第二，有部分论文采取了自己组织问卷或采访等方式来获取所需数据。这是值得提倡的做法，但是由于观察范围的有限，很难获得会面有代表性的系统数据。进而使得模型也不具有代表性了。

　　四、模型应用的条件及其恰当性。

　　反映社会经济现象的系统性模型很多，常见的模型及其应用条件是人们经常忽略的问题，现总结如下：

　　第一，最简单和最常用的系统模型就是期望值为零，方差为固定常数的随机干扰系统。它是计量经济模型的重要组成部分，建模过程中以残差的方式出现。如果模型中的解释变量能够很好的解释被解释变量的话，则残差将是零均值、同方差、无自相关的平稳变化的随机干扰子系统。否则，残差将表现出存在异方差或自相关等严重问题。

　　第二，对社会经济现象的动态规律的研究，可以通过自相关、偏自相关、互相关等函数的分布特征，来确定计量经济模型中各变量的滞后阶数。即当某变量的自相关函数是拖尾的，而偏自相关函数表现为 P 阶截尾的特征时，则说明该变量为 P 阶自回归过程 AR（P）；如果某变量的自相关函数是 Q 阶截尾的，而偏自相关函数却是拖尾的，则该变量为 Q 阶移动平均过程 MA（Q）；如果一个变量的自相关和偏自相关函数都是截尾的或都表现为拖尾的特征时，则该变量就是自回归移动平均过程 ARMA（P，Q）。在回归模型中如果被解释变量是自回归过程，则该模型就叫做自回归模型 ARM；如果解释变量是自回归过程，则该模型叫做分布滞后模型 DLM；如果两者都是自回归过程，该模型就叫做自回归分布滞后模型 ADLM。ADLM 的分布滞后阶数可以通过互相关系数的阶数，或格兰杰因果检验等方法来分析判断。

　　五、模型的估算和检验的恰当性。

　　模型的估算和检验多是采用固定的程序进行的，其中的算法、应用条件、使用原则等方面的不恰当使用，或者根本不进行检验等情况的广泛存在，使得模型的有效性大大减弱。常见错误的主要表现如下：

　　（一）没有进行各类检验或检验内容不全面的问题。

　　在上期有关计量模型的检验知识介绍中，我们将对模型的检验分为四类，其中的绝大多数检验都是要做的。而我们会看到很多不做检验就使用的模型，这在科学研究中是很避讳的事情，然而这种避讳却是目前很容易出现问题。模型构建中的某些检验是必须要做的，如变量的显着性检验、残差的异方差性和自相关性检验等等都是不能缺省的。

　　（二）模型估算上的主要问题。

　　目前在计量建模中的估算方法很多，尤其是机器学习思想引导下，新的人工智能研究所得到估算方法更多。而这些算法所产生的偏差及随机干扰性的误差，多数是不可控制的。其中经过证明的最佳线性无偏估计很少，很多方法需要逐步修正来完善。而这一完善过程需要收敛集中才有意义。可在实际建模中，却存在着大量的只适合内插预测，不适合外推预测的估算模型。

　　如大量的存在条件异方差、自相关的各类模型，以及向量自回归的、两点法、三点法、指数平滑和移动平均等方法得到的估算模型，往往都存在着这类不收敛问题。

　　（三）回归与协整分析的恰当使用问题。

　　回归分析的方法在自然科学的研究中广泛使用，且效果很好。但是在社会科学的研究中，却广泛的存在着伪回归的问题。为了避免伪回归，恩格尔和格兰杰等学者研发出协整分析的相关内容，并因此而获得了诺贝尔经济学奖。然而我们在使用和理解这些知识时却产生了很多问题：

　　首先，将协整与回归分裂开来，并视为豪不相关的东西。在自然界的大量平稳现象中，回归关系是稳定的，所以回归分析是科学研究中最常用的方法之一。但是在经济学的研究中，人们发现社会经济现象绝大多数都是非平稳的（即单整过程）。在非平稳的现象之间建立回归方程，很容易产生伪回归的结果。即本来豪不相关的现象，往往被认为是因果关系，且统计上是显着的。只有协整系统所表现出的回归关系，才是真正的因果关系，我们称之为协整回归。

　　协整系统是指由一系列不平稳的单整序列构成的复杂稳定系统。在该系统中，就各个单整序列而言，都是不稳定的。而它们综合在一起时，却表现为平稳的状态。所以在求解回归方程时，需要进行协整性检验，即观察其残差项是否为平稳的，若残差平稳，则回归方程就是协整的回归。