首先，不清楚你用了什么指标，所以无法进行评论。

其次，计量建模必须有严格的经济理论基础，要能够对分析结果进行经济解释。

1、何谓“结果挺不错的”，请贴出计量结果

2、“对美国的天气和我国的GDP做回归可以得出这样的结论：二者具有很强的相关性”“伪回归”，非平稳序列直接OLS就容易出现伪回归

3、计量与经济理论的关系，楼主可要好好把握，呵呵

个人观点:

首先,所有具有成长性的数据,特别是同向增长的数据计算相关系数,通常都是显著的,无论是美国的天气与中国GDP,还是儿子的身高与门前的树高.这种相关性是数据相关性,因不存在实质性的关联度.

因此,就相关系数作如下说明:

在Eviews软件中,及平常大家作的相关系数的计算中,大多使用简单相关系数,具体的公式就不写了,但是大家会发现,这个相关系数所能计算的是两列数据在多维空间中形状的相似性,换而言之,相关系数所计算的是两列数据"长得像不像"的问题,统计推断相关的逻辑是:如果两列数据长得很像,那么相关系数就会很高,因此推断,它俩有一定的关系.其实这样的逻辑是存在问题的,通常情况下,具有相互关联的数据会长得很像,比如收入与消费等.这样的逻辑在日常生活中是应用广泛的,如我们看到一对双胞胎,通常长得很像,因为她们有关系;但两个长得很像的人,不一定是双胞胎,但是双胞胎的几率很高,因为没有任何关联却长得很像的人有,但是非常的少,因此,作这样的判断不是没有道理,但有时也会犯错.比如,儿子的身高与树高的问题.

其次,关于伪回归.伪回归在计量中是个具有内涵的说法,当提到伪回归时,通常是指对违反了数据平稳假定的条件下,古典假设条件进行最小二乘估计回归时,所得到的回归关系不具有稳健性,是"虚假"的回归,因此结果不可靠,模型不可用,通常被称为伪回归.

最后,关于建模,正如楼上所说的,你的建立的模型,统计及计量检验很好,但导师却认为指标有问题.主要的原因在于你所选择的指标从经济理论的角度看是不适当的.正如你儿子的身高与树高之间可以做出满足统计与计量检验的模型,却不能说明二者间存在着这样的关系.所以,你要从经济理论着手,以经济理论为基础选择指标,然后建模,进行实证分析.

[em01][em08]

+3金币

[此贴子已经被jimmy_young2005于2008-6-15 20:45:59编辑过]