计量模型与指数分解方法哪个更好？

计量经济学模型有很多种，主要研究哪些变量对因变量产生显著影响

指数分析，这里以对数平均迪氏指数法LMDI指数分解为例，它能将研究对象（相当于计量模型中的因变量）分解成若干个因子，而且这些因子加总起来等于100，即能够完全解释研究对象。

请问：两种方法哪个更好，既然计量经济模型很多时候只能解释因变量的一部分变化，为什么我们不常用指数分解法？相对于计量经济学方法，指数分解方法有哪些局限？

所谓的计量模型其实外延很广，甚至因子分解方法也是一种计量模型吧。您所说的计量模型大概是指常用的回归吧，如此，可以认为计量模型的变量都是显性的，而因子分解是内涵隐性的。
任何模型都只是设定前提下的人为模拟，而模型的结果也都是有偏差和置信度的，换言之，这个世界上根本没有精确的模型。显性的如此，隐性的更是这样。所以并不是哪个好、哪个不好的问题，而是就具体问题分析，哪个方法更容易应用、解释和外推。
至于为什么分解法用的不多，我个人觉得是因为大多数情况，大多数人还是喜欢让世界更简单一些，而不是在一个不可能精确的世界里苛责自己更精确一些。精确的模型，在统计的世界里是没有意义的。

llb_321 发表于 2022-5-31 11:16
所谓的计量模型其实外延很广，甚至因子分解方法也是一种计量模型吧。您所说的计量模型大概是指常用的回归吧 ...

谢谢，因子分解，相较于计量模型还是更简单一些吧，而不是相反。

llb_321 发表于 2022-5-31 11:16
所谓的计量模型其实外延很广，甚至因子分解方法也是一种计量模型吧。您所说的计量模型大概是指常用的回归吧 ...

谢谢，非常收益。

具体问题具体分析吧，我觉得计量模型其实更侧重于变量之间的因果关系分析，谁是因谁是果，为政策制定提供更多参考。指数分析感觉则更偏重相关关系，事物之间内生的联系吧，个人观点。

LMDI指数分解方法在使用的时候最好和其他模型结合使用，可以先用模型测出来一个指标，再进行该指标的指数分解，更具体细致，有说服力。