指标确定为解释变量。参考文献[37]在研究中国储蓄被动机理中，曾把各项银行 存款作为被解释变量，把货币发行量、全国零售物价指数、股票价格指数、银行 利率、国债利率、居民收入等16个指标确定为解释变量。 对一个具体的经济问题，当研究目的确定之后，被解释变量容易确定，被解 释变量-般直接表达、刻画研究的目的。就像参考文献[9]、[37]中根据研究的问 题，直接将全国零售物价总指数和银行存款分别作为通货膨胀问题和储蓄问题的 被解释变量。而对被解释变量有影响的解释变量的确定就不太容易。一是由于我 们的认识有局限，可能并不知道对被解释变量有重要影响的因素。二是为了模型 参数估计的有效性，设置的解释变量之间应该是不相关的。我们很难确定哪些变 量是相关的，哪些不是相关的、因为在经济问题中很难找到影响同一结果的一些 因素它们之间是独立的。这就看我们如何在多个变量中确定儿个重要的、且不相 关的变量。三是我们从经济关系角度考虑非常重要的变量应该引进，但是在实际 中并没有这样的统计数据。这一点，在我国建立经济模型时经常会遇到。这时 可以考虑用相近的变量代替，或者由其他几个指标复合成·个新的指标。 在选择变量时要注意与一些专门领城的专家合作。研究金融模型，就要与 些金融专家和具体业务人员合作；研究粮食生产问题，就要与衣业部门的一些专 家合作。这样做可以帮助我们确定模型变量。 另外，不要认为一个回归模型所涉及到的解释变量越多越好。一个经济祺 型，如果把一些主要变量漏掉肯定会影响模型的应用效果，但如果细枝末节-起 进人模型也未必就好。当引人的变量太多时，可能选择了·些与问题无关的变 量，还可能由于一些变量的相关性很强，它们所反映的信息有较严重的重叠，这 就出现共线性问题。当变量太多时，计算工作量太大，计算误差积累也大，估计 出的模型参数精度自然不高。 总之，回归变量的确定是一个非常重要的问题，是建立回归模型最基本的工 作。这个工作一般一次并不能完全确定，通常要经过反复试算，最终找出最适合 的一些变量。这在今天计算机的帮助下，已变得不太困难了。 二、收集、整理统计数据 回归模型的建立是基于回归变量的样本统计数据。当确定好回归模型的变量 之后，就要对这些变量收集、整理统计数据。数据的收集是建立经济问题回归模 型的重要一环，是一项基础性工作，样本数据的质量如何，对回归模型的水平有 至关重要的影响。 常用的样本数据分为时间序列数据和横截面数据。 10 PDF created with pdfFactory Pro trial version www.pdffactory.comPDF created with pdfFactory Pro trial version www.pdffactory.com