大数据时代计量经济学发展展望.docVIP

　　大数据时代计量经济学发展展望 　　计量经济学家建立经济理论或模型，目的就是解释这些经验特征事实，下面是小编搜集整理的一篇探究计量经济学发展的论文范文，欢迎阅读查看。 　　计量经济学已成为我国高校经济管理类学科本科和研究生必修的核心理论课程之一，并在我国经济学界越来越受到关注，正可谓经济学界的宠儿,引领经济学的研究方向。任何计量经济学研究都离不开高质量的数据。然而对计量经济学学者来讲，数据都是观测数据而非实验数据，很难得到大而全、高质量的数据，导致模型拟合存在天生缺陷。经济理论或模型作为对复杂现实经济的简化抽象，只能刻画主要的或重要的经济因素。而实际观测到的数据却是由许多因素共同作用的结果，其中，有些因素是未知的或不可观测的，或者没有包括在经济模型中，因此反映不出它们的影响。数据搜集困难导致数据不全、质量不高，加之计量模型假设过于苛刻和模型的过度拟合等缺陷致使处理结果缺乏可信度和实用性，因此当下计量经济学研究价值也饱受争议。自然科学中很多学科，如物理学，能够精确地把握物体运动规律和预测物体运动变化，一个重要原因是所研究的物理系统在相当长的一段时间内不具有时变性。经济系统则有很大不同，经济发展是一个不可逆或不可重复的动态过程，经济关系和经济系统也常常发生时变和结构性变化。 　　大数据概念炙手可热：随着互联网的发展，大数据有着强大的数据采集能力，且数据的采集具有实时性;大数据处理和数据建模都有专业的大数据团队来完成;计算机本身拥有强大的计算、分析和处理能力，计算机没有失误(除非程序本身错误)、不存在偏见和丰富的感情色彩。大数据使得不论是在数据的采集、数据的挖掘、数据的处理和数据建模等方面都有了质的飞跃，然而大数据能否弥补计量经济学的局限?在哪些方面、多大程度上弥补?大数据又将给计量经济学带来哪些影响和冲击? 　　一、计量经济学的局限性 　　(一)数据 　　1.数据的搜集 　　计量经济学研究的成功离不开全面、高质量的数据。然而，全面、高质量的数据离不开高水平的数据采集。因为受数据采集的工具、采集的条件和采集人员的失误等因素的限制，导致经济数据可能存在测量误差，数据很难满足高质量、全面、准确的要求，且经济学学者搜集到的原始经济数据几乎都已经过工作人员的处理，工作人员在数据统计时难免带有偏见和盲点，无论预测人员带有什么偏见和盲点，这些偏见和盲点都可能会被复制到他的计算机程序中，加之工作人员的偷懒和难以避免的失误等人为因素，都会使得采集的数据存在失真可能，数据经过多重的辗转反侧和多级的蹂躏才到达研究者手中。一些经济变量数据缺失，也使得经济理论研究数据缺乏完整性，给计量经济学研究带来阻碍。 　　同时经济数据的获得存在严重的时滞现象，时滞也使得数据的使用价值和统计计量研究价值黯然失色。如美国劳工统计局的人员每个月公布(CPI)，联邦政府为了得到相关数据，要雇佣很多人向全美90个城市的商店、办公室打电话、发传真甚至登门拜访。然而采集到的各种各样的数据信息达80000种，政府要采集这些数据每年大概需要花费两亿五千万美元。这些数据是精确的也是有序的，然而从数据的搜集到到达统计计量经济学者手中再到结果的公布会滞后数周。2008年的经济危机表明，这种滞后是致命的。对于计量经济学学者来说，所使用的数据时间跨度更大，要求披满厚厚灰尘的数据有左右未来经济的能力，未免力不从心，数据的过于陈旧，也使得计量经济学模型频繁遭遇滑铁卢。 　　2.数据的处理 　　对于搜集到的数据，作为数据的应用方--经济学学者只能被动接受。建模者通常面对的是观测数据而非实验数据。这对计量经济学中的经验建模有两方面的重要含义。首先，要求建模者掌握与分析实验数据极为不同的技巧其次，数据搜集者与分析者的分离要求建模者十分熟悉所用数据的性质和结构。 　　因而经济学学者只能凭借个人经验等手段屏蔽自己眼中的噪声--对数据进行加减乘除等各项处理(微观经济数据推宏观经济数据尤为如此)。在对数据进行处理时，受制于分析能力和技术条件的限制，经济学学者对搜集到的数据(尤其超大型数据)很难进行再处理，或者进行简单的处理，乃至不处理;即使处理也是根据学者要求进行，按照经验来看，所有人都有各自的信仰和偏见--这种信仰和偏见是由个人的阅历、价值观、知识、涵养、政治立场或者专业背景等因素凝聚而成，处理的数据也很难给出公正合理的结果;计量经济学学者在数据选择时可能存在样本的选择偏差，数据与经济模型中的变量的定义可能不相符或贴合度过低;因为过分追求模型的精确性，学者常常以特别数据严重偏离曲线为正当理由对数据进行抹杀;数据处理时细分维度低、无精细的数据，使得曲线过度拟合风险增加，且原始数据很难二次细分，也给数据的应用带来阻碍;宏观经济数据大都由微观经济数据简单的加减乘除得来，这种处理可能是应用两个或者多个低相关度的微观数