今时当下，为了帮助广大财税干部以网络形式锻造工作能力，做好相关知识更新，厦门大学深圳研究院精心筹备了“经济数据分析”系列线上课程，从“道术结合”的层面构建培训内容，以期帮助财税部门打造一批具有宏观经济视野、熟悉经济财税政策业务，掌握数据分析方法，善于优秀文稿写作的精锐分析团队。
线上课程已成功举办多期，均取得良好的效果。在课程结束之后，我们还希望留给我们学员一些归纳总结，一些技巧分享，帮助学员温故而知新。
本期财经课堂和大家分享的是 经济数据分析之——计量经济学要点总结，希望能对大家有所裨益。（往期分享见本文底部）
计量经济学课程中有如下要点，理解了就获知了课程的精华。
1.什么是计量经济学，为什么要学好计量经济学？
◆计量经济学是一门用于验证和测度的学科
◆运用数学、统计学、和经济理论对经济现象进行定量分析的社会学科
◆对客观经济数据得出的理论结果验证
◆大数据时代的到来，数据分析成为诸多行业的标配
◆学好计量经济学，让数据成为价值之源
2.计量经济学回答现实问题的案例
2.1解读中国经济高速增长源泉
◆Krugman（1994）以及Young（2003)最早批判中国改革开放以来，虽然经济保持高增速，但呈现出粗放型增长方式的特点，增长主要由大量资本、能源和原材料以及劳动力投入推动, 技术进步或全要素生产率(TFP)增长对经济增长的贡献比较低，因此是“不可持续的增长”。
◆中国经济学者用详实的研究回复了这些质疑。王小鲁、樊纲和刘鹏（2009）利用1978-2007年的数据考察了中国经济增长方式改革开放以来发生的转换,发现改革开放以来我国生产率(TFP)呈上升趋势，其来源由最初的外源性效率提高因素为主，转变为技术进步和内源性效率改善相结合的因素为主。
2.2税收增长之谜的分析：
利用计量分析识别影响税收增长的因素，从而解答为什么税收增长一度超过经济增长速度：
◆经济因素：
◇经济增长对税收增长的作用不言而喻, 但是经济增长与税收增长并不是一对一的关系, 税收增长对经济增长的弹性( 简称税收弹性) 并不等于 1, 税收增长超过 GDP 增长中的一部分也可能属于正常增长。使得税收弹性不等于 1 的因素主要有经济结构的调整 、经济效益水平的变化 、价格水平的变动三种 。
◇经济结构的变动主要包括产业结构变动和所有制结构的变动两种, 其中产业结构变动体现着经济发展的阶段性规律, 它对税收增长和税收结构变动的影响是主要的 。
◇产业结构的变动既从另一角度反映着经济增长, 又影响着税收收入的规模和结构。
◆管理因素：
◇管理因素对税收增长的影响主要是税务管理部门通过税收征管水平提高带动税收收入增长 。
◇在1993 年以前, 我国财政体制运行的典型特征是“减税让利”, 税收管理较为松散,。1994 年分税制改革以后, 税收征管力度不断地加强 。
◇税收征管的加强明显表现在两方面,：一是国税局和地税局分设, 实行“集中征收、重点稽查”的税收征管制度, 一定程度上消除了原来税收专管员制度造成税收减免随意、管理松散现象;二是税收信息化建设加强, 主要体现在税收征管中计算机网络的普遍应用, 尤其是金税工程的建设提高了对增值税的监控能力 。
3.计量经济学模型的应用
◆预测：是指利用现有样本数据以外的某些变量值，给出经济变量值在未来时期中或其它空间上的预测结果
◆结构分析：是应用计量经济学模型对经济变量之间的关系作出定量的测度
◆政策评价：是通过计量经济学模型仿真各种政策措施的效果，对不同的政策方案进行比较和选择
4.避免数据中的陷阱
世界上有三种谎言：谎言、该死的谎言，还有统计数据。
—本杰明.迪斯累里（Benjamin Disraelis）
数据使用中的要点
◆回归分析探讨客观事物之间的联系，表现为变量之间的统计关系
◆建立在对客观事物进行大量实验和观察的基础上，用来寻找隐藏在看起来不确定的现象中的统计规律的统计方法
◆因因变量衡量方式的不同，回归分析可分为线性回归和非线性回归
◇线性回归适用于因变量为连续衡量的场合
◇非线性回归多适用于因变量为虚拟变量、多分类变量、计数变量等场合
◆根据处理的变量多少来看，回归分析又分为：
◇简单相关和一元回归：研究的是两个变量之间的关系
◇多元相关或多元回归：研究的是多个变量之间的关系
6.回归的前世今生—从高尔顿（Galton）到尤勒（Yule）
◆回归这个词最早是被高尔顿提出的，高尔顿这个人是谁呢，他是达尔文的表兄。他非常痴迷他兄长的进化论说，所以一直希望把进化论的理论应用到实证中，来证明不同人为什么会具有不同的特性。高尔顿最著名的发现之一是他发现了父亲的身高和儿子的身高之间存在着某种给定的关系，子辈的平均身高是其父辈平均身高以及他们所处族群平均身高的加权平均和。
◆尤勒在高尔顿的基础上提出了回归模型中应当加入尽可能多的控制变量的理念。在他1899年发表在英国皇家统计协会期刊上的论文“An Investigation into the Causes of Changes in Pauperism in England, Chiefly during the Last Two Intercensal Decades"中，他研究了英国济贫法在不同的地区对于当地贫困率起到的影响。在论文中，尤勒把地区的人口以及年龄的分布加入到了控制变量当中去，研究的结果在当时起到了非常深远的影响。
7.回归分析基础
回归分析前，首先必须掌握变量之间是否相关；只有变量之间存在关系，才有必要进行回归分析。假若x增加时，y的取值发生相应变化，则x和y之间是相关的；假若x增加时，y的取值没有确定的变化，x则y和之间是不相关的，或是没有相关关系的。
一元线性回归分析通过找出代表变量之间关系的直线图形或直线方程来描述变量之间的数学关系，这条直线称为回归直线；直线方程称为回归方程。一元线性回归是回归分析中最简单、最基本的回归分析，描述两个变量之间的关系。它是根据统计资料，寻求一个变量与另一个变量关系的恰当数学表达式的经验方程，来近似地表示变量间的平均变化关系的一种统计分析方法：其中一个变量作为DV或被解释变量，通常用y表示；另一个变量IV（预测变量或解释变量）通常用x表示。
8.多元线性回归
研究在线性相关的条件下，两个或两个以上自变量与一个因变量的数量变化关系；表现这一数量关系的数学公式称为多元线性回归模型；多元线性回归模型是一元线性回归模型的拓展，其基本原理与一元线性回归模型类似，但计算上要复杂得多，故往往需要借助计算机来完成。
9.为什么需要做多元线性回归？
◆一元线性回归是在不考虑其他因素或假定其他影响确定的条件下，分析一个自变量对另一个因素的影响，所进行的分析是比较理想的。但任何事物（因变量）总会受到其他多种因素（多个自变量）的作用；
◆一元回归分析不能完整地揭示事物之间的真正联系；仅仅考虑单个变量是不够的；
◆多元回归分析（multivariate analysis）：弥补不足，是分析多种因素共同作用于一个因变量的良好工具；
◆只有采用多元回归分析方法，将多个因素同时进行考虑，才能更好地揭示事物之间的联系。
10.什么是时间序列？
◆时间序列（或称动态数列）是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。
◆时间序列分析的主要目的是根据已有的历史数据对未来进行预测。经济数据中大多数以时间序列的形式给出。
◆根据观察时间的不同，时间序列中的时间可以是年份、季度、月份或其他任何时间形式。
11. 时间序列能够告诉我们什么？
◆可以反映社会经济现象的发展变化过程，描述现象的发展状态和结果。
◆可以研究社会经济现象的发展趋势和发展速度。
◆可以探索现象发展变化的规律，对某些社会经济现象进行预测。
◆利用时间序列可以在不同地区或国家之间进行对比分析，这也是统计分析的重要方法之一。
12. 常见时间序列数据
◆宏观经济数据：季度GDP数据，月度CPI数据，月度税收数据等
◆金融市场数据：日度股票价格数据，外汇，利率等
◆天气数据：温度，湿度等
◆自然科学数据：地震波，水文等
13.时间序列因素分解
◆长期趋势 （确定性成分）
◆循环波动 （经济周期）
◆季节性变化因素 （季节效应）
◆随机波动 （随机成分，含平稳或非平稳序列）
14.平稳序列建模步骤
◆计算样本相关系数，观察特点
◆模型识别
◆参数估计
◆模型检验
◆模型优化
◆序列预测
15.面板数据分析
◆面板数据（panel data）是指由变量y关于N个不同对象的T个观测期所得到的二维结构数据，记为yit，其中，i表示N个不同对象（如国家、地区、行业、企业或消费者等，一般称之为第i个个体），t表示T个观测期。
◆面板数据(panel data)也称作时间序列与截面混合数据(pooled time series and cross section data)。面板数据是截面上个体在不同时点的重复观测数据。
◆时间序列数据或截面数据都是一维数据。时间序列数据是变量按时间得到的数据；截面数据是变量在固定时点的一组数据。面板数据是同时在时间和截面上取得的二维数据。
16.面板数据模型有以下几个优点
◆Panel Data 模型可以通过设置虚拟变量对个别差异（非观测效应）进行控制；
◆Panel Data 模型通过对不同横截面单元不同时间观察值的结合，增加了自由度，减少了解释变量之间的共线性，从而改进了估计结果的有效性；
◆Panel Data模型是对同一截面单元集的重复观察, 能更好地研究经济行为变化的动态性
17.政策评估计量方法：双重差分法
◆双重差分（difference in differences，DID），就是差分两次。
◆一种专门用于分析政策效果的计量方法。
◆将制度变迁和新政策视为一次外生于经济系统的“自然实验”的研究方法。
◆将两个虚拟变量及其交乘项增加进回归方程。
◆不是直接对比样本在政策前后的均值变化，而是使用个体数据进行回归，判断政策的影响是否具有显著的统计意义。
◆基本假设：随机分组、随机事件、对照组不受影响、样本同质性和实验处理的唯一性。
