经济统计模型不是“数学工具”，也不仅仅是“定量工具”，而是嵌入分析思想的“模型工具”。
经济统计模型要建立在实际问题和经济理论基础之上，否则经济统计模型就没有经济意义。
经济统计模型在丰富经济学理论与应用研究中取得了很大的成果，对各级政府决策发挥着重要作用。
用知识经济学的观点看，经济统计模型是一种科学、有效的知识挖掘（发现）思想、方法与工具。
经济统计模型的作用
首先，经济统计模型是数量经济学的特征，数量经济学因经济模型而成为经济学的一个分支。经济统计模型不是“数学工具”，也不仅仅是“定量工具”，而是嵌入分析思想的“模型工具”。它可以验证、修正、完善经济理论（认识），更重要的是可以发现新的经济理论（再认识）。在经济环境发生变化的情况下，样本少的估计不支持经济理论，并不能否定理论。但如果样本足够多的估计都不支持理论，那么该理论就会受到很大的质疑，失去价值，或被修正或完善，进一步产生新的理论。
其次，经济统计模型是经济政策的实验室。经济现象不具有重复性，即使可以试验，成本也会很高，破坏性也会很大。一项经济政策（措施）的出台实施，并非仅取决于它能够解决的问题和实现的预期目标。更重要的是，在出台实施之前，要认识到这项政策的不利影响，以及最坏的负面结果，并制定预案，采取有效措施，最大限度地减弱不利影响和最坏的负面结果。否则，贸然实施这项政策的后果不堪设想（这是不以人的意志为转移的）。
再次，宏观经济调控需要经济统计模型。在宏观经济调控中，存在两个基本问题。一是调控方向，二是调控力度。相比较而言，根据调控需要，调控方向容易决定，而调控力度不易确定。比如，当生产过剩时，需要通过提高银行贷款利率减少生产。但是，银行贷款利率提高多少呢？这就是调控力度问题。如果银行贷款利率提高幅度不够，就达不到减少生产的目的；如果银行贷款利率提高幅度过大，生产就会因减少过多而出现不足。因此，确定调控力度是一个关键问题。鉴于调控力度受很多因素影响，运用统计模型来研究银行贷款利率模型，揭示它与其影响因素变化的关系，是确定调控力度的最优选择。
最后，经济统计模型可用于经济预测。在预测中，鉴于确定外生变量本身又是一个预测问题，做好、做到满意或可以接受，也相当不易，甚至不可能。它不仅取决于模型技术，还取决于艺术，即预测者综合收集、加工、提取、应用相关知识与信息能力，对经济现象的过去和现状的感觉，以及未来趋势的判断和把握。运用经济统计模型进行政策分析似乎比较容易，但做到位也是不易的。这取决于对政策利弊、政策间关系的判断与把握，以及政策走向与现象发展轨迹相关性的认识，这些都需要我们在“干中学”。
经济统计模型的建模原则
经济统计模型在研究经济问题中的独特性与不可替代性已经形成共识，关键是如何建立经济统计模型。一个好的模型取决于变量的选择和技术的选择，相比较而言，技术的选择难于变量的选择。
不同核算口径或统计口径数据的形式以及产生的后果是很严重的。这里，我们只讨论相同的核算口径或统计口径下经济统计模型建模的原则。
一是经济统计模型要建立在实际问题和经济理论基础之上，否则经济统计模型就没有经济意义。考虑到经济统计模型的应用，当经济统计模型被用于作政策分析时，一定要坚持这种原则。此时，可选择的模型形式的确不多。但当经济统计模型被用于经济预测时，倒不必固守这种原则。可选择的模型形式可以灵活些，由追求拟合度最高来确定。值得一提的是，任何经济理论都是在实践认识基础上整合、提升而成的，反过来指导实际经济活动。虽然经济理论具有历史条件性，与未来的实际有差距，但这不影响其指导实际的作用。然而，随着时间的推移，经济环境发生巨大的变化，原来历史形成的理论与实际的偏离会逐渐增大，最终导致其不能解释现实经济问题，而失去指导作用。这是不以人的意志为转移的客观规律，即理论与实践之间的辩证关系。此时，就需要通过经济统计模型不断加深对实际情况的认识，在此基础上整合、升华为新的理论，使原来的理论发生飞跃。
二是模型形式的选择。虽然经济系统是非线性的，但仍可以使用线性模型来逼近描述经济系统，此时形式是唯一的，只是变量的选择问题。从理论上讲，应使用非线性模型来描述经济系统，但此时除同样存在变量选择问题外，模型形式的选择就是一个十分困难的问题。因为非线性千变万化，而不是唯一的，况且模型发散问题比线性模型突出得多。
三是变量的选择。变量选择的思路是，定性分析，打开思路；列出所有可选变量，并按影响程度排序。此时，可使用经济理论以及业务知识选择变量和排序，或利用相关系数大小进行排序。变量选定和排序以后，要把重要的变量选择出来作为建立模型的备选变量，而放弃非重要的变量（实际上，它们还包括尚未认识到的因素被视为不变，其影响作用体现在模型中的常数项中。如果没有常数项，它们会被视为已知而纳入随机项中。所谓随机项，就是自身及其综合影响都很小的因素的全体）。在实际操作中，无论是剔除还是引入变量，都不能太机械，还必须考虑其经济含义。
四是非线性形式的选择。非线性模型存在两个致命的问题，一是形式难以确定，二是模型发散快。最简单与通常的做法是，通过线性化解决非线性问题。然而，非线性最小二乘回归的发展与应用有赖于非线性方程组的数值求解，难以在实际中得到应用。况且发散快是无法解决的。我们认为，解决非线性问题的出路是系统动力学模型和协整模型。
五是数据问题，这是一个非常重要的问题。如果数据方面有问题，建模工作就会前功尽弃；反之，会水到渠成，锦上添花。这个问题实质上是一个关系到国民经济核算的问题。[page]
在实际研究工作中，我们往往对“巧妇难为无米之炊”的体会颇深。对于数据来说，统计口径是它的一个重要特征。特别是，所有的数据不仅要真实、可靠，而且应来自统一的国民经济核算体系。因此，经济统计模型能否发挥作用，还取决于样本数据以及它与经济理论的符合性。在实际中，存在的问题往往是，经济变量的名称一样，但核算或统计口径不同。也就是说，在宏观经济研究，尤其是建立经济统计模型中，同一可比的国民经济核算是首要的基础工作。否则，再好的研究结果都将毫无价值。张守一研究员归纳了经济波动时期的建模技术，我们对一般建模方法提出了最小量化方法。
经济统计模型的创新
无疑，经济统计模型在丰富经济学理论与应用研究中取得了很大的成果，对各级政府决策发挥着重要作用。但也存在一些发展中的问题，“误用模型”是一个最大的问题，也是迫切要解决的问题。
要解决“误用模型”问题，我们认为，应该严格遵守上述建模原则，满足上述建模要求。同时，按照上述模型事后评价标准进行评价是必要的保证。数量经济学是跨学科研究，因此需要复合型人才。经济理论功底深的研究者需要不断进补数学、统计学、计算机科学知识，提高构建经济统计模型（知识挖掘）的技术能力；反之，数学、统计学、计算机科学功底深的研究者需要不断进补经济学知识，提高构建经济统计模型（知识挖掘）的知识能力。
经济统计模型发展的基础工作是建立、维护与完善各级经济系统数据库，包括人口、劳动力、就业、金融资本、产品、服务、价格、收入、税收、投资、进出口、消费、社会保障，以及家庭、企业、地区、产业数据；还应当建立经济统计模型数据库，包括模型库、专家库、知识库。
在解决“误用模型”的前提下，就经济统计模型自主创新来说，一是原始创新虽然很难，但结合我国特殊的实际需要，借鉴先进的模型技术进行创新，建立一个独一无二的模型是可能的。
二是注重引进、消化、吸收和再创新，重要的是消化。之所以“误用模型”，就是没有学好、理解好、掌握好。就研究经费与条件、国际合作交流，以及大批“海归” 回国工作的良好势头，取得创新的经济统计模型成果问题不大。离散选择模型、面板数据模型、社会试验方法、计数数据模型、久期模型、分层与聚类样本模型、托比模型、样本选择模型等微观计量模型和非参数模型、可变参数模型、空间计量模型、基于非正态分布的模型、期权定价模型、经济周期波动模型，以及知识、知识产品、知识产业、知识经济投入与产出计量与模型等都是很好的突破口。
三是通过集成创新。基于经济理论与实际问题，对所有可能的模型进行比较、选择、整合与优化后，形成一个全新的模型，解决重大问题是最有希望的。比如，由于阿斯彭（ASPEN）、斯沃姆（SWARM）用的是假定的数据，因此影响了它的价值。在统计调查或现场试验获得的真实数据是系统仿真模型中一个有生命力的突破口。
此外，将实验经济学的实验方法与其他模型技术结合起来，也是一个好的切入点。当然，在应用实验经济学模型实践中，我们应发挥它的长处，克服它的短处，才能取得科学、合理、符合实际的满意效果。为此，要注意以下几个方面：确定研究内容、实验方案和实验对象，培训实验对象，实验后座谈，验证实验结果，环境模拟，实验软件开发，比较分析，选准为政府决策服务的突破口等。