计量经济学速成总结
计量经济学学总结
1.计量经济学的建模步骤？一、理论模型的设计 : 确定模型包含的变量;确定模型的数学形式;拟定模型中待估计参数的理论期望值区间二、样本数据的收集三、模型参数的估计四、模型的检验计量经济学模型的运用1、结构分析，2、经济预测，3、政策评价，4、检验与发展经济理论2、相关分析和回归分析的区别联系:两者都是研究非确定变量间的统计关系，并且能够度量线性依赖程度的大小。
区别：前者关注相关程度，后者关注因果分析，还有具体的依赖关系。
4、随机误差项的含义：随机误差项是在模型设定中省略下来而又集体的影响着被解释变量Y的全部变量的替代物。
5、随机误差项的内容有哪些？或者为什要在总体回归函数中引入随机误差项：（1）代表未知的影响因素，（2）代表残缺数据，（3）代表众多细小影响因素，（4）代表数据观测误差，（5）代表模型设定误差，（6）变量的内在随机性基本假设：（1）回归模型是正确设定的，（2）解释变量X是确定性变量，不是随机变量，在重复抽样中取固定值，（3）解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一个非零的有限常数，（4）随机误差项μ具有给定X 的零均值、同方差以及不序列相关性（5）随机误差项与解释变量之间不相关（6）随机误差项服从零均值、同方差的正态分布。
记住：正态分布并不是得到最佳无偏估计的必要条件，只要满足前4个假设就可以得到最佳无偏估计。
7、普通最小二乘法（OLS）概念：残差平方和最小的准则，就是最小二乘准则其3、样本容量的关系最小样本：样本容量必须不少于模型中解释变量中的数目（包括常数量）一般认为，当n大于等于30或者至少n大于等于3（k+1）才能说满足模型估计的基本要求9、回归模型的统计检验（拟合优度检验、参数的显著性检验、模型的显著性检验）（1）拟合优度是指检验模型对样本观测值的拟合程度，用R2表示，该值越接近于1，模型对样本观测值拟合得越好。
可决系数:TSS(总离差平方和):自由度为：n-1ESS(回归平方和)：自由度为：kRSS(回归平方和)：自由度为：n-k-1调整的可决系数:即（2）参数的显著性检验（t检验）t统计量的表达形式：在零均值假设下服从自由度t(n-k-1)（t值的计算必考）检验的经济意义：当小于临界值时，未通过检验，大于临界值则通过检验，如果每一个回归系数都通过了t检验，说明模型中的每一个自变量都是显著娥，未通过显著性检验的系数所对应的变量，应结合实际情况考虑将其去除，这是自变量选择的一个最常用的方法。
计量经济学学习心得范文
计量经济学学习心得范文计量经济学作为一门结合经济理论与统计方法的学科，对于理解和分析经济现象具有重要意义。
在学习过程中，我逐渐领悟到计量经济学在解决实际经济问题中的独特价值和应用。
通过学习计量经济学，我对经济模型的构建和验证有了更深入的认识。
计量经济学教会我们如何运用数学和统计工具来量化经济变量之间的关系，从而对经济现象进行更为精确的分析和预测。
这种分析方法不仅提高了我的逻辑思维能力，也增强了我的数据分析技能。
在学习中，我特别对计量经济学中的回归分析技术产生了浓厚的兴趣。
回归分析作为计量经济学的核心内容之一，为我们提供了一种强大的工具，用以探究变量之间的因果关系。
通过对回归模型的学习，我学会了如何收集和处理数据，如何建立假设，并通过模型检验来验证这些假设的有效性。
此外，计量经济学的学习还让我意识到了模型假设的重要性。
一个准确的经济模型必须建立在合理的假设基础之上。
在实际应用中，我们需要仔细考虑和检验模型的假设条件，确保模型结果的可靠性和有效性。
这一过程不仅锻炼了我的批判性思维，也提高了我对经济理论的理解和应用能力。
在学习计量经济学的过程中，我也体会到了软件工具在数据分析中的重要作用。
现代计量经济学的学习和研究离不开各种统计软件的支持，如Eviews、Stata和R等。
通过这些软件的学习使用，我能够更加高效地进行数据处理和模型分析，这对于提升我的研究效率和质量具有重要意义。
计量经济学的学习不仅提高了我的专业素养，也为我未来的学术研究和职业发展奠定了坚实的基础。
我将继续深入学习计量经济学的理论和方法，不断提升自己的分析能力和研究水平，为解决实际经济问题做出自己的贡献。
中南财经政法大学计量经济学复习总结
中南财经政法大学计量经济学复习总结引言计量经济学是一门应用统计学和数学工具来分析经济数据的学科，它在经济预测、政策评估和经济理论检验中发挥着重要作用。
本复习总结旨在帮助中南财经政法大学的学生系统地回顾和巩固计量经济学的核心知识点。
第一部分：计量经济学基础1. 计量经济学的定义和目的定义：计量经济学是经济学的一个分支，它利用数学和统计学方法来分析经济数据。
目的：旨在建立经济理论的实证模型，进行经济预测和政策评估。
2. 经济数据的特点时间序列数据：数据点按时间顺序排列。
横截面数据：同一时间点上不同个体的数据集合。
面板数据：结合了时间序列和横截面数据的特点。
第二部分：经典线性回归模型1. 简单线性回归模型形式：( y = \beta_0 + \beta_1 x + \epsilon )参数估计：通常使用最小二乘法估计参数。
2. 多元线性回归模型形式：( y = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + ... + \beta_n x_n + \epsilon )参数估计：同样使用最小二乘法。
3. 模型假设线性：因变量与自变量之间存在线性关系。
独立性：误差项相互独立。
同方差性：误差项具有恒定的方差。
正态分布：误差项呈正态分布。
第三部分：模型的诊断和改进1. 异方差性问题：当误差项的方差与自变量相关时，最小二乘估计的标准误差会受到影响。
解决方法：使用异方差稳健的标准误或加权最小二乘法。
2. 自相关问题：时间序列数据中误差项可能存在相关性。
解决方法：使用广义最小二乘法或差分方法。
3. 多重共线性问题：自变量之间高度相关，导致模型参数估计不稳定。
解决方法：增加样本量，剔除相关性高的变量。
第四部分：动态模型和时间序列分析1. 自回归模型（AR）模型形式：( y_t = c + \phi_1 y_{t-1} + ... + \phi_p y_{t-p} + \epsilon_t )2. 移动平均模型（MA）模型形式：( y_t = \mu + \epsilon_t + \theta_1 \epsilon_{t-1} + ... + \theta_q \epsilon_{t-q} )3. 自回归移动平均模型（ARMA）模型形式：结合AR和MA模型的特点。
计量经济学学习心得模板
计量经济学学习心得模板学习计量经济学的心得引言：计量经济学是经济学的一个重要分支，它运用数理统计和数学方法来研究经济现象的定量关系。
在计量经济学的学习过程中，我深入学习了线性回归模型、假设检验、时间序列分析等内容，并且在实际的数据分析中应用了这些方法。
通过学习计量经济学，我不仅提升了自己的数据分析能力，也对经济现象有了更深刻的理解。
下面是我对计量经济学学习的心得体会。
一、理论知识的理解和掌握在学习计量经济学的过程中，我首先需要理解和掌握一些重要的理论知识。
例如，线性回归模型是计量经济学的基础，我需要了解线性回归模型的基本原理、假设条件和估计方法。
另外，还需要学习假设检验、参数估计和模型诊断等相关内容。
通过理论学习，我对计量经济学的方法论有了更全面的认识，并且能够灵活运用这些方法进行实际问题的研究和分析。
二、数据的收集和整理在进行计量经济学的实证研究时，数据的获取和整理是非常重要的环节。
我需要了解如何获取和整理数据，并且需要学习如何解决数据缺失、异常观测值等问题。
在实际操作中，我学会了通过爬虫技术获取网络数据，也学会了运用Python等编程语言对数据进行清洗和整理。
通过数据的收集和整理，我能够获取到高质量的数据，为后续的分析和建模打下基础。
三、实证研究的设计和分析进行计量经济学的实证研究时，我需要设计研究方案和模型，并且利用统计软件对数据进行分析。
在实证研究的设计中，我需要明确研究问题、选择合适的变量和样本，并且控制其他可能的影响因素。
在模型的建立和估计中，我需要根据理论和经验做出合理的假设，并利用计量经济学的方法进行参数估计和模型诊断。
通过实证研究，我能够对经济现象的关系和机制有更深入的理解，并且能够提供决策支持和政策建议。
四、结果的解释和应用在计量经济学的研究中，我需要对结果进行解释和应用。
首先，我需要对模型的估计结果进行解读，包括参数的意义、统计显著性和经济意义。
其次，我需要对研究结果进行验证和敏感性分析，以确保研究的可靠性和稳健性。
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。
2024年计量经济学学习心得模版(2篇)
2024年计量经济学学习心得模版通过一个学期对计量经济学的学习，我学到了很多的知识。
计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
计量经济学与理论经济学、经济统计学、数理统计学既有区别又有联系。
计量经济学是现代经济学的重要分支。
计量经济学不仅要研究经济现象的计量方法，而且要研究经济现象发展变化的数量规律。
运用计量经济学研究经济问题，一般可以分为四个步骤。
确定变量和数学关系式—模型设定；分析变量间具体的数量关系—估计参数；检验所得结论的可靠性—模型检验；做经济分析和经济预测—模型应用。
在计量经济研究中，模型是对实际经济现象或过程的一种数学模拟，再____的模型也不可能将所有的因素都纳入其中，模型只不过是对可计量的复杂经济现象的一种简化与抽象。
因此模型只能在一定的假设前提下，忽略众多次要因素，而突出若干所____的主要经济变量，把有关经济变量的相互依存关系表现为方程式。
模型的建立主要靠对现实经济问题的深入研究，要遵循科学的理论原则，也要运用适当的方法。
1、一元回归模型：许多社会与经济现象，除了自身的变动之外，它们相互之间很可能有一定的依存关系。
各种经济变量相互之间的依存关系有两种不同的类型：一种是确定性____函数关系，另一种是不确定的统计关系，也称为相关关系。
关于拟合优度的检验，也就是检验模型对样本观测值的拟合程度。
2024年计量经济学学习心得模版（2）计量经济学是研究经济现象的数值尺度上的量化方法和经济理论之间的联系的一门学科。
在学习计量经济学的过程中，我深深地感受到了它的重要性和应用广泛性。
通过对各种经济数据进行统计分析和建模，我们能够更加客观地了解经济现象和政策的影响，为经济决策提供科学依据。
下面我将分享一下我在学习计量经济学过程中的一些心得和体会。
首先，在学习计量经济学之前，我对经济学的一些基本概念和理论有了一定的了解。
计量经济学学习总结
回归系数β1、β2 以及σ2的置信区间
假设检验：概述以及置信区间的方法
双变量回归：区间估计与假设检验 估计与假设检验构计与区间估计。 在统计学中，一个点估计量的可靠性 要由它的标准误来衡量。因此，我们 不能完全依赖一个点估计值，而是要 围绕点估计量来构造一个区间。
模型含有多个回归元时，增补此假定：没有 完全的多重共线性；
3
最小二乘估计的精度或标准误差
最小二乘估计是样本估计的函数。但因数据 会从一个样本变到另一个样本，也必定随之 改变。因此需要有关于估计量的可靠性或精 密度的某种度量。在统计学中，一个估计量 的精密度由它的标准误来衡量。 标准误无非是估计量的抽样分布的标准差， 而一个估计量的抽样分布，就是该估计量的 概率或频率分布。抽样分布的使用，是为了 能够从一个或多个样本计算出来的估计值去 推断总体的参数值。 β 1、β 2估计量的方差（以及它们的标准误） 的特点。（3个方面）
计量经济学
--学习总结
目 录
第三章：双变量回归模型
第四章：经典线性回归模型
第五章：双变量回归：区间估计与假设检验
第三章：双变量回归模型 估计问题
1
普通最小二乘估计法 线性回归模型：最小二乘法的基本假定 最小二乘估计的精度或标准误差
2
3
4
5
最小二乘估计量的性质：高斯-马尔可夫定理
判定系数r2 ：“拟合优度”的一个度量
5
判定系数r2 ：拟合优度的一个度量
r2 的两个性质（非负性和有界性）。 r的一些性质（7个方面）。 所谓蒙特卡罗实验，基本上是一种计算机模 拟或抽样实验法。该实验常被用来研究各种 估计总体参数方法的统计性质。它们在研究 小样本或有限样本的估计量的性态时尤其有 用。这些实验对于彻底掌握重复抽样的概念 也是绝好的手段。
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知识点总结通货膨胀是指纸币的发行量超过流通中所需要的数量，从而引起纸币贬值，物价上涨的经济现象，其实质是社会总需求大于社会总供给；通货紧缩是指物价总水平在较长时间内持续下降的经济现象，其实质是社会总需求小于社会总供给。
…1、通货膨胀与通货紧缩的关系（1）联系：①二者都是由社会总需求与社会总供给不平衡造成的，亦即流通中实际需要的货币量与发行的数量不平衡造成的。
②二者都会影响正常的经济生活和社会经济秩序。
因此，必须采取切实有效的措施予以抑制。
（2）区别：①含义及实质不同：通货膨胀是指纸币的发行量超过流通中所需要的数量，从而引起纸币贬值，物价上涨的经济现象，其实质是社会总需求大于社会总供给；通货紧缩是指物价总水平在较长时间内持续下降的经济现象，其实质是社会总需求小于社会总供给。
②表现不同：通货膨胀表现为纸币贬值、物价上涨、经济过热的现象；通货紧缩则表现为物价持续下降、市场疲软、经济萎缩的现象。
③原因不同：通货膨胀主要是纸币的发行量大大超过流通中所需要的货币量引起的。
另外，经济结构不合理、固定资产投资规模过大、生产资料价格大幅调整、需求膨胀等因素也是引发通货膨胀的重要原因；通货紧缩主要是宏观经济环境的变化，由卖方市场转变为买方市场引起的，另外，货币供应增长乏力、金融危机等因素也是引发通货紧缩的重要原因。
④危害性不同：通货膨胀的出现，直接引起纸币贬值，物价上涨，如果人们的实际收入没有增长，生活水平就会出现下降，购买力降低，商品销售困难，造成社会经济生活秩序混乱；通货紧缩，物价下降在一定程度上对人民生活有好处，但物价总水平长时间、大范围下降，会影响企业生产和投资的积极性，导致市场销售不振，对经济的长远发展和人民的长远利益不利。
⑤解决办法不同：抑制通货膨胀主要是实行适度从紧的货币政策和量入为出的财政政策，控制货币供应量和信贷规模；抑制通货紧缩主要是采取积极的财政政策和稳健的货币政策，加大投资力度，扩大内需，调整出口结构，努力扩大出口。
- 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STA TA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STAT A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STA TA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。