계량경제학에서 어떤 방법으로 집값의 영향 요인을 측정합니까?

1. 이론 모델의 설계는 심도 있게 연구해야 할 경제 현상을 분석한다. 연구의 목적에 따라 모델에 포함할 요소를 선택하고, 데이터의 가용성에 따라 적절한 변수를 선택하여 이러한 요소를 나타내고, 경제 행동 이론과 샘플 데이터의 관계에 따라 이러한 변수 간의 관계를 설명하는 수학적 표현, 즉 이론적 모델을 설정합니다. 예를 들어 이전 섹션의 생산 함수는 이론적 모델입니다. 이론적 모델의 설계는 크게 세 부분으로 구성됩니다. 변수를 선택하고, 변수 간의 수학적 관계를 결정하고, 모델에서 추정할 매개변수의 수치 범위를 작성합니다. 1. 모델에 포함된 변수를 결정합니다. 단일 방정식 모델에서는 변수가 두 가지 범주로 나뉩니다. 연구 대상인 변수, 즉 인과 관계의 열매 (예: 생산 함수의 생산량) 는 모델에서 해석된 변수입니다. 생산 함수의 자본, 노동력, 기술과 같은' 원인' 의 변수는 모델의 해석 변수입니다. 모델에 포함된 변수를 결정하는 것은 주로 해석 변수를 결정하는 것을 의미합니다. 외생 경제 변수, 외생 조건 변수, 외생 정책 변수, 지연 해석 변수 등 여러 가지 변수를 해석 변수로 사용할 수 있습니다. 정책 변수 및 조건 변수와 같은 일부 변수는 종종 가상 변수로 나타납니다. 그는 엄밀히 말하면, 상술한 생산 함수의 산출, 자본, 노동력, 기술은 단지' 요소' 라고 불릴 수 있으며, 이들 요소 사이에는 인과 관계가 있다고 말했다. 계량 경제학을 모델링하려면 이러한 요소를 나타내는 적절한 변수를 선택해야 하며 데이터 가용성이 있어야 합니다. 따라서, 우리는 생산액을 생산액으로 표현하고, 고정자산 원액으로 자본을 대표하고, 직원 수로 노동을 대표하고, 시간을 변수로 기술을 대표할 수 있다. 이렇게 하면 최종 모델은 총생산액, 고정 자산의 원래 가치, 종업원 수, 시간 변수 간의 관계에 대한 수학적 표현입니다. 다음은 편의상' 요소' 와' 변수' 의 차이를 잠시 생략하고 모두' 변수' 로 표시하겠습니다. 핵심은 해석된 변수를 결정한 후 해석 변수를 올바르게 선택하는 방법입니다. 우선 연구한 경제현상에서 함축된 경제이론과 경제행동법칙을 정확히 이해하고 파악해야 한다. 이것은 해석 변수를 올바르게 선택하는 기초입니다. 예를 들어, 위의 생산 문제에서 공급 부족이 명확하게 지적되었으므로 생산에 영향을 미치는 요소는 투입 요소 내에 있어야 합니다. 현재 일반적인 투입 요소는 주로 기술, 자본, 노동력이다. 수요가 부족하면 생산에 영향을 미치는 요소는 투입 요인이 아닌 수요 방면에 있어야 한다. 이때 연구 대상이 소비재 생산이라면 주민소득 등 변수를 해석 변수로 선택해야 한다. 연구 대상이 생산 자료의 생산이라면 고정 자산 투자 총액 등 변수를 해석 변수로 선택해야 한다. 같은 생산 모델이 성립되고, 경제환경, 업종에 따라 변수 선택이 다르다는 것을 알 수 있다. 둘째, 변수를 선택할 때 데이터의 가용성을 고려해야 합니다. 이것은 경제 통계에 대한 철저한 이해가 필요하다. 계량 경제 모델은 샘플 데이터, 즉 변수의 샘플 관측을 지원하여 특정 수학적 방법으로 매개변수를 추정하여 변수 간의 수량 관계를 나타냅니다. 따라서 선택한 변수는 통계 지표 시스템에 있어야 하며 신뢰할 수 있는 데이터 소스가 있어야 합니다. 해석된 변수에 중요한 영향을 미치는 개별 정책 변수 및 조건 변수를 도입해야 하는 경우 가상 변수 샘플 관찰을 선택하는 방법을 사용합니다. 셋째, 변수를 선택할 때 선택한 모든 변수 간의 관계를 고려하여 각 해석 변수를 독립적으로 만듭니다. 이것은 계량 경제 모델 기술이 요구하는 것이다. 물론, 처음에는 이 일을 하기가 매우 어려웠다. 관련 변수가 선택한 모든 변수에 나타나면 모델링 중에 테스트하고 제거할 수 있습니다. 여기서 볼 수 있듯이, 모형을 만드는 첫 번째 단계는 계량 경제학이 경제 이론, 경제 통계, 수학을 결합한 사상이라는 것을 이미 보여 주었다. 변수를 선택할 때 오류가 발생하기 쉽다. 다음 예는 기존의 계량 경제학 응용 연구 결과에서 발견되어 쉽게 발생할 수 있는 몇 가지 오류를 나타냅니다. 예를 들어 농수산물 수출액 =- 107.66+0. 13× 사회상품 소매총액 10.22× 농수산물 인수액. 사회상품 소매총액이 농수산물 수출량과 직접적인 관계가 없기 때문에 농수산물 수출량에 영향을 미치는 이유가 아니기 때문에 여기서 무관변수가 선택되었다. 또 생산수단 수입 = 0.73× 경공업투자 +0.2 1× 수출액 +0. 18× 생산소비 +67.60× 수출입정책. 이 변수는 중요하지 않다. 경공업 투자가 생산수단 수입에 영향을 미치지만 중요하지 않거나 완전하지 않기 때문이다. 중요한 것은 사회 전체의 고정자산 투자이며, 이 변수는 선택해야 한다. 또 농업총생산액 = 0.78+0.24× 식량생산량 +0.05× 농기동력 -0.2 1× 피해 지역. 여기서 인수를 선택한 것은 식량 생산량이 농기계 동력과 피해 지역의 영향을 받아 둘 사이에 연관성이 있기 때문이다. 위의 모형은 샘플 데이터를 잘 맞출 수 있으므로 샘플 데이터의 맞춤 정도는 모형 변수 선택이 정확한지 여부를 판단하는 주요 기준으로 사용할 수 없습니다. 변수의 선택은 한 번에 완성되는 것이 아니라, 종종 여러 번 반복해야 한다. 2. 모델의 수학적 형태를 결정하고, 적절한 변수를 선택한 다음 적절한 수학적 형식을 선택하여 이러한 변수 간의 관계를 설명합니다. 즉, 이론적 모델을 설정합니다. 모형 수학 형식을 선택하는 주된 근거는 경제 행동 이론이다. 수리경제학에서는 생산함수, 수요함수, 소비함수, 투자함수 등 일반적으로 사용되는 모델의 수학 형식이 광범위하게 연구되어 이러한 연구결과를 참고할 수 있다. 현대경제학은 실증연구에 특히 중점을 두고 있으며, 특정 경제이론 가설을 바탕으로 한 어떤 이론적 모델도 과거, 특히 역사 통계를 잘 설명할 수 없다면 받아들여질 수 없다는 점을 지적해야 한다. (존 F. 케네디, 경제학, 경제학, 경제학, 경제학, 경제학, 경제학, 경제학, 경제학, 경제학) 이를 위해서는 이론적 모델이 매개변수 추정과 모델 검증의 전 과정에서 반복적으로 수정되어 더 나은 경제적 설명과 역사상 발생한 변수 간의 관계를 더 잘 반영하는 수학적 모델을 얻을 수 있어야 합니다. 어떤 방면을 무시하는 것은 잘못이다. 변수의 샘플 데이터를 기반으로 변수와 해석된 변수 사이의 관계를 설명하는 분산형 차트를 만들 수도 있습니다. 분산형 차트에 표시된 변수 간의 함수 관계는 이론적 모델의 수학적 형태입니다. 이것은 또한 사람들이 모델링 할 때 자주 사용하는 방법입니다. 경우에 따라 모델의 수학적 형태를 미리 결정할 수 없는 경우 다양한 가능한 형식으로 시뮬레이션한 다음 더 나은 시뮬레이션 중 하나를 선택합니다. 3. 공식화 이론 모델에서 예측될 매개변수에 대한 이론적 기대치는 일반적으로 이론 모델에서 예측될 매개변수는 특정 경제적 의미를 가지며, 그 값은 모델 추정 및 검사 후, 즉 경제 수학 모델이 완료된 후에만 결정될 수 있지만, 그들의 수치 범위, 즉 이론적 기대치는 그들의 경제적 의미에 따라 처음부터 정해질 수 있다. 이 이론은 모델의 추정 결과를 검증하는 데 사용될 것으로 예상된다. 이론적 모델에서 예측될 매개변수의 이론적 기대치를 작성하는 열쇠는 예측될 매개변수의 경제적 의미를 이해하는 것입니다. 예를 들어, 위의 생산 함수 이론 모델에는 네 개의 예상 매개변수와 알파, 베타, A 가 있습니다. 여기서 텅스텐은 자본의 생산탄력성, 텅스텐은 노동의 생산탄력성, 텅스텐은 기술 진보의 속도, A 는 효율성 계수이다. 이러한 경제적 의미에 따르면, 그들의 수치 범위는 집중되어야 한다. 경제 변수의 시계열상의 변화는 종종 더디다. 예를 들어 주민소득의 연간 변화는 5% 정도밖에 되지 않는다. 소비자 함수 모델에서 주민소비는 해석된 변수로, 주민소득은 해석된 변수로, 시계열 데이터는 해석된 변수의 샘플 데이터로, 샘플 데이터가 너무 집중되어 있어 두 변수 간의 장기 관계를 반영하기 어렵다. 이는 시계열이 장기 변화 관계를 반영하는 모델의 구조 매개변수를 추정하는 데 적합하지 않은 주요 이유 중 하나입니다. 넷째, 모델에서 무작위 오차 항목의 시퀀스 상관 관계 문제. 시계열 데이터를 샘플로 사용하면 모델의 임의 오류 항목에 시퀀스 종속성이 발생하기 쉽습니다. 이 문제는 나중에 다시 토론하자. 횡단 데이터는 횡단면에서 동시에 발생하는 조사 데이터 세트입니다. 예를 들어, 산업 센서스 데이터, 인구 조사 데이터 및 가구 조사 데이터는 주로 통계 부서에서 제공합니다. 횡단면 데이터를 계량 경제 모델의 샘플 데이터로 사용할 경우 다음과 같은 몇 가지 문제에 주의해야 합니다. 하나는 샘플과 기질의 일관성이다. 수학적으로 계량 경제 모델의 매개 변수 추정은 행렬에서 무작위로 선택한 개별 샘플을 사용하여 행렬의 매개 변수를 추정하므로 행렬과 개인이 일치해야 합니다. 예를 들어, 석탄 기업의 생산 기능 모델을 추정하는 경우 석탄 기업의 데이터만 샘플로 사용할 수 있으며 석탄 업계의 데이터는 사용할 수 없습니다. 그런 다음 단면 데이터를 사용하여 일부 집합 모형을 추정하기가 어렵습니다. 예를 들어, 석탄 산업의 생산 기능 모델을 구축하면 적절한 횡단면 데이터를 얻을 수 없습니다. 둘째, 모델의 무작위 오차 항목의 이분 산성. 단면 데이터를 샘플로 사용하면 모형의 임의 오류 항목에 대한 이분산을 쉽게 일으킬 수 있습니다. 이 문제는 나중에 다시 토론하자. 이진 데이터라고도 하는 가상 변수 데이터는 일반적으로 0 또는 1 을 취합니다. 가상 변수는 종종 경제 측정 모델에서 정책 및 조건과 같은 요소를 나타내는 데 사용됩니다. 예를 들어, 중국의 식량 생산에 대한 계량 경제 모델을 수립하고 식량 생산량을 해석 변수로 삼는다. 파종 면적, 비료 사용량, 농기계 총동력, 피해 지역 등 변수 외에 정책 요소도 간과해서는 안 된다. 1980 정도에 따라 정책 시행이 다르기 때문에, 상술한 변수가 변하지 않아도 식량 생산량이 크게 달라질 수 있다. 따라서 정책 변수를 해석 변수에 도입해야 합니다. 해석 변수는 더미 변수로 표시됩니다. 1980 이후 연도의 경우 더미 변수의 샘플 관찰은 1 이고 1980 이전 연도의 경우 더미 변수의 샘플 관찰은 0 입니다. 0 과 L 이외의 값을 사용하여 이 계수의 변화 정도를 나타낼 수도 있습니다. 예를 들어 산업 생산 모델에서는 벙어리 변수를 사용하여 기후가 산업 생산에 미치는 영향을 나타내고, 여러 해 동안 기후에 미치는 영향은 0, 1,-1, 심지어 0.5, -0.5 등으로 나타낼 수 있습니다. 그러나 이런 방법은 객관성에 어긋나지 않도록 신중하게 사용해야 한다. 2. 샘플 데이터의 품질 샘플 데이터의 품질은 일반적으로 무결성, 정확성, 비교 가능성 및 일관성의 네 가지 측면으로 요약할 수 있습니다. 무결성, 즉 모형에 포함된 모든 변수는 동일한 샘플 관찰을 받아야 합니다. 이것은 모형 매개변수 추정의 필요성이자 경제 현상 자체의 특징이다. 그러나 실제로는' 데이터 손실' 현상이 자주 발생한다. 특히 경제체제와 회계제도가 전환기에 있는 중국에서는 더욱 그렇다. "누락된 데이터" 가 발생할 때 샘플 양이 충분하고 샘플 점 간의 관계가 긴밀하지 않은 경우 "누락된 데이터" 가 있는 샘플 점을 완전히 제거할 수 있습니다. 샘플 양이 제한되어 있거나 샘플 점이 밀접하게 연관되어 있는 경우 샘플 점을 제거하면 모델의 예상 품질에 영향을 줄 수 있으므로 "누락된 데이터" 를 보완하기 위해 특수 기술을 사용해야 합니다. 정확에는 두 가지 의미가 있다. 첫째, 얻은 데이터는 자신이 설명하는 경제 요소의 상태를 정확하게 반영해야 합니다. 즉, 통계 또는 조사 데이터 자체가 정확해야 합니다. 둘째, 모델 연구에서 꼭 필요한 것, 즉 가변 구경에 대한 모델의 요구 사항을 충족해야 합니다. 전자는 분명하고 후자는 쉽게 간과된다. 예를 들어, 생산 함수 모델에서 변수를 해석하는 자본, 노동력 등이 있습니다. 생산 과정에 투입되어 생산에 기여하는 그 부분의 생산 요소여야 한다. 노동력을 예로 들면, 생산 과정에 투입되어 생산에 기여하는 그 부분의 노동자여야 한다. 따라서 샘플 데이터를 수집할 때 모든 직원 수가 아닌 생산적인 직원 수를 샘플 데이터로 수집해야 합니다. 모든 직원의 수는 통계적으로 정확하지만, 그 중 상당 부분은 생산 과정과 무관하며 모델에 필요한 것도 아니다. 비교 가능성, 즉 데이터 구경의 문제는 계량 경제 모델 연구에서 어디에나 있다고 할 수 있다. 사람들이 쉽게 얻을 수 있는 경제 통계는 일반적으로 비교가 안 된다. 통계 범위와 가격의 변화는 반드시 처리해야 모델 매개변수 추정에 사용될 수 있기 때문이다. 계량 경제학 방법은 샘플 데이터에서 경제 활동의 객관적인 규칙성을 찾는 것이다. 만약 데이터가 비교가 되지 않는다면, 얻은 규칙성은 현실을 반영하기가 어렵다. 서로 다른 연구자들은 같은 경제 현상을 연구하고, 같은 변수와 수학 형식을 취하고, 같은 샘플 포인트를 선택하지만, 멀리 떨어진 모형 매개변수 추정 결과를 얻을 수 있다. 왜요 그 이유는 샘플 데이터의 비교 가능성 때문입니다. 예를 들어, 시계열 데이터를 생산 함수 모델의 샘플 데이터로 사용하는 경우, 여러 해 동안 일정한 가격으로 계산된 총 생산액은 비교할 수 있습니다. 자본이 현가로 계산한 고정자산의 원가치는 다른 연도와 비교할 수 없다. 통계에 직접 제공된 현가로 계산된 고정자산의 원가치에 대해서는 직접 모형 추정을 하는 사람도 있고, 처리 후 모형 추정을 하는 사람도 있는데, 결과는 분명 다를 것이다. 일관성, 즉 기질과 샘플의 일관성. 앞서 횡단면 데이터를 계량 경제 모델의 샘플 데이터로 사용하는 것에 대해 논의했을 때 이미 설명했습니다. 기업 데이터를 산업 생산 함수 모델의 샘플 데이터로, 1 인당 소득과 소비 데이터를 총 소비 함수 모델의 샘플 데이터로, 3 1 개 성의 데이터를 전국 총모델의 샘플 데이터로 사용하는 등 일관성 위반이 자주 발생합니다. 3. 모형 매개변수의 추정 모형 매개변수의 추정 방법은 계량 경제학의 핵심 내용이다. 이론적 모델을 설정하고 모델 요구 사항을 충족하는 샘플 데이터를 수집한 후 적절한 방법을 선택하여 모델을 추정하고 모델 매개변수의 추정치를 얻을 수 있습니다. 모델 매개변수 추정은 모델 인식 (연립 방정식 모델의 경우), 추정 방법 선택, 소프트웨어 적용 등을 포함한 기술적인 프로세스입니다. 다음 몇 장은 많은 편폭으로 추정 문제를 토론할 것이며, 여기서는 군말을 하지 않을 것이다. 넷째, 모델의 검사는 모델의 매개 변수 추정을 받은 후, 초보적으로 계량 경제 모델을 세웠다고 할 수 있다. 그러나 연구한 경제현상 중 각종 요소 간의 관계를 객관적으로 밝혀낼 수 있을지는 시험도 봐야 한다. 일반적으로 계량 경제 모델은 경제 중요도 검사, 통계 검사, 계량 경제 검사 및 예측 검사의 네 가지 검사를 통과해야 합니다. 1. 경제 중요도 검사 경제 중요도 검사 주요 검사 모델 매개변수 추정량의 경제적 합리성. 주요 방법은 모델의 추정 매개변수를 추정 매개변수의 기호, 크기, 관계 등을 포함하여 미리 작성된 이론적 기대치와 비교하여 합리성을 판단하는 것입니다. 먼저 매개변수 추정기의 기호를 검사합니다. 예를 들어, 다음과 같은 석탄 산업 생산 모델이 있습니다: 석탄 생산 =- 108.5427+0.00067× 고정 자산 원래 가치 +0.0 1527× 실무자 수-0.0068/KLOC 이 모델에서 전력 소비 전의 매개변수입니다. 모델은 테스트를 통과할 수 없습니다. 원인을 찾아 모델을 재구성해야 합니다. 다른 방면은 품질이 아무리 높아도 모형도 실용적 가치가 없다. 2. 통계 검사 통계 검사는 통계 이론에 의해 결정되며, 그 목적은 모형의 통계적 성질을 검사하는 것이다. 일반적으로 가장 널리 사용되는 통계 검사 기준은 맞춤 우수도 검사, 변수, 방정식의 중요도 검사 등이다. 3. 계량경제학 검사 계량경제학 검사는 계량경제학 이론에 의해 결정되며, 그 목적은 모형의 계량경제학 성격을 검사하는 것이다. 일반적으로 가장 중요한 검사 기준은 무작위 오차 항목의 시퀀스 관련 검사와 이분 산성 검사, 변수를 해석하는 다중 공선 검사 등이다. 4. 모델 예측 검사 예측 테스트는 주로 모델 매개변수 추정량의 안정성과 상대 샘플량 변경 시의 민감도를 검사하여 설정된 모델을 샘플 관찰 이외의 범위 내에서 사용할 수 있는지 여부를 결정하는 것입니다. 즉, 모델의 과도 샘플링 특성입니다. 구체적인 검사 방법은 다음과 같습니다. (1) 확장된 샘플로 모델 매개변수를 재평가하고, 새 추정치를 원래 추정치와 비교하여 두 차이의 중요도를 검증합니다. (2) 설정된 모델을 샘플 외부의 특정 기간 동안의 실제 예측에 적용하고, 예측값을 실제 관찰과 비교하여 두 차이의 중요도를 검사합니다. 위 단계의 검사를 거치고 통과한 후 필요한 계량 경제 모델이 이미 구축되어 의도한 목적에 적용될 수 있다고 말할 수 있습니다. 다섯째, 계량 경제 모델 성공의 세 가지 요소 위에서 계량 경제 모델을 수립하는 단계에서 모든 계량 경제 연구 및 계량 경제 모델은 이론, 방법 및 데이터의 세 가지 요소에 의존해야한다는 것을 쉽게 알 수 있습니다. 이론, 즉 경제 이론, 연구한 경제 현상의 행동 이론은 계량 경제학 연구의 기초이다. 방법, 주로 모형 방법 및 계산 방법, 계량경제학 연구의 도구와 수단, 계량경제학이 다른 경제학점과 구별되는 주요 특징이다. 연구 대상의 활동 수준, 상호 관계 및 외부 환경을 반영하는 데이터 또는 더 넓은 의미에서 정보는 계량 경제학 연구의 원료입니다. 이 세 가지 방면은 하나가 없어서는 안 된다. 일반적으로 계량경제학 연구에서 방법의 연구는 사람들의 관심의 초점이며, 방법의 수준은 종종 연구 성과의 수준을 측정하는 주요 근거가 된다. 이것은 정상입니다. 계량경제학을 연구하는 이론적 방법은 계량경제학 연구자의 도의상 용납할 수 없는 책임이다. 그러나 우리도 경제 이론의 토론을 무시할 수 없다. 경제 이론과 경제 행동을 이해하지 못하는 사람은 계량 경제 연구에 종사할 수 없고, 매우 간단한 계량 경제 모델도 세울 수 없다. 따라서 계량 경제학자들은 우선 경제학자여야 한다. 대조적으로, 사람들은 데이터, 특히 데이터 품질에 대해 덜 우려하고 있습니다. 연구 프로젝트를 신청하거나 연구 결과를 평가할 때 데이터의 가용성, 가용성 및 신뢰성에 대한 면밀한 검토가 부족합니다. 연구 과정에서 문제가 발생할 경우 데이터 품질에서 원인을 찾는 일이 적습니다. 현재의 실제 상황은 데이터가 이미 계량경제학 발전을 제한하는 중요한 문제가 되었다는 것이다. 자동사 관련 분석, 회귀 분석, 인과분석은 위에서 언급한 계량경제 모델을 구축하는 단계에서 고전적인 계량경제학 방법의 핵심이 회귀 분석 방법으로 변수 간의 인과관계를 밝히는 것임을 더 잘 알 수 있다. 그러나 변수 간의 상관 관계가 인과 관계를 의미하는 것은 아닙니다. 이것은 계량 경제 모델을 수립하는 매우 중요한 개념이므로 먼저 관련성과 인과 관계에 대한 간단한 설명이 필요합니다. 상관 관계란 두 개 이상의 변수에 대한 샘플 관찰 시퀀스 사이의 무작위 수학 관계를 말하며 상관 계수로 측정됩니다. 두 변수의 관찰 시퀀스 사이의 상관 계수의 절대값이 1 인 경우 두 변수 사이에 완전한 상관 관계 (완전 양수 또는 완전 음수 상관) 가 있습니다. 상관 계수의 절대값이 크거나 1 에 가까우면 둘 사이에 강한 상관 관계가 있음을 나타냅니다. 상관 계수의 절대값이 0 이거나 0 에 가까우면 상관 관계가 없습니다. 한 변수가 다른 두 개 이상의 변수의 선형 조합과 관련이 있는 경우 각 변수와의 상관 계수를 부분 상관 계수라고 합니다. 종속성은 변수 간의 순수 수학적 관계이며, 변수 간에 연관성이 있는지 여부를 판단하는 근거는 데이터뿐입니다. 인과관계란 둘 이상의 변수가 행동 메커니즘에 의존하는 것을 말한다. 결과인 변수는 원인인 변수에 의해 결정되고, 원인 변수의 변화는 결과 변수의 변화를 일으킨다. 인과관계는 단방향 인과관계와 상호인과관계로 나눌 수 있다. 예를 들어, 노동력과 GDP 사이에는 단방향 인과관계가 있고, 경제행동에서는 노동력이 GDP 에 영향을 미치는 것이지 반대가 아니다. 그러나 GDP 와 총 소비 사이에는 인과 관계가 있다. GDP 는 총 소비를 결정할뿐만 아니라 소비에 의해 주도되고 있습니다. 인과 관계가 있는 변수 사이에는 반드시 수학적인 연관이 있을 것이다. 그러나 연관성이 있는 변수 사이에 인과 관계가 반드시 있는 것은 아니다. 예를 들어, 중국의 GDP 와 인도의 인구는 매우 밀접한 관련이 있습니다. 둘 다 비교적 빠른 속도로 성장하고 있기 때문입니다. 하지만 분명히 둘 사이에는 인과 관계가 없습니다. 상관 분석은 변수 간의 상관 관계 계수를 계산하여 변수 간 상관 관계가 있는지 여부를 판단하는 수학적 분석 방법입니다. 회귀 분석은 또한 무작위 변수와 하나 이상의 제어 가능한 변수 사이에 연관성이 있는지 여부를 판단하는 수학 분석 방법입니다. 특정 기능으로 인해 변수 간의 인과 분석에도 사용됩니다. 그러나 회귀 분석만으로는 변수 간의 인과관계에 대한 최종 판단을 내릴 수 없고 경제행동의 질적 분석과 결합해야 한다. 이것은 위에서 강조한 계량 경제 모델의 세 가지 요소이다.