计量经济学研究经济问题。它使用数据和统计方法。研究者收集经济数据。这些数据包括价格和数量。数据可以是时间序列数据。时间序列数据按时间排列。数据也可以是横截面数据。横截面数据在同一时间点收集。面板数据结合了时间序列和横截面数据。面板数据跟踪相同对象在不同时间的变化。

研究者先有一个经济想法。这个想法来自经济理论。经济理论解释人的行为。理论提出变量之间的关系。例如需求理论。需求理论说价格影响需求量。价格上升需求量下降。研究者将这个理论转化为数学公式。数学公式表达变量关系。公式包含因变量和自变量。因变量是被解释的变量。自变量是解释变量。公式还包含参数。参数衡量自变量对因变量的影响。例如需求方程。需求量是因变量。价格是自变量。参数表示价格变化对需求量的影响大小。

研究者需要考虑其他因素。其他因素也会影响需求量。例如消费者收入。收入变化影响需求。研究者将这些因素加入公式。公式变成多元方程。方程包含多个自变量。每个自变量有一个参数。参数表示该因素的影响。研究者必须考虑所有重要因素。忽略重要因素会导致错误。这种错误叫做遗漏变量偏差。遗漏变量偏差使估计结果不可靠。

研究者需要为公式添加误差项。误差项代表未知因素。未知因素影响因变量但未被观测。误差项也包含测量误差。测量误差是数据记录的错误。误差项是随机的。研究者假设误差项服从某种分布。通常假设误差项服从正态分布。正态分布是对称的钟形曲线。

研究者现在有计量模型。模型是待估计的数学方程。模型需要估计参数。参数值未知。研究者使用数据估计参数。估计参数需要合适的方法。最常用的方法是普通最小二乘法。普通最小二乘法寻找最佳拟合线。最佳拟合线使误差平方和最小。误差是实际值与预测值之差。预测值来自模型方程。普通最小二乘法计算简单。它提供参数的估计值。估计值接近真实参数。这需要一些条件成立。这些条件是经典假设。

经典假设有几个要点。误差项均值为零。自变量与误差项不相关。自变量之间没有完全线性关系。误差项方差恒定。误差项之间不相关。这些假设保证普通最小二乘法估计是最好的。如果假设不成立，估计可能有问题。

现实数据常常不满足假设。研究者需要检查假设。检查方法包括统计检验。统计检验判断假设是否成立。如果假设不成立，研究者需要补救。补救措施包括更换估计方法。

例如误差项方差可能变化。这种情况叫异方差。异方差存在时普通最小二乘法估计效率降低。研究者使用稳健标准误。稳健标准误纠正异方差的影响。这样假设检验仍然有效。

另一个问题是自相关。自相关指误差项相关。时间序列数据常有自相关。自相关使标准误估计偏小。这导致假设检验出错。研究者使用自相关稳健标准误。这种方法纠正自相关的影响。

自变量可能测量有误差。测量误差导致估计偏差。偏差方向不确定。研究者寻找工具变量。工具变量与自变量相关。工具变量与误差项不相关。工具变量替代有误差的自变量。工具变量法得到一致估计。

自变量可能与误差项相关。这种情况叫内生性。内生性来源很多。遗漏变量导致内生性。双向因果关系导致内生性。测量误差导致内生性。内生性使普通最小二乘法估计有偏。研究者需要解决内生性。工具变量法是常用方法。工具变量需要有效。有效工具变量不易找到。

研究者还需要处理因果关系。经济学关注因果关系。相关关系不是因果关系。两个变量相关可能因为第三个变量。因果关系需要更严格的证据。自然实验提供因果关系证据。自然实验是外部事件。外部事件影响某些个体。其他个体不受影响。受影响的个体组成处理组。未受影响的个体组成控制组。比较两组结果得到处理效应。处理效应是因果效应。

双重差分法利用自然实验。双重差分法比较处理组和控制组。比较实验前后变化。处理组前后变化减去控制组前后变化。这个差值就是处理效应。双重差分法需要平行趋势假设。平行趋势假设实验前两组趋势相同。

断点回归设计是另一种方法。断点回归利用一个临界点。临界点决定个体是否接受处理。临界点附近个体相似。比较临界点两侧个体得到处理效应。断点回归需要个体不能操控临界点。

匹配方法也用于因果关系。匹配方法为处理组个体寻找相似控制组个体。相似性基于观测特征。匹配后比较两组结果。匹配方法假设所有重要特征都被观测。这个假设可能不成立。

面板数据有优势。面板数据包含个体和时间维度。面板数据可以控制个体固定效应。个体固定效应是不随时间变化的个体特征。个体固定效应可能影响因变量。控制个体固定效应减少遗漏变量偏差。面板数据也可以控制时间固定效应。时间固定效应是影响所有个体的时间因素。控制时间固定效应提高估计准确性。

面板数据模型需要选择估计方法。固定效应模型控制个体特征。随机效应模型假设个体特征与自变量不相关。豪斯曼检验帮助选择模型。豪斯曼检验比较固定效应和随机效应估计。如果检验显著，选择固定效应模型。

时间序列数据需要特别处理。时间序列数据可能非平稳。非平稳时间序列有趋势。趋势导致伪回归。伪回归显示存在关系但实际上没有。研究者需要检验平稳性。单位根检验检查平稳性。如果序列非平稳，需要差分。差分使序列平稳。平稳序列可以建立模型。

时间序列模型包括自回归模型。自回归模型用过去值预测当前值。移动平均模型用过去误差预测当前值。自回归移动平均模型结合两者。向量自回归模型处理多个时间序列。向量自回归模型让所有变量相互影响。

模型设定需要谨慎。模型设定错误导致错误结论。研究者根据理论设定模型。模型应包括重要变量。模型函数形式应正确。线性关系可能不合适。非线性关系更符合实际。研究者检验函数形式。残差分析帮助发现非线性。如果存在非线性，加入平方项或使用非线性模型。

模型估计后需要评估。评估包括检验显著性。t检验检验单个参数是否为零。F检验检验多个参数是否同时为零。p值帮助判断结果。p值小于显著性水平则参数显著。显著性水平通常设为百分之五。

模型还需要检验拟合优度。R平方衡量模型解释变异比例。R平方介于零和一之间。R平方越高模型拟合越好。但R平方增加可能因为增加变量。调整R平方惩罚变量增加。调整R平方更可靠。

模型预测能力很重要。样本外预测检验预测能力。样本外预测使用未参与估计的数据。预测误差小则模型预测能力强。

计量研究必须报告结果。结果包括参数估计值。结果包括标准误。标准误衡量估计精度。结果包括显著性星号。星号表示显著性水平。结果有时需要稳健性检验。稳健性检验使用不同方法或数据。如果结果不变，结论更可靠。

计量研究是逐步的过程。从理论到模型。从数据到估计。从检验到结论。每个步骤都要仔细。错误可能发生在任何步骤。研究者需要耐心和细心。计量工具帮助理解经济世界。好的计量研究提供可靠证据。证据支持经济决策。