下载文档原格式
当初一个舍友来自西部地区，从没学过计量（OLS都没学过）。
但毕业论文老板要求用数据说话，发愁。
我于心不忍，告诉她：我每天晚上自习回来，睡觉前花10分钟给你讲解一下STATA的操作和出来的各项结果意义。
第一天，我讲了OLS。
画了一张散点图和一根直线，用了1分钟就让她完全理解了OLS的精髓，这是用来干啥的。
后面9分钟讲解了STATA的操作和OLS的各种变种。
结果只一个星期，讲完五种方法(下面会介绍）,她信心大增。
后来一下子发了好几篇CSSCI，计量做的天花乱坠,让人误以为是一个大师.毕业论文也顺利通过.她说我的方法是当今世界上最快的计量速成法.她说，以后有时间要好好看看计量书，打打基础。
我推荐她读伍德里奇的那本现代观点。
但她论文发表了好多篇,至今还没看那本书。
问其原因:“看了一下OLS，跟你讲的没啥区别，就是多了些推导.那些推导看不看都不影响我用软件。
现在没空看，先发论文再说。
”我笑其太浮躁。
但后来想想，这种学习方法不一定适合所有人，但或许适合一部分人群。
因此有必要写出来让这部分人群都有所收获,不会因为发不了CSSCI而担忧,不会因为毕业论文不会做计量而担忧.因此有了本文。
你是不是属于这样的人群？请看下面：本文的目标人群：1、不懂计量的人；2、想学计量却苦于缺乏时间的人；3、想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看推导过程，也想发论文的人.4、不想看计量书，却想写计量论文,发几篇CSSCI，尽快毕业的人。
5、所有想速成的人.但是目标人群一定要能看懂STATA软件操作手册的人(或者其他软件操作手册）。
如果你不认得手册上的字，不要来告诉我。
我也不认得.如果你能找到一个懂STATA、EVIEWS的人给你讲解一下，那么你看不懂手册也无所谓。
本文的目标：不看计量推导、不看计量书籍就能发计量论文，而且是大规模批量生产计量论文,甚至是发经济研究和管理世界。
目标能否实现：取决于你能否掌握本黑客教程的内容，能否阅读软件手册。
范文一：计量经济学教学问题与改革分析一、引言计量经济学是经济学研究中重要的理论和应用分析工具。
正因为其重要性，1998年教育部经济学学科教学指导委员会将计量经济学确定为经济类专业的核心课程。
在本科生阶段，除了经济、管理专业将其作为必修课程外，不少高校将其作为全校性选修课程。
计量经济学的学科性质、课程特点和日益显现的重要性，对当前普通高校学生的课程学习和老师教学，特别是对商科背景的本科生，都是一个不小的挑战。
二、文献评述作为一门以经济与管理基本理论为基础，综合数学、统计学分析工具，以现代电子计算技术为依托的计量经济学，其知识面涉及之广、综合应用能力要求之强，是经管类专业课程中所罕见的，这也是计量经济学难教、难学的根本原因。
李均立、许海平归纳了该门课程教学存在的问题，并从教学内容等方面提出了相应的教研教改建议。
马成文、金露、魏文华强调案例教学在计量经济学教学中的作用，并指出了案例教学中需要注意的问题。
张柠认为在教学中应该加大实验教学力度，通过实验教学，培养学生的应用能力，提高学习效果。
已有文献为本课题的研究提供了很好的借鉴，但是通过对有关文献仔细地梳理后发现，现有文献存在一个特点:将焦点聚焦在课程教学中存在的困难上。
上述文献既存在合理的地方，也存在一定的偏见。
三、商科背景下计量经济学教学的问题(一)学生本身的问题1.学习兴趣不高学习计量经济学需要大量计算与演算，学科本身与其他一些学科相比显得枯燥乏味一点。
在安徽省教学研究一般项目(2022jyxm240):计量经济学课程教学现状的调查研究这一研究中完全不喜欢，不太喜欢以及持中立态度的同学占比59%，超过半数的同学是不非常喜欢这门课程的，由此可见，学生的学习兴趣不太高。
2.数学基础薄弱商科学生有大多数是文科生，数学基础薄弱。
而计量经济学需要良好的统计学，运筹学和数学基础，这就导致了商科学生难以学好计量经济学这门学科。
(二)老师的填鸭式教学模式过于死板目前，国内教学很多教师只进行理论教学，而没有实验教学。
如何利用计量经济学写实证论文学习计量经济学的最后目的是为进行实证研究，但对初学计量经济学的人而言，要写一篇有实证研究的报告或论文时常有不知如何着手的感觉，这里我便对实证研究的规划以及论文的写作做一些粗浅的建议。
前期规划：1.广泛收集参考文献，决定计划的目的和范畴：•决定所要解释的现象是什么？•决定所要检验的假设或理论是什么？•决定所要预测的趋势是什么？•决定所要评估的政策是什么？2.建构实证计量模型；•除研读相关经济理论之外，应比较三至五篇有实证分析之文献中的实证计量模型：确认计量模型中解释变量和应变量之间的因果关系（causality）；厘清各模型的异同及优缺点，思考改进文献中现存模型的可能；最后决定实证计量模型雏形；•初步调查是否有相关的资料，若无则实证模型设计的再好也无用。
3.收集相关资料；•对数据的精确性一定要严格查核，对错假漏数据要仔细修正；•使用电子表格软件对数据列表绘图，以验证数据的逻辑合理性，对不合理的数值要有所处理；•不论要用的是横断面数据或是时间数列，数据数目越多越好，面板数据（Panel Data）尤佳；•对资料数值作一些整理，表列各种基本统计量（样本平均值、变异数、变量间的样本相关系数等）、变量之间的两两交互列表、做一些初步图解分析。
计量方法的执行：1.计量方法不应太简单（例如只做到最简单的 OLS），但也不必过于复杂，应针对问题采用恰到好处的计量方法。
若采用了比较复杂的计量方法，则要说明为什么简单的方法不适合。
计量方法的好坏不在其复杂程度，而在于它是否能够帮我们得到正确的估计值，以了解数据中所包含的真正信息。
2.除了估计值以及对应的 t 检定外外，也可做一些 F 检定之对多个系数的假设检定。
3.回归模型的设定，尤其是解释变量的取舍，可在估计过程中不断的修正。
对应变量和解释变量均可尝试诸如对数、指数、幂函数等不同的转换。
这些转换方式的决定，以经济理论上的考虑最为重要，不能单只为了提高模型的配适，而盲目的做一些不合理的变量转换。
计量经济学实验论文引言计量经济学实验是经济学研究领域的重要分支之一，通过实验方法来验证经济理论模型、评估政策效果等。
本文将介绍一项计量经济学实验的设计、实施和结果分析。
实验设计研究目的本次实验的研究目的是探究某企业员工的激励机制对其工作绩效的影响。
具体来说，我们关注激励机制变量不能超过员工薪酬的一定比例是否会降低员工的绩效。
实验设计方法本实验采用随机对照试验设计。
我们将选取一组员工作为实验组，给予他们不能超过薪酬的一定比例的激励机制；另一组员工作为对照组，不给予激励机制。
在实验的开始和结束阶段，我们将对所有员工进行绩效测试，并对两组员工的绩效差异进行比较。
实验假设本实验基于以下两个假设： 1. 给予员工激励机制可以提高他们的工作绩效； 2. 当激励机制变量不能超过薪酬的一定比例时，员工的工作绩效会降低。
样本选择我们选择了一家中型企业的200名员工作为实验样本。
为了确保实验结果的可靠性，我们在样本选择上采取了随机抽样的方法，以保证样本的代表性。
实验实施数据收集在实验开始前，我们先对所有员工进行了一次绩效测试，以获取基准绩效。
接下来，我们使用随机分组的方法将员工分成实验组和对照组，确保两组人员在基本特征上的平衡性。
针对实验组，我们在员工的绩效工资中设置了一个上限比例，以限制激励机制的作用。
在实验的结束阶段，我们再次测试了所有员工的绩效，以收集实验数据。
数据分析收集到的实验数据经过了严格的数据清洗和检验，接下来我们将进行数据分析。
首先，我们将计算两组员工在实验前后绩效的平均值，并进行比较。
然后，我们将使用统计学方法，比如t检验，来验证实验组和对照组之间的差异是否具有显著性。
实验结果分析经过实验数据的分析，我们得出了以下结果：1.实验组员工的绩效在实验前后均有提高，表明给予激励机制可以促进员工的工作表现；2.对照组员工的绩效在实验前后差异不大，说明没有激励机制的情况下，员工的绩效没有明显的提升；3.实验组和对照组之间的绩效差异有统计学意义，在显著性水平为0.05的情况下，我们拒绝了两组员工绩效没有差异的原假设。
计量经济学论文篇1：计量经济学论文计量经济学含义与性质研究【摘要】：^p ：计量经济学表示经济学和数学以及统计学的有机统一。
透过经济学与数学以及统计学的有机统一，以实现经济问题理论定量与经历定量相统一的目的。
计量经济学的目的在于使现有的经济领域的研究方法变得更加科学化。
计量经济学是经济学的重要分支学科。
可以说计量经济学是经济学的独特一面。
计量经济学科学性的标志在于其严谨的数学方法逻辑性和正确指向性的统计推断。
计量经济学也具有不准确性。
在计量经济学的科学性和不准确性之外还有其局限性。
计量经济学的将来还需我们共同努力。
【关键词】：^p ：计量经济学；定义；科学性；不准确性；局限性一、计量经济学的含义1.计量经济学的早期含义在17世纪时期，计量经济学第一次在戴夫南特和金的研究中出现，但当时，计量经济学这个专业术语并未出现，直到挪威的一位名叫弗里希的经济学家在其发表的论文中提出了计量经济学的概念。
计量经济学表示经济学和数学以及统计学的有机统一。
在研究中发此刻统计学和数学以及经济学的互相关系中存在着一种规律，发现这个发现的发现者将其命名为计量经济学。
计量经济学是对理论政治以及纯经济学的主观抽象法那么进展试验和数据检验并由此来将纯经济学最大化的成为严格好处上的科学。
1933年，计量经济学会将计量经济学定义为：透过经济学与数学以及统计学的有机统一，以实现经济问题理论定量与经历定量相统一的目的。
这个定义表现了计量经济学是由统计学数学以及经济学共同组成的，缺一不可。
我们不能简单地理解为是数学在经济理论领域的应用，也不能笼统得以为是经济理论问题的简单统计，只有将三者构建在一齐才能发挥出特定的效力。
2.计量经济学的现代含义由于计量经济学的早期目的在于科学化经济理论研究，因此在随后的经济理论研究方法的不断拓展完善中，计量经济学的含义也随之发生了改变。
其定义变的更加详细也更加具有内涵。
第一种定义认为：“计量经济学是利用统计学和数学的方法来分析^p 经济学理论数据，将经济学的经历理论包含在内一齐分析^p ，透过分析^p 来证明经济理论的正确与否。
计量经济学论文从经济学的角度来看，计量经济学指的是一种利用经济理论及数学方法，对经济现象进行定量分析的学科。
计量经济学从理论上来说，是一项研究经济学、数学和统计学相互交融、相互贯通的学科，它的理论体系包括经济学模型、数据处理方法及计量方法等。
计量经济学的真正价值在于，它能够帮助经济学家从噪音的背景中抽丝剥茧，理清思维，找到真正有用的事实证据。
随着社会生产力、技术水平及市场经济的发展，计量经济学的应用领域已经越来越广泛，目前已经延伸到宏观经济学、金融经济学、工业经济学、环境经济学、医疗经济学、劳动经济学等各个领域。
计量经济学所涉及的研究对象、数据类型等方面都不尽相同，因此，计量经济学所采取的研究方法和技术也都不尽相同。
在计量经济学研究中，论文是其中较为重要的一项成果，它是计量经济学理论和应用成果的主要表现形式之一。
写一篇优秀的计量经济学论文，需要处理掉一些常见的问题，例如，如何确定研究问题和假说、如何建立模型、如何选择适当的数据和变量、如何选择合适的计量方法等等。
在此基础上，需要进行数据分析、构建经济模型，并利用统计学方法对经济现象进行分析研究。
在写论文时，需要注重实现理论与实践相结合，注重方法论、数据取得、数据不确定性等问题。
当然，写一篇优秀的计量经济学论文还需要具备以下几个特点：一、创新性创新性是写一篇优秀的计量经济学论文不可或缺的因素。
优秀的论文应该能够发掘摸索新的研究领域，提出新的问题和思路，并以真实可靠的数据和严谨的实证方法加以论证。
二、可靠性在写一篇计量经济学论文时，可靠性是非常重要的，因为计量经济学需要利用数据进行模型和要素的分析，在这个过程中，唯有数据可靠，才能保证实证结果的准确性。
因此，需要选择真实可靠的数据源，通过适当的数据处理手段，保证数据质量的真实性和可信性。
三、可运用性计量经济学研究的最终目的是要解决实际问题，因此，优秀的计量经济学论文需要有一定的可操作性和可运用性。
论文应该能够对经济政策、管理决策等方面提供有益的参考和建议，以期能够推动实际问题的解决。
怎么写好计量经济学实证分析论文计量经济学实证分析论文是经济学领域的一种重要研究方法，其目的是通过数据分析和统计推断来验证经济理论的有效性和适用性。
本文将从准备工作、数据选择、模型构建和结果分析几个方面介绍如何写好计量经济学实证分析论文。
一、准备工作在开始撰写计量经济学实证分析论文之前，必须进行详尽的准备工作。
首先，要明确研究问题和目的，选择一个具有一定经济学意义的研究主题。
其次，要收集相关的文献和数据，了解已有的理论和实证研究，为后续的分析和讨论提供基础。
二、数据选择在准备数据时，要注意数据的来源和质量。
首先，选择的数据应当具有一定的代表性和可比性，以确保论文的可靠性和可解释性。
其次，应当尽可能选择长期的时间序列数据，以便观察经济现象的演变和趋势。
此外，还应当选择具有明确定义和完整记录的数据，以避免因数据缺失或错误而影响研究结果的准确性。
三、模型构建模型构建是计量经济学实证分析论文的核心环节。
在选择合适的模型时，需要根据研究问题和数据特点来确定。
常用的模型包括线性回归模型、面板数据模型和时间序列模型等。
在构建模型时，要合理选择自变量和因变量，并考虑可能存在的内生性问题。
此外，在模型中加入控制变量，以排除其他因素对结果的影响。
四、结果分析在得到实证结果后，需要对结果进行充分的分析和讨论。
首先，要对结果进行统计显著性检验，判断变量之间是否存在显著的关联。
其次，要对实证结果进行解释和验证，阐述所提出的经济学假设是否得到支持或否定。
同时，要讨论可能存在的局限性和假设的合理性，并提出后续研究的建议和改进方向。
总结：写好计量经济学实证分析论文需要充分的准备工作、合适的数据选择、准确的模型构建和充分的结果分析。
在整个写作过程中，要注意语句通顺、内容准确，确保论文整体的美观和流畅。
此外，还要遵守学术规范，对使用的数据和文献进行引用，并避免出现任何影响阅读体验的问题。
通过以上步骤的实践与总结，相信你可以写好一篇优秀的计量经济学实证分析论文。
计量经济学期末论文计量经济学与实验经济学是经济学实证分析的重要方法与工具。
下面是店铺为大家整理的计量经济学期末论文，供大家参考。
计量经济学期末论文范文一：计量经济学课程论文教学设计摘要:课程论文是计量经济学课程应用性教学的有效手段，但在教学实践中如果设计不好，课程论文教学会因为网络抄袭和同质化现象达不到教学的目的。
为此，文章从论文课时设计、选题设计、内容设计和辅助教学手段设计几个方面提出本科计量经济学课程论文教学的具体设计思路，以期为本科计量经济学课程论文应用性教学手段的合理运用以及教学效果的提高提供新的认识。
关键词:计量经济学;课程论文;教学设计1课程论文是计量经济学教学的有效手段作为经济学实证经验分析的一门重要方法类课程，计量经济学是各国高校经济类专业的三大核心课程之一。
作为一门集统计学、经济理论和数学三者于一身的应用性理论方法，计量经济学不仅要求学生掌握一定的经济理论作为理论模型设定的依据，更需要学会应用数学、统计学方法和计算机工具去估计和检验模型，对现实经济问题进行结构分析、经济预测、政策评价和理论检验。
所以对于计量经济学的教学，理论知识的传授只是手段，最终目的应该是教会学生应用理论方法去分析和解决现实的经济问题。
为了方法应用的教学目的，在本科学习阶段除了对计量经济学的理论知识进行讲解外，还需辅以其它的教学手段加深学生对方法应用的理解，常用的教学手段是案例分析和实验教学[1-2]。
虽然案例分析和实验教学能够对学生掌握计量经济学方法的应用有所帮助，但这两种教学手段还并不能让学生真正掌握方法的应用。
因为要用计量经济方法进行实证分析除了理解方法的含义和应用步骤以及熟悉软件的操作外，还包含更多的内容。
计量经济学模型研究的完整框架是:关于经济活动的观察(行为分析)→关于经济理论的抽象(理论假说)→建立总体回归模型→获取样本观测数据→估计模型→检验模型→应用模型[3]。
在这个研究过程中会遇到很多问题，如:什么样的选题适合做实证分析、变量如何选取、数据的可获得性怎么样、该如何对数据进行收集和处理、实证结果跟预想结论出现不一致的情况下怎么办、如何从实证分析结果中提炼出有价值的观点、规范的实证分析论文如何撰写，等等。
计量经济学经济学类论文计量经济学是经济学的一个重要分支，它通过数理统计方法来研究经济现象和经济理论。
在计量经济学研究中，常常会使用各种模型来分析经济变量之间的关系，并进行实证检验。
本文通过构建一个多元线性回归模型，对中国不同省份的GDP增长率进行了研究。
首先，我们收集了中国各省份近年来的GDP增长率数据，并选择了一些可能影响GDP增长率的因素，如人口密度、教育水平、工业产值等。
然后，我们利用多元线性回归模型对这些因素与GDP增长率之间的关系进行了分析。
我们的实证结果表明，人口密度、教育水平和工业产值与GDP增长率之间存在显著的正向关系。
具体来说，人口密度越高的省份通常具有更高的GDP增长率；教育水平较高的省份也有更高的GDP增长率；工业产值的增加也会促进GDP增长。
此外，我们还发现政府支出对GDP增长率有显著的正向影响。
综合来看，我们的研究结果表明，在中国的不同省份之间，人口密度、教育水平、工业产值和政府支出都是影响GDP增长率的重要因素。
这些结论对于相关政策的制定和实施具有一定的参考意义。
通过进一步深入研究，我们可以更好地理解中国经济的发展规律，为未来的经济政策提供有益建议。
此外，我们还发现了一些意想不到的结果。
例如，贸易开放度与GDP 增长率之间的关系并不明显，这可能是因为不同省份的贸易政策和环境存在较大差异。
另外，我们还发现了一些省份在资源利用效率方面存在较大的差距，这也对GDP增长率产生了一定的影响。
在未来的研究中，我们可以进一步探讨不同经济体制下GDP增长率的差异，比较市场经济和计划经济下的GDP增长效果，探讨政府干预对经济增长的影响等方面。
此外，我们也可以考虑纵向研究，分析中国省份GDP增长率的变化趋势，找出长期持续增长的省份背后的机制，为其他省份的经济发展提供借鉴和启示。
总的来说，通过计量经济学方法对中国不同省份的GDP增长率进行研究，可以帮助我们更好地理解中国经济发展的特点和规律，为未来的经济政策制定提供科学依据。
有关计量经济学论文范文一：计量经济学教学能力培养论文1计量经济学教学中需培养的关键能力1.1独立的思辨能力1.2对经济现象或经济问题进行抽象研究的能力龄等，然后在此基础上，建立一个关于犯罪的合适的计量模型。
教师在上课时，可以有意识地引导学生尝试进行这样的思考和训练。
1.3比较和评价不同计量经济理论和方法的能力在计量经济学教学中，有一种能力特别重要，就是计量模型时需培养的比较和创新能力。
学生是否能够在现有计量模型的基础上，作进一步的拓展和深化，发展出一个更能解释和贴近现实经济问题的计量模型。
这就需要学生阅读大量的相关文献，对其产生的背景和运用的计量原理、方法有比较深刻的认识，并且要学会通过不断的比较和深化，来进一步修正和完善现有的模型，在此基础上，学生完成学习能力上的一种升华。
比如，在计量经济学教学中，如何让学生理解不同时期的中国经济增长以及中国的经济增长是不是平稳，时间序列估计和面板模型估计的结果是否存在显著的差别等。
要弄清上述问题，不能局限于教科书之中，而是根据数据特征和研究问题本身，选择和运用合适的计量理论和方法，以及扩展和创新的前沿方法，等等。
2计量经济学的教学模式改革在前文分析的基础上，为了培养学生的科研和创新能力，进一步突出人才培养中的能力目标，笔者尝试提出以下几方面的教学模式改革：2.1带着问题的启发式教学在计量经济学教学中，要扮演好领航员和引导员的角色，在具体讲解计量经济学的基本概念、理论和方法时，需要改变传统的上课方式，学会通过一个个生活中的实际例子作为引子，引导学生进入相关的概念学习中。
在讲授参数估计方法和假设检验时，教师要善于提出各种问题，比如为什么需要采用这种假设检验方法这种检验方法的优势和缺点是什么让学生先尝试回答，然后教师再公布正确答案，让学生在回答或准备问题的过程中，尽快地进入角色，熟悉上课所讲的内容。
其次，教师要能够有效地组织课堂，让学生积极地参与到课堂的授课内容中，有效地集中注意力，不要让学生游离于课堂之外。
当初一个舍友来自西部地区，从没学过计量（OLS都没学过）。
但毕业论文老板要求用数据说话，发愁。
我于心不忍，告诉她：我每天晚上自习回来，睡觉前花10分钟给你讲解一下STATA的操作和出来的各项结果意义。
第一天，我讲了OLS。
画了一张散点图和一根直线，用了1分钟就让她完全理解了OLS的精髓，这是用来干啥的。
后面9分钟讲解了STATA的操作和OLS的各种变种。
结果只一个星期，讲完五种方法（下面会介绍），她信心大增。
后来一下子发了好几篇CSSCI，计量做的天花乱坠，让人误以为是一个大师。
毕业论文也顺利通过。
她说我的方法是当今世界上最快的计量速成法。
她说，以后有时间要好好看看计量书，打打基础。
我推荐她读伍德里奇的那本现代观点。
但她论文发表了好多篇，至今还没看那本书。
问其原因：“看了一下OLS，跟你讲的没啥区别，就是多了些推导。
那些推导看不看都不影响我用软件。
现在没空看，先发论文再说。
”我笑其太浮躁。
但后来想想，这种学习方法不一定适合所有人，但或许适合一部分人群。
因此有必要写出来让这部分人群都有所收获，不会因为发不了CSSCI而担忧，不会因为毕业论文不会做计量而担忧。
因此有了本文。
你是不是属于这样的人群？请看下面：本文的目标人群：1、不懂计量的人；2、想学计量却苦于缺乏时间的人；3、想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看推导过程，也想发论文的人。
4、不想看计量书，却想写计量论文，发几篇CSSCI，尽快毕业的人。
5、所有想速成的人。
但是目标人群一定要能看懂STATA软件操作手册的人（或者其他软件操作手册）。
如果你不认得手册上的字，不要来告诉我。
我也不认得。
如果你能找到一个懂STATA、EVIEWS的人给你讲解一下，那么你看不懂手册也无所谓。
本文的目标：不看计量推导、不看计量书籍就能发计量论文，而且是大规模批量生产计量论文，甚至是发经济研究和管理世界。
目标能否实现：取决于你能否掌握本黑客教程的内容，能否阅读软件手册。
申明：不是教你如何抄袭作弊，而是教你写计量论文的方法和捷径。
目录一、计量论文的两大要点是什么？二、如何判断计量论文的水平高低？三、做计量的“大杀器”有哪些？四、瞎倒腾计量的秘诀五、大规模发CSSCI的建议一、计量论文的两大要点是什么？1、计量模型的建立（就是那个方程，表达什么经济含义要知道）；2、模型中的系数如何估计出来（关键在于估计方法的选择）。
第1个要点涉及你论文主题。
你一般要想用数据检验某种经济关系，根据这种经济关系来建立计量模型。
如果你不知道要检验什么经济关系，那我劝你就此打住。
你发不了经济研究了。
第2个要点。
千万种方法的出现，目的都是要把那个系数给估计出来。
不同估计方法的估计效果好坏，就是根据各种统计量来判断。
如果能选择一种最合适你数据的估计方法，那么这论文基本就成了。
二、如何判断计量论文的水平高低？掌握了上面两个要点，只是说你能写出一篇计量论文，并不是说能写出一篇高水平的论文。
水平的高低在于你处理这两个要点时水平的高低。
下面仔细讲解。
如果只是为了写计量论文，只需要“知其然”即可。
没有人会因为不会推导OLS估计量而对软件里面出来的结果不知所措。
这条途径，最快捷的走法是找一个懂的人，把结果里面的各种东西所表示的意思给你讲一遍，每个东西要注意什么。
基本就可以了。
在一般的CSSCI 上发表论文没有什么问题。
如果找不到人，就看STATA的手册，里面的例子会讲解每个指标参数统计量的含义。
这样慢一点，但效果很好，而且也能成为STATA专家。
STATA手册比高级计量教材看起来轻松多了，就是告诉你怎么操作软件，然后得到什么结果的。
计量论文中的估计问题，最关键的事情，不是能推导估计量，而是在STATA里面选择一个“合适”的方法估计出来。
然后解释结果的经济意义。
而计量水平的高低，不在于方法的复杂性，而在于方法的合适程度。
因此高水平的计量论文，不必要求作者掌握高深的计量推导，而在于“选择”的技巧。
每种计量方法，都有优劣。
所谓用人之长，容人之短。
水平高的人，能够选择以其之长，攻它之短。
同时又能隐藏计量方法内在的拙劣。
其实，计量论文的水平主要决定于论文的主题的重要性。
这个话题大家都很关心，就很重要，发表就很容易。
所以，你会发现国际顶级期刊上一些计量论文所用的方法很简单。
这些论文能发表，主要是他讨论的问题很重要（这涉及第一个要点），采用的方法即使有缺陷，也无伤大雅。
如果问题不是非常重要，只是有新意，但是估计方法比较合适，也能发一个中上等期刊。
如果问题属于鸡毛蒜皮之类，那就只能诉诸于超级复杂的计量方法，祈求审稿人看论文时，方法还没看完就已经累得半死，再也没有心情来思考你的问题的重要性，然后也能通过了。
三、做计量的“大杀器”有哪些？所谓的大杀器，不是指超级复杂的计量方法，而是指这种东西一旦用起来，一般不会有人来攻击。
所谓的一招毙命，毙了审稿人的命。
计量方法很多，可以说满天飞。
但是，真正有价值的方法，被人公认为具有一定可信度的方法（就是所谓的“大杀器”），只有5种。
并不是你所看到的所有的方法都有人信。
这点大部分初学计量的人都不会意识到。
看到书上介绍一个方法，就认为这是一个好方法。
其实不是。
书上很多方法的介绍，仅仅是出于理论推演的需要，并不是实际研究中都能用的。
你如果查阅一下国际上关于经验研究类的论文，会发现大部分论文所用方法无非是：1、简单回归；2、工具变量回归；3、面板固定效应回归；4、差分再差分回归(difference in differnece)；5、狂忒二回归(Quantile)。
大杀器就这几种，破绽最少，公认度最高，使用最广泛。
真是所谓的老少皆宜、童叟无欺。
其他的方法都不会更好，只会招致更多的破绽。
你在STATA里面还可以看到无数的其他方法，例如GMM、多层次分析法等。
这个GMM实在是一个没有用的忽悠，他还分为diffGMM和系统GMM。
其关键思想是当你找不到工具变量时，用滞后项来做工具变量。
结果你会发现令人崩溃的情况：不同滞后变量的阶数，严重影响你的结果，更令人崩溃的是，一些判断估计结果优劣的指标会失灵。
这完全是胡搞！这GMM的唯一价值在于理论价值，而不在于实践价值。
你如果要玩计量，你就可以在GMM的基础上进行修改（玩计量的方法后面讲）。
有人会问：简单回归会不会太简单？我只能说你真逗。
STATA里面那么多选项，你加就是了。
什么异方差、什么序列相关，一大堆尽管加。
如果你实在无法确定是否有异方差和序列相关，那就把选项都加上。
反正如果没有异方差，结果是一样的。
有异方差，软件就自动给你纠正了。
这不很爽嘛。
如果样本太少，你还能加一个选项：bootstrap 来估计方差。
你看爽不爽！bootstrap就是自己提靴子的方法。
自己把脚抬起来扛在肩上走路，就这么牛。
这个bootstrap就是用30个样本能做到30万样本那样的效果。
有吸引力吧。
你说这个简单回归简单还是不简单！很简单，就是加选项。
可是，要理论推导，就不简单了。
我估计国内能推导的没几个人。
经济研究上论文作者，最多只有5%的人能推导，而且大部分是海龟。
所以，你不需要会推导，也能把计量做的天花乱坠。
工具变量(IV)回归，这不用说了，有内生性变量，就用这个吧。
一旦有内生性变量，你的估计就有问题了。
国际审稿人会拼了老命整死你。
国内审稿人大部分不懂这东西（除了经济研究这类刊物的部分审稿人以外）。
工具变量的选择只要掌握一个关键点就行：找一个和内生性变量有数据相关的，但是没有因果关系的东西，这就是你的IV了。
例如贸易量如果是内生的，那么你找地理距离作为IV。
北京到纽约的距离，那是自然形成的，没人认为是由贸易量导致的，这就是没有因果关系。
但是你会发现两者在数据上具有相关性。
这就很好。
这种数据相关性越强，IV的效果就越好。
就这么一段话，IV变量回归就讲完了。
在STATA里面，你直接把原回归方程写出来，然后把IV填进去就可以了，回车就得到你的结果。
关键是你不一定能找到这样的工具变量。
你能找到，这个工具也不大能用。
不过要注意，IV不灵不代表你不能发表。
经济研究上还不是发了一大堆这样的论文。
所以，你只要找到一个IV，效果不是差的太离谱，一般都能发。
当然不能发国际一流了。
国内是没问题。
国内审稿人没人会重复你的结果看看是否有问题，因此你说这个IV效果已经是最好的了，世界上还找不到第二个比这个更好的了，审稿人也没的话说。
就发表呗！如果审稿人说，另外一个IV效果可能要比你的好。
那你就采纳他的建议用他的IV（尽管他的建议会更差），然后感谢他一下。
第二次审稿，难道他还会说自己上次是胡说八道所以就发表了，哈哈哈哈！有人又会问：面板不是还有个随机效应嘛？我只能说，你是看过书的人，所以才知道随机效应。
其实随机效应压根就没什么用处。
有人信誓旦旦说可以用hausman来检验。
我只能告诉你，这检验压根就不可靠。
可靠也是理论上可靠，实践上根本没人信。
当然中国人都信，不信的都是美国欧洲这样的计量经济学家。
你难道不知道hausman 还会出现负值！做过这个检验的人都很头疼这个负值，不知道该怎么做。
你如果看看一些高手的建议，或者一些书籍，你就会发现，最权威的建议就是：当你无法判断该用固定效应还是随机效应的时候，选择固定效应更可靠。
随机效应不是任何时候都可以做，但是固定效应是任何时候都可以做。
所以你知道该怎么做了吧。
差分再差分，是固定效应的一个变种，在估计某个事件发生带来的效应时最有用的方法，特简单，看看STATA手册就明白了。
狂忒二回归(Quantile)是一般均值回归的一个推广。
看名字挺吓人，其实很简单。
如果你知道OLS是一个均值回归，那类推就可以知道1/2分位数回归。
你知道的，正态分布下，均值就是1/2分位数的地方。
均值回归就是1/2分位数回归。
知道了1/2回归，你自然知道1/4和3/4分位数回归了。
如果还不懂，翻开伍德里奇的书，讲到简单OLS回归时，我记得有一个图，上面对不同位置的x位置画了不同的正态分布密度函数(第2版是figure 2.1，pp26，见下面)。
如果是异方差问题，那么不同x位置的正太分布图的方差就有变化。
这个图上注明了预测值是E(Y|X)，就是Y的条件期望，就是那根回归预测直线啦。
在正态分布下就是Y的密度函数的中心点的连线，就是1/2分位数点的连线。
如果那条预测线画在密度函数的1/4和3/4分位数点上，那么预测结果就不是Y的均值（在非正态下可能是均值），而是1/4和3/4分位数点的预测值。
这下明白狂忒二回归了吧。
分位数回归就是看看那根预测直线在不同的分位数点上有什么结果,得到什么样的回归系数。
通常的OLS预测直线，仅仅是一个特例而已。
进一步推广，可以推广到任意分位数点回归的情况。
道理一样。
伍德里奇《计量经济学导论——现代观点》的图2.1（解释Quantile 回归的意义）不过要注意，大杀器要用对。
