在学习该课程之前，学生应掌握经济学、概率论与数理统计、线性代数、经济统计学等先修知识。显然，经济学类本科生在经济学基础方面比管理学类本科生具有“先天的优势”，而一些学校的课程设置也对管理学类本科生不利，如有的学校未开设经济统计学而直接开设计量经济学，有的学校将宏观经济学和计量经济学开设在同一学期而未先后开设。除了经济学基础的差异之外，一些高校对经济学类专业学生的数学要求要高于管理学类专业。因此，总的来看，管理学类本科生的数学基础要弱于经济学类本科生。综上，先修知识准备不足、基础知识薄弱，是管理学类专业计量经济学教学过程中存在的主要问题。如何在改善这些弱势条件的基础上，提高教学效果，值得我们深思。
二、教学经验总结
在教学过程中，经常有学生在课后提出一些与数量研究方法相关的问题。比如，有学生在参加大学生挑战杯创业计划竞赛或学校举办的建模大赛的过程中，希望用上所学的计量经济学知识；也有学生在学习了这门课程之后，对现实经济生活中的问题产生研究兴趣，如是哪些因素决定了股票价格的上升，能否量化这些因素的影响等。2011年之前，青岛大学会计系本科生的毕业论文几乎全部为规范研究。2011年之后，每年在240篇左右的本科生毕业论文中，有10篇左右的论文采用了实证研究方法，用到了计量经济学课程所学的知识。总体来看，计量经济学的开设已引起很多学生的兴趣，有部分学生在学习和研究中运用了课上所学的知识。
（一）合理的目标定位
计量经济学是一门应用学科，可以为实证研究提供工具基础，在管理学领域已有广泛的应用。因此，对管理学类的本科生来讲，学习计量经济学的必要性毋庸置疑。计量经济学的教学目标在于培养学生的数量分析能力和研究能力。王少平、司书耀（2012）指出，计量经济学教学中对学习兴趣和研究能力的培养重点在于三个关键能力的培养，即观察和分析实际经济现象的能力、基于观察到的经济现象提出问题的能力和应用恰当的计量经济模型或者方法进行研究的能力、在研究的过程中发展计量经济理论和方法的能力。学习计量经济学要求学生具备经济学、数学和统计学的知识基础，但这对于管理学类的本科生来讲，难度较大。很多学生数学基础不好，有些高校管理学类本科生在读期间并未事先修读统计学，这就给计量经济学的学习增加了难度。很多学生是初次听说计量经济学一词，对于该学科的性质、定位、掌握程度等没有清晰的认识。一些学生在看到教材中的数学推导和大量的统计结果时，直接将其定位为数学，并将该学科划入“超困难”级别，从心理上产生了抵触情绪。管理学类本科生的经济学基础和数学功底较之经济学类本科生要差，再加上课时紧张等原因，对管理学类本科生的目标要求不应与经济学一样。同时，由于专业性质和培养目标的差异，管理学类本科生也不需要与经济学类本科生有着相同的目标定位。在教学过程中，应将计量经济学定位为一门工具学科，而一个工具要发挥作用，就要有该工具能产生作用的对象，计量经济学也只有应用于相关学科，才能真正发挥力量。正如古扎拉迪所指出的：“在应用计量经济学中，要利用理论计量经济学作为工具，去研究经济学或者商业中的某些特定领域。”对管理学类专业的本科生来讲，其研究的更多是商业中的某些特定领域。王少平、司书耀（2012）提出的三个能力的培养，是要根据不同的学科，更多地关注商业或管理学的某些领域，即观察和分析实际商业现象的能力、基于观察到的商业现象提出问题的能力以及应用恰当的计量经济模型或者方法进行研究的能力。第三个目标“在研究的过程中发展计量经济理论和方法的能力”对于管理学类本科生来讲，有些难度，不适宜作为必须达到的教学目标。
（二）针对管理学类本科生的应用导向式学习
计量经济学是一门工具学科，它不仅有助于提高文科学生的逻辑思维能力，同时还能培养学生对经济问题的定量分析技能，使学生的文理知识很好地整合起来。目前，普通本科院校的文科学生普遍缺乏这种逻辑能力，虽然学生会在大一学习微积分、线性代数等必修课程，但这些课程常与经济管理实际脱节，很多学生在学习了数学课程后不清楚其应用价值，甚至认为不是专业课就不用好好学。计量经济学可以起到文理衔接的作用，使计量经济学更好地服务于管理学类的学科体系，为该专业后续课程的学习和研究打下良好的定量分析基础，为学生的进一步学习扫清数理障碍。对管理学类本科生应采用“应用导向式教学”，即教师在授课过程中尽量不去讲解公式的推导、统计理论的证明等“深层计算问题”，而是以“表层意义和实际运用”为导向，使学生“知其然，知其然何所用，但不必知其所以然”。当然，对于数学基础较好的学生，也鼓励其“知其所以然”。另外，在案例教学过程中，教师要尽量结合具体学科，以管理学领域的问题为案例，以学生比较关心的问题展开讲解。比如，对于显著性这一概念，可以结合“a股历史上最刺激的迷案”重庆啤酒案例进行讲解。2011年12月，重庆啤酒的股价开始连续9个跌停，一个月内股票价格由每股80多元暴跌至20多元，市值蒸发高达270多亿元。这一切源自重庆啤酒披露的一则消息：“乙肝疫苗Ⅱ期在临床试验的主要疗效指标方面，安慰剂组与用药组无显著性差异———这相当于鸡汤熬熟了，居然只相当于白开水的营养价值。”2012年1月9日，重庆啤酒再次披露信息：Ⅱ期次要疗效指标方面安慰剂组与用药组“在统计意义上无差异”。何为“在统计意义上无差异”？从案例中引入显著性这一概念，不仅可以引起学生的兴趣，使学生了解到这门学科的应用价值，而且可以结合本专业具体的问题展开进一步的思考和探索。比如，在了解了显著性这一概念后，学生会注意到信息披露对股价的影响，进而会思考有哪些因素会影响股价的变动？哪些因素是有显著影响的？如何收集这些因素的数据？是否可以判断股价变动的方向和程度并据此进行投资从而获取收益？通过对这些问题进行思考，学生将现实生活、经济问题与所学知识联系起来，增强了学习兴趣和对该应用学科的直观认识。
（三）在教学过程中运用网络、多媒体等it教学资源
在当今it时代，知识的获取、传递和沟通等都可借助于it实现。it改变了教学方式，也改变了学生的学习方式。应用导向的教学方式会忽略公式推导等“深层计算问题”，而以“表层意义和实际运用”为导向，使学生“知其然，知其然何所用，但不必知其所以然”。这样的教学方式虽然把学生从繁琐、复杂的数学推导中解脱出来，但也会使部分学生感到“不踏实”“，对没有证明过的问题感觉内心惶恐”，也“不便于记忆和理解”。运用it进行教学，可以在一定程度上消除这些弊端。比如，在讲授样本均值是总体均值的最优线性无偏估计量（BLUe）这个概念时，教师仅需简单推导无偏这一概念，而对方差最小这一特征可以用动画的方式来呈现。再如，在推断统计中，参数估计和假设检验是两大核心问题，而假设检验是难点，学生无法理解何时拒绝零假设以及为何拒绝零假设，容易在判断过程中因为显著性水平α的不同而在与实际概率值ρ的比较中产生混乱。恰当地制作课件，形象地向学生展示判断过程，就会给学生直观的认知，使其更容易理解和记忆。以总体均值m=50和总体均值m=10.5两个零假设为例。计量经济学教学重在对基础性计量经济模型和方法的正确理解与延伸，以引导和培养学生进一步的学习兴趣和研究能力（王少平、司书耀，2012）。因此，教师除了在课堂中利用课件进行教学外，课后还可以通过学校网络教学平台、微信朋友圈、微博、博客等与学生展开交流，课程的相关视频，沟通课上难点，补充基础知识，推荐参考资料，解答疑难问题，举办知识竞赛，从而进一步提高学生的学习积极性和学习兴趣，拓宽学生的知识面，强化学科的应用性，最终提高教学效果。
三、结束语
计量经济学和统计学篇7
关键词：计量经济学；语言分析；数理基础；方法论基础；模型功用
中图分类号：F2240文献标识码：a文章编号：1000176X（2013）03000312
一、引言
当前正在持续并不断延伸的经济危机，引发了学术界对于标准经济学建模方法在此次危机预测与应对中作用的探讨，其矛头直指计量经济学，认为计量经济学在经济现实表述与预测方面作用甚微，一些极端观点甚至要求放弃计量经济学模型方法，因之引发当前学术界关于计量经济学“失败与否”的学术之争。争论的实质可归结为一个问题：计量经济学是否是精确、无局限的绝对科学？
对于计量科学的精确性、绝对性的探讨由来已久，当前学术界的争论只是对这一问题的深化。早在1939年，Keynes就指出计量经济学模型方法存在三个层面的问题：一是理论的先验正确性问题[1]，二是线性假设以及滞后期与趋势决定的主观随意性问题，
正如凯恩斯所说，计量经济学模型设定基本是以线性假定为前提的，Juselius在谈及VaR类模型的局限时，也提起过VaR类模型的设定是线性的，因此其对于跨越多个时期的模型预测并不十分理想。
收稿日期：2012-11-24
基金项目：辽宁省社会科学规划基金项目“经济学哲学名篇中元经济学问题研究”（L11BZX010）
作者简介：刘丽艳（1978-），女，辽宁沈阳人，东北财经大学经济哲学研究中心特邀研究员，博士，主要从事计量经济学理论和方法论等方面研究。email：lucyliuliyan@bipteducn三是计量经济学的结构不变性问题。认为这三个问题造成了计量经济学经济分析的局限。相对于凯恩斯，Lawson的观点相对来说比较极端，Lawson对当前计量经济学建模的研究方法进行了严厉的批判[2]，认为当前的计量经济学模型，尤其是VaR系列模型在研究现实经济机制方面作用甚微，模型未获得关于经验现实的真正洞察，其预测结果不具备经验充分性。
而Juselius则更倾向于为现代计量经济学模型、尤其是VaR系列模型进行辩护[3]，认为计量经济学本身不存在任何问题，只是在面对当前危机时应做一些转变[4]。并指出正确设定的、具有经验充分性的协整向量自回归（Co-integrationVectorautoRegrssion，CVaR）模型可以实现这一转变[5]。作为计量经济学的拥护者，Hendry同样对计量经济学进行了辩护，指出虽然计量经济学方法确实可能会产生谬误回归，但这种谬误可通过检验进行回避与拒绝[6]；Hendry提出根据数据生成过程（DGp，DataGenerationprocess）进行建模的理念，指出计量经济学应根据DGp过程进行经验建模，进而保证计量经济学应用研究的科学性与精确性。
国内学界对计量经济学基本持肯定态度，李子奈认为，从计量经济学模型方法的建立、估计与检验过程来说，其方法具有坚实的统计、逻辑基础，符合科学研究的发现过程[7]。计量经济学研究方法实质上就是回归分析，是证实与证伪、归纳与演绎、检验与发现、相对与绝对相结合的过程。并探讨了计量经济学模型政策评价、结构分析、预测与检验功能上的局限。
李子奈在他的“计量经济学方法论的若干问题”，“计量经济学模型的功能与局限”中均有提到这一观点。洪永淼认为计量经济学模型面临三个主要问题：非重要因素的影响问题、观测数据问题以及样本外预测问题[8]。但计量经济学理论本身已经发展得相对成熟与全面，只是由于经济系统的时变性、不可逆性以及经济数据的缺陷导致了计量经济学的分析、预测没有物理学那样精确，这也是计量经济学与自然科学最大的区别。
那么计量经济学究竟是怎样的科学？它是否具有其自身难以避免的不足与局限？要对这一问题进行解答，就要从其模型方法的概率和统计学科基础进行探讨，从其表述语言、方法论及功用层面进行基础研究，以提高其应用研究的科学性，使计量经济学应用研究沿着正确的方向发展，这也正是本文的研究目的。
二、计量经济学的语言分析：模型语言经济学表述的非充分性
经济学语言学转向引发人们对语言在经济分析中作用的广泛关注，进而产生一个问题，计量经济学的主要语言是什么？计量经济学语言具有什么特征？其在经济分析中又处于什么地位？要解决这些问题，就要从什么是计量经济学的语言以及计量经济学语言的方法论地位来着手。
要探讨计量经济学的语言，离不开对计量经济学的界定及其基本分析结构的探讨。计量经济学是通过模型来表述经济现实的，基于统计、概率方法的模型构建是计量经济学经济表述的主要手段与方式，也是计量经济学进行经济研究与分析，以及作用于应用实践的基础途径。从学科的自我表述与实践应用两个层面来说，一方面，以概率和统计为基础的计量经济学模型是计量经济学这一学科的主要表达方式，也就是计量经济学的“语言”；另一方面，从计量经济学的基本分析结构来说，模型是计量经济学分析的基本结构，是计量经济学描述、解释经济现实的主要手段，也是计量经济学进行学科表述与对外自我表达的主要途径，可称为计量经济学的“模型语言”。以概率和统计为基础的计量经济学模型，既是方法又是语言，在计量经济学经济分析中处于核心地位。作为经验实证的计量经济学，其研究方法从方法论上来说是经验实证的模型方法，其语言也必然离不开经验实证的方法论基础地位，是经验实证的模型语言。
那么，计量经济学经验实证的模型语言在经济学研究中处于何种位置？其经济学的表述充分性如何？是否能够替代自然语言？要回答这些问题，首先就要明确经济学学科本质与计量经济学经验实证模型语言的方法论地位。作为社会科学的“皇冠”，其特殊的学科性质决定其不等同于物理学这样的自然科学，同时人类社会也不等同于实验室。经济现实的复杂多变性，人性与人类心理的不可预测性，使得经济发展过程成为一个异常复杂的有机体，这些必然复杂化经济学的表述及其语言，单一的基于以概率和统计的模型语言难以完成这一任务。此外，从经济科学理论表述层面来看，经济理论并不必然由数学或统计学来证明。经济学的语言是多元而非一元的，数学、统计语言是经济学分析语言中不可替代一种，是“多元”中的“一元”，但并不必然比其他语言更重要。当然，这也解释了计量经济学以概率和统计为基础的模型语言在经济分析语言中的地位。
计量经济学经验实证的模型语言是计量经济学科学化经济研究的一个重要体现，但同时也难以避免其自身与生俱来的方法论局限：
首先，经验实证的模型语言面临经济研究中价值判断理念的计量化问题。计量经济学模型语言对经济现实的表述是建立在表示现实经济活动结果数据的概率分布假定基础之上的，模型语言对经济现实中不可度量的社会关系、政策和心理等价值理念的处理是通过主观假定赋值或虚拟变量来完成的。从一定程度上来说，计量经济学模型语言对价值判断的这种表述稍显随意、主观，是不精确的；此外，很多价值判断理念难以通过统计语言或概率分布来表述。因此，计量经济学模型语言存在着价值判断理念计量化的问题。经济研究是以人及其构成社会的经济活动与关系为核心的，而这种社会经济关系的表述不仅是“量”的统计，还包括“质”的描述。计量经济学模型语言对经济现实的解释与描述是通过变量与现实经济因素的映射来完成的，因此，模型对经济现实的解释是建立在模型方程涵盖待解释经济变量这一前提之上的。那么就产生了一个问题，模型是否可以包含所有经济因素，也就是经济因素都可以通过适当量化的形式纳入模型语言的表述范围吗？答案是否定的。很多宏观计量经济学模型中的政策、环境因素以及微观计量模型中的心理因素，都很难一一映射为计量模型中等价的变量形式。虽然虚拟变量是一种选择方式，但现代计量经济学中的虚拟变量通常是简单的“二进制”（0，1），这种“是与否”的极端表述方式很难精确描述经济现实的渐变过程与渐变效应。
此外，即便勉强将价值判断理念通过主观赋值的变量进行计量化，还存在现实经济因素与观测数据统计方式的非“一一映射”问题。很多模型表达的变量或符号在现实经济中有多个对应统计方式，而每种方式的选取都代表着不同的样本数据，有时甚至会影响到模型的估计结果。如探讨外商直接投资与中国经济增长的关系时，涉及到国家开放程度这一政策理念及其模型对应变量的选取。究竟用什么代表开放程度，现实中选取模型样本数据时就涉及一个选择的问题，有的研究者将年进出口贸易总额的GDp占比作为一国开放程度的度量标准，有的将对外政策的颁布作为开放程度的度量。这种变量的选取通常以模型的估计结果是否更优作为条件，可以说这种选取模式是稍显主观随意的，并不具备严格的科学性。
其次，计量经济学模型语言难以完全取代经济学表述中的自然语言，一元的模型语言难以对经济学进行全面、充分表述。第一，能够表述经济世界的是语言性的词语而不是人为创造的符号、模型，计量经济学的模型语言并不比自然语言更接近经济现实，同时，经验实证的模型语言所描述的逻辑建构具有其本身的局限，不能完全取代经济学自然语言的使用。虽然计量经济学模型语言中的数学公式与统计推断过程本身也是一种话语，但这种“话语”本身也有语言问题，爱因斯坦指出，“就数学定律指涉现实而言，它们并不确定；就其确定性而言，他们并不指涉现实”。数学哲学的观点展示出数学、统计的模型语言，作为一种经济学研究语言，其所构建的“经济世界”并不比自然语言的更准确，也不比自然语言的更接近现实世界。第二，人们生活的世界是词语的世界而非函数的世界，对语言最重要的沟通与交流功能来说，经验实证的计量经济学模型语言作为交际语言并不具备足够的充分性。虽然其在统计推断与函数符号表达上具有严谨性与便利性，并因此一定程度上体现了其科学性，但对于语言最为重要的交际功能，计量经济学模型语言并未表现出任何超越其他语言范式的优势，尤其是在与公众交流时[9]。用函数与符号表达的数学语言是自然科学的通用语言，“对自然科学家而言，它就像过去拉丁语对学者一样，而对许多经济学家来说它不幸是希腊语”[10]，因之其模型方程与符号的表达范式可能更容易使人们感觉它只想通过深奥的数学让人肃然起敬，而不是更有助于交流。
还有一个不得不说的问题，不论计量经济学模型语言多么严谨、精确，也不可能做到对完整社会关系进行精确表述，这取决于计量经济学模型设定的非精确性与局部性，因为任何模型都不可能把整个社会复杂多面的关系全部纳入模型体系，无论从技术层面来说还是从方法论层面来说，这是不现实也是不可能实现的。
三、计量经济学的数理基础：非精确数量关系的度量
由于计量经济学以概率和统计作为其学科的数理基础，其结论是基于样本数据（总体样本的一部分）的推断做出的，而非真实的针对总体样本进行的精确运算，因而其结论并非是确定的、精确的。而计量经济学中以概率为基础的随机检验的不对称性与非精确性、概率约化（probabilisticReduction，pR）方法下统计推断的非确定性，都导致了计量经济学度量精确数量关系上的局限。
1以概率为基础的随机检验的不对称性与非精确性
由于观测值很少是现实经济中经济变量的真实值，因此随机模型的存在具有较为重要的作用。
当我们说理论或模型是正确的时候，表示现实世界和理想世界是完全一致的。很多人都认为，即使我们认为理论或模型是正确的，两个世界也不可能是完全一致的（如观测误差、非理），因此人们建立随机模型，来表示这种“一致”的随机性。如果认为观测值和真实值的误差是处于正态的随机分布，即这种“一致”本身就是模型的随机因素。但随机模型本身由于其概率基础的非精确性以及两类前提假定的不对称性，使其模型检验的逻辑基础受到质疑；同时其概率基础的随机性，也严重削弱了随机模型的可靠性与精确性。
首先，以概率为基础的随机检验的不对称性。计量经济学的证伪或检验需要逻辑依据，随机检验在逻辑上具有非对称性，这种非对称性源于对标准逻辑的构建，即对于给定的一系列假定，我们能逻辑性地得出一系列结论：①如果所有的前提都为真（在某种意义上），那么所有的结论也都为真（同样的意义上），这是必然的。②如果任何一个结论是错误的（同样意义上的），那么给定系列的前提假设中至少一个是错误的——但我们不能确定哪一个是错误的（多于一个的时候），也不知道有多少个是错误的，因为可能所有的都是错误的。③如果存在任何一个错误的前提，我们不能排除结论中可能有正确的结论，这是必然的。④如果结论中有一个是正确的，给定系列假设中的任何一个都有可能是错的。这里我们可以说，如果正确运用逻辑，那么前提的正确性可以传递到结论上（假设到预测），而结论的正确性却不一定能传递到前提上，这里存在一个明显的不对称性。同样，对结论的证伪可以至少传递到前提上（一个），但对前提的证伪却不能传递到结论（除非结论与前提一样）。计量经济学的随机检验是建立在通过对结论（根据经济理论、数据建立的模型）的证伪进而证伪前提（经济理论假说）的逻辑基础上的，而逻辑不对称性则削弱了这一检验的逻辑基础。
其次，以概率为基础的随机检验的相对性与非精确性。这里用简单的线性模型来探讨随机模型检验的相对性与非精确性问题。假设线性的两个变量，C=a+bY的每个观测值允许有10%的误差，通过式（1）和式（2）两个观测值，可以通过方程确定a和b的值，即进而通过确定系数的方程与Y3来确定C3的值，得出C3的计算值和观测之间的误差为17%，超出通常10%的标准。
实际上C与Y的观测值可能与其真实值有10%的偏差，而对于第三个观测值C3，其计算值和观测值之间可能有大到17%的误差，而它们之间的关系不能就此确定是非线性的。同时，未对线性假设进行确定并不必然表示对非线性假设的肯定，基于单一观测值的检验并不构成对假设的反驳，而0误差也不代表对线性关系的肯定。15%的误差可能不足以确定模型就是线性的，但也不足以说明模型是非线性的，因此我们称之为对线性假设的非肯定。要区别开对线性假设的非肯定并不代表对非线性假设的肯定。任何判定的标准都应基于对观测误差本质的了解以及对理论本身的了解。通过判断p值来判定，这要求首先观测值符合高斯正态分布步钟形曲线，如果我们假设观测均值是真实的，数据的分布是正态的，那么正态分布的观测值曲线可以用来计算p值，如5%，作为接受的标准。这样的一个缺点就是，很可能错误地接受了不适合的方程或模型。如果观测值的概率分布不是正态的，或如果每次观测到的值不是独立的，那么p值检验就难以进行。若实际的误差分布与假定有差异，则此方法带来的问题足以影响到计量经济学的精确性。
这里还需要指出的是，随机的是模型，而不是现实经济世界。任何随机模型的检验都是对这种假设的一致性的检验，即对理论本身的检验。只有人们认为模型绝对为真，任何违反一致性的变化完全都是由真实世界难以解释的变化引起的时候，人们可以选择相信现实世界是随机的，但这点显然是不成立的。而随机性把理论的真实性变得无可非议，认为理论是不可能出错的，这一先验观点严重损害计量经济学的经验基础。计量经济学随机模型这种把理论和模型假设看成是真实的，世界是随机的这种看法是不诚实的，也是随机模型局限性的一个体现。
2概率约化方法下统计推断的非确定性
计量经济学概率约化方法（probabilisticReduction，pR）的出发点是，经验模型是实质性信息与统计信息的混合体，其主要目标是应用数据来了解观测对象。这两类信息最初被包含进两个不同的模型——理论模型和统计模型，前者是由理论变量构建的，其中一些变量可能是不可观测的；后者则是专门根据数据Z：=（Z1，Z2，…，Zt）潜在的可观测随机变量设定的，问题是找到将两者联系起来的方式，同时不违背实质性信息与统计信息任何一方的完整性。
根据概率约化方法，Z是随机过程{Zt，t∈t}的一个实现，根据Kolmogorov定理，随机过程的概率结构在某些温和规律性条件下，就联合分布D（Z1，Z2，…，Z
建立统计充分性的难度显示，对数据盲目的集合不大可能产生任何规律性；即便偶尔产生了，对一致性度量与外部有效性的探索也将会消除这种伪规律性。现实应用研究中的计量模型，其统计充分性或多或少都存在一定程度上的不充分问题，原因并不取决于建模者，而是经验数据本身就难以完全符合强概率假定。现实中的数据很少能满足统计上要求的时间平稳性或不同数据生成过程的同质性，因此要建立完全的具有统计充分性的模型是几乎不可能的。这也是计量经济学数理基础本身所固有的一个局限。
四、计量经济学的建模过程：不平衡方法论基础的局限性
计量经济学基于经验数据模型符合科学研究的发现过程，是其优势所在，但同时，其建模过程的方法论基础并不平衡，表现为认识论基础上归纳内容重于演绎内容，逻辑学基础上对检验的重视超过发现，一般哲学基础上对“特殊”与“一般”的处理未达到平衡，而这些建模过程中的方法论基础不平衡导致了计量经济学模型方法的局限性。
1计量经济学建模过程中认识论基础的不平衡：归纳重于演绎
计量经济学的一个首要目标就是为经济学提供经验内容，可见经验归纳在计量经济学中独特的重要性；而计量经济学科的产生与发展，也无不体现了归纳法或经验检验在经济研究中的兴起与盛行[13]。虽然计量经济学不只包含归纳，从其建立模型过程看，除去其中经验检验部分则是明显的经验归纳，最初的模型设定与检验后的模型政策评价、预测等功用的实现均属于演绎内容。但不得不承认的是，计量经济学作为“为经济学提供经验基础”的学科，其模型方法不可避免地侧重经验归纳，而现实经济研究应用中，这种对经验归纳的侧重也在一定程度上导致了计量经济学研究方法的局限。
首先，对归纳赋予过多权重可能会导致模型方法的归纳内容缺乏正确前提，进而产生不可靠甚至错误模型结果。缺少足够演绎内容的模型设定，很可能是基于错误的经济理论或数理逻辑，模型设定不充分。那么这种情况下模型的检验结果就会很危险，会有较强的误导性，因为它可能直接导致完全错误甚至荒谬的结论，进而削弱计量经济学模型分析的意义，得出错误甚至荒谬的结论。模型设定是计量经济学研究的基础与前提，只有设定正确的模型才能通过正确的检验步骤得出正确的结论。
其次，对归纳给予过多权重可能会导致统计意义与经济意义的不平衡，使计量经济学的研究倾向于追求统计分析上的完美性，进而趋向于形式主义，降低研究的质量，甚至产生方向性错误。应平衡计量经济学建模过程中归纳与演绎内容的权重，过于重视经验归纳内容，忽视演绎部分，很可能会导致对统计显著性的片面追求而忽略模型的经济意义，进而沦为缺乏经济意义的形式主义，产生“伪回归”谬误。而现实经济研究中也确实存在这种统计上显著、检验环节完美而经济意义上贫乏的研究结果。其中较为普遍的是根据研究目的进行模型设定，随意性较强，甚至有时不符合经济理论或经济惯例，与经验现实相冲突。有时为了突出待研究的关键变量，可能较为随意地增减其他变量以获得关键变量较高的统计显著性。这种模型设定是单纯地对经验归纳的偏重而忽略演绎内容在模型设定中的意义，致使研究缺乏经济理论基础，导致可能误导性的甚至是错误的结论。
总之，必须认识到，计量经济学应用研究中应将抽象演绎与经验归纳相结合。演绎内容决定了计量经济学的模型设定，为归纳内容设定了前提，决定了经验归纳的方向，它就像建筑物的地基一样限制并主导着其基础上建立起来的建筑——模型的经验归纳部分。不能片面地强调归纳或演绎的重要性，而应平衡两种方法在计量模型方法中的应用。
2计量经济学建模过程中逻辑学基础的不平衡：检验重于发现
计量经济学的学科性质并非是狭义的回归分析。广义的计量经济学具有多重科学、哲学和方法论基础，它形式上是统计学、经济理论与数学三者的结合，其目的是为经济研究提供经验基础。在计量经济学模型设定与估计两个环节，由于是以理论与数据相结合的关系论导向进行模型设定，而且严格遵循从一般模型到特殊模型的建模范式，很可能发现与原有的先验理论不同的，并通过严格系列检验的新经济关系，或是证伪已经存在的旧有经济关系，这是一个检验与发现综合运用的过程，它不仅是单纯的检验，还是对新事物探寻的过程。正如丁伯根对计量经济学模型方法的辩护，“它从一定程度来说是检验与发现的结合”，但这里要注意一个问题，计量经济学中的理论发现并不是真正意义上的“发现”，而是估计、检验过程中对先验设定理论假说的完善，或者是对更为适合样本数据、对样本数据拟合更好的模型形式的探寻。
同时，也必须承认，计量经济学对检验的重视要远重于发现。Hendry曾指出，计量经济学的三大黄金定律就是“检验、检验再检验”。理论检验功能也是计量经济学模型的传统功能，可见检验在计量经济学模型方法中的核心地位。对检验过于重视的同时也难以避免地忽略其另一面——发现，这也造成了计量经济学模型方法一定程度的局限。
首先，对检验赋予过多的权重，而忽略发现的重要性，很可能使计量模型分析沦为“统计的炼金术”或“经济学的鬼把戏”。计量经济学建模过程中对检验的重视程度远超发现，这一逻辑学基础的不平衡很可能导致建模者对检验技术的先进性与复杂性的片面重视，即过于偏重统计显著性而忽略对模型经济充分性的考察；同时，建模过程中最为重要的、可能导致理论发现的“异常现象”，很可能在对检验的片面追求中被忽略掉。对于与先验观念相冲突的、导致统计充分性降低的、不符合检验标准的“异常现象”的出现，建模者很可能以其不符合检验标准为根据，在未考虑其可能的经济充分性的前提下，为突出某些变量的显著性而对变量进行随意删减，结果可能将模型从正确设定的方向引向歧途，错过最为重要的“理论发现”。模型的设定脱离了经验现实，进而使统计分析变成形式化的“统计的炼金术”。还有一种更危险的情况，就是根据根本就没有科学性的理论假说，而只是盲目地根据研究目的对变量回归关系进行检验。这种缺乏理论指导的计量分析早在20世纪40年代计量经济学著名的方法论争论——“没有理论的度量”中就已指出其谬误性。无论检验步骤、方法如何完善，没有正确的前提很可能造成“伪回归”而得出错误的结论，使计量经济学应用研究成为“经济学的鬼把戏”。
其次，即便是计量经济学中占主导地位的检验，也不是毫无瑕疵的，计量经济学检验的逻辑不对称性严重损害了计量经济学检验的权威性与说服力。前文已经探讨过计量经济学以概率为基础的随机检验的非对称性，前提的正确性可以明确地传递到每一个结论，而对任一结论的证伪却只能模糊地传递到前提，即难以确定是哪一个或哪些前提是错误的。这种逻辑上的不对称性决定了逻辑在检验中的作用：①只通过检验从理论中推理出来的结论（可能很多都是正确的）不能检验理论本身。②不可能通过前提的真实性间接性地证实所有结论，当其中一个前提恰好是公认的陈述时（至少有一个，这样才能进行解释和预测），由于我们不能知道相对于经验事实来说什么时候这个公认的陈述是对的。③证明前提都是错误的并不能证明特定结论的正确性。由于结论正误和前提正误的不对称性是检验经济理论的最大障碍，对结论的证伪并不能证明理论本身有问题，如果在建模过程中添加了附加假设。由此可见，对随机模型本身的检验并不能检验理论假说的真伪。计量经济学中的检验，从一定程度上来说是无力的。
最后，计量经济学的检验是概率意义上的，是随机的、相对意义上的，难以获得绝对的、精确的结论，认识到这一点同样十分重要。计量模型的回归结果只是在给定的某一显著性水平上，给出是否可以接受待检验的假说；其接受与否是以显著性水平为评判标准的，如经常使用的10%，5%和1%显著性水平。但这里需要注意的是，这一显著性水平是人为选取的，并非是计量经济学科学体系天然生成的。而且，即便通过显著性检验，也不能完全确保检验的假说是完全正确的，因为这里还有一个10%，5%或1%“弃真”（错误地拒绝了原假设）的可能性，通过检验也是存在错误可能性的。也就是说，通过检验只是证明错误的概率偏低而已，而不能绝对地排除错误的可能性。因此，计量经济学以概率为基础的检验，其相对性和非确定性是与生俱来的，这也是计量经济学的局限性之一。
3建模过程哲学基础的不平衡：“特殊”重于“一般”
不同于一般哲学中的一般与特殊，本文的一般与特殊指“一般模型”与“特殊模型”，两者的关系在计量分析的两个层面得到体现：一是始于“一般模型”的建模范式和始于“特殊模型”的建模范式，二是约化过程中“一般”与“特殊”模型的相互转化方面。
“一般模型”源于Hendry的“包含模型”[14]，始于一般模型指从包含所有可能影响变量的一般模型开始的建模范式，在不丢失任何信息的前提下，通过约化过程将复杂的一般模型约化为便于统计分析的、简单的特殊模型。而始于“特殊模型”的建模范式则相反，从包含核心因素的特殊模型开始，通过检验揭示不足之处，再通过增加可能影响因素来完善模型的建模范式。由于模型是对经济现实的表述，理论上应只有一种正确的最终模型设定，但现实中由于经济变量之间的复杂关系与模型推导过程中对统计充分性的片面追求，很可能使二者的最终模型设定相距较远。
因为很可能出现这样的情况，从特殊模型开始进行到路径的“中途”时，发现个别核心变
量已经满足了统计显著性检验的要求，而就此停下来将其作为最终模型。
计量经济学中的“特殊模型”与“一般模型”的转化，在时间序列数据建模过程中尤为突出。由于现代时间序列数据通常采用数据导向的建模方法，为保证其经济理论基础充分性对约化过程进行理论或结构约束，从其本质上来说就是将“一般模型”实施约束进而转化为“特殊模型”。再通过包容性检验来验证这一“特殊模型”的包容性，若无法通过包容性检验，则重新建立一个新的“一般模型”，再逐步约化生成新的“特殊模型”。伦敦经济学院（LondonSchoolofeconomics，LSe）方法就是“一般”与“特殊”交替进行的过程。
然而现实中由于始于“特殊模型”的建模范式更有利于迎合研究目的，更容易通过统计方法上的“努力”突显出某个或某些待研究变量的统计显著性，而成为建模实践应用中一种通用的范式。现实约化过程中，常难以做到两者的转化，而采用单纯的删减变量方式，这都为计量经济学的经济分析带来局限。
首先，现实中无法满足“一切条件不变”假定，进而造成始于“特殊模型”建模范式的经济基础的非充分性。由于现实经济错综复杂，各经济因素处于一个不断变化的、相互作用的动态过程中。若模型中包括的变量并非所有影响因素，而只是部分影响因素，并试图从这一局部来探寻整体，那么首先就要求模型包括的部分影响因素相互作用时，其他未被包括进来的因素满足“一切条件不变”假定，即经济现实满足其他变量不变的假定，但现实中其他影响因素一直是在起作用的，难以满足这一前提假定，这必然造成基于这一假定的模型估计的问题。如始于“特殊模型”建模范式下，对同一问题的研究常出现多种模型设定形式并得出多种不同结论，其主要原因就是始于“特殊模型”的建模范式的局部性与片面性。
其次，始于特殊建模范式混淆了协整方程与均衡方程。均衡方程描述经济体中所有经济变量之间长期的稳定关系，是一个整体概念，其所涉及的时间序列变量（如果样本数据是时间序列数据的话）是经济体中所有影响因素的，是完全的而不是仅仅给定的；协整方程表达的虽然也是长期均衡关系，但其描述的仅是协整方程中包含的变量关系，是局部概念，是不完整的，因而方程中的协整系数也不是变量之间关系的真实反映，因为它是不完全的回归系数。协整方程与均衡方程的关系实质上也是某种“一般”与“特殊”的问题，基于协整方程的模型也可以称之为“特殊模型”，而基于均衡方程的模型也可称之为“一般模型”，若非经过均衡方程约化得出的（根据建模目的随意设定的）协整方程，其与均衡方程是有较大偏差的，将这样的协整方程误认为均衡方程，并将其回归系数描述为潜在的真实经济关系，则是对经济现实的扭曲。
计量经济学模型方法应处理好“一般”与“特殊”的关系，对两者的不当认识与处理，会导致模型分析结论的不可靠性。这里需要注意的是完全实用主义的“特殊”，即不对现实经济做全面的观测，仅根据研究目的设立“特殊模型”，一旦通过检验就到此为止；或仅仅不能通过检验时才逐个增加解释变量，只增加到通过检验为止。这样得到的模型并不具有统计与经济上的双重意义，也使计量经济学的经济分析与科学方法相背离，并渐行渐远。
五、计量经济学的模型功用：计量经济学局限性的外在体现
当前经济危机导致的对计量经济学的重新审视，其中最具争议的就是计量经济学的模型功用。本质上来说，计量经济学模型功用的局限是计量经济学局限性的外在表现。作为一门可靠而非精确的科学，计量经济学的科学性是相对的而非绝对的，这决定了计量经济学模型也非万能的，其在理论检验、变量预测和经济结构关系表述上都有不同程度的局限性。
1计量经济学模型理论检验功用的局限
计量经济学通过对理论进行建模并通过检验模型来检验理论，模型设定是检验理论的关键。因为不论建立随机模型还是非随机模型，模型都要比待检验的理论本身更为具体。为了经验检验的足够确切（现实），总是需要对模型添加进去进一步的假设，以使其适用于特定的经济事件和数学方程[15]。如回归方程应该是线性的还是二次型，观测值中可能包含的随机误差成分，方程中可允许的误差是多少，结论的经济意义。而要解决这些问题就要为模型设定假设条件。
计量经济学的模型是由两部分构成：理论本身和为设定解释理论的方程而附加的假设[16]：①构成理论本身的一系列的行为假设，C=F（Y）。②关于上述理论表述关系的简化的行为假设：C=a+bY，其中a为正，b介于0和1之间。模型是两个系列假设的统一，经济研究是假定这两部分假设都是为真的，并通过对现实数据的应用来推导出第二个假设方程的系数。那么这里就存在两个问题：
第一，反驳一个根据理论建立的模型是否就能反驳该理论？答案是否定的。这是因为在计量经济学模型建立的过程中，建模者人为地添加了很多约束假设，这些假设与理论内涵（implication）共同构成了模型的内涵。对基于理论建立的模型的反驳，相当于对理论以及附加假设的并集进行反驳，并不能直接得出对理论的反驳，也不能证实理论为错。除非能够保证建模过程中附加的假设是绝对正确的，才能保证：反驳模型=反驳理论，但现实中有时甚至难以保证附加假设的正确性，致使这一条件很难得到满足。因此，试图通过反驳一个根据理论建立的模型来反驳理论是徒劳的。
博兰认为在对理论建立模型的同时，也建立一个与此模型完全相反的反模型，对两个模型进行检验，如果反模型不符合现实，证伪，则模型是正确的，即附加假设是正确的。
第二，检验根据一系列理论建立起来的模型是否就能检验理论？答案也是否定的，这里存在一个逻辑上的不一致性。模型是两个或两个以上理论假设的统一，这意味着逻辑上的不对称性，即一旦理论的预测被证伪，我们不知道究竟是理论本身的基本假设出现问题，即第一部分，还是附加假设出现问题，即第二部分。这挑战了建立模型就是为了检验理论的观点。如果想通过模型的经验检验证明理论是错误的，那么就要证明该理论的所有可能模型都是错误的，这和波普所说的需要“证实所有的天鹅都是白色的”[17]很类似，在逻辑上是不可能的。由于对理论建模有无数种方式，排除误差的可能性，只有每个理论建立的模型预测都导致至少一个错误结论的时候，才能证明理论本身至少一个基本假设是错误的。但由于每个特定模型都有特定的附加假设，只有通过证明所有这些附加假设都是正确的，排除第二部分是错误的可能性，才能得出第一部分，也就是理论的基本假设是错误的，但这在现实中是难以做到的。从这个角度来说，通过对理论建立模型，进而对模型经验检验来对理论进行证伪是很困难的。
2计量经济学模型变量预测功用的局限
计量经济学模型方法缘起自宏观经济的短期预测，在计量经济学的发展历程中，也不乏成功预测的例子。预测成为计量经济学模型的一个主要功用，也是判定模型的一个重要标准。但随着经济现实的复杂化，计量经济学预测的精确性受到严重质疑，显示出其模型预测功用一定程度上的局限。
首先，从其学科方法论基础上来看，计量经济学学科并非如劳森所说的寻找覆盖法则（事物之间恒定联系的规律性）的科学。计量经济学也难以达到卡特赖特所期望的构建封闭系统进而测度精确覆盖性法则的层次。而成功预测的前提与基础就是对“覆盖性的法则”的探寻，即对潜在的社会—经济结构、选择结构以及因果机制的精确法则机制的探索。计量经济学只是对经济现实中潜在的、不明显的规律的可能表达，而且即便是“不明显的规律”，也是基于样本的。预测是对于样本外的、尚未发生的经济活动进行的，这种基于样本内知识进行的样本外预测，本身就具有不确定性；同时伴随着经济现实的复杂、多变以及很多不可知因素，预测的非精确性难以避免。
其次，从学科性质上来看，计量经济学模型方法也不是探寻因果机制的精确科学方法。计量经济学是数学、统计学与经济学的结合，其对因果机制的探寻在其模型方法中是以概率或分布函数体现出来的。概率分布假定是统计分析的前提与基础，然而现实经济数据很难严格服从正态分布，因而基于正态分布假定估计出的结构关系并不是全然精确的。同时计量经济学可控实验的缺失，更加剧这种不可靠性。建立在不可靠因果机制基础上的变量关系，难免会在一定程度上影响其预测结论的准确性。
最后，从现实经验数据的非稳定性与数据生成过程的非同质性上来看，一方面，经验数据难以满足统计分析的前提假定要求，进而损害其统计充分性；另一方面，结构参数的不稳定性又进一步加剧了预测的不精确性。正是基于这一点，任何经济数学模型，包括计量经济学中用于短期预测的VaR类模型，
西姆斯（a·Sims，1980），认为为使结构方程可以识别而施加的约束是不可信的，而VaR模型可避免结构约束问题，进而提高预测的准确度。VaR模型试图通过实际经济数据而非经济理论来确定经济系统的动态结构，建模时无需提出先验理论假设，或者说它不排除任何假设，而是通过时间序列提供的信息将这些假设区分出来。VaR模型每个方程的左边是内生变量，右边是自身的滞后和其他内生变量的滞后。对于这类预测问题，都是无能为力的。这也充分说明了计量经济学模型在预测上的局限性。那么计量经济学中用于预测的VaR类
如常用的VaR模型的变形，结构VaR（SVaR），协整VaR（CVaR）等等。模型能否进行精确的宏观经济预测？从2008年金融危机对于学术界的突发性来看，答案可能是否定的。VaR类模型是数据导向性较强、经济理论导向性相对较弱的建模范式，从其模型设定层面来看，该类模型较为适用于自由经济体系。但经济现实中由于各经济体政府干预程度不同，致使模型的“外生约束”因国家、政体和时期的不同而具有较大的差异性，导致VaR类模型的适用程度各异。同时，VaR类模型的线性假定前提也一定程度上损害了其预测的精确性，因为随着时间序列时期的增加，线性假定所决定的VaR类模型走向与经济现实发展趋势的偏差会逐渐增大。这都局限了VaR类模型的预测功用。
3计量经济学模型经济结构表述功用的局限
传统计量经济学观是以逻辑实证主义为其方法论基础的，认为经济理论是先验的真实，而计量经济学模型的作用就是为先验理论决定的模型结构参数估值，
这个观点是斯潘诺斯对传统（先验的）计量经济学观点的解释，后来也用来解释早期计量经济学中的经典方法论争论，第一次是凯恩斯（1939，1940）与丁伯根（1940）之争，第二次是库普曼斯（1947，1949）与Vining（1949a，1949b）之争。这也是计量经济学结构表述功用的体现。现代计量经济学的结构表述则侧重于计量经济学的结构观，并以此为基础来看待计量经济学模型的作用与局限，本文这里主要探讨的是后者。
计量经济学的结构观是结构经验主义在计量经济学中的体现，源起自Fraassen的结构方法，结构经验主义认为科学描述的是结构而非其领域的内容。计量经济学语境下，结构是“对经济机制进行直接特征描述的不变特征集”[18]，而这种不变特征是由参数表述的。经验模型中，结构观用于表述经济“框架”下的一种恒久性观点。要求在样本信息集扩大、时期延展、政策体系变更以及新信息源增加的情况下，结构参数都保持稳定不变。因此，结构的理念是就稳定性与不变性来理解的，在这一结构观下，计量经济学的经济结构表述局限就较为明显。
首先，经验观测数据难以满足结构模型所界定的结构参数的时间稳定性（样本时期延长）、体系稳定性（经济体系变更）以及样本稳定性（样本信息集扩充）。对于时间稳定性与体系稳定性问题，界内的探讨已经较为成熟，早在1939年凯恩斯就提出了计量经济学模型结构参数的非稳定性问题，这也正是“卢卡斯批判”所揭示的思想。对于样本稳定性问题，这里要说明的是，若要在样本信息集变更的情况下保证参数的稳定性，则对观测数据具有较高的要求，即样本数据要满足数据生成过程的同质性，因为统计分析是基于“平均”理念的。由于现实经验数据很难保证观测数据生成过程的同质，因此，对于结构参数保持不变的三个前提条件，现实应用研究中都难以得到满足。
其次，计量经济学的经验模型难以保证与现实世界的一致性，因而很难对经济结构进行准确的表述。计量经济学建模过程中，从理论模型（可能机制）到可估计的经验模型的转化过程也是非正式的。计量经济学经验模型假定数据必须是由某些基本的概率分布所产生的，这样才能对数据生成过程进行进一步的分析，在模型中用数据来对现实进行表述。上文已指出，现实中的经验数据很难完全满足模型所假定的概率分布条件，这样就难以避免其所带来的经验模型统计分析充分性上的局限，进而造成计量经济学模型方法估计结果与经济现实的差距。
最后，计量经济学模型难以对DGp过程进行结构性的表述。约化理论与一般到特殊的方法同样面临着真实数据生成过程的不可知性问题。更进一步，约化理论本身也很难解释清楚经验模型如何在具体层面影射可观测到部分的数据生成过程，而转化、边缘化和因式分解后得到经验模型的过程也忽略掉了一些变量，难以表述完整、可观测部分的数据生成过程，发生了进一步的数据损失。另一方面，从认识论上来说，DGp过程本身就是不可知的，其复杂性与不可知性使计量经济学经验模型对真实、完整的数据生成过程的表述成为不可能，而仅能对DGp中可观测、可度量部分进行局部表述，也就是局部DGp（LDGp）。可见，计量经济学的结构表述难以达到精确、完全的层次，其经验模型对经济结构的表述所能达到的最高层次就是类似，这也是计量经济学模型难以避免的内在局限性。
六、结论与未来研究空间展望
计量经济学是一门相对的科学，其概率统计学科基础以及其表述语言、模型方法论基础决定了其优势所在也是其局限所在：
①计量经济学经验实证模型语言经济学表述的非充分性，体现在其对价值判断理念计量化及其对自然语言取代问题方面。
②计量经济学度量精确数量关系的局限性，体现在计量经济学基于概率的随机检验的不对称性与非确定性，概率约化方法中推断的非确定性以及建立统计充分性的难度层面。
③模型过程方法论基础不平衡的局限，体现为其对归纳与演绎、检验与发现、“特殊”与“一般”三个关系处理的不平衡。
④计量经济学模型理论检验、变量预测和结构关系描述功能上的局限，其实质是计量经济学的非精确性、科学的相对性的外在表现。
本文对计量经济学局限性的思考是计量经济学学科性质基础研究的一部分，关于计量经济学的基础研究涉及到其理论基础、学科基础和方法论基础等，未来在以下几个方面还应进一步延展与纵深：
第一，现代计量经济学理论与研究方法层面。纵观计量经济学的发展历程，每次理论与方法的范式革命都源起于其对当时经济危机处理的无力，如20世纪70年代的石油危机引发的计量经济学反思。鉴于当前的经济危机仍在进行中，学术界关于现代计量经济学的争论仍在继续，也就意味着未来一个阶段计量经济学理论与研究方法可能处于范式变革阶段，如何获得计量经济学理论与应用研究的实质性进步是个重要课题。
第二，计量经济学方法论基础研究层面。计量经济学以科学化经济研究为目标，其每一阶段的发展都体现了科学哲学界定的科学标准，现代科学哲学的多样化发展、科学标准的多元化表现，也必然会为计量经济学的发展走向提供多维空间。
第三，关于计量经济学自身研究方法体系方面。计量经济学目前的研究方法体系庞杂，以教科书研究范式为主其他各种方法体系为辅，各有优势与弊端。如何综合当前计量经济学方法体系中的各个派系，发展出一个科学、系统，能最大程度发挥计量经济学科学性的研究范式是未来的研究目标。
第四，关于计量经济学概率统计基础的研究。计量经济学研究方法体系以概率统计为其数理基础，如何正确、合宜地应用统计与概率方法，最大限度提高计量经济学应用研究的科学性与精确性，是计量经济学与数学两个领域应共同探讨的问题。
第五，关于现代计量经济学的经济学基础方面的研究。由于现代经济学统一理论体系缺位，很难为现代计量经济学提供一个一致的、系统的经济学基础。当前计量经济学的建模范式虽几经转换却仍处于探寻阶段，加之计量经济学本身的非精确性与局限性，必然导致当前计量经济学应用研究中存在一些问题。如何为计量经济学建立一致的、系统的经济学理论框架，不仅仅是计量经济学理论界要解决的问题，也是经济学理论界要解决的问题。
参考文献：
[1]Keynes，Jmprofessortinbergen’smethod＼[J]theeconomicJournal，1939，49（4）：558-568
[2]Lawson，ttheCurrenteconomicCrisis：itsnatureandtheCourseofacademiceconomics＼[J]CambridgeJournalofeconomics，2009，33（4）：759-777
[3]Juselius，KtimetoRejecttheprivilegingofeconomictheoryoverempiricalevidence？aReplytoLawson＼[R]workingpapers09-16，UniversityofCopenhagen，economicsDepartment，2009
[4]Colander，Dtheeconomicsprofession，theFinancialCrisis，andmethod＼[R]middleburyCollegeworkingpaperSeries1038，middleburyCollege，Departmentofeconomics，2010
[5]Kevin，DHCausalStructureandHierarchiesofmodel＼[R]workingpapers11-01，DukeUniversity，Departmentofeconomics，2011
[6]Hendry，DFeconometrics：alchemyorScience？＼[m]oxford：oxfordUniversitypress，2000387-406
[7]李子奈计量经济学模型方法的若干问题＼[J]经济学动态，2007，（10）：22-30
[8]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
[9]Roger，enewDirectionsineconomicmethodology＼[m]Routledge：Backhouse，199486-90
[10]Robert，DaCatechism：mathematicsinSocialSciences＼[J]ReviewofeconomicsandStatistics，1954，36（4）：374-377
[11]Spanos，aStatisticalFoundationsofFconometricmodelling[m]Cambridge：CambridgeUniversitypress，1986660
[12]Spanos，aRevisitingDatamining：HuntingwithorwithoutaLicense＼[J]theJournalofeconomicmethodology，2000，（7）：231-264
[13]李子奈关于计量经济学模型方法的思考＼[J]中国社会科学，2010，（2）：69-83
[14]Hendry，DFDynamiceconometrics＼[m]oxford：oxfordUniversitypress，1995239-295
[15]mayo，DGnovelevidenceandSeveretests＼[J]philosophyofScience，1991，58（4）：523-552
[16]Boland，LmodelSpecificationsandStochasticismineconomicmethodology＼[J]SouthafricanJournalofeconomics，1977，45（2）：182-189
计量经济学和统计学篇8
手能力的高级应用型人才，计量经济学作为经济学门类中的方法论科学，在财经类应用型人才培养中具有重要作用，本文指出了应用型本科高校中计量经济学教学改革存在的问题，并提出了相应的解决方案。
关键词：应用型人才计量经济学教学方法实验教学
进入20世纪80年代以后，国际高教界逐渐形成了一股新的潮流，那就是普遍重视实践教学、强化应用型人才培养。国内的诸多高校近年也纷纷在教育教学改革的探索中注重实践环境的强化，因为人们已越来越清醒地认识到，实践教学是培养学生实践能力和创新能力的重要环节，也是提高学生社会职业素养和就业竞争力的重要途径。安徽科技学院作为安徽省首批应用型本科建设试点高校，近年来一直重视对学生实践能力的培养，以提高学生创新能力和应用能力为指导思想进行教学改革。计量经济学作为安徽科技学院经济类人才培养的核心课程之一，是应用型教学改革的重点。
计量经济学作为经济学类各专业的核心课程之一，在经济学科中的地位和重要性不言而喻。近年来国内一些主流权威期刊如《经济研究》、《管理世界》等均对向其投稿的文章要求定量分析与定性分析相结合，注重计量建模等实证分析在经济问题研究中的作用。这一现象提升了计量经济学在教学和科研中的地位，有利于促进计量经济学教学的发展，使学生更加认识到了计量经济学的重要性。
计量经济学作为经济学、数学、统计学的交叉学科，除了对经济学基本理论要有所了解外，更重要的是要拥有扎实的数学功底，尤其是对数理统计知识的掌握，对学好计量经济学十分关键。正是由于计量经济学大量运用数学推算、数学模型，使得很多学生尤其是数学功底较差的文科生，在刚刚接触还没有深入学习计量经济学时，就已经对其产生了畏惧心理。在计量经济学的教学过程中，笔者感受到很多学生由于害怕数学，对计量经济学这门课的学习兴趣不高，在学习过程中存在死记硬背的现象，不能够理解计量经济学的实质，导致其在运用计量经济学进行论文写作过程中出现了大量的错误和不规范。围绕安徽科技学院应用型本科高校建设对课程教学的要求，笔者在此结合自己的实际教学工作经验，讨论目前的计量经济学课程在应用型人才培养中存在的问题，并提出相应的建议。
1应用型本科高校计量经济学教学存在的问题
1.1先修课程缺位，学生基础知识掌握的不扎实计量经济学的基础是数学与统计学，经济理论只是运用计量经济学进行具体经济问题研究的理论知识，对计量经济学的思想及模型的推导及回归结果的检验都是数学、数理统计学的知识，因此在学习计量经济学之前，学生必须要掌握高等数学、线性代数、概率论与数理统计，统计学等知识。这些课程的难度系数较高，要学完上述的有的课程至少需要三个学期，但是当前应用型高校建设的一个方向是压缩理论课的学时，提高应用型实践课程所占的比重。安徽科技学院在财经类应用型人才培养方案对教学进行的改革中，为了减少理论课在四年中的比重，将高等数学、线性代数与概率论的教学全部放在大一学年，只用了一个半学期的学时，不仅加重了学生的课业负担，而且由于课程难度大，学生无法牢固掌握这些知识。计量经济学放在了第二学年上半学期，并且与统计学同时进行，在计量教学过程中学生对于统计量的分布和假设检验的理论背景也无法理解，这不仅增加了授课教师的教学压力，而且从一开始就使学生对计量经济学抱有畏惧的心理，也容易使学生产生厌学心理。
1.2缺少适合应用性人才培养的教材计量经济学作为现代经济学分支，引入国内的时间较晚，在全国财经类专业普遍推广的时间也不足十年，所以早期的计量经济教材大多为国外翻译本和移植本。由于国外经济学理论很早就已经十分数理化，国外经济学专业人才的选拔也注重学生的数理分析的功底，这与国内的差别很大（国内经济学专业在很长时期内只招收数学功底差的文科生）。因此国外计量经济学教材主要是介绍计量经济学的方法论，以理论推算为主，这对于国内本科生的学习压力很大。近年来国内学者出版了不少自己编写的计量经济学教材，但是现存的教材还是包含了太多的数学与统计学知识，过多的侧重数学推导，给学生的感觉更像是一门数学课，而不是一门经济学课。缺少案例的计量经济学教材，使得学生在学习过程中只是一头扎进了大量的数学理论模型之中，不能将所学的知识进行适当的运用，解决不了实际问题，对于安徽科技学院这样的以建设应用型本科为人才培养目标的高校，现有的计量经济学教材显然不符合要求。安徽科技学院财经类专业自开设以后一直以招收文科生为主，现有的计量经济学教材过多注重数学理论，缺少案例分析的现状使得学生在学习过程中普遍感到难度较大。
1.3注重课堂理论教学，缺少实验教学环节目前国内各高校的计量经济学教学活动，大多以课堂的理论教学为主，教师在进行计量经济学讲授时主要是介绍计量经济学的理论推导。然而计量经济学是一门应用性很强的学科，在教学过程中不仅要求学生掌握数学和统计学的理论知识，更需要学生有实际操作的能力。尤其是像安徽科技学院这样以应用型人材为培养目标的高校，更应该在计量经济学的教学过程中加强实验环节的教学。但是由于受到学校硬件设施的限制，安徽科技学院一直没有开展大范围计量经济学的实验教学，学生在学习了计量经济学的估计方法之后，没有实际进行相关的软件操作，因而不能够将所学的理论应用到解决实际问题的环节之中，理论和实践的脱节使得培养学生动手能力和创新能力的目标无法实现，应用型人材培养目标建设无从谈起。
1.4师资力量缺乏计量经济学作为一门年轻的学科，在国内普及时间较晚，由于早期的国内经济学教育主要以政治经济学为主，研究方法以定性为主，所以目前各高校中教学经验丰富的老教师，多数都没有接受过系统性的数理经济方面的培训，承担计量经济学教学工作的以中青年教师为主。在高校招生扩张之后，又出现了新增专业的扩张，经济学相关专业是学生报考的热门，各高校争相开设，学生人数和专业数目的增加，造成了承担计量经济学教学的师资力量缺乏。目前承担计量经济学授课的要么是纯粹数学背景而无经济学知识的教师，要么是数学基础薄弱的接受过现代经济学教育的经济学专业教师。既有良好的数学功底，又有丰富的经济学理论功底的计量经济学专业教师匮乏。像安徽科技学院这样的地方本科院校面临的人才缺乏问题更加严重。
2应用型本科高校计量经济学教学改革的几点建议
2.1应用型人才培养改革要做好相关课程的协调和配合安徽科技学院应用型高校建设的课程改革将大量的课程安排在大二，就计量经济学而言，最适合开设的时间是大三，在学生学完高等数学、概率论与数理统计、线性代数、统计学、宏微观经济学的基础上进行。同时，增加高等数学、概率论与数理统计、线性代数的教学课时，分不同学期开设，只有这样才能让学生牢固掌握好数学理论基础，为以后学好经济学服务。
2.2针对应用型人才培养目标，合理定位计量经济学教学内容应用型本科高校的目标是培养适合社会发展需要，具有较强的动手能力和实践能力的创新型人才。根据这一目标定位，应当合理安排计量经济学的教学内容，在教学内容的广度和深度上有舍有取。在教学过程中由浅入深，将各单元连结起来，尽量将理论推导背后的思想传达给学生，减少数学推导过程在课堂中占用的时间。这样既可以让学生明白理论的由来，以指导学生将理论用于实际问题的分析，又可以减少学生因过多的数学推导而产生的畏惧心理。在每章学习结束后，都用一个案例将整章的内容加以总结和运用，既加深学生对所学理论知识的理解，又让学生掌握了如何运用所学知识。
2.3针对应用型人才培养目标进行实验教学，提高学生的动手能力应用型人才培养的重要目标就是让学生具有动手能力，因此，在计量经济学的教学中，必须进行实验教学，理论与实践相互结合，相辅相成，是计量经济学在应用型财经人才培养过程中不可或缺的。在理论课与实验课的安排上，应做好规划，避免理论课与实验课的脱离，如在理论课全部结束后开设实验或者进行了大部分后开设。应将理论课与实验课有机结合，每结束一章的理论教学就安排一场实验教学，这样既可以加深学生对所学理论的了解，又避免了学生因时间长而遗忘所学理论。
2.4做好人才引进工作，加强对现有教师的培训针对全国高校计量经济学专业教教师缺乏的现状，地方高校在人才引进过程中面临的困难更大。要求地方高校一方面要加强自身的软件和硬件建设，努力创造更好的条件在人才引进中占得先机，同时还要提供发展平台留住人才；另一方面，要做好对现有的内部教师的培训，计量经济学作为一门新兴学科，更新发展迅速，要求任课教师不断更新所学知识，提高自己的理论水平，跟踪学术前沿，因此，学校应该利用假期，选派任课教师到相关机构进行计量经济学培训，提高本校教师的计量经济学理论和学术水平。
参考文献：
[1]王立平，王健.计量经济学实验教学模式改革研究[J].山西财经大学学报，高等教育版，2006（12）.
[2]俞培果，高翔.本科学生计量经济学教学中若干问题的探讨[J].西南科技大学学报，2004（12）.
计量经济学和统计学篇9
【关键词】统计观点计量经济学“决定论”观点萨缪尔森说“二战后的经济学是计量经济学的时代”。在大多数大学和学院中，计量经济学的讲授已经成为经济学课表中最有权威的一部分。但大多数学经济的人认为计量经济学难学，它是统计学、经济理论和数学三者的有机结合。学习的意义何在?本文试从计量经济学认识世界的方式和给予我们的人生启示，叙述其魅力所在。
一、两种世界观
1.“决定论”的观点
我们生活的这个宇宙本质上是什么样的呢?在怎样运转?是有序的、有规律的，还是无序的、杂乱无章的?这种运转能否为我们的智慧所认识?牛顿、爱因斯坦等最伟大的自然科学家相信，这个世界是按照某种秩序规则运行的，并用自己的理论为之做出了证明。自然科学家们关于宇宙的这种信念不可避免地影响到了从事社会科学研究的思想家们，其中也包括经济学家。亚当斯密把这种自然科学的有序世界的观点应用到人类社会里，认为是人的自利动机维持着一个“和谐的经济系统”。这种认为人类经济社会本身能“完美和谐”运转的信念直接导致了大家对政府干预经济的效果的质疑，让人们认为政府的人为干预只会使市场混乱，使其本身的机制失效。
2.统计观点
消费函数c=a+by，其中a是自发消费，y是可支配收入，b是边际消费倾向。这个函数说明，居民的消费量将精确地取决于可支配收入、自发消费和边际消费倾向。函数关系是一种确定性的关系。但是，这种关于居民消费的断言在现实中毫无疑问会被质疑，居民的消费量是不确定的，受很多随机因素的影响，比如自制力、心情等，有着一定的概率分布。前者(变量之间是确定性关系)是“决定论”的观点，后者(变量之间是不确定性关系)是统计观点，正是这种观点，打破了原来思想家们头脑中的有序结构。
二、两种观点的矛盾统一
让人迷惑的是，当我们在利用统计方法的时候，却得出了一些几乎完全可靠的定律。统计总体越是偶然、紊乱，就越能更好地表现出统计规律和必然性。比如，我们对于学生考试成绩的统计发现，如果样本足够大，成绩分布将会呈现正态分布，且人数越多，成绩就越呈现标准正态分布。某些看起来无迹可寻的东西，似乎又都可以找到规律—某种稳定的关系。那么，决定论和统计观点之间又有什么差别呢?其实，差别仅在于，统计观点认为不存在绝对的定律，任何所谓的定律其实都是有着某种概率的“可能的”情形，没有什么事情是确定无疑的。各种情况都有可能发生，只不过以不同的概率。
但充满不确定性的世界并非就无法认识，我们能够在“决定论”和“统计观点”之间架起一座桥梁。那就是：我们相信，我们可以得到一些定律，这些定律是对某些事情本质的一种最好近似。或者说，这个世界会从无序走向某种程度上的有序。而经济领域的统计定律的发现，就是计量经济学的任务了。
三、计量经济学的任务
计量经济学就是为了在这个随机的世界中探讨统计性规律。因为只要得到了这个规律，我们就可以在某种程度上认识这个世界，虽然这种认识不会是完全的。人们对于这个世界的认识永远是不会完全的，而只能根据部分“样本”来推断这个世界的整体状况。由样本对整体进行推断正是计量经济学的主要方法。回归分析技术帮助我们进行这样的推断。
1.回归与相关
“回归”一词最早来源于生物学。英国生物统计学家高尔顿，根据1078对父子身高的散布图发现，虽然身材高的父母比身材矮的父母倾向于有高的孩子，但就平均而言，身材高大的其子要比其自身矮些，身材矮小的其子要比其自身高些，这种遗传上身高趋于一般、“退化到平庸”的现象，高尔顿称作回归。
现代意义上的回归是指一个解释变量与对应的被解释变量之间的统计关系。在统计学中，回归和相关是两个极容易混淆的概念。在回归分析中，变量之间的关系是不平等的，有解释与被解释之分，而在相关分析中的变量地位相等且都是随机变量，回归分析中的解释变量可以是非随机变量。
2.计量经济学与统计学的分歧
统计资料表明，订牛奶人的死亡率高于不订牛奶人的死亡率。这是否意味着牛奶对身体有害呢?不是，只是由于订牛奶的人大多是老弱病残者，老弱病残才是死亡率高的原因。再比如，这也经常被用来反驳统计结论，一个国家的经济繁荣的情况可能和这个国家一个时期的太阳黑子出现的情况存在一种相关关系，但是这种相关关系同样不能作为人们行动的指导。
在这个问题的区分上，就是计量经济学和统计学之间的分歧了。计量经济学讨论的是回归关系，是试图根据某些变量来估计另一个变量。这种估计依赖于两个量之间存在的理论上的联系。而相关关系则充斥着统计学的各个方面，毕竟事物是普遍联系的。
3.计量经济学用数据说话
认识世界的本质要通过对现象的分析，有两种分析方式：一种是对现象直接进行操作。便捷简单，但是对天赋的要求非常高。但仁者见仁，智者见智，得出的结论可能广受争议。另一种方式则是对现象的属性——数据来进行操作。过程中要遵循严格的科学方法。计量经济学用的是这种方法。因为是用数据说话，可能争议较少。但是对数据的质量的要求很高。不过，数据的质量可以通过统计手段和统计工具的完善加以解决。
四、计量经济学的智慧与我们的人生
我们永远不知道下一个时段会遇到什么，未来似乎是随机的、紊乱的、偶然的和无序的。但这种无序和紊乱最终会走向有序。用计量经济学的说法，我们会从这些紊乱偶然的样本中得到一个回归方程——我们的人生轨迹。虽然对这个轨迹的认识只可能是后验的，我们不可能在这人生的每一个阶段之前就得出一个回归轨迹作为我们人生的预测，但这种观念启示我们：不必对发生在自己身上的事情耿耿于怀，不必抱怨似乎不公的待遇。老子早有劝言“祸兮，福之所倚；福兮，祸之所伏。”孟子有言“天将降大任于斯人也，必先苦其心志，劳其筋骨，饿其体肤，空乏其身，行拂乱其所为”。人生的轨迹在某些年里需要紊乱和无序，根据计量经济学的思想，越是紊乱和无序的样本，就越容易得出稳定的统计定律——一条稳定的人生轨迹。人物传记里的人生大多起起伏伏，他们可能做过记者，参过军，当过演员，看起来和其最终的路径有很大的背离，可是这些背离最终回归到这条路径上，甚至可以说是这些背离的经历为为他们最终的那条路打下了基础。也许正是每个阶段的紊乱和无序最终造成了他们稳定的人生轨迹。
一条稳定的人生轨迹，依照计量经济学的理念，要求样本——我们的人生经历足够大。因此，我们要主动追求人生，要勇于尝试，要勤于行动，因为，主动追求、付出行动才会有发现有惊喜有奇遇。消极和封闭的人生态度不利于扩大自己的人生经历样本，样本不具有变异性，就难以得出好的回归方程。
参考文献：
[1]贾俊平，何晓群，金勇进.统计学.中国人民大学出版社.
计量经济学和统计学篇10
关键词：计量经济学；认知程度；课程论文；调查分析
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.
[6]武以敏.统计学专业计量经济学教学改革研究[J].滁州学院学报,2012(05):103-104.