计量经济学入门
计量经济学入门
计量经济学入门在当今的经济领域中，计量经济学已经成为了一种不可或缺的分析工具。
它融合了经济学、数学和统计学的知识，帮助我们更深入地理解经济现象，预测经济趋势，并为政策制定提供有力的依据。
对于初学者来说，计量经济学可能看起来有些复杂和神秘，但其实只要掌握了一些基本的概念和方法，就能逐渐揭开它的面纱。
首先，让我们来了解一下什么是计量经济学。
简单来说，计量经济学就是运用数学和统计方法来分析经济数据，从而揭示经济变量之间的关系。
比如说，我们想知道消费者的收入如何影响他们的消费支出，或者政府的财政政策对经济增长有怎样的作用，就可以借助计量经济学的方法来进行研究。
计量经济学的核心是建立经济模型。
这些模型就像是我们在数学中学习的方程式一样，只不过它们描述的是经济变量之间的关系。
例如，一个简单的消费函数可能表示为：消费＝ a ＋ b ×收入，其中 a 和 b是需要通过数据分析来估计的参数。
建立模型的过程需要我们对经济理论有一定的了解，同时要结合实际的数据特点和研究问题的性质。
有了模型，接下来就是收集和整理数据。
数据的质量和准确性对于计量分析的结果至关重要。
我们可以从政府部门、统计机构、企业数据库等渠道获取数据。
在收集到数据后，还需要对其进行清洗和预处理，比如处理缺失值、异常值等，以确保数据的可靠性和有效性。
在数据准备好之后，就可以运用统计方法来估计模型中的参数了。
常用的估计方法有最小二乘法、极大似然估计法等。
这些方法的目的是找到一组参数值，使得模型能够最好地拟合我们所观察到的数据。
通过估计参数，我们可以得到经济变量之间的定量关系，比如上面提到的消费函数中，我们可以得到收入对消费的具体影响程度。
然而，仅仅得到估计结果还不够，我们还需要对模型进行检验和评估。
这包括对模型的拟合优度进行检验，看看模型是否能够很好地解释数据的变化；对参数的显著性进行检验，判断每个变量对结果的影响是否显著；以及对模型的假设条件进行检验，确保模型的设定是合理的。
《计量经济学入门》PPT课件
其中
Q i ——某种商品需求量；
.
13
P i——该商品的价格 ；
P0 i ——可替代商品的价格；
Y i ——消费者收入 ；
T i ——消费者偏好； u i ——影响商品需求量的其他因素和随机因素
0 ~ 4 ——需求函数的回.归系数。
14
参考书目
基础书： 高等数学、西方经济学、 概率论与数理统计
专业书： 1、《经济计量学》（第四版），张保法 编著，经济科学出版社，2000年版。 2、《计量经济学—理论、方法与模型》， 唐国兴，复旦大学出版. 社，1988年版。 15
❖ 3、《计量经济学》（第三版），李子奈，高等 教育出版社，2010年3月版。
的变化情况。 ❖ 截面数据的时间是固定的。
.
26
GDP growth rate：
平面数据 年份 中国 美国
（Panel Data） 1994 11.8 4.08
❖ 平面数据是 时间序列数据
1995 10.5 2.7 1996 9.6 3.61 1997 8.8 4.47
与截面数据的 1998 7.8 4.32
2001.1
8.1
2001.2
7.9
2001.3
7.6
2001.4
7.3
2002.1
7.6
2002.2
8.0
2002.3
7.9
2002.4
8.0
2003.1
9.9
2003.2
. 8.2
25
截面数据 （Cross-Sectional Data）
❖ 截面数据又俗称横向数据，是一批发生在同 一时间 截面上的调查数据。研究某个时点上
计量经济学知识分享
计量经济学知识分享
计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系的一门经济学学科。
以下是一些计量经济学的基本知识分享：
1. 变量：计量经济学中常用的变量包括因变量和自变量。
因变量是我们想要解释或预测的变量，而自变量是用来解释因变量的因素。
2. 数据类型：计量经济学中使用的数据类型包括横截面数据、时间序列数据和面板数据。
横截面数据是在同一时间点上收集的不同个体的数据，时间序列数据是在不同时间点上收集的同一个体的数据，面板数据则是在不同时间点上收集的不同个体的数据。
3. 模型建立：计量经济学中常用的模型包括简单线性回归模型、多元线性回归模型、非线性回归模型等。
模型建立的过程包括选择变量、选择模型形式、估计模型参数等。
4. 模型估计：计量经济学中常用的模型估计方法包括最小二乘法、最大似然估计法等。
这些方法用于估计模型中的参数，以使模型能够最好地拟合数据。
5. 模型检验：计量经济学中常用的模型检验方法包括拟合优度检验、假设检验、平稳性检验等。
这些方法用于检验模型的合理性和可靠性。
6. 预测和推断：计量经济学可以用于预测和推断经济变量的未来值。
通过建立合适的模型并使用历史数据进行估计，可以预测未来的经济趋势和变化。
《计量经济学第一讲》课件
计量经济学是经济学中重要的分支，通过运用统计学和数学方法，研究经济 现象、测量经济关系、验证经济理论，并为经济政策提供科学依据。
简介
什么是计量经济学？
计量经济学是研究经济现象的定量分析方法， 通过建立数学模型，对经济关系进行测量、估 计和推断。
计量经济学的应用领域
计量经济学广泛应用于经济政策评估、市场预 测、企业决策和投资分析等领域。
最小二乘法的应用
4
数值。
广泛应用于回归分析、经济预测和金融 风险评估等领域。
模型诊断
为什么需要模型诊断？
模型诊断用于检验经济模型的合理性和有效性，发 现模型中的问题和不足。
模型诊断方法
- 验证模型的假设 - 分析残差 - 模型改进
总结
• 计量经济学是什么？ • 计量经济学的重要性及应用领域 • 计量经济学方法的基础 • 计量经济学的未来研究方向
3 假设检验中的错误类
型
第一类错误（错误拒绝） 和第二类错误（错误接 受）。
参数估计
1
什么是参数估计？
参数估计是通过样本数据推断总体参数
最小二乘法的基本思想
2
的方法，用于量化经济模型中的未知参 数。
最小二乘法通过最小化观测值与模型预
测值之间的差异，选择最优的参数估计。
3
参
经济数据
- 交叉面数据 - 时间序列数据
- 宏观经济数据 - 微观经济数据 • 数据类型 • 数据来源
假设检验
1 假设检验的作用
假设检验用于验证经济模 型和理论是否符合实际数 据，评估变量之间的关系 是否显著和可靠。
2 假设检验的基本步骤
设定原假设和备择假设， 计算检验统计量，确定显 著性水平，做出决策。
计量经济学 教学用基础
六、统计推断——假设检验
•为什么要进行假设检验 判断模型假设的变量关系的真实
性，以便于进一步修改模型；同时检验经 济理论的正确性。 • 假设检验的方法：用参数估计量的分布性 质进行统计推断分析。
17
统计推断的主要内容
•包括：考察置信区间和参数的显著性检 验。
•置信区间：参数真实值的可能范围。 •显著性水平：解释变量对被解释变量的
五、回归拟合度评价和决定系数
评价回归拟合度的必要性：判断变量关系的 真实性，检验模型的好坏。
评价回归拟合度的思路：找到一个评价标准。 评价回归拟合度的主要指标：决定系数。
15
第三章 两变量线性回归及实例
本节将继续学习两变量线性回归模型的 基本思想和方法。 并将通过一个建立在具体经济数据之上 的实例，来对双变量模型建立和实现做 一概括。
量） 计量经济检验
31
6
四、计量经济学的特色
●计量经济学是一门交叉性学科 计量经济学需要综合运用经济理论、统计学、
数学和计算机多种知识和工具，可以理解为经济 学、统计学和数学的一种优美的结合。 ●计量经济学对经济理论的运用 ●计量经济学对统计学的运用 ●计量经济学对数学的运用
7
五、如何学习计量经济学
●理论学习 ●原理掌握 ●方法应用 ●实践操作
8
第二章 双变量线性回归分析
本节将通过最简单的线性模 型——双变量模型，即一元线 性回归模型介绍回归分析的基 本思想。
9
一、变量和函数式
1、解释变量与被解释变量 2、确定两变量Y与X之间的函数关系式 注：许多非线性函数关系，可以通过某种数
学变换化为线性函数，从而运用线性回归 的方法。
10
二、建立模型
计量经济学简明教程
计量经济学简明教程计量经济学是经济学的一个重要分支，旨在运用数学和统计方法分析经济现象。
它的研究对象包括各种不同的经济问题，例如市场需求和供应、价格形成机制、生产与成本、国际贸易等。
本文将从计量经济学的基础概念、常用模型以及实证研究方法三个方面进行讨论。
一、基础概念变量在计量经济学中，变量是指表示不同因素的度量。
可以将变量分为自变量和因变量。
自变量通常表示影响因素，而因变量则表示被影响的结果。
模型模型是对真实情况的简化描述，通常用数学公式表达。
模型可以帮助我们理解现象，并预测未来可能发生的情况。
在计量经济学中，常见的模型有线性回归模型、时间序列模型等。
假设在建立模型时，我们需要假设某些条件得到满足。
这些假设可能基于理论或者统计分析，并且可能是暂时或者永久性的。
假设通常会影响我们对数据进行解释和预测。
二、常用模型线性回归模型线性回归模型是计量经济学中最常用的模型之一。
它是基于自变量和因变量之间的线性关系建立的。
线性回归模型通常表示为：Y = β0 + β1X1 + β2X2 + …+ ε其中，Y表示因变量，Xi表示自变量，βi表示自变量的系数，ε表示误差项。
差分法差分法是用于解决非平稳时间序列数据问题的一种方法。
它将时间序列数据转换为相邻观测值之间的差异。
这样可以消除数据中的趋势和季节性，使得数据更有利于进行统计推断。
面板数据模型面板数据模型也称为长期追踪研究。
它是一种同时考虑个体和时间维度上变化的方法。
通过面板数据模型，我们可以更好地理解不同个体之间以及不同时期之间的差异。
三、实证研究方法在计量经济学中，实证研究方法主要依赖于统计分析技术。
以下是几种常用方法：假设检验假设检验是一种确定样本是否代表总体、相对大小是否具有显著性的方法。
在假设检验中，我们需要先提出一个关于总体参数值的假设，然后通过样本数据来判断这个假设是否成立。
参数估计参数估计是计算线性回归模型中的系数的一种方法。
最常用的参数估计方法是普通最小二乘法（OLS）。
计量经济学入门
该图表明了什么?
10
我们需要关于低STR的学区是否具有较高测 试成绩的数值证据——问题是怎么做？
1. 比较低 STR 的学区和高 STR 学区的平均测试成绩(“估
计”)
2. 检验原假设:2 种学区的平均测试成绩相同对备择假设: 它们不同 (“假设检验”) 3. 估计高 STR 学区和低 STR 学区之间差异的区间 (“置
7
加利福尼亚测试成绩数据集
所有 K-6 和 K-8 的加利福尼亚学区 (n = 420) 变量: 学区内五年级学生的平均测试成绩 学生教师比 (STR) = 学区内的学生人数除以全职教师人 数
8
数据初窥:
以上表格没有告诉我们任何关于测试成绩和学 生教师比之间关系的信息
9
较小班级的学区测试成绩较高吗? 测试成绩（test score）和学生教师比的散点图
计量经济学
第1章 经济问题和数据
什么是计量经济学？
没有计量经济学，经济学将是一门相对模糊的科学 。 计量经济学综合使用数据、经济理论和统计理论来 量化经济变量之间的关系。 计量经济学也为经济理论提供了检验工具。 计量经济学还提供了预测未来经济事件的工具。 计量经济学是经济学的一个分支，它提供估计经济 关系重要性所需的工具。
信区间”)
11
初始数据分析: 比较“小” (STR < 20)和“大”
(STR ≥ 20) 班级规模的学区:
班级规模
小
大
平均成绩 (Y ) 657.4 650.0
标准差 (sBYB) 19.4 17.9
n 238 182
1. 的估计 =组平均值之差 2. 检验假设 = 0 3. 构造 的置信区间
3
计量经济学基础知识梳理(超全)
2.自然对数
近似计算的作用： 定义y对x的弹性（elasticity）为
y x %y x y %x
换言之，y对x的弹性就是当x增加1%时y的百分数变化。
若y是x的线性函数：y 0 1x ，则这个弹性是
y x
x y
1
x y
1
0
x
1x
它明显取决于x的取值（弹性并非沿着需求曲线保持不变）。
在经验研究工作中还经常出现使用对数函数的其他可 能性。假定y>0，且
logy 0 1x 则 logy 1x ，从而 100 logy 100 1x。
由此可知，当y和x有上述方程所示关系时，
%y 100 1x
例： 对数工资方程
假设小时工资与受教育年数有如下关系：
logwage 2.78 0.094edu
y 0 1 x;dy dx 1 2 x1 2
y 0 1logx;dy dx 1 x y exp0 1x;dy dx 1 exp0 1x
4.微分学
当y是多元函数时，偏导数的概念便很重要。假定y=f
（x1，x2），此时便有两个偏导数，一个关于x1，另一个关
于 x1的x2普。通y对导x1数的。偏类导似数的记，为yxy1就，是就固是定把xx12时看方做程常对数x时2的方导程数对。
的最大值出现在x*=8/4=2处，并且这个最大值是6+8×2-
2×（2）2=14。
y 16
14
12
10
8
6
4
2
0
x
0
1
2
3
4
1.二次函数
对方程式 y 0 1x 2x2
2 0 意味着x对y的边际效应递减，这从图中清晰可
计量经济学知识点(超全版)
1．经济变量：经济变量是用来描述经济因素数量水平的指标。
（3分）2．解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。
（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。
（1分）3．被解释变量：是作为研究对象的变量。
（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。
（2分）4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。
（1分）5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。
（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。
（1分）6．滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。
（1分）7．前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。
（2分）8．控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，（2分）它一般属于外生变量。
（1分）9．计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，（2分）是以数学形式对客观经济现象所作的描述和概括。
（1分）10．函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。
（3分）11．相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。
（3分）12．最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。
（3分）13．高斯－马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。
计量经济学入门
§ 1.4计量经济学的数据问题 例1 截面数据 2010年7月 排行 城市 新房均价(元/ 平方米) 1 杭州市 25840 2 北京市 22310 3 上海市 19168 4 温州市 18854 5 三亚市 18319 6 深圳市 16978 7 宁 波市 13438 8 广州市 12560 9 南京市 12016 10 舟 山市 10500 47 南昌市 5573 70 九江市 4771 例2 时间序列数据 近十年中国GDP数据1998 84402.3亿元1999 88479.2亿元2000 98000.5亿 元2001 108068.2亿元2002 119095.7亿元2003 135174.0亿元2004 159586.7亿元2005 184739.1亿 元2006 211923.0亿元2007 249530.0亿元2008
§ 1.中国部分省份人均GDP情况 单位（元）
山东 2009 2010 35893 43145 广东 39978 40148 江苏 43907 49985 浙江 44895 47730 河北 24583 26363 江西 15921 17204
§1.5计量经济学的学习和应用 学好计量经济学必须学会多“实验”，即 动手收集实际数据，对数据进行处理和分 析。 应用计量经济学的一般步骤： 1简介（Introduction）；2文献回顾 (Literature review)；3理论模型和研究方法 ( Model and research method)；4数据(data)； 5回归结果分析(Analysis results)；6结论 (Conclusion)；7参考文献(Reference).
§ 1.3计量经济学的回归分析 三、计量经济学的回归分析 回归分析是计量经济学的主要方法，最初是 由一位叫弗朗西斯· 高尔顿的学者提出，主要 是用实际数据来解释变量之间的关系。 计量经济学中的变量有自变量和因变量之分， 其中的自变量在计量经济学中常称为解释变量， 因变量称为被解释变量，被解释变量是因为其 他因素的变化而变化的变量。解释变量是在特 定环境中自身起作用且会影响被解释变量的变 量。计量经济学中被解释变量一般放在等式的 左边，解释变量一般放在右边。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（转）关于计量经济学来源：张伦的日志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C SSCI，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：bootst rap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。