Kinh tế lượng là một trong bộ công cụ. Nó kết hợp kiến ​​thức tự các nghành nghề khác, sử dụng thông tin này nhằm tóm tắt thực tiễn và tạo ra một mô hình dễ dàng và đơn giản hóa nhằm biểu diễn thực tiễn này.

Bạn đang xem: Kinh tế lượng là gì

Một số câu hỏi ví dụ kinh tế tài chính lượng rất có thể giải đáp:

• Độ co giãn của mong theo giá so với một số thành phầm nhất định là gì?

• doanh số dự báo, tăng trưởng kinh tế và lạm phát là gì?

• 1 năm học thêm ngơi nghỉ trường đại học có ích bao nhiêu cho thời cơ của bạn trên thị trường lao động?

• tác động của công tác đào tạo so với tiền lương theo tiếng là gì? (Nếu ảnh hưởng tác động bằng 0, thì fan ta phải xem xét lại về chủ yếu sách. Nếu ảnh hưởng tác động mạnh, thì làm nuốm nào để chế độ có thể được mở rộng để cung cấp chương trình này? )

Lợi nhuận từ các chiến lược đầu tư chi tiêu khác nhau tất cả tuân theo các lý thuyết kinh tế không?

Điều gì khác hoàn toàn giữa Kinh tế lượng với Thống kêKinh tế ?

Kinh tế lượng dựa trên cả triết lý kinh tế lượng, nhưng đưa Thống kê vào nó. định hướng kinh tế được kiểm tra bằng phương pháp sử dụng các kỹ thuật thống kê. Mặc dù nhiên, kinh tế tài chính học là 1 môn kỹ thuật xã hội và câu hỏi sử dụng rộng rãi dữ liệu phi thực nghiệm trong nghành nghề này làm phát sinh thêm nhiều mối quan tâm mà những thống kê thuần túy không giải quyết và xử lý được.

Dữ liệu thực nghiệm có thể được “kiểm soát”, cơ mà trên thực tế, nền kinh tế tài chính không buộc phải là một môi trường thiên nhiên được kiểm soát. Bọn họ sẽ để ý ví dụ về ảnh hưởng của ghê nghiệm đối với tiền lương, tuy nhiên điều đặc biệt quan trọng cần để ý là các bạn không thể test nghiệm bằng cách nói rằng một nửa dân số được hỗ trợ thêm 1 năm kinh nghiệm với nửa còn sót lại thì không. Chúng tôi đang làm việc với con fan trong môi trường thiên nhiên xã hội. Vì vậy, chúng tôi không thể chỉ chạy phân tích thống kê thông thường. Những giả định được ngụ ý rất cần được được bình chọn và đây là lý do vì sao tài chính lượng với Thống kê đang trở thành những ngành bổ sung cho nhau.

Chúng tôi bước đầu với cách tiếp cận tài chính lượng Cổ điển:

Bạn bước đầu với một lý thuyết, ví dụ, chúng tôi nghĩ chi phí lương là một trong những số tác dụng của giáo dục, kinh nghiệm tay nghề và đào tạo. Họ muốn biết f (hàm của chúng ta) có dạng hàm nào. Một tế bào hình kết cấu được tạo nên dựa trên lý thuyết kinh tế vi mô khẳng định trước hàm luôn tiện ích. Đôi khi bạn cũng có thể chỉ sử dụng trực giác 1-1 giản, chẳng hạn như shop chúng tôi biết rằng trình độ chuyên môn học vấn và tay nghề làm tăng nấc lương của bạn:

lương = f (học vấn, tởm nghiệm, đào tạo)

Hơn nữa, bọn họ cần tính đến những biến số mà họ không quan lại sát, dẫu vậy có hình ảnh hưởng. Điều này còn có nghĩa là bọn họ cần chuyển một thuật ngữ lỗi vào mô hình. Thuật ngữ lỗi này là trọng tâm của phần lớn Kinh tế lượng. Sau đó, cửa hàng chúng tôi chuyển từ mô hình toán học / cấu trúc sang mô hình kinh tế tài chính lượng, biến hóa nó thành một đồ vật mà công ty chúng tôi có thể ước tính. Mô hình kinh tế tài chính lượng được đưa tới dữ liệu thực mà bọn họ quan cạnh bên được và các tham số được sử dụng trong tế bào hình xác định độ dốc và ngoại hình của đường hồi quy. Nếu mô hình của shop chúng tôi hợp lệ, thì công ty chúng tôi có thể thực hiện nó để dự đoán cùng phân tích chính sách. Khi quan hệ giữa những biến của cửa hàng chúng tôi được ước tính và định lượng, chúng tôi sử dụng chu chỉnh giả thuyết để đánh giá xem những mối quan tiền hệ này còn có hợp lệ tốt không.

Ví dụ làm cho việc: Hồi quy tuyến đường tính đối kháng giản

Đầu tiên hãy để bối cảnh. Vào hình bên dưới, bạn sẽ thấy một quy mô hồi quy tuyến đường tính solo giản:


*
Như hồi quy đường tính đơn giản được lấy xuất phát từ 1 ví dụ được tiến hành bởi Casper Hansen.

Mỗi chấm màu xanh lá cây lam hiển thị một sự kết hợp khác nhau của X với Y, đại diện thay mặt cho một cá thể / hộ mái ấm gia đình / công ty / quốc gia, v.v. Bọn chúng tôi cân nhắc mối dục tình giữa X và Y. Vì chưng vậy, công ty chúng tôi cần điều chỉnh các mô hình thông qua dữ liệu này để sở hữu được ý tưởng về xu hướng và xu hướng tổng thể để tìm thấy nếu có quan hệ nhân quả. Xu hướng tích cực cho thấy X liên quan thuận cùng với Y. Tại X = 0, có rất nhiều người chọn X = 0, tuy nhiên có các giá trị Y không giống nhau.

Chúng tôi gồm một mẫu tóm tắt, nhưng dòng này giỏi như nắm nào vào việc nắm bắt các trường vừa lòng ngoại lệ?

Ví dụ, giả dụ X = học tập vấn và Y = tiền lương, thì điều này có phải là nhân trái không? trực quan của họ cho chúng ta biết có. Học càng nhiều, lương càng lớn. Mặc dù nhiên, vẫn có những nước ngoài lệ cần xem xét. Nếu hình ảnh này là bức tranh toàn diện và tổng thể cho một quốc gia, thì nó sẽ cho biết rằng, cùng với tư phương pháp là một đặc quyền về thiết yếu sách, nước nhà đó nên đầu tư chi tiêu vào giáo dục, chính vì tỷ lệ hoàn tiền cho giáo dục đào tạo là cao (độ dốc dương).

Hãy đi sâu vào ví dụ như đó.

Chúng tôi muốn trả lời câu hỏi: Có thêm tay nghề thì lương của người sử dụng có tăng không cùng bao nhiêu?

Bước 1: sao chép và dán dữ liệu hư cấu sau vào Excel với lưu bên dưới dạng csv:

+-----------------+--------+| ExperienceYears | Salary |+-----------------+--------+| 1.2 | 39350 || 1.4 | 46206 || 1.6 | 37732 || 2 | 43526 || 2.3 | 39892 || 2.8 | 56643 || 3 | 60151 || 3.1 | 54444 || 3.2 | 64444 || 3.8 | 57190 || 3.9 | 63219 || 4 | 55795 || 4.1 | 56958 || 4.1 | 57082 || 4.6 | 61112 || 4.8 | 67939 || 5.2 | 66030 || 5.4 | 83089 || 5.8 | 81364 || 6 | 93941 || 6.7 | 91739 || 7.1 | 98274 || 7.7 | 101301 || 8.3 | 113813 || 8.8 | 109432 || 9 | 105583 || 9.4 | 116970 || 9.8 | 112634 || 10.4 | 122392 || 10.6 | 121873 |+-----------------+--------+

# Import Librariesimport numpy as npimport matplotlib.pyplot as pltimport pandas as pd# Import Sample Datadataset = pd.read_csv("Salary_data.csv")X = dataset.iloc<:, :-1>.valuesy = dataset.iloc<:, -1>.values

Bộ test nghiệm - một phần ba dữ liệu, vì vậy 10 quan sát (đây là 10 quý giá X tức là 10 điểm mức kinh nghiệm tay nghề khác nhau) được gửi vào quy mô tuyến tính dự đoán để tham gia đoán 10 nút lương. Công ty chúng tôi muốn đối chiếu 10 mức lương được dự kiến bởi mô hình của công ty chúng tôi với mức lương thực tế để bình chọn độ đúng đắn của quy mô của bọn chúng tôi.

Tập huấn luyện - mô hình (hay còn gọi là hồi quy tuyến đường tính solo giản, con đường trong hình) sử dụng dữ liệu này để học hỏi. Trong trường phù hợp này, đây là 2/3 dữ liệu mẫu (20 quan lại sát).

# Split into training and test setfrom sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 1/3, random_state = 0)

# import correct class - access linear model module of class linear regression.from sklearn.linear_model import LinearRegressionregressor = LinearRegression()

regressor.fit(X_train, y_train)

y_pred = regressor.predict(X_test)

plt.scatter(X_train, y_train, màu sắc = "red")plt.plot(X_train, regressor.predict(X_train), color = "blue")plt.title("Salary vs Experience (Training set)")plt.xlabel("Years of Experience")plt.ylabel("Salary")plt.show()

Bước 7: hình dung bộ test nghiệm:

plt.scatter(X_test, y_test, màu sắc = "red")plt.plot(X_train, regressor.predict(X_train), màu sắc = "blue")plt.title("Salary vs Experience (Test set)")plt.xlabel("Years of Experience")plt.ylabel("Salary")plt.show()

Hãy sử dụng quy mô của công ty chúng tôi để dự đoán mức lương của một nhân viên có 12 năm tởm nghiệm:

print(regressor.predict(<<12>>))

<138733.26786636>

Nếu bọn họ muốn nhận những giá trị sau cuối của những hệ số trong mô hình của mình, bạn cũng có thể chạy đoạn mã sau:

print(regressor.coef_)print(regressor.intercept_)

Lương = 9339,26 × Năm tay nghề + 26662,09

Điều này còn có quá tốt để đổi thay sự thật? nhớ lại dữ liệu mẫu mà cửa hàng chúng tôi đã sử dụng. Nó được tạo nên để hoàn toàn tuyến tính, tức là khi X đội giá trị, thì Y. Vày đó, một quy mô tuyến tính vẫn là đủ. Mặc dù nhiên, các điểm không con đường tính hoàn toàn có thể tồn tại. Có một sự thay đổi mà ở đó một nút độ kinh nghiệm nhất định có thể không duy nhất thiết dẫn tới sự việc tăng lương? Điều này nghe vô cùng giống với phần đông gì chúng ta thấy trên thị trường việc làm cho hiện tại. Nếu chúng ta dựa trên đưa định lúc đầu của mình về lý thuyết kinh tế vi mô và tiến hành nghiên cứu của bản thân , họ sẽ biết rằng tất cả một “sự thay đổi trong trí óc thông thường” và vấn đề đó sẽ giúp họ tiết kiệm không ít thời gian.

Chúng tôi sẽ phải thêm nhiều nhân kiệt hơn vào mô hình của mình để bình chọn điều này, vì bây giờ dữ liệu chỉ tất cả một khả năng (trải nghiệm). Nếu bọn họ có một trong những tính năng, thì họ sẽ phải sử dụng quy mô hồi quy tuyến đường tính các lần, mà lại tôi sẽ để lại đến một bài viết trong tương lai.

Có không ít dữ liệu phức tạp hơn các mà lấy một ví dụ của công ty chúng tôi lấy mẫu. Chỉ để cung cấp cho chính mình một ý tưởng, bao gồm các lĩnh vực nghiên cứu đơn nhất dựa trên các cấu trúc dữ liệu khác nhau! tài liệu cắt ngang (thường được sử dụng trong các ứng dụng Kinh tế vi mô ) quan giáp nhiều doanh nghiệp hoặc cá nhân tại một thời điểm. Tài liệu chuỗi thời hạn (thường được sử dụng trong những ứng dụng Kinh tế vĩ mô ) quan gần kề một công ty hoặc đất nước trong nhiều khoảng thời gian. Sự biệt lập cơ phiên bản là loại này tính toán một vài đơn vị chức năng phân tích trong tương đối nhiều khoảng thời hạn và chiếc kia có không ít đơn vị so sánh trong một khoảng tầm thời gian.

Vì vậy, cửa hàng chúng tôi thấy rằng những mối quan lại hệ kinh tế không buộc phải lúc nào cũng giữ vững. Đây là lý do tại sao công ty chúng tôi thêm một thuật ngữ lỗi ( u ) vào quy mô toán học. Sai số cho bọn họ biết độ lệch so với cái giá trị vừa đủ là bao nhiêu.

Xem thêm: Trắc Nghiệm Tiếng Anh 7 - 130 Bài Tập Trắc Nghiệm Tiếng Anh Lớp 7

Tuyến tính: Thu nhập = b 1 + b 2.Exper + u

Thuật ngữ sai số và ước lượng của các tham số làm cho quy mô này có thực chất kinh tế lượng hoặc thống kê . Không hẳn mỗi phối kết hợp Thu nhậpKinh nghiệm đang khớp đúng chuẩn với những loại betas giống như nhau, nhưng bọn họ vẫn hoàn toàn có thể tìm thấy một tập hợp những betas bình thường và thêm lỗi cho từng kết hợp. Ví dụ là hành động của thuật ngữ lỗi, do đó, cực kỳ quan trọng!

Vì cửa hàng chúng tôi chỉ kiểm soát và điều hành một anh tài trong lấy một ví dụ của mình, nên toàn bộ các kĩ năng khác mà cửa hàng chúng tôi không kiểm soát điều hành đều phía trong cụm từ bỏ lỗi. Ví dụ, họ phải đối chiếu những người lao động tất cả cùng hễ lực. Thực tế là có một cái gì đấy tương quan tiền với biến lý giải (đặc điểm của bọn chúng ta) vào thuật ngữ không đúng số cho họ vấn đề về tính nội sinh (một một trong những lỗi chính của không ít mô hình kinh tế lượng).

Phần kết luận

Bốn quy tắc kim cương của tài chính lượng theo David Hendry :

1. Tứ duy xuất chúng, 2. Sáng tạo vô hạn, 3. May mắn xuất chúng, 4. Nếu như không, hãy thường xuyên trở thành một bên lý thuyết