无锡梁溪区光谱仪校准-第三方仪器计量机构

计量技术是
一切量值准确可靠的基础。

“没有精密测量、就没有精密的产品”近年来，“医疗计划”被提出，其核心是“”，基础则为准确的测量。计量则为各类测量提供了满足各种量值及精度的“尺子”和“砝码”。

药物研发生产过程中的工艺参数是否被准确执行、产品性能是否被准确测量，这些生物制药全产业链中“测不出、测不全、测不准”的困难和难题，需要以的计量测试技术来解决。标准物质(RM)reference material：是一种已经确定了具有一个或多个足够均匀的特性值的物质或材料，作为分析测量行业中的“量具"，简单理解就是生物、化学分析测量领域的“砝码”。有单克隆抗体标准物质、微生物定性定量标准物质、重组蛋白类药物有效成分标准物质、核酸定量标准物质等等。核酸定量类标准物质如何在核酸检测中发挥作用？病毒假病毒核酸标准物质具有拟似病毒的物理结构和病毒的特异性核酸序列，并且通过基因改造技术了假病毒标物可靠的生物安全性、稳定性，使标物可以大限度地重现病毒核酸检测的过程，实现从病毒核酸提取到核酸定量的全过程的质量控制，为病毒核酸诊断的结果提供的“生物标尺”，从而有效降低“假阴性”的出现概率。所以，测量是贯穿全产业链的。无论是设计、制造还是使用，都需要地测量各种属性、参数和运行状态，以实现的分析和优化。可以说，计量技术将国家计量基准（标准）的准确量值传递到生产车间里面，贯穿到制造过程的每一道工序的工程测量中，发挥提升质效的作用，是打造医疗“金标准”。

计量软件知多少（一）

常用的计量经济学软件较多，主要有有适用于模块化的软件Eviews，适用于模块和程序设计综合烦人软件Stata；适用于程序设计类和软件包结合的软件R；适用于超大型综合类的软件Matlab，SAS，等等。下面就给大家详细介绍一下几个比较常用的计量经济学软件，以便大家学习，分享。

【Eviews】Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行"观察"。另外Eviews也是美国QMS公司研制的在Windows下从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用范围包括:科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。

Eviews是为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。Eviews的前身是1981年第1版的Micro TSP。虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。即使是跨部门的大型项目，也可以采用Eviews进行处理。 Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。Eviews具有操作简便且可视化的操作风格，体现在从键盘或从键盘输入数据序列、依据已有序列生成新序列、显示和打印序列以及对序列之间存在的关系进行统计分析等方面。 Eviews具有现代Windows软件可视化操作的优良性。可以使用鼠标对标准的Windows菜单和对话框进行操作。操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。此外，Eviews还拥有强大的命令功能和批处理语言功能。在Eviews的命令行中输入、编辑和执行命令。在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。

Eviews的应用领域主要包括：应用经济计量学、总体经济的研究和预测、销售预测、财务分析、成本分析和预测、蒙地卡罗模拟、经济模型的估计和仿真，以及利率与外汇预测 等。

Eviews引入了流行的对象概念，操作灵活简便，可采用多种操作方式进行各种计量分析和统计分析，数据管理简单方便。其主要功能有：

（1）采用统一的方式管理数据，通过对象、视图和过程实现对数据的各种操作；

（2）输入、扩展和修改时间序列数据或截面数据，依据已有序列按任意复杂的公式生成新的序列；（4）进行T 检验、方差分析、协整检验、Granger 因果检验；

（5）执行普通小二乘法、带有自回归校正的小二乘法、两阶段小二乘法和三阶段小二乘法、非线性小二乘法、广义矩估计法、ARCH 模型估计法等；

（6）对二择一决策模型进行Probit、logit 和Gompit 估计；

（7）对联立方程进行线性和非线性的估计；

（8）估计和分析向量自回归系统；

（9）多项式分布滞后模型的估计；

（10）回归方程的预测；

（11）模型的求解和模拟；

（12）数据库管理；

（13）与外部软件进行数据交换。

计量经济学的主要用途或目的主要有两个方面：

1、理论检验。

2、预测应用。

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。

涉及到的相关学科：


若是所建立的回归模型在经济意义上没有因果关系，那么这个就是伪回归，例如路边小树年增长率和国民经济年增长率之间存在很大的相关系数，但是建立的模型却是伪回归。如果你直接用数据回归，那肯定存在正相关，而其实这个是没有意义的回归。

为避免伪回归，消除异方差，在不改变时间序列的性质及相关性的前提下，为获得平稳数据，通常会对时间序列取自然对数。对数据进行平稳性检验是研究中不可或缺的步骤，因为时间序列分析法只适用于平稳的数据。那么什么情况下会对数据取对数呢？

，关于对数的问题，若是自己选取的变量数据，里面有部分小于0，或者负数，需要重新考量下，看是否数据或者其他问题，此时肯定是没法取对数；

第二，针对CD 等生产函数等类型的数据分析，由于建模需要，一般需要取对数，此类情况一般会在柯布道格拉斯函数基础上，引入新的变量，包括但不局限于资本和劳动等变量；

第三，平时在一些数据处理中，经常会把原始数据取对数后进一步处理。之所以这样做是基于对数函数在其定义域内是单调增函数，取对数后不会改变数据的相对关系



第四，取对数作用主要有：缩小数据的数值，方便计算。例如，每个数据项的值都很大，许多这样的值进行计算可能对超过常用数据类型的取值范围，这时取对数，就把数值缩小了，例如TF-IDF计算时，由于在大规模语料库中，很多词的频率是非常大的数字。取对数后，可以将乘法计算转换称加法计算。某些情况下，在数据的整个值域中的在不同区间的差异带来的影响不同。也就是说，对数值小的部分差异的敏感程度比数值大的部分的差异敏感程度更高。这取对数之后不会改变数据的性质和相关关系，但压缩了变量的尺度，数据更加平稳，也消弱了模型的共线性、异方差性等。例如在会计或者金融等变量的实证研究中，引入变量资产规模等变量，一般会取对数，因为不同行业或者国有、民营等公司的资产规模差距很大，取对数，会缩小差距，使得实证研究更具有针对性。

另外，山大大学陈强老师在计量经济学及stata应用公众号中汇总出如下五种情况：



，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。


，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。

在经济学中，常取自然对数再做回归，这时回归方程为 lnY=a lnX+b ，两边同对X求导，1/Y*(DY/DX)=a*1/X,b=(DY/DX)*(X/Y)=(DY*X)/(DX*Y)=(DY/Y)/(DX/X) 这正好是弹性的定义


告诉你如何取对数quick\ generate series\ 输入新变量，比如 r=log( )，r就是取完对数后的序列。

很多同学在做实证文章的时候常常问，我的R平方只有0.08到0.09，也就是说我的模型只能解释数据的8%到9%。在实证文章里，特别对于横截面数据来说，有时R平方只有0.05。R平方是什么意思？就是说，我们的模型能解释数据的variance的多少，可能对于绝大部分的variance的解释，经济学家是不知道的
另外，R平方表示模型拟合优度，也就是模型解释力度，此值介于0-1之间，数值越大，说明模型解释力度越大，该值越大越好，在实际研究中，辞职表的意义相对较小，即使该值小于0.4或者更小，也关系不是很大。

R平方与所选取变量多少以及回归有很大关系，经常在会计领域多变量进行回归，此值会很小，所以不必太在乎这个统计量。另外调整R2可以为负数，当调整R2可以为负数时，说明此时R2会很小，几乎为0，此时模型几乎没有意义。就Panel Data的处理而言，建议行平稳性校验。一般完整的实证经济学论文，针对面板数据，会前期进行数据处理，包括描述性分析和平稳性检验的，这个根据期刊的要求或版面要求而定，另外，根据相关要求，一般情况下，由于面板数据主要核心在于回归，包括固定或者随机效应的回归结果，所以有些文章，并没有进行平稳性检验，而为了将面板数据做的高大上，分析更具有针对性，可以进行分类分行业分阶段进行回归，更能说明问题。



而在公司财务领域，研究都是资产负债率等，它们不可能包含单位根，所以我们基本上都不做这个检验。然而，在宏观经济领域，单位根过程很普遍，如果前期学者也证实了单位根过程的存在，一般也都做。所以具体情况，根据相关要求来定。

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。计量经济学以古典回归分析方法为出发点。依据数据形态分为：横截面数据回归分析、时间序列分析、面板数据分析等。依据模型假设的强弱分为：参量计量经济学、非参量计量经济学、半参量计量经济学等。常运用的软件：EViews、Gretl、MATLAB 、Stata、R、SAS、SPSS等……