计量经济学学习方法
高级计量经济学课程
高级计量经济学课程（最新版）目录1.计量经济学的概述2.高级计量经济学课程的简介3.高级计量经济学课程的主要内容4.高级计量经济学课程的学习方法与技巧5.高级计量经济学课程的重要性和应用前景正文一、计量经济学的概述计量经济学是经济学的一个重要分支，它运用统计学、数学和计算机科学等工具来研究经济现象和经济问题。
计量经济学通过建立经济模型，对经济现象进行定量分析和预测，为经济政策制定提供科学依据。
二、高级计量经济学课程的简介高级计量经济学课程是计量经济学的一个重要组成部分，它主要面向经济学和管理学等相关专业的研究生和学者。
高级计量经济学课程旨在培养学生对计量经济学理论和方法的深入理解和掌握，提高学生运用计量经济学方法解决实际经济问题的能力。
三、高级计量经济学课程的主要内容高级计量经济学课程主要包括以下内容：1.计量经济学的基本概念和方法，包括回归分析、时间序列分析、面板数据分析等。
2.计量经济学的模型建立和估计方法，包括最小二乘法、极大似然估计、贝叶斯估计等。
3.计量经济学的模型检验和优化方法，包括模型的拟合度、模型的显著性、模型的稳定性等。
4.计量经济学的应用领域，包括宏观经济分析、金融市场分析、政策效果评估等。
四、高级计量经济学课程的学习方法与技巧学习高级计量经济学课程需要掌握一定的数学和统计学基础，同时需要具备良好的逻辑思维和数据分析能力。
以下是一些学习高级计量经济学课程的方法和技巧：1.扎实掌握基础知识，包括数学、统计学和计算机科学等。
2.认真阅读经典教材和学术论文，理解并掌握计量经济学的理论和方法。
3.多做练习题和案例分析，提高自己运用计量经济学方法解决实际问题的能力。
4.积极参与学术讨论和研究，拓展自己的学术视野和思维。
五、高级计量经济学课程的重要性和应用前景高级计量经济学课程对于培养经济学和管理学等相关专业的研究生和学者具有重要意义。
通过学习高级计量经济学课程，学生可以掌握计量经济学的理论和方法，提高自己对经济现象和经济问题的分析和预测能力，为从事经济研究和经济政策制定提供有力支持。
第二代计量经济学方法
第二代计量经济学方法我折腾了好久第二代计量经济学方法，总算找到点门道。
说实话，刚接触这第二代计量经济学方法的时候，我真的是一头雾水，完全是瞎摸索。
最初，我以为它就和第一代计量经济学方法差不多，只是在一些理论上稍微改进了一下，所以我就按照以前学的那些套路来进行分析。
就像建房子，我以为只是换了几块砖的颜色那么简单呢。
结果发现完全不是那么回事，我收集的那些数据，根本就没法得到合理的结果，数据像一盘散沙一样混乱，这肯定是错得离谱啊。
后来我就意识到，第二代计量经济学方法里面的测量误差模型是相当关键的。
我开始去仔细研究这个测量误差模型，真的是花费了好大的精力。
这个模型就像是一个精密的仪器，每个部件的调动都可能对最终结果产生影响。
就拿我做的一次市场需求分析为例吧。
我按照传统方法来设定变量和选择数据来源，但是数据总是不合适。
我就反复看那些资料，渐渐明白在第二代计量经济学方法里，对于数据有着更高的要求，之前选的数据可能包含太多非精准的观测值。
我就得像个很细心的筛选工匠一样，把合格的数据挑出来。
我还在工具变量的选择上犯过错。
之前随便找个感觉相关的变量当作工具变量，结果发现这样做得出的结论完全站不住脚。
后来搞明白，工具变量可不是这么随意确定的，它得和我们要研究的内生变量高度相关，同时又不和我们的误差项有相关性。
就好比给船拉纤的纤夫，他必须朝着船正确航向使力，如果方向错了或者乱使力，这船肯定就没法按照预定路线行进了。
而且这第二代计量经济学方法对于假设检验也更加严格。
我以前做假设检验的时候不是很严谨，在第二代方法里就不行了。
这就好比参加一场正规的考试，以前的小错误现在都是大问题。
我的一点心得就是，对于第二代计量经济学方法得下苦功夫去认真钻研每个环节的原理。
不要着急动手做分析，先把理论基础打扎实。
不然就会像我之前一样，走很多弯路，浪费很多时间。
我到现在也不能说完全掌握了这个方法，但这些经历至少让我明白不少关键的地方。
而且要多和同行交流啊，有时候别人的一句话能让你豁然开朗。
计量经济学知识点总结
计量经济学知识点总结计量经济学是一门融合了经济学、统计学和数学的交叉学科，它通过建立经济模型，运用统计方法对经济数据进行分析，以揭示经济变量之间的关系和规律。
以下是对计量经济学中一些重要知识点的总结。
一、回归分析回归分析是计量经济学的核心方法之一。
简单线性回归模型表示为：＄Y ＝＼beta_0 ＋＼beta_1 X ＋＼epsilon$，其中$Y$是被解释变量，＄X$是解释变量，＄＼beta_0$是截距项，＄＼beta_1$是斜率系数，＄＼epsilon$是随机误差项。
在进行回归分析时，需要对模型进行估计。
常用的估计方法是最小二乘法（OLS），其基本思想是使残差平方和最小，从而确定参数的估计值。
通过估计得到的回归方程可以用于预测和解释变量之间的关系。
回归分析还需要进行一系列的检验，包括拟合优度检验（如判定系数$R^2$）、变量的显著性检验（＄t$检验）和方程的显著性检验（＄F$检验）等。
二、多重共线性多重共线性指的是解释变量之间存在较强的线性关系。
这可能导致参数估计值不稳定、方差增大、＄t$检验失效等问题。
检测多重共线性的方法有多种，如计算解释变量之间的相关系数、方差膨胀因子（VIF）等。
解决多重共线性的方法包括剔除一些相关变量、增大样本容量、使用岭回归或主成分回归等方法。
三、异方差性异方差性是指随机误差项的方差不是常数，而是随解释变量的变化而变化。
异方差性会影响参数估计的有效性和假设检验的可靠性。
常用的检测方法有图形法（如绘制残差平方与解释变量的关系图）、怀特检验等。
解决异方差性的方法有加权最小二乘法（WLS）等。
四、自相关性自相关性是指随机误差项在不同观测值之间存在相关关系。
自相关性会导致参数估计值有偏、无效，以及$t$检验和$F$检验不可靠。
常用的检测方法有杜宾沃森（DW）检验等。
解决自相关性的方法有广义差分法等。
五、虚拟变量虚拟变量用于表示定性变量，如性别、季节等。
在模型中引入虚拟变量可以更准确地反映经济现象。
《计量经济学》课程标准
《计量经济学》课程标准1. 课程的性质与设计思路1.1课程的性质《计量经济学》是教育部规定经济类专业核心课程之一, 是经济类专业的专业必修课。
在经济类的各个专业的教学中占有非常重要的地位。
《计量经济学》课程的主要特点是理论与实际应用并重, 既要认真学习基本理论知识, 又要注重经济计量方法在实践中的应用。
在教学中可以抛开复杂的数学计算以及繁琐的推导和证明, 但要将深入浅出的理论分析贯彻始终。
其目的是, 通过学习、掌握计量经济学的基本原理和常用方法, 研究经济中的有关问题, 训练学生运用计量方法、经济计量模型进行创造的思维方法。
并在此基础上, 培养学生利用经济计量学的方法, 学习和实践现代经济学的基本理论以及用定量的方法分析、解决实际经济生活中有关经济学问题的能力。
课程在内容与应用上与概率论与数理统计、统计学、时间序列分析、经济学等课程有关联。
所以, 学习本课程, 必须要先学习《微积分》、《线性代数》、《概率论和数理统计》、《西方经济学》等课程, 同时, 学习者要关注在经济计量学领域的一些最新发展。
只有这样, 才能在更好地理解和掌握课程内容与方法的基础上使经济计量模型的应用更具实践性。
1.2设计思路《计量经济学》建立在经济、统计学和数理统计的基础上, 是经济学中的一门重要的独立学科。
计量经济学结合数量方法来对经济活动进行认识分析, 并辅助于计算机专门软件, 具有较强的应用性和可操作性。
本课程主要介绍了计量经济学的一般概念及工作步骤、模型估计的基本方法、模型检验与修正方法, 典型计量经济模型专题讨论、联立方程组模型的基本知识（包括模型的识别、估计、检验及应用）、计量经济模型的应用案例。
学生在学习本课程之前, 应先学习了《微积分》、《线性代数》、《经济学》（包含微观经济学和宏观经济学）、《概率论与数理统计》和《经济统计学》等课程。
教师在讲授本课程时, 首先应特别注重对经济理论的认识和经济现象的分析, 强调已学的《经济学》基础；其次突出计量经济建模基本思想的讲授, 侧重在计量经济学研究对象的理解和《经济学》、《经济统计学》与《数学》相结合的知识背景上；再次应避免在理论部分的繁杂的纯数学证明, 但对于表述基本原理和模型应用分析中的数学推导是必要的, 故应强调《微积分》、《线性代数》与《概率论与数理统计》的基础知识；最后应加强对计量经济学概念的总结和应用实例的分析, 包括计量经济专门分析软件（Eviews）的应用操作。
计量经济学重点
计量经济学重点引言计量经济学是经济学的一个重要分支，旨在通过使用统计学和数学方法来对经济理论进行实证分析。
它的核心目标是通过利用经济数据和数学经济理论的相互关系，解释经济现象，并提供经济政策的科学依据。
本文将介绍计量经济学的一些重要概念和方法，用以帮助读者更好地理解和应用计量经济学。
一、回归分析回归分析是计量经济学中最基本的统计方法之一。
它用于研究因果关系和预测变量之间的关系。
回归分析的核心思想是找到一个最佳的函数来解释因变量和自变量之间的关系。
在回归分析中，因变量是我们希望解释或预测的变量，而自变量是我们认为与因变量相关的变量。
通过建立数学模型并对数据进行估计，我们可以得到最佳的函数来解释因变量和自变量之间的关系。
常用的回归模型包括线性回归模型、多元回归模型和非线性回归模型等。
二、时间序列分析时间序列分析是计量经济学中研究时间序列数据的一种方法。
时间序列数据是按照时间顺序排列的观测值序列，如股票价格、GDP增长率等。
时间序列分析的目标是建立一个统计模型来描述数据的变化趋势和周期性，并进行预测。
时间序列分析涉及到许多重要的概念，包括平稳性、滞后项、自相关性和滑动平均等。
通过对时间序列数据的建模和分析，可以揭示数据背后的规律和趋势，为经济决策提供重要的参考。
三、计量经济学中的假设检验在计量经济学中，假设检验是一个非常重要的工具，用于验证经济模型的有效性和推断。
假设检验的核心思想是根据样本数据对经济理论中的假设进行检验。
假设检验通常包括一个原假设和一个备择假设。
原假设是对经济理论的一个特定假设进行的陈述，备择假设是对原假设的一个否定陈述。
通过计算统计量和确定显著性水平，可以对原假设做出决策，判断是否拒绝原假设。
一些常见的假设检验方法包括t检验、F检验和卡方检验等。
通过假设检验，我们可以评估经济理论的有效性，并对经济政策和决策提供科学依据。
四、面板数据分析面板数据分析是计量经济学中应用最广泛的方法之一，用于处理同时包含多个数据点和时间点的数据集。
计量经济学讲义
计量经济学讲义第一部分：引言计量经济学是研究经济现象的量化方法，它结合了统计学和经济学原理，旨在提供对经济现象进行定量分析的工具和技术。
本讲义将介绍计量经济学的基本概念和方法，帮助读者理解和应用计量经济学的基本原理。
第二部分：经济数据和计量经济学模型1. 经济数据的类型- 我们将介绍经济数据的两种主要类型：时间序列数据和截面数据。
时间序列数据是在一段时间内收集的数据，而截面数据是在同一时间点上收集的数据。
2. 计量经济学模型- 我们将讨论计量经济学模型的基本原理和应用，例如最小二乘法和线性回归模型。
这些模型可以帮助我们分析经济数据之间的关系，并进行预测和政策评估。
第三部分：经济数据的描述性统计分析1. 描述性统计分析的概念- 我们将介绍描述性统计分析的基本概念和方法，包括中心趋势测量、离散度测量和分布形态测量。
这些方法可以帮助我们理解和总结经济数据的基本特征。
2. 经济数据的描述性统计分析实例- 我们将通过实例演示如何使用描述性统计分析方法来分析和解释经济数据。
例如，我们可以使用均值和方差来描述一个国家的经济增长和收入分配。
第四部分：计量经济学的统计推断1. 统计推断的概念- 我们将讨论统计推断的基本概念和方法，包括假设检验和置信区间。
这些方法可以帮助我们从样本数据中推断总体参数，并评估推断的精度和可靠性。
2. 统计推断的实例- 我们将通过实例演示如何使用统计推断方法来研究和解释经济现象。
例如，我们可以使用假设检验来判断一个政策措施对经济增长的影响。
第五部分：计量经济学的回归分析1. 单变量线性回归模型- 我们将介绍单变量线性回归模型的基本原理和应用。
这个模型可以帮助我们分析一个因变量和一个自变量之间的关系，并进行预测和政策评估。
2. 多变量线性回归模型- 我们将讨论多变量线性回归模型的基本原理和应用。
这个模型可以帮助我们分析多个自变量对一个因变量的影响，并进行政策评估和变量选择。
第六部分：计量经济学的时间序列分析1. 时间序列模型的基本概念- 我们将介绍时间序列模型的基本概念和方法，包括自回归模型和移动平均模型。
计量经济学课程教学中的“四步法”
计量经济学课程教学中的“四步法”计量经济学是经济学的一个重要分支，它主要研究经济现象的数量化分析和经济理论模型的实证检验。
在计量经济学课程的教学中，“四步法”是一种常用的教学方法，它包括问题提出、模型设定、数据采集和估计检验四个步骤。
这种教学方法能够帮助学生深入理解计量经济学的核心概念和方法，提高他们的实证分析能力和逻辑思维能力。
本文将从四个方面来介绍计量经济学课程教学中的“四步法”。
问题提出是计量经济学教学中的第一步。
在教学中，老师通常会选择一些现实生活中的经济问题或者经济理论中的疑问作为分析的对象。
通过引导学生思考并提出相关问题，老师可以引起学生的兴趣，激发他们对经济现象的好奇心和探索欲望。
老师可以提出一个问题：影响学生学习成绩的因素有哪些？这个问题既可以引出回归分析的概念，也能够激发学生对影响学习成绩的因素进行进一步思考。
模型设定是计量经济学教学的第二步。
在问题提出的基础上，老师需要指导学生建立起相应的经济模型，以此为基础进行后续的数据采集和分析。
模型设定是计量经济学研究的核心和基础，通过模型设定，学生可以深入了解经济现象背后的机制和规律。
针对上述提出的问题，老师可以指导学生建立一个关于学习成绩与学习时间、学习任务量、家庭背景等因素之间关系的模型，为后续的实证分析做好准备。
数据采集是计量经济学教学的第三步。
在模型设定完成后，老师需要向学生介绍如何收集和整理相应的数据，以验证所建立的经济模型。
数据采集是计量经济学实证分析的重要一环，学生需要学会如何获取和利用已有的数据来进行实证分析。
通过数据采集的过程，学生可以了解到真实世界中数据的不完美性和存在的各种问题，从而提高他们的实证分析能力和数据处理能力。
估计检验是计量经济学教学的最后一步。
在完成数据采集后，老师需要向学生介绍如何进行模型的估计和检验。
通过对建立的模型进行参数估计和假设检验，学生可以验证模型的合理性和稳健性，从而得出对经济现象的认识和结论。
《计量经济学》课程教学大纲
计量经济学》课程教学大纲、课程信息通过本课程的学习，学生应具备以下几方面的目标：1.掌握计量经济学的基本原理和方法，了解计量经济学的应用领域，并对计量经济学理论与方法的扩展和新发展有概念性了解；2.能够建立并应用简单的计量经济学模型，对现实经济现象中的数量关系进行实际分析；3.具有进一步学习与应用计量经济学理论、方法与模型的基础和能力。
课程目标对毕业要求的支撑关系表三、教学内容与预期学习成效5.可化为线性的多元非线性回归模型6.含有虚拟变量的多元线性回归模型4第四章经典隼方程计量经济学模型：放宽基本假定的模型课程目标1、2、31.多重共线性2.异方差性3.内生，解释变量问•苞4.模型设定偏误间愁1.掌握多重共线性的原理、后果、原因、检验及消除方法2.掌握异方是性的原理、原因、后果、检验及消除方法3.掌握模型内生性解释变号问题的原理，检验及消除方法4.了解摸型设定的偏误问题5.会用相关软件实现各过程1.理论课堂多媒体教学•用软件演示实现各个过程辅助；2.实验谡堂案例实际操作，巩固如强所学内容5时何序列计量经济学模型课程目标1、2、31.时间序列模型的序列相关性2.时间序列的平穗性及其检验3.协整与误差修正模型4.恪兰杰因果关系检验1.掌提时间序列模型的序列相关性原理、原因、后果、检睑及消除方法，并会用相关软件操作2.掌握时间序列的平德性毓念及检慈方法，并会用相关软件操作3.了解协整的慨忿及误差修正模型的原理，会用相关软件建模4.了解格兰杰因果关系检验原理，并会用相关软件操作1.理论深堂多蝶体教学•用软件演示实现各个过程辅助：2.实验课堂案例实际操作•巩固加强所学内容理论时+实课时四、教学目标达成度评价1.教学目标1、2的达成度通过课堂提问、课堂讨论、课后作业、闭卷考试、实验进行综合考评；2.教学目标3的达成度通过课堂学习、实验报告完成进行综合考评。
五、成绩评定课程成绩包括三个部分，分别为平时成绩、期末考试、实验。
- 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)。
和大家一起学习计量经济学同学们，大家晚上好，今天我很荣幸受邀给大家讲讲自己在学习计量经济学上面的一些心得体会。
我在此很受鼓舞，十分感谢大家给我这样一个审视自己的机会。
回顾最初接触计量经济学的时间里，我深感自己走了很多的弯路。
如今作为一名研究生二年级的学生，我总在想，是不是应该找一个机会把自己的这些教训给大家讲一讲，也好让我后面的学弟学妹更好的集中精力，在计量经济学的学习上有所突破。
然后，需要申明的是，我今天所讲的内容，也只是我个人的一些粗疏的看法，我相信在座的各位，也有自己的不同的看法，欢迎你们提出来，我们一起学习。
计量经济学是一门什么样的学科？我自己不是经常思考这些问题。
有一天我稍微闲一点坐下来思考这个问题的时候，我才发觉自己走得有些偏。
简单地说，归根结底，计量经济学仍然是一门经济学的子学科，是一门应用性的科学。
其性质决定了我们在学习计量经济学的时候一定是要以问题为导向的。
这就是为什么一些人苦苦做方法论而不得其法的道理。
不同于西方经济学的学习方法，计量经济学是一门将统计理论、数理经济学和经济理论紧密结合的学科，其最终的目的就是做统计推断和假设检验？我问大家，如果你要写一篇论文，怎么让读者信服你的观点？我们在初中的时候写过议论文，语文老师经常对我们说的一句话是：摆事实、讲道理，动之以情，晓之以理。
我们学习计量经济学、写经验分析的文章也是一样？如何学会让论文替我们说话？如何用计量经济学帮助我们讲好一个经济学故事？这是我们在学习计量经济学应该长期思考、不断精益求精的问题。
计量经济学的学习？需要相应的基础知识储备？比如说，概率论与数理统计的知识，比如说，需要很强、很熟练的线性代数、矩阵论甚至高级的计量经济学还需要学习高阶矩阵微分的知识，足够的知识储备会让我们在今后的学习中如虎添翼。
特别的是，计量经济学借用的数理统计和随机过程的知识，将会是处理较为复杂的数据生成过程的得力助手。
所以，我建议你们学好这些相关方面的基础知识：我们学校图书馆引入了相关方面的翻译本的外文教材，数量庞大、卷帙浩繁，没有一定的定力和毅力，还无法将这些知识所消化吸收。
同时，当遇到更为复杂的回归方法时候，我们可能还需要在优化算法上面下功夫：比如说EM算法，蒙特卡洛模拟等一些模拟计算方法等。
这些都要借助一定的统计知识。
当然，我说这些不是要吓唬大家的意思，我其实想说的是，尽管方法很多，你可能总也学不完，这是实话，因为你学得越多，可能想挑战自己的欲望就越强烈，于是就不会停下来，甚至白天黑夜的想怎么样改进算法之类的问题。
不过，由于计量经济学归根结底还是一门应用型的经济学，所以我们学得再多的方法，最终还是要学会应用。
而且更加辩证地看，只有在实际应用中发展的计量经济学方法论，才会有持久的生命力。
那么我们还需要做些什么样的工作呢？我们又怎么样在应用中学会计量经济学呢？说了这么多，我现在才进入正题。
大家翻到第四版教材的第3页，传统的计量经济学方法论按下列路线进行：陈述理论或者假说；设定理论的数学模型；设定理论的计量经济学模型；获取数据；计量经济学模型的参数估计；假设检验；预报或者预测；利用模型进行控制或制定政策。
这些就是一般的一个思想方法，那么我想说明的一点是，模型估计不应该太简单，比如说一般的最小二乘法，但也不应该太复杂，太复杂反而不容易把问题说清楚。
比如你要验证汇率波动对中国进出口的影响，采用向量误差纠正模型寻找协整方程就可以了，如果发现有明显的结构特征，就要试图去解释结构变化的特征，是采用阈值协整模型，是采用马尔科夫区制转换机制，等等，这些都要从数据本身入手。
一篇计量经济学的论文，如果说选题的新颖程度和经济现实意义决定了其广度，则其数据分析方法决定了其分析问题的深度。
当我们对于当前的经济热点问题的某一个方面比较感兴趣，也希望找到这些方面的数据进行验证的时候，选择合适的数据是第一步，而不是选择合适的模型。
请大家记住，在数据可靠的前提下，数据永远是计量经济分析的第一步，然后找到更好的模型。
古扎拉蒂也说，研究结果不能比数据的质量要好，当我们的数据质量受到怀疑的时候，也不必过于教条的对待研究的结果。
教材的第一章里面，讲的是回归分析，在这里，我希望大家不要小心的是，所谓的回归分析不仅仅是线性回归一种，而普通最小二乘法（直线拟合）的方法只是其中的一个例子，大家如果点开Eviews3.0这个比较低的软件版本来看的话，发现估计方法设定这一栏里面就有好多个方法：最小二乘法LS；两阶段最小二乘法TSLS；自回归条件异常差ARCH；广义矩估计GMM；二元选择BINARY；次序选择ORDERED；审查数据CENSORD；COUNT计数数据。
对于时间序列数据我刚才说过了，可能还有向量自回归的方法，还有大家今后有些同学会从事经济研究，有些同学会从事经济实务方面的工作，按照世纪经济工作性质的不同，侧重点是不同的。
也许，从事经济实务工作的同学遇到的数据是在学校中从事教学研究的同学所不能经常遇到的，因而也就遇到的更复杂的数据类型也更多，所以我觉得大家都有做好这方面准备的必要，这样就不会再工作的时候手足无措了。
数据，说明白了，也就是信息。
我们知道，在信息社会的今天，信息铺天盖地，如何在众多的信息中把握最核心、最重要的，是十分关键的。
我举一个例子，如果给你一个任务，预测明年的通货膨胀率是多少？明年的房价是否还会持续走高？人民币升值的最大容忍程度是多少？你准备怎么做？这些问题其实要找个方面的数据，找到合理的度量的变量进行经验分析，然后得出合理的区间估计或者点估计，这就是我们应用计量经济学而非一般经济理论能够解释的。
因此，既然数据如此重要，那么我就从数据说开去吧。
首先数据类型主要有三种：时间序列数据、横截面数据和混合面板数据。
如果是时间序列数据，我们需要知道这些数据的平稳性，以及序列之间是否存在协整关系，如果不平稳，是否存在平滑的转移机制；如果不存在平滑的转移机制，如何刻画这种具有jump 特征的数据？如果是横截面数据，可能问题更多，一是因为横截面数据不能像时间序列数据一样可以直接在计量软件上找到趋势，而只能对一些解释变量逐个地描出散点图来查看。
大家看看在对异方差的检验的部分，方法是很多的，但是有一个比较明显的特点就是，如果不能直观的从图上查看异方差的来源，我们则需要做很多的工作，帕克检验、格莱泽检验、斯皮尔曼等级相关检验、GQ检验、BPG检验、怀特检验，对于面板数据，你还需要做一些检验，是采用固定效应还是随机效应？对于数据的敏感性，最终决定了你对计量经济学方法论的理解程度。
我们遇到的统计指标，主要分以下四类数据类型：比率尺度（ratio scale）、区间尺度（interval scale）、序数尺度（ordinal scale）和名义程度（nominal scale），这四类数据应用的模型也是有讲究的。
一般来讲，作为序数尺度和名义尺度更多的采用虚拟变量的形式，包括在微观计量经济学中的定序数据和特征变量的数据实际上也是如此。
我以前做的一个事情就是，拿到一些数据，没有经过数据的分析，就直接很兴奋地在Eviews上点了一下，然后结果就出来了。
于是觉得很不错，洋洋得意。
可是后来我发觉，一段时间之后，我除了会在Eviews上点一下，什么也没学会，好像就是为了用这个软件而用它，没有真正体会数据分析的本质。
我刚才说过，计量经济学是一门应用性的科学，但是计量经济学软件不是万灵药，我们不能依赖软件告诉我们这些数据提供了我们什么信息，所以这些工作就只有通过我们只记得分析来做了。
我举一个例子来说，一个普通的最小二乘法，是怎么算出来的呢？大家翻到附录C的线性回归模型的矩阵方法部分就知道了，所谓的最小二乘法，最终只不过是将我们所得的样本信息转化成一个矩阵的表达式而已，为了得到贝塔系数向量，只需要简单的用矩阵计算就可以了。
计算机软件只是替代我们做了一个计算的工作。
STATA是这样，Matlab也是这样。
所以，我想告诉大家的是，如何处理好计量软件与计量分析的关系是十分重要的，而不要在写文章的时候一上来就没有任何说明就做一个回归，然后得出系数，让人丈二和尚摸不着头脑。
计量经济学是一门科学与艺术相结合的学科，因此也要讲究美学价值。
说理是就像讲一个故事，你这个故事讲得不明白，听众不知到你讲的什么东西，你做的方法再高明也不能算是一个成功的论文。
所以，要正确处理好分析问题与阐述问题的关系，因为研究某一个问题的过程和理解某一个问题的过程，这两个思维方式可能是不同步的。
我再举个例子说，大家看一看国外比较著名的期刊AER，JPE等上面的文章，一般引言会很长，而且人家分辨文章的好坏从摘要和引言这两方面入手。
这个引言并不是最先就写好，而是将数据描述、模型设定核估计、经济含义分析结束之后再做的这个引言。
引言就是要想办法让读者朝着自己的思路去想问题，吸引读者的兴趣。
我今天讲的一些问题是需要大家在学习的时候注意的，这里我不想再讲下去，其实说明白一点，学习计量经济学，没有其他的办法，就是要读文献、找数据、自己做分析。
除此之外别无他法，妄想一下子就学会是不可能的。
而且，你学的越深，你还会感到自己在很多方面的工作还没有做足。
这里我推荐几个阅读材料：一个是学院的主页上面提供了服务下载，一个是徐院长的关于高级宏观经济学的讲义，一个是关于张晓峒的当代计量经济学的研究领域。
我建议大家都下载下来学习一下，会帮助大家走向前言的。
其下载网址是：/index.php?tid=5&cid=44这里我觉得我今天已经说得很多了，于是我想起来一件事情，就是如何备考的事情：说实话，我不是一个会考试的人，如果大家问我关于怎么考试的问题，我觉得自己的经验有限。
但是因为受委托也附带的讲一下吧。
关于计量经济学，我个人推荐大家先参看古扎拉蒂第四版教材335页的关于放松经典模型的假定的说明部分。
这部分将这本书的前后两部分联系起来了，具有承前启后的作用，对于大家理解中级计量经济学到底讲了些什么有很好的启示。
然后就是自己要一章一章的看书了，关于各个统计量是怎么构造的，首先要把这些过程记住，弄懂他们的用法。
在出现多重共线性、异方差和自相关的不同的情况下，如何从数据上识别，如何进行检验，这些都是需要我们记住的，特别是在联立方程模型的这一章，关于模型的可识别性的几个判别条件、关于时间序列数据建模的前沿专题，是否能够自己去学着做，这些问题都是不可轻视的。
关于这本书的第三部分，计量经济学专题部分的几个章节，也是目前计量经济学研究的前沿，十四章的非线性回归，涉及到了优化算法，十五章的定性响应回归模型，是微观计量经济学的前沿问题，十六章则是面板数据前沿，十七章是动态计量经济学前沿。
特别需要重视的是面板数据和动态计量经济学前言部分，因为难度适中，所以应该是考试的重点。