一、模型类型设定对数据的依赖性

    正确地提出可供证实或证伪的假说，即计量经济学理论模型，是十分重要的。对该理论模型进行检验的依据是表征已经发生的经济活动的数据，那么相对于不同类型的数据，应该设定不同类型的理论模型，该理论模型是可以通过经验数据获得证实或证伪的，即模型类型设定对数据存在依赖性。否则，经验检验的数学基础、统计学基础和逻辑学基础将被破坏。

    用于宏观和微观计量经济分析的数据分为三类：截面数据、时间序列数据和平行数据。建立的模型应当根据不同的数据采取不同的模型。

    二、经典模型总体设定的先验理论导向

    当模型类型以数据为基础被决定后，首先需要进行模型总体设定。模型总体设定的实际过程将主要包括三个部分：一是围绕被解释变量，界定影响因素集，并进行有效分解，得到显著恒常因素集、显著偶然因素集与非显著因素集，将显著恒常因素作为解释变量。二是确定被解释变量和解释变量的函数形式与在该函数形式下的关系参数。三是确定随机扰动项的概率分布特性和相应的概率分布参数。最终得到待估总体模型。

    经典计量经济学模型是基于截面数据建构的。经济理论可以被认为是嵌入计量经济学的，相对经验数据而言具有先验性，因此经典计量经济学模型通常被认为是先验理论导向的。

    以先验理论导向实现的模型总体设定，至少存在以下问题。第一，对于同一个研究对象，不同的研究者依据不同的先验理论，就会设定不同的模型。第二，模型具有结构关系不变性。第三，破坏了模型随机扰动项的“源生性”，随机扰动项可能违背Gauss-Markov假设和正态性假设。进而建立在这些假设基础上的统计推断不具有可靠性。

    三、时间序列分析模型的数据导向

    从总体原型的自然属性来看，有两种基本总体原型：一是静态的总体原型，主要是经济因素之间不随时间演变的静态平衡结构，力图揭示经济系统的平衡关系法则，对应的总体是不随时间变化的静态随机分布，通常利用截面数据来估计总体模型参数。二是动态的总体原型，主要是持续演变的经济因素之间的动态平衡结构，力图揭示经济系统的演变法则，对应的总体是在时间维度上持续发生的随机过程，通常利用时间序列数据来估计总体模型参数。

    尽管基于截面数据的经典模型同样要面临先验理论与经济现实的脱节，而被迫更多地转而依赖数据关系，但由于时间序列数据的非平稳性和序列相关性，从时间序列的计量分析可以更清楚地看到计量经济学从先验理论导向转向数据关系导向的逻辑和现实需要。

    对时间序列的非平稳性的识别与处理就构成了数据关系转向的主要内容；在非平稳随机过程之间，建立恒常的数据关系，成为数据关系导向中时间序列分析的主要目标。

    四、模型总体设定的关系论导向

    对计量经济学模型总体设定的讨论，必须首先回答两个问题。第一，要确定的是经济主体内在的本质意义的属性，还是经济主体之间的关系意义的属性。第二，要确定的是主体之间的动力学关系，还是作为主体经济活动结果的经济变量之间的数据关系。

    实上，无论先验理论导向，还是数据关系导向，计量经济学模型总体设定所忽视的正是经济主体之间的动力学关系。

    基于主体行为的动力学关系，可以完成先验理论导向和数据关系导向的综合。

    五、模型变量设定的相对性

    正如一个动力学系统中包括状态变量和控制变量一样，任何经济系统，大到国家宏观经济系统，小到个人对某种商品的需求行为，都可以将其中的变量分为状态变量和控制变量两类。凡是经济变量，都是状态变量，都是由系统的数据生成过程生成的，因此它们都是随机的和内生的。

    无论从先验理论出发，还是数据出发，都没有将确定和随机、内生和外生作为变量本身的固有特性，即认为模型变量设定具有相对性，相对于研究的经济系统，相对于模型系统中特定的参数，相对于不同的应用目标，给予变量确定和随机、内生和外生的界定。

    计量经济学模型的研究范式要求对变量的设定首先做出假定，然后再进行经验检验，也发展了各种统计检验方法。假定是从先验理论出发做出的，统计检验是从数据出发的，二者似乎在这里得到了完美的结合。但是，由于统计检验本质上只能证伪，不能证实。实际上，没有被证伪的假定就被接受了，先验的知识世界仍然在变量设定中发挥了主导作用，错误的频频发生就不足为奇了。

    六、模型随机扰动项的源生性

    随机扰动项在计量经济学模型中占据特别重要的地位，也是计量经济学模型区别于其他经济数学模型的主要特征。如前面所讨论的，将影响被解释变量的因素集进行有效分解，无数非显著因素对被解释变量的影响用一个随机扰动项表示，并引入模型。显然，随机扰动项具有源生性。在基于随机抽样的截面数据的经典计量经济学模型中，这个源生的随机扰动项满足Gauss假设和服从正态分布。

    在大部分计量经济学教科书中，在第一次引入随机扰动项的概念时，都将它定义为“被解释变量观测值与它的期望值之间的离差”，并且将它与随机误差项等同。一个“源生”的随机扰动项变成了一个“衍生”的误差。而且在解释它的具体内容时，一般都在“无数非显著因素对被解释变量的影响”之外，加上诸如“变量观测值的观测误差的影响”“模型关系的设定误差的影响”等。

    将“源生”的随机扰动变成“衍生”的误差，有许多理由可以为此辩解。如果不对数据生成过程的理论结构做出假定，即进行模型总体设定，就无从开始模型研究。但不幸的是，相对于物理学，经济学家对经济现实所知较少，模型总体被研究者有限的知识所确定，因此误差在所难免，只能将总体原型方程的误差项设定为衍生性的。

    问题在于，关于随机扰动项的Gauss假设，以及一般未包括于Gauss假设之中的正态性假设，都是基于“源生”的随机扰动而成立的。如果存在模型设定误差、变量观测误差等确定性误差，并将它们归入“随机误差项”，那么它很难满足这些基本假设，进而进行的统计推断就缺少了基础。补救的方法是检验，对于实际应用模型的随机误差项进行是否满足基本假设的检验，其中最重要的正态性检验。但是，在实际上，人们最容易忽视的正是最重要的正态性检验。为什么？一方面是主观上的，认为正态性是由中心极限定理所保证的，无须检验。另一方面是客观上的，如果进行了正态性检验，而检验表明确实不满足正态性假设，又能怎么样？要么放弃研究，要么视而不见。

    七、假设检验的不对称性

    在计量经济学模型方法体系中，假设检验是最具经济意义和应用价值的方法之一，因而被广泛应用。正确理解假设检验的不对称性，是十分重要的。假设检验的不对称性包括三个方面，一是证伪和证实的不对称性，属于逻辑学范畴；二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；三是统计意义和经济意义的不对称性，属于经济学范畴。

    在经济学范畴上，假设检验的命题具有明确的经济学意义。例如所谓“变量是显著的”，表明该变量对被解释变量具有恒常的显著的影响，它在所研究的经济主体动力学体系中是不可忽略的。而假设检验方法，是基于数据的统计学方法。变量在统计学上显著，在经济学上并不一定显著；而在经济学上显著，在统计学上一定显著。这里也存在着不对称性。经济学命题必须通过统计学检验，通过统计学检验的命题在经济学上并不一定成立。忽视经济主体动力学关系的分析，夸大统计学假设检验的功能，是一类常犯的错误。

    八、计量经济学模型应用的适用性和局限性

    所有类型的计量经济学模型，就其应用功能来讲，无非是四个方面：结构分析、经济预测、政策评价和理论检验。不同的应用目的对模型及模型方法论基础有不同的要求，不可能建立一个能够适用于所有应用目的的模型。经济预测不应该成为计量经济学模型的主要应用领域。诚然，计量经济学模型作为一类经济数学模型，是从用于经济预测，特别是短期预测而发展起来的。从计量经济学模型的方法论基础可以看到，“计量经济学并不企图发现覆盖性的法则，只是试图寻找不明显的规律”（K.D.Hoover，1997），而成功的预测所依赖的必须是“覆盖性的法则”。

    相对于具有“绝对性”要求的经济预测，计量经济学模型对于具有“相对性”要求的政策评价，更有用武之地。应用计量经济学模型只能得到随机性结论。试图得到确定性的结论，是计量经济学模型方法论所不能够的，也是不科学的。目前的计量经济学应用研究论文中，充满着对研究结论的确定性陈述，研究者为自己制造了陷阱，带来了被动，也是没有正确理解计量经济学模型方法论基础的表现。

    最后必须重申，计量经济学应用模型的总体设定，即经济系统的主体动力学关系分析，不是理论经济学的任务，而是计量经济学的任务。一项计量经济学应用研究课题，或者一篇计量经济学应用研究论文，必须将大部分工作或者大部分篇幅放在模型的总体设定方面，否则研究课题是不可能成功的，研究论文也是没有人愿意阅读的。

    （节选自《计量经济学模型方法论的若干问题》，原文载于《经济学动态》，作者李子奈）