经济模型导言.docx
《经济模型导言.docx》由会员分享,可在线阅读,更多相关《经济模型导言.docx(13页珍藏版)》请在冰豆网上搜索。
经济模型导言
经济模型导言
第一节经济模型概念
平时我们经常谈到模型,如几何模型、楼房模型、工程模型、军事模型、计算机模拟模型、经济模型等等。
模型是一个比较宽泛的概念,这里我们仅研究经济模型。
所谓经济模型就是对某种经济现象或经济规律的一种表现形式。
表示经济现象或经济规律大体上有三种形式:
用语言表述、用图形表示和用数学式子表示。
因此,根据表现形式的不同,经济模型可分为:
语言模型、图形模型和经济数学模型。
其中经济数学模型又可分为理论模型、经济计量模型和数量模型。
下面我们看某一种农产品的市场局部均衡模型。
某一种农产品市场有许多生产者(供给者)和消费者(需求者)。
在这一市场中,我们把全部生产者提供的这种农产品的数量之和称为市场供给量;全部消费者的需求量之和称为市场需求量。
供给量的多少不仅取决于这种农产品的价格,还取决于生产要素的价格指数,即供给量与价格成正相关,与生产要素的价格指数负相关。
需求量多少不仅取决于价格的高低(与价格负相关),而且也取决于消费者的收入水平(与收入水平正相关)。
当市场的供给量与需求量相等时市场处于均衡,这时的交易量为均衡交易量,价格为均衡价格。
以上所述就是这种农产品的市场局部均衡模型,是一种语言模型。
该模型可以用图表示,称为图形模型。
如图1.1.1所示:
PS
P*
D
0Q*Q
图1.1.1某种农产品的供给与需求
这里横轴Q表示农产品的数量,纵轴P表示价格。
图中S是该农产品的供给曲线,D是需求曲线,和上面语言模型的表述相一致,供给曲线斜率是正的,表示供给量与价格正相关;需求曲线的斜率是负的,表示需求量与价格负相关。
供给曲线与需求曲线的交点E表示供需均衡,Q*为均衡交易量,P*为均衡价格。
由此可以看出图形模型比语言模型更为直观。
该模型用数学式子表示:
Qd=a0+a1P+a2Y
Qs=b0+b1P+b2R
Qd=QS(1.1.1)
式中,Qd、Qs表示这种农产品的市场需求量和供给量,P表示价格,Y表示消费者的收入水平,R表示生产要素的价格指数。
第一个方程是需求方程式,a1<0,a2>0;第二方程是供给方程式,b1>0,b2<0;第三个方程式表示市场处于均衡。
这三个方程联合在一起,即模型(1.1.1),表示了该种农产品的市场局部均衡。
模型(1.1.1)称作理论模型。
对于模型(1.1.1)的需求方程,影响需求量Qd的因素除了价格P,消费者的收入水平Y之外,还有其它一些因素(包括随机因素),在需求方程右边加上随机项ε;同样在供给方程的右边加上随机项μ,则模型(1.1.1)为
Qd=a0+a1P+a2Y+ε
Qs=b0+b1P+b2Y+μ
Qd=Qs(1.1.2)
模型(1.1.2)为经济计量模型
若给定了该农产品交易量、价格、消费者收入水平、投入要素价格指数的一组样本数据,对模型(1.1.2)的参数进行估计,可得出相应的数量模型,如:
Qd=95.06-6.1054P+2.7133Y
Qs=480.29+13.4933P-5.5050R
Qd=Qs(1.1.3)
对模型(1.1.3)求解(这里Y和R是外生变量,假定值已给定),可得到市场的均衡价格和交易量。
对所要研究的经济问题进行分析所使用的模型是数量模型。
本书所研究的经济模型主要是指第三种,即数量经济模型。
第二节选择和建立经济模型
建立经济模型的目的是为了分析和研究经济问题,因此模型必须能够尽量全面、正确的反映经济问题。
如何选择和建立经济模型,必须具备两个方面:
一方面是对所研究的经济问题的现有假说、理论要有所了解,尤其是已提出的理论模型和有关研究成果;另一方面,对实际问题的熟悉,掌握所要研究问题的特点和对样本的分析。
如研究目前我国居民的消费问题。
首先要考虑经济学家对消费问题研究的已有理论,如凯恩斯绝对收入假定、杜生贝利的相对收入假定、费里德曼的持久收入假定和莫迪利安尼的生命周期假定等,及每种假定的条件和理论模型。
然后分析我国居民消费行为的特点,选择生命周期假定,并用储蓄余额表示资产存量,建立我国农村居民的消费函数模型①(经济计量模型)
Ct=a0+a1Yt+a2St+εt(1.2.1)
式中C为农村居民人均年消费额,Y为人均年纯收入,S为年底人均储蓄余额。
利用1985-2002年样本资料估计模型参数,得出如下数量模型。
(1.2.2)
对于选择和建立经济模型大体上应注意以下两个问题。
1、正确选择模型形式
首先,应明确我们所要研究的问题。
这个问题是属于生产问题,需求问题,或是经济增长问题,消费问题,投资问题;是微观经济问题或是宏观经济问题。
对于每种问题经济学家都进行了详细研究,已有许多研究成果,提出了不同情况下的多种生产函数,需求函数,消费函数,投资函数等理论模型。
这些已有的理论模型可供我们研究问题时借鉴,但不可机械地套用。
因为每种模型都是从某一个侧面,针对一些假设条件提出的。
况且有些模型还要受到经济发展的制约。
因此,我们选择模型时,一方面要注意我们研究问题的侧重点;另一方面也要注意经济的发展和情况的变化。
如我们要研究某一地区城镇居民消费需求结构及其变化趋势。
这是一个对不同商品的需求问题,我们马上就会考虑到经济学对需求问题的研究,需求函数和需求分析。
不仅有多种需求函数形式,有线性的和非线性的,而且有单一需求方程模型和需求方程系统模型,即是需求方程系统模型又有线性支出系统模型、扩展线性支出系统模型等。
因此,在我们选择理论模型时,要从我们研究的目标出发,既然要研究商品需求结构问题,就要建立需求方程系统模型。
又由于利用的是截面数据资料,故选择扩展线性支出系统模型,在本书第二章的举例中我们将给予详细介绍。
再如,前面我们所谈到的要建立我国居民消费函数模型。
经济学对消费问题的研究提出了多种理论假定,每种假定都有其所需要的条件和所适应的具体情况。
研究我国居民消费,若限定在改革开放之前,凯恩斯绝对收入假定比较适合,可建立消费依赖于绝对收入的函数模型;若是目前的情况下,可建立如(1.2.1)所示的消费函数模型。
①参看李子奈、潘文卿编著《计量经济学》(第二版),第262页,高等教育出版社,2005年。
其次,建立理论模型还必须建立在实证分析的基础上。
因为我们所建立的理论模型必须能够很好的解释过去,尤其是历史的统计数据。
这就要求我们利用样本资料对模型参数进行估计之后,能通过对模型的检验(包括假设检验和计量经济学检验),如不能通过检验,说明我们建立的模型与历史事实不符,需要作进一步的修改。
往往经过多次修改,才确定下最终的模型。
同时,利用样本确定模型的数学形式。
确定模型的数学形式不仅根据经济理论和已有的研究成果,往往有时还要根据变量之间的样本数据作出解解释变量与被解释变量之间关系的散点图,由散点图所表示出的变量之间的函数关系来确定模型的数学形式。
如研究我国厂丝出口问题①,以Xt表示我国第t年厂丝出口量,Qwt表示第t年世界厂丝出口总量,Pt表示我国第t年厂丝出口价格,Pwt表示第t年世界厂丝价格。
我国厂丝出口价格P和世界厂丝出口价格Pw是高度相关的,因而lnP和lnPw之间也高度相关,如果建立双对数线性回归模型
InX=a0+a1lnP+a2lnPw+a3lnQw
则产生多重共线。
对于给定的历史数据(时间序列样本数据)作X对我国厂丝出口价格P与世界厂丝出口价格Pw的相对价格
的散点图,及X对Qw的散点图,可建立如下模型
(1.2.3)
写成双对数形式
(1.2.4)
2、确定模型所包含的变量
选择和建立理论模型往往与确定模型中所包含的变量是同时进行的。
如研究生产问题,经过分析选定Cobb-Dougtos生产函数
Q=AKαLβ(1.2.5)
式中,Q表示产出,K表示资本,L表示劳动,A表示技术。
模型(1.2.5)是单方程模型。
单方程模型变量分作因变量(被解释变量)和自变量(解释变量),以下我们不再说自变量和因变量,则说解释变量和被解释变量。
解释变
①参看张保法编著《经济计量学》(第五版),第173页,经济科学出版社,2006年。
量与被解释变量是一种因果关系,解释变量是“因”,被解释变量是“果”。
被解释变量往往是我们研究的主要对象,解释变量是影响被解释变量的主要因素。
如上面我们研究的生产问题,产出是我们研究的主要对象,产出是被解释变量,影响产出的主要因素构成模型的解释变量,在这里是资本、劳动、技术。
有时模型中还要引入滞后变量、政策变量和一些虚拟变量作为解释变量。
对联立方程模型,问题比较复杂,模型中变量很多,可分为内生变量与外生变量,内生变量是我们研究的主要对象。
如第一节模型(1.1.1)中,供给量Qs、需求量Qd和价格P是内生变量;消费者的收入水平Y和生产要素的价格指数R是外生变量。
外生变量对内生变量产生影响。
在每一个结构方程中作为解释变量的不仅有外生变量,而且往往还有内生变量。
如模型(1.1.1)的第一个方程,消费者的收入水平Y是外生变量作为了解释变量,价格P是内生变量也作了解释变量。
在选取变量时必须注意数据的可得性。
因为我们要对模型的参数进行估计,所以要求模型的变量必须容易取得样本数据,往往要求变量必须属于相应的统计指标体系内,有可靠的数据来源。
如果必须引入个别对被解变量有重要影响的政策变量和其它一些虚拟变量,则应采取赋值的方法确定其样本值。
第三节样本数据问题
正如上节所指出的要对模型(经济计量模型)的参数进行估计,并检验模型设定的显著性,必须要有完整的、模型变量的样本数据。
样本数据是我们对经济问题进行数量分析的依据,对样本数据进行研究,可以根据其特点把样本数据分作三类:
时间序列数据、横截面数据和扳块数据。
一、时间序列数据
时间序列数据是按照时间先后的顺序,比如按年度、季节、月份或日期排列的数据。
如研究一个地区的居民储蓄问题,影响储蓄的主要因素是居民的收入水平,这就需要收入水平与储蓄量的年度时间序列数据。
在利用时间序列数据作样本时应注意以下几个问题:
第一,样本区间内的数据必须与经济行为一致。
如研究我国城居民消费问题,建立我国城镇居民消费函数模型,正如第二节模型(1.2.1)所指出的,我们可以选择城镇居民的收入和储蓄(平均收入和平均储蓄)作为解释变量。
利用时间序列数据作样本时,只能选择20世纪80年代后期以来的数据。
因为80年代后期以来我国逐步建立社会主义市场经济,消费品市场已开始由卖方市场转向买方市场,人们的消费行为可以说已逐步完全由收入和储蓄(资产存量)来决定。
可是20世纪80年代中期以前,我国基本上还处在计划经济时代,市场短缺,不符合模型所表示的消费行为,因此80年代中期以前的时间序列数据不适合该模型。
第二,样本数据之间要具有可比性。
经济变量的时间序列数据既可以用实物单位表示,如研究生产问题,投入的劳动(L)可以用职工人数表示;也可以用价值单位表示,如产出和资本投入可以用多少万元(或亿元)表示。
经济变量的时间序列数据用价值单位表示,包含了价格因素。
由于同一实物在不同的年份价格是不同的,这就要求样本数据在不同时点上需具有可比性。
因为时间序列的统计数据是按当年价统计的,就需要利用价格指数换算为不变价表示,这样不同期才具有了可比性。
第三,样本数据不可过于集中。
如果经济变量在某一时间区间变化很缓慢,反映在时间序列数据上就比较集中在某个值附近,利用这种数据建立模型,就很难反映出变量之间的长期关系。
第四,数据的表示必须具有实际意义。
时间序列数据是选取年度数据、季度数据或月份数据,要根据具体问题而定,使数据既符合研究问题的要求,又具有实际意义。
研究居民的储蓄与收入问题,如果所跨的时间区间比较大,可用年度数据;如果时间区间比较小,也可用季度或月份数据。
但对有些问题,季度或月份数据的变化没有什么实际意义。
比如出口,每个月出口值一般不是平均分布的。
再比如农业生产,季节性决定了不可能每个月都有产出。
这样如果我们用月份数据就失去了实际意义。
二、横截面数据
横截面数据是在同一时间横向截面上的一批调查数据。
例如,人口普查数据,工业普查数据,家计调查数据等。
这些数据往往是由统计部门提供,但对许多具体问题可由研究者进行调查获取,例如对某城市不同行业的100家企业销售收入的调查。
利用横截面数据作为经济模型的样本数据,应注意以下几个问题:
第一,样本与总体应具有一致性。
经济模型是对总体经济行为和经济关系的描述。
我们不可能知道,且也不必要知道各经济变量的总体取值情况,而是利用总体的一个样本对模型的参数进行估计,和对模型的假定进行检验。
如研究一个地区当前(比如2006年)工业生产问题,我们可选用Coob-Dougtos生产函数作为这一时期的工业生产函数,反映这一地区2006年工业生产的整体情况。
我们不可能,也没必要去全面了解这一地区所有工业企业(比如10000家)的产出、资金投入和劳动投入。
而只能选一部分样本企业,比如30家,进行调查获得截面数据。
这就出现一个问题,这30家样本企业应具有代表性,应能反映总体。
这里存在一个随机抽样问题,随机抽样可分作单纯随机抽样,分层随机抽样和分群随机抽样,只有随机抽样得到的样本才能保证与总体的一致性。
但有时,完全以随机抽样获得横截面数据实现不了。
例如,研究居民消费问题,前面我们已经指出,居民消费主要受居民收入和储蓄的影响,当我们调查居民储蓄时,有些家庭可能会拒绝调查,因此完全做到随机抽取样本也是不现实的。
第二,利用横截面数据作样本,容易使模型的随机项产生异方差。
这在经济计量学中已有详细的论述。
例如,利用横截面样本数据研究企业生产问题,建立Coob-Dougtos生产函数模型(经济计量模型)
这里Y表示产出,K表示资本,L表示劳动,u表示了包括不同企业的设备在设计上、工艺上的区别,技术熟练程度和管理上的差别等其它因素。
这些因素在小企业之间差别不大,而在大企业之间,这些差别就相当大了,这就说明利用横截面样本数据使随机项u产生了异方差性。
对于异方差问题可按照经济计量学方法解决。
三、扳块数据
扳块数据也叫混合截面数据,是指那些既是横截面样本又包括许多年份(季度或月份)的数据。
例如,河南省各省辖市(18个省辖市)2002年到2004年每年的生产投入和产出资料可视作一组扳块数据。
当我们选取的横截面样本比较小时,往往由几个年份的数据合在一起组成扳块数据。
把不同年份的横截面数据合在一起,通常是分析一项新的政策实施后,政策影响的有效方法。
因为调查获得的数据是政策实施之前和之后的数据,反映了政策对经济的影响。
对于混合截面数据的分析与前面横截面数据的分析类似,这里就不再重复了。
不同之处在于,前者体现了时间的变化,即对于变量在不同时间的现实差异作出了解释。
第四节经济模型的应用
前面二节我们简要介绍了经济模型的建立和样本数据的搜集,接着就要对模型参数进行估计,和对理论模型的检验(包括假设检验和经济计量检验),这是经济计量学(理论经济计量学)研究的问题,这里不再介绍。
如果模型通过了检验,我们的目的就是利用经济模型(主要是估计了参数的数量模型)对经济问题进行研究,即经济模型的应用。
利用模型对经济问题的研究已成为经济研究的重要方法。
经济模型不仅能够表述经济理论,更主要是在经济结构分析,经济预测,经济政策评价方面有着重要应用。
一、经济结构分析
经济结构分析是对经济现象中变量之间相互关系的研究,它不同于人们通常所说产业结构、产品结构、消费结构和投资结构等的结构分析。
如产业结构分析主要是分析三次产业的结构比例,农业,工业和第三产业内各产业的结构比例等。
这里的经济结构分析是指当一个变量或几个变量变化时会对其它变量以至经济系统产生什么样的影响。
从这个意义上讲,我们平时所说的对经济系统的定量研究,其实就是经济结构分析。
经济结构分析包括比较静态学分析、弹性分析和乘数分析。
1、比较静态学分析
比较静态学分析就是对一个经济系统的两个不同均衡状态进行对比分析。
为了进行对比,我们总是一开始就假定一个已知的初始均衡状态,当一个外生变量(或滞后内生变量)或参数值发生变动而其它情况不变时,初始均衡状态被破坏,调整各内生变量使出现新的均衡状态。
比较静态学分析不考虑初始均衡状态到新的均衡状态这种调整变化过程,而是分析由初始均衡状态到新的均衡状态外生变量(或滞后内生变量)或参数的变动对内生变量产生的影响。
实质上这是一个求变化率的问题,即内生变量均衡值的变化对外生变量(或内生滞后变量)或参数变化的比率,可使用数学中的偏导数解决此问题。
例如给定供给需求模型
S=a0+a1P+a2T+u1
D=b0+b1P+b2I+u2
S=D=Q(1.4.1)
式中,S是供给量,D是需求量,P是价格,T是技术水平,I是收入水平,其模型相应的简化型为
P=π1+π2T+π3I+v1
Q=π4+π5T+π6I+v2(1.4.2)
利用给定的样本得出简化型估计式为
=-19.65+0.28T+0.14I
=215.03-1.71T+1.87I(1.4.3)
由(1.4.3)式的第一个方程对I求偏导数得
这就是价格随着人们收入水平的变化而变化的情况。
2、弹性分析
通常把结构分析的比较静态学方法以弹性的形式表示是比较方便的。
比较静态分析表示的是内生变量对于某一外生变量的绝对变化比率,这种方法的缺点是受变量量纲的限制,不同的外生变量对同一个内生变量,或不同的外生变量对不同的内生变量的影响缺少可比性。
为解决这一问题,我们采用内生变量对于某一外变量的相对变化比率,这就是用弹性表示。
对于单方程模型来说弹性就是某一个解释变量变动百分之一时,被解释变量变动的百分比。
如对于模型(1.2.1),消费对收入的弹性
给定C和Y的某一现期值,即可求出ε来。
对于方程系统来说弹性就是在其它情况不变时,只有一个外生变量变动百分之一时,所引起现期某个内生变量变动的百分比。
对于模型(1.4.3),市场需求量(交易量)Q对人们收入水平的弹性
若给定Q和I的现期值:
I=35,Q=70,则ε=0.935。
3、乘数分析
所谓乘数,就是对一个经济系统来说,某一个外生变量的绝对增加带来另一个内生变量绝对增加的倍数。
由于乘数直接度量了外生变量对内生变量的影响,通常人们也称为影响乘数。
乘数分作短期乘数、累计中期乘数和长期乘数。
所谓短期乘数就是外生变量的现期值的变化对内生变量的现期值的影响;累计中期乘数就是外生变量过去t-1期和现期的连续变化累计对内生变量现期值的影响,或外生变量现期和今后t-1期的连续变化累计对内生变量第t-1期值的影响;当t→∞时,累计中期乘数就是长期乘数。
比如给定简单的Keynesian模型
Ct=a0+a1Yt+u1t
It=b0+b1Yt+b2Yt-1+u2t
Yt=Ct+It+Gt(1.4.4)
式中,Y表示国民收入,C表示消费,I表示投资,G表示政府支出。
对简化型方程
(1.4.5)
求得估计式
(1.4.6)
政府支出Gt对Yt的影响乘数(短期乘数)
它表示现值政府支出增加一个单位,国民收入增加5.754单位。
可求得长期乘数的公式为
长期=
(1.4.7)
将π1=5.754,π2=0.387代入(1.4.7)式,得到长期乘数为9.387。
它表示政府支出每年都增加1个单位,对未来国民收入的影响,国民收入未来将增加9.387个单位。
二、经济预测
利用经济模型(数量经济模型)进行预测是利用经济模型进行经济研究的主要目的之一,而且也是经济预测的主要方法之一。
目前我国的许多经济预测,尤其宏观经济预测大都是采用经济计量模型的方法进行。
如果建立的是单一方程经济计量模型,只须将解释变量的给定值(或估计值)代入相应的回归方程(数量经济模型)即可。
如第二节的模型(1.2.1),假定人均年纯收入Y=2800元,年底人均储蓄余额S=2000元,代入回归方程(1.2.2),可得人均年消费预测值约为2054元。
如果建立的是联立方程模型,要对内生变量的未来值进行预测,则需要导出相应的简化型方程,利用样本值估计出简化型参数后,利用简化型方程进行预测。
如对于前面简单的Keynesian模型(1.4.4),由简化型方程的估计式(1.4.6)得出内生变量Y(国民收入)的预测式为
将Gt+1的未来值
和Yt值代入上式,即可得国民收入t+1期的预测值。
三、政策评价
政策评价是经济模型应用的一个最终目的。
对于决策者来说,就是要从一系列可供选择的许多不同的政策方案中选取一个最优的政策方案予以执行,因此就需要对不同的政策方案的可能后果进行评价对比,从而作出选择,这就是政策评价。
政策评价与预测紧密的联系在一起,因为预测把有关政策的假定作为条件之一;与此相反,政策评价是以对供选择的各种政策方案的可能后果的预测作为部分根据进行评比。
因此政策评价和预测是在一个反馈系统中紧密相联的两个方面。
政策评价可分为短政策评价和长期政策评价。
短期政策评价是根据直到时期t-1为止的过去时期的情况,对现在时期t的政策进行评价;长期政策评价是对时期t到时期t+h为止的各个时期t,t+1,…,t+h的政策进行评价。
这里我们只讨论短期政策评价,其方法可以推广到长期的政策评价中去。
假设变量R为决策者选择的政策变量,短期的政策评价就是对现期t的政策变量的各个数值进行评价。
即是利用已经估计出参数值的经济计量模型,对各种可供选择的政策方案的评价。
政策评价有几种方法,如工具一目标法,最优控制法和模拟法等。
最常用的是模拟法。
模拟法是用代表各种不同政策方案的政策变量的不同数值,代入已经估计出参数值的模型中,计算作为因变量的内生变量的各种不同数值,来模拟该模型所代表的经济体系的运行,从而选出最优的政策方案。