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。