如何用计量经济学作实证分析.

广泛收集参考文献，决定计划的目的和范畴：

决定所要解释的现象是什么？

决定所要检验的假设或理论是什么？

决定所要预测的趋势是什么？

决定所要评估的政策是什么？

建构实证计量模型；

除研读相应的经济理论之外，应比较三至五篇有实证分析之文献中的实证计量模型：

确认计量模型中解释变数和应变数之间的因果关系(causality)；

厘清各模型的共同及优缺点，思考改进文献中现存模型的可能；

最后决定实证计量模型雏形；

初步调查是否有相关的资料，若无则实证模型设计的再好也无用。

收集相关资料；

对数据的精确性一定要严格查核，对错假漏数据要仔细修正；

使用电子表格软体对资料列表绘图，以验证数据的逻辑合理性，对不合理的数值要有所处理；

不论要用的是横断面数据或是时间数列，数据数目越多越好，追踪数据(Panel Data)尤佳；

对资料数值作一些整理，表列各种基本统计量(样本平均值、变异数、变量间的样本相关系数等)、变量之间的两两交互列表、做一些初步图解分析。

计量方法的执行：

计量方法不应太简单(例如只做到最简单的 OLS)，但也不必过于复杂，应针对问题采用恰到好处的计量方法。若采用了比较复杂的计量方法，则要说明为什么简单的方法不适合。计量方法的好坏不在其复杂程度，而在于它是否能够帮我们得到正确的估计值，以了解数据中所包含的真正信息。

除了估计值以及对应的 t 检定外外，也可做一些 F 检定之对多个系数的假设检定。

回归模型的设定，尤其是解释变量的取舍，可在估计过程中不断的修正。对应变量和解释变量均可尝试诸如对数、指数、幂函数等不同的转换。这些转换方式的决定，以经济理论上的考虑最为重要，不能单只为了提高模型的配适，而盲目的做一些不合理的变量转换。

选取解释变量时，应有如下的考虑：

解释变量和应变量之间的因果关系一定要正确，也就是说，解释变量是原因在先，应变量是结果在后，有一定的先后顺序。尤其要注意，有些变量数值的产生很可能是和应变量同时决定的，或是因果关系不很明确(也就是说，相对于应变量而言，这些变量是内生的)，则在选取这些变量作为解释变量时，便要非常小心。解释变量的内生问题常常是研究被批评的主要原因；

要注意解释变量的同构型，不能不分青红皂白的将一大堆彼此相关性很高的变量(包括相同变量的不同转换、或是几个变数间的各种交乘项)放进回归式内，造成严重的线性重合问题；

经济理论所牵涉到的变量常常是无法观察到的，因此在做实证研究时必须采用替代变量(Proxy)，研究者要对所选用之替代变数的合理性详加说明。由于数据总有些缺失，常有人在束手无策之下，采用了很多匪夷所思的替代变数；虚拟变量的定义要清楚而合理，使用要小心；要探讨解释变量不足、观察值有误差等数据缺失所可能造成的计量问题。

横断面数据要注意干扰项不均齐变异(Heteroscedasticity)的问题，时间数列的数据则要注意干扰项自我相关(Autocorrelation)的问题。要确定时间数列的稳定性(Stationarity)，若有季节变动也要加以处理。

模型的稳定性要注意，可能需要诸如 Chow Test 或 CumSum Test 的检验。

若用到 MLE 或 GMM 等非线性计算，则在撰写报告时要对数值方法的细节，诸如统计软件及数值方法的名称、起始值之选取、收敛速度、是否产生区域解(local solution)、收敛条件的设定等，均需有所说明。

若实证模型中有多个应变量(和对应之方程式)值得同时分析，则可考虑采用 Seeming unrelated regression 甚至联立回归模型等系统模型，以更有效的利用各回归式之间的相关性。

报告的写作：

首页：报告题目，作者名字，系所，学号，日期。

摘要：对全文宗旨作一简单描述，并简述文章的目的是对经济结构的分析，还是对未来趋势的预测，还是对政策的评估；然后简单介绍所使用的模型及变量，数据的种类及来源，所估计的模型，所采用的计量方法；最后以最主要的实证结果为终结。

绪论：说明研究的性质、范围和目的，并从不同角度或一个比较宽广的视野(历史、社会、文献、问题严重性等)来解释研究的重要性。

文献回顾：对和主题有直接和间接关系的文献做一个简单清楚有系统的回顾，和主题有直接关系但有不同结果的文献，更是要有比较完整的解释。

模型设定：模型有理论模型和实证模型两类。理论模型是从经济理论中直接导出，而实证模型则是从理论模型衍申出来，是要实际以资料来估计的。理论模型通常需以数学推导，因此文章中可列出一些关键的数式以帮助理论的阐述，但不应长篇累牍的堆积只有间接关系的数式。实证模型通常是以回归模型的形式表示，对模型中所涉及的变量均须给与明确的定义，对解释变量和应变量之间的关系要详尽的说明，也要解释对模型中主要系数(或由这些系数所导出之弹性、乘数