计量经济课程设计指导书计量经济实证分析的过程如下：1．问题的提出：非常准确地提出一个非常有研究价值的问题，其重要性在经济分析过程中是不容忽视的，但又是十分困难的一个步骤。

如果没有明确地分析目标和对象，那么你的研究就无从下手。

现在随着信息技术的飞速发展，我们可以轻松的收集到大量的数据资料。

但如果因为我们可以轻松的收集到大量的数据资料，你就企图在想法尚未成熟之时开始收集资料，其结果往往适得其反。

如果没有对你的假设和你将要估计的该类模型进行细致化的共识表述，那么你很有可能会虽然收集了大量的数据资料，但却忘记搜集某些重要变量的信息，或是选取了错误的变量信息，甚至收集数据是选错了时间区间和研究对象。

（准确定义所研究问题的重要性）当然，这并不是说你要凭空捏造一个问题，尤其在作学位论文和研究项目期间，更不可能去建造空中楼阁。

因此在选择研究题目的时候，你必须确信现有的数据来源能够让你在指定的时间里回答你的问题。

（数据的可得性）在选题时，你必须明确，你对经济学或其他社会科学的哪一个领域感兴趣。

举例来说，在完成了劳动经济学的课程后，你可能会发现其中的理论能够被实践所检验，或是这些理论与一些相关的政策因素存在着联系。

劳动经济学家总是能够不断发现解释工资差异的新变量，这包括高中阶段的教学质量的好坏（Card and Krueger, 1992; and Betts, 1995），数学基础的课程量的多少（Levine andZimmerman, 1995），以及学生的身体特征（Hamermesh and Biddle, 1994; Averett and Korenman, 1996; Biddle and Zimmerman, 1998）。

而国家或地方的公共财政研究人员则致力于研究当地的经济活动是如何依赖于经济政策变量的，这些变量包括：财产税、销售税、公共服务机构的服务的水平或质量（如学校、消防队和警察局等）等等（White, 1986; Papke, 1987; Bartik, 1991; Netzer, 1992）。

研究教育问题的经济学家则对以下三个问题颇为关注（Hanushek, 1986）；支出如何影响求学行为，就读某类学校是否会提高受教育者能力，以及如何确定影响私人学校选址的因素（Downes and Greenstein,1996）。

宏观经济学家对各种各样的时间序列之间的关系，如国民生产总值的增长与固定资产投资的增长之间的关系，或是税收对利率的影响（Peek, 1982），感兴趣。

用于评估的模型通常都具备可描述性，这是非常有道理的。

举例来说，财产评估者利用Hedonic定价模型对家庭最近上未售出的房屋价值进行评估。

他描述了房屋的价格对它的特性（大小，卧室的数量、浴室的大小、厨房的大小等）的回归模型。

若以此来作为论文的研究内容就缺乏新意了，因为我们不可能从中学到更多的有新意的、有价值的东西，而这些分析也就没有什么明显的政策涵义了。

可是如果把邻里犯罪率作为一个解释变量加入进来，就能够知道邻里犯罪率是否是确定房屋价格的一个非常重的因素。

这在评估犯罪成本是会有一定的作用。

一些关系式的估计大多利用了描述性的宏观经济数据。

例如，一个总量储蓄函数模型能够用来判断总量边际储蓄倾向和储蓄对资产回报（如利率）的反应。

如果把时间序列数据应用于一个曾经经历过政治动乱的国家，并确定其在政治不稳定时期的储蓄率是否会下降，这种分析将变得更有意义。

（研究的实际意义）一旦你确定了一个研究领域，对于所选的题目就可能有许多的方法来为论文定位。

Journal of Economic Literature有一套细致的分类体系。

每篇论文都有一组编号确认，从而将其归于经济学的某一子领域中。

Journal of Economic Literature还搜集了在其他各类期刊中发表的文章的列表，按其题目来组织，甚至有时包括文章的摘要。

因特网服务式的搜索各种题目的已发表的论文更为方便。

例如，Ecomlist就为许多美国大学所订阅。

使用者通过Ecomlist，按照作者的名字、文章的主题、关键词等方式便可以广泛的搜索几乎所有的经济学期刊。

Social Science Citation Index用在搜索于社会科学的广泛领域相关的论文是非常有用，尤其包括那些很受欢迎并经常被其他著作所引用的优秀或经典论文。

（搜索发现有研究价值的题目：别人是否研究过，研究了哪些内容，研究的程度等）在构思一个题目是，对以下几个问题要做到心里有数。

第一，要使一个问题让人感兴趣，并不需要它具有广泛的政策内涵，相反，它可以只是当地的居民所关心的问题所在。

例如在大学里，生活在社团中间会使学习成绩提高还是下降，也许是你所关心的问题。

这一问题或许能或许不能令校外的人感兴趣，但至少会引起校内部分人的关注。

另一方面，你也许只是从当地的利益出发分析问题，最后却引起了广泛的关注。

比方说确定什么因素会影响大学校园内的酗酒现象，以及有哪些学校规章可以对其进行制约等等。

第二，利用经济的标准宏观经济总量数据进行真正有创造性地研究是非常困难的，尤其对一篇要在较长时期内完成的论文来说更是如此。

比方说，货币增长和政府支出增长等因素是否会影响经济增长，是专业的宏观经济学家一直以来致力研究的问题。

利用现有的信息能否系统的预测股票或其他资产的汇报，这一问题显然已经被研究得非常深入。

然而，这并不意味着你应该回避对宏观或经验性金融模型的估计，因为，仅仅增加一些新进的数据就可能使我们的讨论或研究更具有建设性。

另外，有时你会发现对宏观经济总量和金融回报有重要影响的新变量，这样的发现往往令人非常激动。

问题是，再多用几年的数据为国民经济或为世界经济估计一个标准的菲利普斯曲线或总量消费寒暑，像这样的练习，尽管他们对学生来说可能会有所启发，但却并不可能为我们带来更多新的理解。

然而，你可以利用一个较小国家的数据来估计静态的或动态的菲利普斯曲线，或是检验有效市场机制的假定等等。

在非宏观层面上，同样有许多被广泛研究的问题。

劳动经济学家发表了许多关于教育回报的论文。

这个问题很重要，所以还在被研究，况且新的数据集，还有新的计量经济学方法也在发展之中。

举例来说，对不可观测的能力来说，有些数据集就比其它数据集提供更好的代理变量。

另外，我们可能得到纵列数据或者从一个自然实验得到数据，使我们得以从一个不同的方面去思考一个老问题。

再举一个例子来说，犯罪学家对研究不同法律对犯罪的影响感兴趣。

死刑是否有威慑作用，长久以来一直是一个争论的话题。

类似地，经济学家对税收是否能减少研究的消费量感兴趣。

随着我们掌握越来越多年的各省的数据，一个更为丰富的纵列数据集就会产生，它能够帮助我们更好的回答大部分政策问题。

另外，有一些相当新近的反犯罪革新，他们的有效性如何可以经验性的评估出来。

在把你的问题用公式表达出来以前，跟你的同学、指导老师和朋友讨论你的想法会有所帮助。

你应该能够说服别人相信你对问题的解答是正确的。

如果有人问你的论文，而你的回答如果是：“我正在进行关于犯罪的论文”或是“我的论文是关于利率的”这既有可能说明你只确定了一个总的范围，但却没有准确的表述出一个真正的问题。

你应该能够说出一些“我正在研究美国的社区管辖对城市犯罪率的影响”或“我正着眼于巴西的通货膨胀的反复无常是如何影响短期利率的”之类的话。

2、文献回顾所有的论文，即使非常短，也应该包括相关的文献综述。

几乎没有人会试图进行尚无先例的经验项目。

如果你通过期刊或网络搜索服务，例如Ecolist搜寻一个题目，那么你所作的正式文献检索。

如果你自行选题——例如研究你们学校药用量对学习成绩的影响——那么可能工作起来要辛苦一些。

但网络搜索服务是这一过程简化，例如你可以通过关键词、题目中的词、作者姓名等等进行搜索。

然后你就可以通过论文的摘要得知他们的研究与你自己的研究有多少关系。

在进行文献检索时，你应该考虑到利用少量的关键词可能搜索不到的相关的题目。

例如，如果你在研究吸毒量对工资或平均成绩的影响，或许你应该查阅一些关于饮酒量对这些因素的影响的著作。

了解如进行彻底的文献搜索是一种有待学会的技巧，但如果你在行动前多加思考，可能会减少不少麻烦。

如何将文献综述包含在论文中，不同的研究人员有不同的做法。

有些人喜欢开辟独立的章节，叫做“文献综述”而其它的人则倾向于将文献综述作为一个部分包含在序言中。

尽管大量的文献综述是值得占一个独立章节的，但这主要是个人的习惯而定。

如果你做的是学位论文，你的文献综述就有可能相当长。

如果只是某门课程的作业，相应的文献综述也要简洁一些。

3．数据收集（1）确定适当的数据集为学期论文而搜集数据可能是富有启发意义的、令人激动的，有时可能也是一件叫人相当沮丧的事情。

首先你必须确定用以回答你所设定的问题的数据类型。

数据集以多种形式出现。

最常见的类型是截面数据、时间序列数据、合并数据和纵列数据集。

有些问题可以有任何一种数据结构进行描述。

例如，在研究更强的执法力度是否能够降低犯罪率时，我们可以利用一些城市的横截面数据，或者某个给定城市的时间序列数据，也可以选择一些城市的纵列数据集——它包含相同几个城市两年或多年的数据。

确定收集何种数据通常取决于该分析的性质。

为了回答个人或家庭层次上的问题，我们通常只需要找到单一的横截面的数据；他们往往有调查取得。

接着，我们要自问，是否能够获得一个丰富的数据集来进行分析。

举例来说，假设我们想知道通过个人退休账户来储蓄的家庭——这具有某些税收优势——是否会有较少的非个人退休账户储蓄。

换而言之，是否个人退休账户储蓄会把其他形式的储蓄排挤出去？有些数据集，例如消费者财务调查，包括了每年不同家庭的不同储蓄种类的信息。

利用这样的的数据集会产生一些问题，其中或许影响最大的一个就是是否有足够多的可控解释变量——包括收入、人口统计特性和储蓄偏好的代理变量——来进行分析。

如果这些是我们能够获得的唯一一种数据集，就必须尽我们所能来处理它。

在处理关于公司、城市、州县等的截面数据时，相同的问题也会产生。

在大多数情况下，判断我们能否利用单一横截面数据进行分析，这一点比较困难。

例如，关于执法力度对犯罪率的作用的任何研究都必须认识到执法经费的内生性（执法经费受到执法力度和犯罪率的影响）。

如果利用标准的回归方法，那么无论我们有多少解释变量，或许都很难完成一个令人信服的分析。

一旦学会了纵列数据的分析方法后，你就会发现，具备两个或多个不同时点上相同的截面单元的数据能够让我们控制毫不随时间而改变的无法观测的效应，而正是这些效应经常把我们在单一横截面上所作的会高的复杂起来。

个人或家庭的纵列述举既相对来说较难获得——尽管还是有一些例子存在，如动态收入的纵列数据研究——但他们可以用于非常令人信服的问题的分析。