本文在变量选择与设定这一统一的逻辑框架下,首先系统回顾了变量选择理论和方法的发展历程,从是否使用惩罚规则和采用的密集计算方法两个维度对各类变量选择的理论和方法进行了梳理和总结;接下来本文探讨了变量间关系与变量属性设定密切相关的变量选择相对性设定问题:随机性和确定性、内生性和外生性、间接性和直接性问题,并得到了几条在有关计量经济学建模中变量选择相对性确定的原则性启示;最后本文提出了一个新的变量选择法,通过两个步骤来自适应输入信号饱和度及信号强度,并通过仿真结果交叉验证了其良好的功效。首先本文用严格的数学方法证明了错误选择变量进行模型推断的后果,然后梳理了变量选择理论和方法的发展历程,并从是否使用惩罚规则和采用的密集计算方法两个维度进行了分类研究。接下来本文集中研究了变量的随机性和确定性、内生性和外生性、间接性和直接性等变量选择的相对性问题。多元回归模型中如果解释变量本为确定的被误设为随机的,且与随机误差项相关时,可能导致OLS估计是有偏且不一致的。本文详细的探讨了这三个外生性术语的定义,相互间的细微差别与相互关系,研究了在模型中何种情况下应如何分别设定各种外生性及应用涵义,并运用具体的例子进行了深刻的论述。本文还通过一个具体的例子,论述了解释变量对被解释变量直接影响和间接影响的关系。本文最后总结前面研究结果的基础上对前人变量选择方法进行改进,创立了一个自适应变量选择方法。第一步合理预估信号稀疏度,第二步根据信号稀疏度不断调整惩罚值并进行模型估计筛选出合适的变量组合。通过仿真比较,发现本文提出的自适应变量选择法在输入信号的饱和度改变时都能达到较好的自适应性,优于绝大多数其它方法,能够调整惩罚度来选择变量达到较小的预测风险。