一、我国计量经济学应用研究概述

２０世纪初，人们还不知道“计量经济学”这一词的存在，但在该世纪末，计量经济学已发展成为经济学中一个独立分支学科，计量经济学应用研究也成为现代经济研究中的重要内容。“二战后的经济学是计量经济学时代。”自２０世纪７０年代末８０年代初计量经济学引入我国以来，经过３０多年的发展，计量经济学已成为主流经济学分支学科，计量经济学应用研究也成为我国学术研究的主要内容。例如，作为我国经济研究领域风向标的《经济研究》期刊，在１９８４年到２０１２年发表的近４，０００篇论文中，应用计量经济学方法的论文占比逐年上升：１９８４年为０％，到１９９８年为１１％，然后迅速提升，２００４年为４０％，２００６年为５３％，２０１０年为６３％，而２０１２年则达到了７４％。继宏观经济、微观经济、金融与金融市场、产业经济、财政等领域之后，计量经济学开始逐步应用于管理、会计、教育、社会、人口等研究领域。

从文章应用的估计方法上看，近年来我国计量经济学应用研究主要涉及的估计模型有（单方程与联立方程组）经典模型、时间序列模型、（宏观与微观）面板数据模型、（离散选择与计数数据）被解释变量模型、（选择性样本与持续时间）受限被解释变量模型、半参数模型、非参数模型、（简单与复杂）非线性模型以及最近开始盛行的空间计量模型系列等。计量经济学的模型应用大体上分为三个阶段。第一阶段为１９８４年—１９９４年，以经典模型估计为代表，这期间经典单方程模型由于其结构分析及其线性假设的方便性而盛行于学术研究领域。第二阶段为１９９５年—２００９年，以动态模型的广泛应用为标志，主要表现为时间序列与面板数据模型的盛行与发展。除却宏观时间序列与宏观面板数据模型的大量应用，此期间微观计量方法开始在期刊文献中得以应用，半参数模型、非参数模型与非线性模型应用研究开始少量出现，联立方程经典模型开始逐步取代之前占据主导地位的单方程模型。第三阶段为２００９年至今，“多元化”成为现阶段我国计量经济学应用研究的表征。微观计量经济学研究方法得到了较快发展，空间计量经济学应用研究成为计量经济学应用研究的独立分支并盛行于主流期刊文献，复杂宏观结构模型、微观时间序列模型、微观面板模型与复杂非线性模型开始被人们广泛应用于经济研究的各个领域，并日趋接近国际前沿。

我国计量经济学应用研究产生与发展的３０多年，也是我国经济发展、转型的３０多年。３０多年来，我国计量经济学应用研究取得瞩目成果，但较同期的《美国经济评论》、《计量经济学》（Ｅｃｏｎｏ－ｍｅｔｒｉｃａ）相比，在研究方法与水平上仍有一些差距。在应用研究的模型方法、技术与研究水平大幅提高的同时，也呈现出一些普遍问题和错误，影响了我国计量经济学应用研究的科学性与可靠性。

二、我国计量经济学应用研究的主要问题

（一）计量经济学应用研究的理性认知问题

当前，我国对计量经济学应用研究的理解总体上来说深度不够，缺乏理性认知。一方面，对计量经济学在经济分析中所扮演角色的理解，大部分仍停留在回归分析这一层面，认为计量经济学分析方法就是经验数据回归与模型参数估计、赋值。这种对计量经济学应用研究的认知层次限制了应用研究的发展，也影响其科学性。例如，当前很多研究模式倾向于建立理论模型（复杂的数理模型），在数理模型基础上增加一个随机误差项进而转变为计量经济学经验估计模型，而后应用各种估计量对这一经验模型进行回归分析，得出估计参数数值，获得结构方程，探讨经济因素之间“精确”的因果关系，并将这一过程称之为“经验分析”。仔细考究起来，这种计量经济学建模与分析范式实质上就是以先验理论为基础的理论导向建模范式。不可否认，经济理论在其中起到了决定性作用（数理模型是根据经济理论设立的），但作为经济活动的结果———“数据”在这里并没有发言权，而估计量的选择也通常是以“曲线拟合”的优劣程度（统计显着性）来衡量的。对经验数据的深度分析不足，较少探讨其数据生成过程（ＤａｔａＧｅｎｅｒａｔｉｏｎＰｒｏｃｅｓｓ，ＤＧＰ），而后者正是现实经济活动过程的经验表示。这种对计量经济学应用研究的非完全认知影响了其研究结果的科学性与可信性，也难以为经济研究提供可靠的经验基础。

另一方面，在应用研究学术水平的评价体系中，近年来学界内出现了“过度计量化”倾向：有“模型”的文章才够“学术”，理论模型的复杂程度、计量回归的技术先进程度逐渐成为衡量文章学术层次的一个重要表征。计量经济学模型方法本质上应是经济研究若干方法之一，其应用研究的科学性应取决于其恰当、正确的应用。不得不说的是，在我国当前以科研发表为某种激励目标或研究水平标识的体制下，期刊发表对学术研究起到一个风向标作用。无论是研究学者的研究倾向、方法选择，还是高等学校中高级经济学教学课程的安排，都难以避免这一导向或多或少的影响。这种对计量经济学应用研究的“非理性”认知，对学界应用研究的发展可能产生“非理性”导向，进而影响计量经济学应用研究科学的发展方向。

（二）计量经济学应用研究模型设定问题

模型设定是计量经济学应用研究的核心，也是国际学术界理论研究的重点内容。正确的模型设定是其应用研究科学性的保证。

当前，我国部分计量经济学应用研究中呈现出一些模型设定不当问题，其中较为突出的一个就是模型设定导向问题。理论与数据相结合的关系导向是计量经济学科学性的重要体现，而当前的大部分应用研究很难做到这一点。当前我国应用研究中的一些模型设定问题主要体现在三个方面：一是以建模目的为导向，主要表现为以工具主义为建模理念，研究哪几个变量之间的关系就建立相应的包含哪几个变量的模型，然后进行回归分析；二是以单纯的经济理论为导向的建模范式，常出现于经济结构模型中，表现为根据某个经济理论建立先验模型，并对该模型公式进行回归，在存在竞争性理论时，则以回归结果的统计显着性为标准进行理论选择；三是以纯然的经验数据为导向的建模范式，常出现在时间序列模型中，表现为在没有或在不充分的经济理论约束前提下，根据可获得数据进行数据回归，通过统计显着性检验确定变量间结构关系。

此外，模型设定范式上，当前一些模型设定并未遵循“一般到特殊”的建模范式。计量经济学的首要任务是为经济研究提供经验基础，模型与理论、数据的统一是计量经济学应用研究科学性的体现，也是其模型正确解释经济现实的前提。“一般到特殊”的建模范式从包含所有可能影响因素的“一般模型”开始，通过施加理论约束的“约化过程”，转化为可估计的具体“特殊模型”。这一过程最大限度地保证了经验数据的完整性以及模型与经验现实的一致性。当前，部分研究遵循的是“特殊到一般”的建模范式，从只包含待研究变量的“特殊模型”开始，通过尝试不同估计量来对其进行回归，若得不到理想的统计结果，再试图通过增加变量进行新一轮尝试，直到获得较为满意的统计显着性为止。如某篇文章研究经济增长与对外贸易、资本积累之间的关系，将ＧＤＰ、进出口与资本积累时序数据分别取对数进行回归分析，统计充分性不理想，增加就业数据后再进行回归，可通过统计检验，则得出结论，对外贸易每增长１％，将促进该省ＧＤＰ增长３．３２４％。但若将该影响关系建立在更为宏观的框架下，将就业、外商直接投资、对外开放程度、人力资本等其他因素纳入模型，建立总体一般模型，再进行回归分析，则发现对外贸易对ＧＤＰ增长的贡献达不到３．３２４％，而是０．４７１％。这种模型设定范式容易因遗漏显着变量而得出误导性结论，可能对计量经济学应用研究的科学性造成一定损害。

（三）数据导向建模范式的数据生成过程问题

数据导向的建模范式将数据关系作为模型设定基础，根据数据关系来决定其所表述的经济因素的经济关系。在此建模范式中，应用研究的科学性依赖于数据与经济现实的一致性。数据是经济活动的结果，而数据生成过程则是对经济活动的重现。自然科学研究的科学性在于其系统还原性，科学的计量经济学应用研究，要求根据数据生成过程进行建模（尤其是时间序列数据），这种建模范式的实质，是系统还原性在经济领域中的应用。

因此，根据数据生成过程进行建模，成为模型与经济现实相一致的前提保证，也是模型经验可靠性与科学性的基础。具体到建模过程，就是对模型中变量的数据生成过程进行严格分析，探讨其数据特征：截距项、趋势、线性或非线性等。当前，我国应用数据导向建模范式的计量经济学模型较为普遍，其中以希姆斯的ＶＡＲ（向量自回归）系列模型为代表，包括最初的无约束ＶＡＲ（ＵｒｅｓｔｒｉｃｔｅｄＶＡＲ，ＵＶＡＲ）和现在的结构ＶＡＲ（Ｓｔｒｕｃｔｕｒｅｄ ＶＡＲ，ＳＶＡＲ）、协整ＶＡＲ（Ｃｏｉｎｔｅ－ｇｒａｔｅｄ ＶＡＲ，ＣＶＡＲ）。

虽然近一两年复杂经济结构模型逐步盛行，但向量自回归系列模型在时间序列模型中仍占有重要地位，尤其是在短期预测领域。当前，应用研究中较为普遍的问题是，应用向量自回归模型或动态面板数据模型的协整分析过程中，对数据生成过程的探讨不足，某些研究甚至没有对数据生成过程进行必要的解释与说明。现实研究的模型过程主要是通过软件进行的，软件中的数据生成过程分析，通常根据是否具有常数项、趋势项、线性趋势等方面分为几类，应用者只需要对其进行类别选择。部分应用研究并未对数据生成过程进行深入分析，其软件应用过程的类别选择可能是主观随意的，有一小部分发表的研究结果甚至没有涉及数据生成过程这一问题，而直接进行协整回归得出变量间“精确”的结构关系，使其结论的经验基础受到质疑，也一定程度上损害了计量经济学应用研究的科学性。

（四）模型应用研究的技术细节问题

当前，部分数据导向建模范式的应用研究中还存在一些技术性问题。以时间序列分析为例，时间序列分析在我国经济分析中的应用较为广泛，由此产生的问题也较为普遍。

首先，时间序列模型添加滞后项或移动平均项问题。这实质上是个时间序列模型设定问题。在时间序列分析中，有时为获得更好的统计显着性而加入一些滞后项或移动平均项等，并将其解释为跨期影响或持续性等，认为这样能更好地描述时间序列的动态变化。虽然格兰杰曾试图从经济学角度对引入滞后项或移动平均项给予解释，但严格来说，这样做是没有经济理论依据的。

加入滞后项或移动平均项，回归模型的残差就有可能存在时间序列相关，模型难以完整解释时间序列动态变化。这时的模型预测就可能不是最优的，模型也难以正确评估变量变化的跨期影响与持续性影响。

其次，协整方程稳定性的残差单位根检验问题。这里的残差单位根检验判定不应以普通单位根检的ＤＦ（迪基－福勒检验）与ＡＤＦ（增项的迪基－福勒检验）检验临界值为标准。

ＤＦ与ＡＤＦ单位根检验针对的是单整误差，而非协整方程的非均衡误差（ｄｉｓｅｑｕｉｌｉｂｒｉｕｍ ｅｒｒoｒ）；此外，最小二乘法的估计量具有一个向下的倾向，进而具有比一般单尾检验更大的拒绝零假定的倾向。因此，对于残差序列的临界值必然要小于通常ＤＦ或ＡＤＦ检验的临界值，也就是说其临界值应以麦金农Ｅ－Ｇ协整检验临界值为准，而非一般的ＤＦ或ＡＤＦ检验临界值。当前，我国应用研究中出现的较为普遍的错误，就是直接应用ＤＦ或ＡＤＦ一般单位根检验临界值作为残差检验临界值，这很可能导致本来不具备协整关系的方程残差通过检验。

再次，单纯以统计检验显着性确定经济因素的结构关系问题。统计上的相关只是现实经济因素之间存在相关关系的必要条件，而非充分必要条件。相关关系分为直接影响与间接影响，而在计量经济学模型设定的变量选择中，常以直接影响变量为主。若单纯地依赖统计相关关系，人们很难区分直接影响变量与间接影响变量，进而可能导致变量选择上的失误。此外，时间序列数据由于破坏了随机抽样假定，样本间存在序列相关的可能性较大，而如果这种序列相关不能尽快趋近于零，大数定律、中心极限定理等极限法则就不具备其应用基础。因此，协方差平稳性和渐进性代替随机抽样假定，成为时间序列建模的前提条件。但现实的随机过程难以完全满足协方差的平稳性与渐进性条件，因此，经典模型常会产生误导性结论。不管随机变量间是否存在因果关系，变量不平稳性越高，回归方程拟合度越高，谬误回归的可能性越大。

三、提升计量经济学应用研究科学性的建议

（一）理性看待计量经济学研究方法的科学性与局限性

提升计量经济学应用研究的科学性，首要前提就是对计量经济学形成正确认知，理性看待计量经济学的地位、作用、局限，及其在经济研究中所扮演的角色。

首先，应正确看待计量经济学在经济分析中的地位与作用。计量经济学以科学化经济研究为主旨，致力于为经济研究提供经验基础。其在现代经济分析、尤其是预测领域发挥了重要作用。

无论人们对计量经济学的预测存在怎样的质疑与争议，一个不可否认的事实是，计量经济学的预测虽不精确，但作为经验实证研究方法，其定量分析结果的相对准确程度仍好过其他规范分析方法，其在经济分析领域仍占据着不可替代的地位。此外，计量经济学将经验现实与数学严谨性相结合，这种研究范式到目前为止仍是经济研究领域的重要研究方法，在未来的短时间内仍是难以超越的。

在科学应用的前提下，计量经济学可能会做到以下几个方面：（１）检验理论的含义；（２）度量理论定义的参数或不可观察的变量的数值，在极端情况下，计量经济学可以描述现象律；（３）计量经济学会用于预测变量的值，这种预测可能是基于先验理论的，也可能是与理论无关的统计应用；（４）计量经济学用于描绘一个经济现象或经济关系的特征。计量经济学对数据进行处理，使其揭示某种关系，这种关系可能会演变成理论的基础。

其次，没有任何一门科学是绝对正确、普遍适用的，计量经济学也是如此。计量经济学自产生起就打上了经验实证的烙印，经验实证的模型语言是其优势所在，也是其局限所在。作为经验实证的研究方法，计量经济学模型方法本身就是实证的而非规范的，是经验实证的而非理论实证的，这也限定了其适用范围、方法论基础与模型功能。

作为科学特质与人文特质的统一，经济学的本质并不等同于物理科学等硬科学，难以排除价值判断，也很难用单纯的数学、统计学语言来表述。

计量经济学应用研究更适用于那些便于获得可靠经验数据、便于进行量化分析的问题，勉强套用不但难以达到与自然语言等同的经济描述的充分性与适用性，还可能会降低计量经济学应用研究的科学性。虽然人文价值因子量化处理后与计量经济学应用研究结合原则上没有问题，如微观经济学中的定性因变量、扩展投入—产出中社会和自然部门的加入，但有些人文因子确实存在量化的困难，如幸福指数。

再次，理性看待计量经济学模型结论的精确性。人们在研究中倾向使用计量经济学方法来做“量”的度量，认为通过参数回归能获得变量之间精确的数量与结构关系，并将其作为经验数据所揭示的经济规律，这种计量经济学观是有偏差的。

计量经济学并非是精确的科学，作为其研究对象的经济关系也难以获得精确的结构赋值，正确地运用计量经济学方法所得到的经济数量关系是可靠而不精确的。现代计量经济学实质上是建立在两个基本公理之上的：“１．任何经济系统都可以看作是服从一定概率分布的随机过程；２．任何经济现象（经济数据）都可以看作是这个随机数据生成过程的实现。”

虽然这两个公理并未得到所有经济与计量经济学家的认同，也无法证实或证伪，但大多数经济学家和计量经济学家都认为，经济系统中存在大量的不确定性，计量经济学中的概率是描述不确定性的最佳工具。但现实中的计量经济学模型，仅可能是现实抽象的似真与近似，不可能包括所有随机因素，进而“点预测”也难以做到完全精确。就这一意义层面而言，计量经济学通过观测数据来推断的只是概率规律，而非精确的函数关系。

（二）保证计量经济学模型设定的经济充分性与经验可靠性

模型设定是计量经济学经济分析的重要基础，也是其应用研究科学性的前提。计量经济学模型设定应同时兼备经济充分性与经验可靠性，基于二者的数学分析与统计推断才能导向正确的结论。

首先，保证模型、理论与数据的三位一体，模型设定要遵循理论与数据相结合的“关系导向”范式。在计量经济学模型中，经济充分性是由经济理论来体现的，即模型设定符合经济理论或经济现实体现出的稳定规律；而模型中的经验基础则是由模型与经济现实相一致来体现的。进一步说，观测数据代表了经济现实，模型要保证经验充分性就应给予现实观测数据以“话语权”。由于理论导向建模范式经验基础的不可靠性，引发其模型对经济现实解释的非充分性，逐渐为数据导向的建模范式所取代。数据导向的模型设定范式以现实数据为基础，充分体现了模型的经验充分性，对经济现实的表述更加准确（如非限定向量自回归模型，ＵＶＡＲ）。但单纯的数据导向同样具有缺陷，由于缺乏充分的理论约束，容易引发模型的经济充分性问题，诸如“伪回归”问题。经济学家提出了很多方案，但实质性的还是对计量经济学模型设定施加适当经济理论约束，以数据与理论的综合为模型设定导向（如结构ＶＡＲ、协整ＶＡＲ）。

其次，确保计量模型与经验现实相一致，也就是在根据数据生成过程进行建模的同时，还要保证模型设定经济意义上的有效性。模型本身与理论、数据的一致，只能保证模型本身的科学性，而不能保证其与经济现实的一致性，这也是当前研究应注意的一个问题。一方面，经验数据代表经济活动的结果，只有模型过程与经济现实严格一致，才能保证其经验现实的可靠性；另一方面，由于数据的统计、处理过程可能存在的系统性误差，导致经验数据可能存在偏差，这就需要经济意义来规范。这要求我们在实际模型设定过程中，既考虑到经验数据的自身特点、概率分布特征等因素，也要考虑到相关的经济理论、惯例或其他约束条件，遵循从“一般”模型到“特殊”模型的建模范式。同时，计量经济学模型通常是由理论模型转化为便于操作的经验模型的，这就要求对转化过程要谨慎处理，避免转化过程中可能出现的各种误差与偏差，保证两个模型的一致性。另外，计量经济学模型是以概率分布为其前提假定的，因此，在模型设定伊始就要对模型是否符合概率假定进行检验，即检验获得的经验数据分布是否确实如假定所设定的分布状态，这是模型科学性的前提与保证。

（三）正确处理计量经济学中的“一般”与“特殊”问题

要保证计量经济学应用研究的科学性，就要平衡好计量经济学建模过程中的三组关系：理论与数据、检验与发现、经济充分性与统计显着性。计量经济学建模过程中理论与数据关系的核心是经济理论与经验数据在模型中的统一：模型设定遵循“一般到特殊”的建模范式，建模过程中经济理论约束与经验数据特征假定的统一。后者实质上也就是经济意义与统计意义的统一，也可理解为经济充分性与统计显着性的平衡。处理好两者关系，要求做到：在建模的各个环节兼顾“一般”与“特殊”———从总体一般模型到具体特殊模型，检验证伪具体特殊模型，若检验不通过，则重复上述过程。这一循环往复的建模过程，也是处理计量经济学模型检验与发现关系的前提保证。进而，究其实质，三组关系的处理可归结为“一般”与“特殊”的平衡问题。

首先，“一般”与“特殊”问题，可体现为模型设定的“特殊到一般”与“一般到特殊”的两种范式标准。特殊到一般的建模范式，从由经济理论设定的主要影响因素作为模型的主要变量开始，进行分析与检验，若不能通过统计显着性检验，则根据现实经济运行情况酌情添加变量，再进行新一轮的模型设定与检验，如此往复，直到通过检验为止。而一般到特殊的方法，则一开始就试图包括所有可能具有影响因素的变量，再通过约化过程，将影响非常微弱的、不具备直接影响的变量删除，整个约化过程也是以通过多次检验来完成的，并保证每次约化不会发生数据信息的丢失。理论上两者应殊途同归，因为同一经济现实必然对应唯一正确的解释，也就是计量经济学模型的“唯一性”。但由于现实经济的复杂性，以及主观观测与经验现实之间难以避免的偏差，使得数据信息难以达到理想状态，也就导致了两种建模范式的差别。

为保证计量经济学模型设定的准确性，应采用“一般到特殊”的设定范式。因为计量经济学检验具有逻辑不对称性，它只能检验已经加入模型的变量是否具有显着相关性，而不能检验当前设定的模型是否遗漏了重要变量。而“特殊到一般”的建模范式中，一旦增加变量的某一步骤通过检验，很可能就止步于此，有可能造成某些显着变量的遗漏，得到非完全的均衡关系，并破坏模型随机误差项的源生性。

其次，“一般”与“特殊”问题还可指代建模过程中“一般模型”与“特殊模型”的往复替代过程。

在总体模型设定后，大体遵循从一般到特殊的过程，即通过对设定好的总体模型不断进行检验，获得简洁的、适合计量分析的特殊模型。但这一过程并不是一次性完成的。为了保证模型经济理论与数据信息的统一，检验过程要求做到经济意义与统计意义的统一，也就是说，检验只通过统计上的显着性检验是不够的，还要根据经济理论的要求符合经济意义。同时，由于计量经济学检验的非对称性，每一约化的检验环节都要根据经济意义查看是否遗漏重要变量，也就是说，检验过程不仅仅是“检验”，还包括了“检查”。这也是个从特殊到一般的过程，包含着对理论与数据关系、检验与检查关系、经济意义与统计意义关系的处理，是计量经济学模型的核心过程。

这里需要注意的一个问题是，从“一般”模型到“特殊”模型的过程，绝不是单纯地减少变量、简化模型的过程。它的前提是经济理论与数据信息的统一，它的保证是经济意义与统计意义的统一，它的表现是检验与发现的统一。要满足这一前提，做到两个统一，才是真正意义上的“一般到特殊”的模型过程，才能保证计量经济学模型的科学性。

（四）提升计量经济学模型统计推断的可靠性

关于统计推断的可靠性问题，不得不说的就是经验证据的可靠性问题，它是统计推断的基础。

正确的统计推断，应以可靠的经验基础为出发点，而现实的计量经济学模型中，却不可避免地存在误差，误差问题是计量经济学统计推断的一个基础问题。计量经济学应用研究统计模型的误差主要有四个来源。一是统计上的错误设定，即某些构成统计模型的概率，假定对于观测数据是无效的，错误设定的统计模型会引发不可靠的推断，因为实际的误差概率与名义的区别很大，进而使得检验结果很不可靠。二是不准确的数据。在数据的收集、整理过程中存在不当行为，进而使得样本数据受到损毁。现代经济数据尤其如此。虽然２０世纪５０年代人们提出了经济数据的不准确性与非充分性问题，数据的精确性得到稳步提升，但数据的收集、处理、整合过程仍可能产生系统误差。三是不一致的度量。一方面，收集到的数据并不一定完全对应理论意义提出的概念度量，即现实度量的数据与理论所定义的变量并不是等价的东西。这是一个基本问题，因为理论模型是构建在静态理论基础之上的，而可获得数据所度量的却是一个不断发展的复杂过程。另一方面，绝大多数数据是由政府机关和私人机构收集的，而非建模者本身，这也会造成这种实际度量与经济理念不一致的现象。四是外部无效性。理论设定的状况与实际的数据生成过程（ＤＧＰ）等存在着“体系上”的不同。对于这一基础性问题，由于外部无效性以及其他误差根源的影响，很难得以解决。如何最大限度地降低计量经济学应用研究中的误差，除却在数据收集、整理等环节减少人为误差外，还应注意以下三点。

第一，正确设定计量经济学应用模型。正确设定的模型可最大限度地保证误差项的源生性。设定模型时要注意，模型并非越复杂越好，关键是要适合待研究的问题。问题的本质决定模型、方法的使用。如研究市场有效性，适合的模型是条件均值模型，不需要对高阶矩阵如方差或整个条件概率分布建模。此外，模型设定也要考虑数据特征，如截面数据通常用于估计静态类的总体模型参数，时间序列数据则常用来估计动态的总体模型参数。

第二，根据数据生成过程建模。前文探讨过，科学设定的计量经济学模型之所以能够为经济研究提供可靠的经验基础，就在于其模型的建立是以数据生成过程为基础的。数据代表了经济活动的结果，数据生成过程是对经济活动以及经济关系的还原，是模型与数据、现实相一致的前提与保证。因此，在模型过程中应对数据生成过程进行探讨，并在文章中进行说明。数据生成过程是模型中变量间协整关系分析的前提。只有确定数据生成过程，才能进行其后的协整关系检验。当前的计量经济学应用研究基本都采用计量软件来完成计算过程，研究者所要做的就是在软件应用环节对数据生成过程的类型进行选择，不同的数据生成过程会产生不同的协整结果。因此，只有对数据信息进行深入研究，才能真正让数据在模型中拥有“话语权”，保证计量经济学模型的经验基础，保证研究的科学性。

第三，遵循“检验、检验再检验”的黄金准则。检验包括模型设定检验（错误设定）、模型理论检验（经济意义）、统计意义检验（统计可靠性）和计量经济学检验（模型假定）。当模型所得结论不能有效解释经济现实时，应从模型设定、模型经济意义、统计意义与模型概率假定层面寻找问题。检验是发现并解决模型可能存在问题的有效手段。