关于计量经济学一、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。
有内生性变量，你就不要用简单回归了，你得用IV回归。
这几种大杀器的精髓一领会，基本上其他东西就难不倒你了。
就是STATA里面的选项多选几个或者少选几个的问题。
你所要做的就是在STATA里面打钩、设置参数。
对付一般的CSSCI 论文，已经是绰绰有余了。
如果你提了一个大家很感兴趣的问题，就是一个重要问题，那么用用IV，或者固定面板，发个经济研究基本没问题。
如果你的问题不是很重要，还想发经济研究，那你就要简单问题复杂化。
上面大杀器能解决的问题，你就用更不可靠的方法但更复杂的方法去解决吧。
大家用开源软件就会知道，一般开源软件会有一个稳定版本，功能比较少，效果很稳定，能满足你日常几乎所有的需求。
还有一个开发版本，专门给那些吃饱了撑着没事干的人倒腾的版本，因为是开发版本，所以很不稳定，经常会出错、崩溃。
不过能倒腾的人不怕崩溃，崩溃了能自己修。
你要是想倒腾，接着往下看吧。
四、瞎倒腾计量的秘诀瞎倒腾有两种水平，第一种是低水平，第二种，那你也猜到了，就是高水平瞎倒腾。
低水平瞎倒腾，就是大杀器不够过瘾，要用摄人魂魄、但容易走火入魔的计量方法达到发表经济研究的目的。
例如，没事弄弄协整，搞一把单位根检验之类的。
听起来头头是道，其实都是杞人忧天。
你想想，要是有协整，时间序列你根本不用着急。
要是没有协整，你着急也没用。
那你还协整个啥！面板来说，你有协整，也没有一个较好的估计方法，期刊上不是还有很多人在用固定效应OLS，或者是加点滞后滞前项变成一个固定效应动态OLS来估计非平稳面板嘛。
面板到现在为止也没有一个公认的可靠的协整向量估计方法，否则STATA这样的软件早就提供按钮了（STATA和EVIEW现在只有协整的检验方法，不是协整向量的估计）。
既然没有公认可靠的方法，你急啥！其实，协整这玩意，最大的价值也在于理论价值，实践价值几乎没有。
当年格兰杰发表协整思想，说如果变量不平稳，在没有协整关系的情况下，前人回归都不可靠。