之所以可以建立计量模型分析现实问题，隐含了什么样的前提假设条件？

粗略的用误差项说吧，截面是观测项之间不相关，时间序列是前后相关，面板数据是个体内和时间上相关，个体间不相关。微观经济计量模型是个体的选项之间相关，个体间不相关

财经节析 发表于 2017-8-31 15:42
可能我没表达清楚吧，我想说的不是为了使参数估计量具有某些优良性质而做出的古典假定，而是，比方说，“ ...

嗯好的，我的确不太擅长这方面，理解不太深入。希望看到更多人的观点。

我的一点管见：之所以可以建立计量模型，是因为理论上被解释变量（Y）与解释变量（X）之间有某种关系，如楼主所言，参数计量方法，作用主要是用来估计模型的参数。Y和X的某种关系是理论上的，那么可以用现实的数据去验证它，因此，只要收集到了足够的数据，就可以用各种方法，主要是OLS或MLE等，对参数进行估计了。
有几个方在的问题需要注意：
1、模型必须是可识别的，例如，拟合供给与需求的方程，如果只有产出数量和消费数量，就无法区分所拟合的方程是供给方程还是需求方程。
2、模型必须是正确的。由于Y的影响因素众多，不可能穷尽所有解释变量，所以，忽略了重要的X导致估计有严重偏误，这就是内生性问题。
3、楼主可以去查查卢卡斯批判。有些模型再精美，也只能代表过去的政策环境，环境变了，模型也失效了。
4、纯时间序列建模，例如ARMA等，关注的是数据生成过程，所以，也有结构化的建模方法和非结构化的建模方法。
5、因果关系，现在流行用伪实验方法，似乎可以验证某种因果关系，虽然做的只是数据分析。
暂时想到了这么多，希望可以抛砖引玉。

受教了，再展开细致点更好

自己的独特见解，加油

所有计量模型都是假设因果关系成立，历史规律重演，神经网络SVM也不例外

瞅两眼

非经典计量正是为了克服经典计量的某些假定的不足而发展起来。个人更倾向于认为假定是为了某个具体问题而设，问题变了方法是可以改变甚至突破的，比如工具变量和ARCH等等。从建模过程来看，首先关注的还是经典假设，然后再根据具体问题选用具体方法。但无论模型如何精当，卢卡斯批判对计量经济学来说仍然是个硬伤。哎，经济学大厦又何尝是完备的？个人管见，言之失当之处请坛友批评指正

学习了