A. 计量经济学问题
不知从何时起，解答计量问题成了我日常生活的一部分。天南海北的读者与同道提出了各种各样的计量问题。这里摘取少量的典型问题，希望对从事实证研究的朋友有帮助。
1、在什么情况下，应将变量取对数再进行回归？
答：可以考虑以下几种情形。
，如果理论模型中的变量为对数形式，则应取对数。比如，在劳动经济学中研究教育投资回报率的决定因素，通常以工资对数为被解释变量，因为这是从Mincer模型推导出来的。
第二，如果变量有指数增长趋势（exponential growth），比如 GDP，则一般取对数，使得 lnGDP 变为线性增长趋势（linear growth）。
第三，如果取对数可改进回归模型的拟合优度（比如 R2 或显著性），可考虑取对数。
第四，如果希望将回归系数解释为弹性或半弹性（即百分比变化），可将变量取对数。
第五，如果无法确定是否该取对数，可对两种情形都进行估计，作为稳健性检验（robustnesscheck）。若二者的回归结果类似，则说明结果是稳健的。
2、如何理解线性回归模型中，交互项（interactive term）系数的经济意义？
答：在线性回归模型中，如果不存在交互项或平方项等非线性项，则某变量的回归系数就表示该变量的边际效应（marginal effect）。比如，考虑回归方程
y = 1 + 2x + u
其中， u 为随机扰动项。显然，变量x 对 y 的边际效应为 2，即 x 增加一单位，平均而言会使 y 增加两单位。考虑在模型中加入交互项，比如
y = α + βx + γz + δxz+ u
其中， x 与 z 为解释变量，而 xz 为其交互项（交叉项）。由于交互项的存在，故x 对 y 的边际效应（求偏导数）为β + δz，这说明 x 对 y 的边际效应并非常数，而依赖于另一变量z 的取值。如果交互项系数 δ 为正数，则 x 对 y 的边际效应随着 z 的增加而增加（比如，劳动力的边际产出正向地依赖于资本）；反之，如果δ 为负数，则 x 对 y 的边际效应随着z 的增加而减少。
3、在一些期刊上看到回归模型中引入控制变量。控制变量究竟起什么作用，应该如何确定控制变量呢？
答：在研究中，通常有主要关心的变量，其系数称为 “parameterof interest” 。但如果只对主要关心的变量进行回归（极端情形为一元回归），则容易存在遗漏变量偏差（omittedvariable bias），即遗漏变量与解释变量相关。加入控制变量的主要目的，就是为了尽量避免遗漏变量偏差，故应包括影响被解释变量 y 的主要因素（但允许遗漏与解释变量不相关的变量）。
4、很多文献中有 “稳健性检验” 小节，请问是否每篇实证都要做这个呢？具体怎么操作？
答：如果你的论文只汇报一个回归结果，别人是很难相信你的。所以，才需要多做几个回归，即稳健性检验（robustness checks）。没有稳健性检验的论文很难发表到好期刊，因为不令人信服。稳健性检验方法包括变换函数形式、划分子样本、使用不同的计量方法等，可以参见我的教材。更重要的是，向同领域的经典文献学习，并模仿其稳健性检验的做法。
5、对于面板数据，一定要进行固定效应、时间效应之类的推敲么？还是可以直接回归？我看到很多文献，有的说明了使用固定效应模型的原因，有的则直接回归出结果，请问正确的方法是什么？
答：规范的做法需要进行豪斯曼检验（Hausman test），在固定效应与随机效应之间进行选择。但由于固定效应比较常见，而且固定效应模型总是一致的（随机效应模型则可能不一致），故有些研究者就直接做固定效应的估计。
对于时间效应也同时考虑，比如，加入时间虚拟变量或时间趋势项；除非经过检验，发现不存在时间效应。如果不考虑时间效应，则你的结果可能不可信（或许x 与 y 的相关性只是因为二者都随时间而增长）。
6、如何决定应使用二阶段最小二乘法（2SLS）还是广义矩估计（GMM）？
答：如果模型为恰好识别（即工具变量个数等于内生变量个数），则GMM完全等价于2SLS，故使用2SLS就够了。在过度识别（工具变量多于内生变量）的情况下，GMM的优势在于，它在异方差的情况下比2SLS更有效率。由于数据或多或少存在一点异方差，故在过度识别情况下，一般使用GMM。
7、在面板数据中，感兴趣的变量x 不随时间变化，是否只能进行随机效应的估计（若使用固定效应，则不随时间变化的关键变量 x 会被去掉）？
答：通常还是使用固定效应模型为好（当然，可进行正式的豪斯曼检验，以确定使用固定效应或随机效应模型）。如果使用固定效应，有两种可能的解决方法：
（1）如果使用系统GMM估计动态面板模型，则可以估计不随时间而变的变量x 的系数。
（2）在使用静态的面板固定效应模型时，可引入不随时间而变的变量 x与某个随时间而变的变量 z 之交互项，并以交互项 xz （随时间而变）作为关键解释变量。
B. 本书主要解决了计量经济学的什么问题
本书定位于使学生掌握计量经济研究的最基本方法，并能够运用这些方法解版决实际的经济问题。主权要包括满足经典假设条件的回归分析计量经济学模型、放宽经典假设条件的计量经济学模型、虚拟变量、联立方程组模型及时间序列计量经济学模型等内容。讲述力求简明扼要、通俗易通，尽可能避免繁琐的数学推导，并将EViews软件的学习与各章案例分析有机结合，使学生在实际运用中学习EViews的操作方法。本书在编写中借鉴了国内外优秀教材的优点，并结合作者多年来从事计量经济学教学的经验和体会，符合经济管理类应用型本科专业教学的实际要求。
C. 动态计量经济学可以用来研究哪些问题
研究的问题主要是 被解释变量受解释变量当期值和被解释变量及解释变量各滞后期值影响的各类经济现象或者经济行为！如时间序列，消费与收入的关系等
D. 如何用计量经济学现代观点完整的分析一个问题
优点：它首先把经济理论表示为可计量的数学模型即经济计量模型，然后用统计推论方法加工实际资料，使这种数学模型数值化。这种分析方法有两个特点：①理论与观察资料相结合，赋予理论以经验的内容；②将随机因素对经济关系的影响纳入分析之中，得出的结论具有概率性。缺点：1、简单地用数学公式描述经济运行规律,对社会经济问题中难以量化的因素无法表现和处理2、忽视运用计量经济模型进行实证分析的理论基础,直接将模型应用于经济分析之中3、建立计量经济模型的数据有限或数据质量不高4、对当前与未来条件的一般假设不切实际
E. 计量经济学研究的主要内容
计量经济学它研究的主要内容其实是集中在前面两个字计量，也就是在经济学中，主要是运用各种方法进行数字统计来进行验证的一个方法。
F. 计量经济学课题研究问题，求大神帮帮忙！
模型设置有问题，货币供应量跟你前面几个解释变量的关系没什么大的影响，你从货币供应量的公式就可以看出。另外很多理论说货币供应量是个外生变量，可由央行自由控制，你这种公式一成立的话，就推翻了这种理论。所以建议你再查查相关资料，把模型设置改下。估计好些。
G. 计量经济学的主要问题是
计量经济学研究对象：
计量经济学的两大研究对象:横截面数据(Cross-sectional Data)和时间序列数据(Time-series Data)。前者旨在归纳不同经济行为者是否具有相似的行为关联性，以模型参数估计结果显现相关性;后者重点在分析同一经济行为者不同时间的资料，以展现研究对象的动态行为。
新兴计量经济学研究开始切入同时具有横截面及时间序列的资料，换言之，每个横截面都同时具有时间序列的观测值，这种资料称为追踪资料 (Panel data，或称面板资料分析)。追踪资料研究多个不同经济体动态行为之差异，可以获得较单纯横截面或时间序列分析更丰富的实证结论。
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。主要内容包括理论计量经济学和应用经济计量学。理论经济计量学主要研究如何运用、改造和发展数理统计的方法，使之成为随机经济关系测定的特殊方法。应用计量经济学是在一定的经济理论的指导下，以反映事实的统计数据为依据，用经济计量方法研究经济数学模型的实用化或探索实证经济规律。
特点
模型类型:采用随机模型。 模型导向:以经济理论为导向建立模型。 模型结构:变量之间的关系表现为线性或者可以化为线性，属于因果分析模型，解释变量具有同等地位，模型具有明确的形式和参数。 数据类型:以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量。 估计方法:仅利用样本信息，采用最小二乘法或者最大似然法估计变量。 非经典计量经济学一般指20世纪70年代以后发展的计量经济学理论、方法及应用模型，也称现代计量经济学。
学习方法
与一般的数学方法相比，计量经济学方法有十分重要的特点和意义:
研究对象发生了较大变化。即从研究确定性问题转向非确定性问题，其对象的性质和意义将发生巨大的变化。因此，在方法的思路上、方法的性质上和方法的结果上，都将出现全新的变化。
研究方法发生根本变化。计量经济学方法的基础是概率论和数理统计，是一种新的数学形式。学习中要十分注意其基本概念和方法思路的理解和把握，要充分认识其方法与其它数学方法的根本不同之处。
研究的结果发生了变化。我们应该知道，计量经济学模型的结论是概率意义上的，也可以说是不太确定的。但真正要理解其不确定性的含义，并不那么简单，学习中需要始终关注这一点。理论计量经济学和应用计量经济学 理论计量经济学(Theoretical Econometrics)以介绍、研究计量经济学的理论与方法为主要内容，侧重于理论与方法的数学证明与推导，与数理统计联系极为密切。理论计量经济学除了介绍计量经济学模型的数学理论基础和普遍应用的计量经济学模型的参数估计方法与检验方法外，还研究特殊模型的估计方法与检验模型。
应用计量经济学(Applied Econometrics)则以建立与应用计量经济学模型为主要内容，强调应用模型的经济学和经济统计学基础，侧重于建立与应用模型过程中实际问题的处理。
H. 计量经济学在做科研项目中的问题，希望专业人士来解答
我是数学系研究生，现在就是做这个的。。。不过我们项目更复杂。。内。我只负责建模，容其他的还有老板和博士生搞。。。
我给你你也写不了。。。
不过可以告诉你大致内容，关于目标跟踪和数据信息处理。
其实你想做个简单的很容易的，你就去个营业厅或者银行，记录下顾客到来时间和等待时间。然后总结下其分布规律（应该是泊松分布）
然后编一个相关的程序，用生成的随机数（至少要1000个）带进去模拟一下，看看结果跟理论上的是否一样就ok了~~
祝你成功
I. 如何运用计量经济学研究经济问题
经济计量学(Econometrics) 是西方经济学中关于如何计量经济关系实际数值的分支学科，也常译为计量经济学，量读liàng（《现代汉语辞典》2012年6月第6版“计量”条）。这两种译名的区别在于，前者试图从名称上强调它是一门计量经济活动方法论的学科，后者试图通过名称强调它是一门经济学科。经济计量学在20世纪30年代诞生之初，研究多限于计量方法的探讨，实际计量工作还较少，且多集中于需求分析，能够算做实际宏观经济计量分析的，只有丁伯根关于美国经济周期的研究。第二次世界大战以后，美国经济学家克莱因等人不断提高丁伯根开创的宏观经济计量的规模和深度，到20世纪60年代形成一个向企业出售经济计量预测服务的兴旺行业。
经济计量学的具体计量方法主要包括四个连续工作步骤：
建造模型
把经济学在论述某一特定问题时，对有关的主要经济变量之间存在相互关系的理论作为假说，表述成结构方程式体系，作为研究对象的缩影，便于分析处理，就叫做模型。在每个结构方程式中，列作自变量的只能是起主要作用的少数几个经济变量，但实际影响因变量数值发生变化的，还有未列入方程式的、为数众多但影响细微的其他因素，它们的联合作用往往形成一个随机干扰因素，使得因变量的每一次数值变动不可能全部由列入方程式的自变量的数值变动来解释，而必然留下一个残差由这样的随机干扰因素来承担，从而使因变量成为随机变量。经济变量分为因变量和自变量，只是就它们在一个结构方程式以内的相互关系来说的，如果按照它们的数值在整个模型范围以内如何决定来看，又分为内生变量和外生变量，前者的数值是在模型的范围以内决定的，例如研究某地某时某种农产品的市场局部均衡问题时，该产品的供给量、需求量、价格等都是，后者的数值是在模型的范围以外决定的，它们的数值变化影响前者的数值，但不受前者的影响，例如影响该农产品产量而不反过来受其影响的因素有：自然因素，如雨量；内生变量的过去时期的数值，如该农产品前一年度的价格；政府政策，如政府对生产该种产品的限制或鼓励措施等。内生变量在各个结构方程式内不一定都处于因变量的地位，但全部内生变量的数值最终是由整个模型的全体方程式共同决定的，所以又称联合因变量；建造模型就是要用全体外生变量和随机干扰因素作为已知条件来解释全部内生变量的数值最终是怎样决定的。
克莱因
估算参数数值
通常是用普通最小平方法对观测统计资料配合线性回归方程式。这种方法要求回归方程式的因变量是随机变量，自变量是作为已知条件的外生变量。因此要按照代数学解联立方程式的原理，将原模型的结构方程式体系化为以内生变量为因变量、以外生变量为自变量的简化式才能进行。因而要求原模型的结构方程式互相独立，不相矛盾，其数目必须等于内生变量数目，而且能从简化式的系数估算值还原成结构式的参数值，即具备能够被识别的条件。
验证理论
即检验估算结果是否符合模型根据的经济理论，主要是运用数理统计学关于统计假设检验的原理，检验估算的参数值是否显著地大于零。只有大于零，有关变量之间存在相互关系的理论，才得到证明；否则须继续收集资料，再进行估算；或修改模型，甚至修订根据的理论，再进行估算，直到得出显著的参数估算值为止。
库普曼斯
使用模型
估算出参数值的模型，主要用于三个方面：①对所研究的经济体系内潜在的相互关系进行结构分析，以便了解和解释有关的经济现象。常用的方法是利用偏微分原理进行所谓比较静态分析，即对模型的两个均衡点进行对比：一个是原来假定达到的均衡点，另一个是假定只有一个外生变量（或结构参数）的数值发生变化而其他情况不变时，模型达到的新的均衡点，两点对比可以看出外生变量或参数值变化时对内生变量发生多大影响。通常所谓各种弹性和乘数等都是用的这种分析方法。②用于预测。可利用已经估算出系数值的简化式进行，因为简化式的因变量都是内生变量，自变量都是外生变量，把预期将来某时期外生变量可能达到的数值代入简化式，就可以得到有关的内生变量在将来同时期的预测值。③用于规划政策。即对各种政策方案的后果进行评价，以供决策人择优采纳。常用办法是把代表各种政策方案的外生变量（又称政策变量，如税收）在将来某时期的各种不同数值代入模型，然后计算作为因变量的内生变量（即政策目标，如国民收入）的各种相应预测值，以便对比。这叫做模拟运算，实际上是一种以政策变量的给定数值为条件的预测。
J. 计量经济学的研究步骤有哪几步
计量经济学，是结合经济理论与数理统计，并以实际经济数据作定量分析的一门学科。 主要内容包括理论计量经济学和应用经济计量学。理论计量经济学主要研究如何运用、改造和发展数理统计的方法，使之成为随机经济关系测定的特殊方法。应用计量经济学是在一定的经济理论的指导下，以反映事实的统计数据为依据，用经济计量方法研究经济数学模型的实用化或探索实证经济规律。
计量经济学（英文：Econometrics），是以数理经济学和数理统计学为基础，对于经济问题试图对理论上的数量接近和经验（实证）上的数量接近这两者进行综合而产生的经济学分支。
该分支的产生，使得经济学对于经济现象从以往只能定性研究，扩展到同时可以进行定量分析的新阶段。
“计量”的意思是“以统计方法做定量研究”，所以“量”字应读作“亮”，而不读作“良”。
计量经济学
据说在经济学中，应用数学方法的历史可追溯到三百多年前的英国古典政治经济学的创始人威廉·配第的《政治算术》的问世（1676年）。
“计量经济学”一词，是挪威经济学家弗里希（R. Frisch）在1926年仿照“生物计量学”一词提出的。 随后1930年成立了国际计量经济学学会，在1933年创办了《计量经济学》杂志。
人们应如何理解“计量经济学”的含义？弗里希在《计量经济学》的创刊词中说到：“用数学方法探讨经济学可以从好几个方面着手，但任何一方面都不能与计量经济学混为一谈。计量经济学与经济统计学决非一码事；它也不同于大家所说的一般经济理论，尽管经济理论大部分都具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活中的数量关系来说，都是必要的，但各自并非是充分条件。而三者结合起来，就有力量，这种结合便构成了计量经济学。”