计量经济学理论/计量经济学方法

计量经济学家如何分析经济理论？需要的是一种方法论，即逐步的步骤。这与其他社会科学类似。

理论

一个理论应该有一个预测。在统计学和计量经济学中，我们也谈论假设。一个例子是凯恩斯提出的边际消费倾向（MPC）。其他例子可能包括减税会增加增长，或者可能增加经济不平等，以及引入共同货币对贸易有积极影响。

这就是代数发挥作用的地方。我们需要使用数学技能来生成一个方程。假设一个理论预测更多的教育会提高工资。用经济学术语来说，我们说受教育的回报是正的。方程式是

$Y=\beta _{1}+\beta _{2}X$ ,

其中 Y 是工资的变量， $\beta _{1}$ 是一个常数， $\beta _{2}$ 是教育的系数，而 X 是教育的衡量指标，即在校年数。我们也称 $\beta _{1}$ 为截距， $\beta _{2}$ 为斜率系数。

通常，我们期望 $\beta _{1}$ 和 $\beta _{2}$ 都是正的。

在这里，我们假设数学模型是正确的，但我们需要考虑到它可能并非如此。我们在上面的方程中添加一个误差项u。它也被称为随机（随机）变量。它代表其他影响 Y 的无法量化或未知因素。它还代表可能进入数据的误差测量。计量经济学方程式为

$Y=\beta _{1}+\beta _{2}X+u$ 。误差项被假定为遵循某种统计分布。这在以后会很重要。

我们需要上述变量的数据。这可以从政府统计机构和其他来源获得。如今，大量数据也可以在互联网上收集。但是，我们需要学习从不断增长的海量数据中找到合适数据的技巧。

在这里，我们量化 $\beta _{1}$ 和 $\beta _{2}$ ，即我们获得数值估计。这是通过一种称为回归分析的统计技术完成的。

现在我们回到我们有经济理论的部分。预测是教育对工资有益。计量经济模型是否支持这一假设。我们在这里做的是统计推断（假设检验）。从技术上讲， $\beta _{2}$ 系数应该大于 0

如果教育对工资有积极影响（接受假设）。

如果假设检验结果为阳性，即理论被认为是正确的，我们可以通过**预测**教育水平的值来**预测**工资的值。例如，一个人多读一年书能赚多少钱？如果 X 变量是受教育年限，则 $\beta _{2}$ 系数给出了问题的答案。

最后，如果理论看起来合理，并且经济计量模型没有被假设检验否定，我们可以继续将理论用于政策建议。如果你的理论真的很棒，那你可能就能获得诺贝尔经济学奖。

Gujarati, D.N. (2003). Basic Econometrics, International Edition - 4th ed. McGraw-Hill Higher Education. pp. 3–13. ISBN 0-07-112342-3.