第1章计量经济学的性质与经济数据第一章讨论的是计量经济学的研究领域，并提出在应用计量经济方法过程所遇到的一般问题。
第1.3节考查了商业、经济学和其他社会科学中所使用的数据集的种类。
第1.4节对社会科学中的因果性推断的困难进行了直观讨论。
1.1什么是计量经济学设想州政府雇佣了你，要求你对公共机构的在职培训项目的效果进行评价。
假设这个项目是培训工人在生产过程中使用计算机的各种方法。
为期二十周的培训都是在工人的非工作时间进行。
任何一个按小时计酬的生产工人都可以根据自愿参加全部或部分培训。
你要决定培训项目对每个工人随后的小时工资有何影响。
现在假设你为一家投资银行工作，并准备研究涉及到美国短期国库券的各种不同投资战略的回报，看看它们是否与经济理论的含义相一致。
回答这种问题的任务初看起来让人胆怯。
就此看来，你对需要搜集的数据类型只有模糊的认识。
在学完这本计量经济学入门教程后，你应该知道，如何用计量模型去规范地评价一个在职培训项目，或检验一个简单的计量经济理论。
计量经济学对经济关系的估计、对经济理论的检验、以及对政府和商业政策的评价和实施，都取决于统计方法的进步。
计量经济学最常见的应用就是对诸如利率、通货膨胀率和国内生产总值等重要宏观经济变量的预测。
尽管对经济指标的预测随处可见而又广为流传，但计量经济方法也可用于那些与宏观经济预测无关的经济领域。
比如，我们可以研究在政治竞争中支出对投票结果的影响，还可以考虑学校支出对教育领域学生表现的影响。
此外，我们还将了解如何使用计量方法来预测经济时间序列。
计量经济学已从数理统计分离出来并演化成一门独立学科，因为前者主要考虑在搜集和分析非实验经济数据时的固有问题。
非实验数据(nonexperimental data)并非从对个人、企业或经济系统中的某些部分的控制实验而得来。
（非实验数据有时被称为观测数据(observational data)，以强调研究者只是被动的数据搜集者这一事实。
）自然科学中的实验数据（experimental data）通常是在实验环境中获得的，但在社会科学中要得到这些实验数据则困难得多。
虽然也可以设计一些社会实验，但通常都行不通、代价高昂而使人望而却步，或者解决经济问题所需要实施的各种控制实验在道德上使人极为反感。
在第1.4节我们给出一些特殊的例子，来说明实验数据与非实验数据之间的差别。
当然，计量经济学家只要有可能就会借用数理统计学家的一些方法。
多元回归分析方法虽然在上述两个领域都是主要支柱，但其着眼点和解释可以极为不同。
此外，经济学家已想出许多新方法，以处理经济数据的复杂性和检验经济理论所预测的结果。
1.2 经验经济分析的步骤计量经济方法几乎在应用经济学的每一个分支中都相当重要。
要么在我们有一个经济理论需要检验的时候，要么在我们的脑海中有一种关系，而在这一关系对商业决策或政策分析又相当重要的时候，便开始使用计量方法。
经验分析（empirical analysis）*就是利用数据来检验某个理论或估计某种关系。
应该如何构建一个经验经济分析呢？虽然看上去十分显然，但仍值得强调，任何一个经验分析的第一步都是对所关心问题的详细阐述。
问题可能是要处理对一个经济理论某特定方面的检验，或者涉及到对政府政策效果的检验。
原则上，计量经济方法可用来回答诸多方面的问题。
在某些情形下，特别是涉及到对经济理论的检验时，就要构造一个规范的经济模型（economic model）。
经济模型总是由描述各种关系的数理方程构成。
经济学家因建造模型来描述大量人类行为而声名远扬。
例*国内常称实证分析，但为了区别于positive analysis，故译为经验分析。
——译者注如在中级微观经济学中，个人在预算约束下的消费决策便可由一些数理模型来描述。
这些模型背后的基本前提是效用最大化。
个人选择能在资源约束条件下最大化其福利的假定，为我们创造一些简便的经济模型和做出一些明确的预测提供了强有力的框架。
在消费决策的背景下，效用最大化能导出一系列需求方程。
在每个需求方程中，每种商品的需求量取决于该商品的价格、其替代和互补品的价格、消费者的收入和影响消费者个人喜恶的一些个人特征。
这些方程便形成对消费需求进行计量分析的基础。
经济学家使用诸如效用最大化框架之类的基本分析工具，来解释那些初看起来具有非经济性质的行为。
一个经典的例子就是，贝克尔（1968）针对犯罪行为而做的经济模型。
在一篇开创性的论文中，诺贝尔经济学奖得主加里〃贝克尔系统地阐述了一个效用最大化框架，用以描述个人对犯罪行为的选择。
虽然每一特定的犯罪都有明显的经济回报，但大多数犯罪行为也有其成本。
犯罪的机会成本使罪犯不能参加诸如合法就业之类的其他活动。
此外，还存在与罪犯可能被抓住相联系的成本，以及罪犯被抓后，如果被证明有罪，与监禁相关的成本。
从贝克尔的视角来看，决定进行非法活动的决策是资源配臵的方式之一，并是在充分考虑了各种可选择行为的成本和收益后决定的。
在一般化的假定之下，我们便能推导出一个方程，把花在犯罪活动上的时间描述成各种影响因素的一个函数。
我们可以把这个方程表示为),,,,,,(7654321x x x x x x x f y （1.1）其中y =花在犯罪活动上的小时数x 1=从事犯罪活动每小时的“工资”x 2=合法就业的小时工资 x 3=犯罪或就业之外的收入 x 4=犯罪被抓住的概率x 5=犯罪被抓后，被证明有罪的概率 x 6=被证明有罪后预期的宣判 x 7=年龄虽然还有其他因素通常会影响个人参与犯罪的决策，但上述因素从规范的经济分析来看可能具有代表性。
如经济理论的惯常做法那样，我们未对(1.1)中的函数f 进行任何设定。
这个函数取决于一个很少有人知道的潜在效用函数。
尽管如此，我们还是可以用经济理论（或反思）来预测每个变量对犯罪活动可能具有的影响。
这正是对个人犯罪行为进行计量经济分析的基础。
虽然规范的经济建模有时是经验分析的起点，但更普遍的情况是，使用经济理论时不是那么规范，甚至完全是依赖直觉。
你可能也同意，方程(1.1)中出现的犯罪行为的决定因素从常识来看也是合情合理的；我们也许能直接得到这个方程，而不需要从效用最大化开始把它推导出来。
尽管在有些情况下，规范的推导能提供直觉看不到的洞见，但这种观点也有其优点。
下面这个例子中的方程，就是从多少有些不甚规范的推理中得到的。
例1.2 工作培训与工人的生产力现在考虑在1.1节之初提出的问题。
一位劳动经济学家想考察工作培训对工人生产力的影响。
在此情形下，几乎不需要什么规范的经济理论。
基本的经济常识就足以使我们认识到，所受教育、工作经历和培训等因素会影响工人的生产力。
此外，经济学家还清楚地知道，工人的工资与其生产力相称。
这种简单的理由就使我们得到如下模型wage =f(educ, exper, training ) (1.2)其中wage 为小时工资，educ 为接受正规教育的年限，exper 为工作年数，而training 为花在工作培训上的周数。
此外，虽然也有其他因素通常会影响工资率，但(1.2)式刻画了这个问题的本质。
在我们设定一个经济模型之后，我们需要把它变成所谓的计量模型(econometric model)。
既然我们在全书都要讨论计量模型，那么先了解一下计量模型和经济模型有何关系就很重要。
以方程(1.1)为例，与经济分析不同，在进行计量经济分析之前，我们必须明确函数f(·)的形式。
与(1.1)相关的第二个问题是，对不能合理地观测到的变量该如何处理。
比如，考虑一个人在进行犯罪活动时的工资。
原则上，这个工资是清楚界定的，但对一个特定的人来说，这个工资是很难观测到的，甚至是不可能观测到的。
虽然对某给定个人，诸如其被抓住的概率之类的变量也不能切实得到，但至少我们能找到相关的逮捕统计量，从而推导出一个能近似被抓住概率的变量。
还有其他影响犯罪行为的因素，不要说观测，甚至我们连列出来都做不到，但我们多少都要对它们做出解释。
通过设定一个特定的计量经济模型，我们就解决了经济模型中内在的模棱两可性：crime=β0+β1wage m+β2othinc+β3freqarr+β4freqconv+β5avgsen+β6age+u,(1.3) 其中crime是参与犯罪活动频率的某种度量，wage m是在合法就业中所得到的工资，othinc是通过其他途径得到的收入（如资产、继承等），freqarr是以前违法被抓住的概率（用来近似被捕概率），freqconv是被证明有罪的概率，而avgsen则是被证明有罪后判处的平均时间长度。
对这些变量的选择，既以经济理论为依据，又考虑到了数据。
u这一项则包括了不可观测的因素，诸如从事犯罪活动的工资、道德特征、家庭背景等，以及在度量犯罪活动和被捕概率等变量时的误差。
虽然我们也可以在模型中加入家庭背景变量，如兄弟姐妹的个数、父母所受教育等，但我们仍不能完全消除u。
实际上，对这个误差项(error term)或扰动项(disturbance term)的处理可能是任何计量分析中最重要的内容。
常数β0，β1，…，β6都是这个计量模型的参数，它们描述了此模型中用来决定犯罪的因素和犯罪之间关系的方向和强度。
对例1.2来说，一个完整的计量经济模型可能是wage=β0+β1edu+β2exper+β3training+u,(1.4)其中u这一项包含的因素有“天生能力”、教育的质量、家庭背景等，以及能影响一个人工资的无数其他因素。
如果我们专门考虑工作培训的影响，那β3就是我们所关注的参数。
在多数情况下，计量经济分析是从对一个计量经济模型的设定开始的，而没有考虑模型构造的细节。
我们一般遵循这一思路，主要原因是，对犯罪这种经济模型进行仔细地推导，不仅消耗的时间过长，而且会把我们带到经济理论的某个特定而通常又极为困难的领域。
在我们的例子中，经济上的逻辑如要起作用，那我们就要把其背后的任何一种经济理论都放到对计量模型的设定中。
而在犯罪一例的经济模型中，我们将从像(1.3)那样的一个计量模型出发，并以经济逻辑和常识作为选择变量的向导。
尽管这一方法有失经济分析之丰富，但它总是被仔细的研究者普遍而又有效地应用着。
一旦设定了一个像(1.3)或(1.4)那样的计量模型，我们所关心的各种假设(hypotheses)便可用未知参数来表述。
比如，在方程(1.3)中，我们可以假设合法就业的工资wage m对犯罪行为没有影响。
在这个特定的计量模型背景下，这个假设就等价于β1=0。
按定义，一项经验分析总需要数据。
在搜集到相关变量的数据之后，便用计量方法来估计计量模型中的参数，并规范地检验所关心的假设。
在某些情况下，计量模型还用于对理论的检验或对政策影响的研究。
