首先：特称处理。模型中的变量能否直接运算可以分为两类。如果能够直接运算，则为定量变量。对于这类变量，可以直接在模型里使用它。但这样的使用方法隐含了变量的边际效应恒定这样一个假设，当需要除去这个隐藏的变量时，则可以将定量变量通过分段的方式转换为定性变量使用。如果一个变量不能直接运算，则为定性变量。为了能在模型里使用这列变量，通常将其转换为多个虚拟变量使用。但对于有序的定性变量，这样处理会失掉变量本身的顺序信息。特别是当模型中有多个有序定性变量时，损失的信息量就更多了。为了尽可能的保留有序性变量信息，可以通过Ridit score将定性变量转换为定量变量使用。
其次，某个变量对其他变量以及整体模型的影响。变量越多，模型可使用的信息就越多，其预测效果也会越好。但有时变量多容易诱发多重共线性问题，而多重共线性会使得整个模型变得不稳定，影响他的预测能力和解释能力。
第三，随机扰动项对变量的影响。当数据里存在内生性问题时，也就是说某个或某几个变量随机扰动项相关时，模型的参数估计会受到很大的影响，模型的准确性也就无从谈起。内生性问题的解决方法是使用工具变量，从模型架构上来看，这个方法是将简单的模型连接起来，组成复杂的“组装”模型。这就是所谓的联结主义。
转载自原文链接, 如需删除请联系管理员。
原文链接：计量经济学搭建模型总结，转载请注明来源！