世通仪器检测卡尺,东莞东坑镇光谱仪校准-第三方仪器计量机构

校准工作的内容就是按照合理的溯源途径和国家计量校准规范或其他经确认的校准技术文件所规定的校准条件、校准项目和校准方法，将被校准对象与计量标准进行比较和数据处理。
这些校准结果数据应清楚明确地表达在校准证书或校准报告中。校准证书不判定是否合格，只出具示值误差。
校准证书在反映整体的校准数据的同时，会提供校准时的测量不确定度。测量不确定度不等同于仪器校准的准确度偏差。
例如: GB/T12706-2008额定电压1～35kV挤包绝缘电力电缆及附件，该标准要求三个电压等级需要在三种温度下(100℃，135℃，150℃)检测电力电缆的耐高温性能。
针对这种工作特性，可以要求校准机构对高温老化箱100℃、135℃和150℃进行准确有效地校准，实验室可以更直观的了解该温度点的校准状态。检定证书是依据《计量检定规程》规定的量值误差范围，给出合格与不合格的判定，发给检定合格证书。
资质认定评审准则要求仪器设备能够满足检验检测的规范要求和相应标准的要求，而不是只符合《计量检定规程》的要求。部分实验室，简单理解检定证书的合格结论，就是符合相应标准的要求，不进行是否符合相应标准的确认，存在检测质量风险。
例如1:绝缘材料拉力试验，按照标准GB4909.3-1985裸电线试验方法拉力试验要求，电子试验机校准范围应覆盖0～50kN。由于相关人员对标准未充分理解，校准范围为10～50kN，虽然检定证书是合格结论，但未对10kN以下进行检定，不符合“相应标准要求”。
例如2：GB/T13380-2007交流电风扇和调速器6.1条“试验用的仪器仪表”明确规定:电压表和电流表、功率表的准确度不低于0.5级。电子天平按照JJG1036-2008《电子天平计量检定规程》检定后，其检定结论会注明设备符合的等级。相关人员一定要确认这个等级是否符合相应标准的要求。检定证书的合格结论不一定符合“相应标准的要求”，故不符合CNAS-CL01。1.仪器设备的基本信息:仪器设备名称、型号规格、设备编号、计量机构、证书编号、计量日期和下次计量日期等。还包括检定/校准项目、依据标准、标准要求、检定/校准结果、不确定度或修正值等信息。
2.确认结论:合格、准用、停用依据其能否满足检验检测的规范要求和相应标准的要求，由仪器设备使用人签字确认，后由检测中心技术负责人审核批准。

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。

对于时间效应也好同时考虑，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。



8、对于非平稳序列，能否进行格兰杰因果检验？

答：如果非平稳序列之间存在协整关系，则可进行格兰杰因果检验（Grangercausality test）。这是因为，根据“格兰杰表示法定理”（Granger Representation Theorem），任何协整系统都可写为向量自回归（VAR）模型，即格兰杰因果检验的形式。

反之，如果非平稳序列之间不存在协整关系，则须先将原序列变为平稳过程（比如一阶差分），然后再进行格兰杰因果检验；否则会出现“伪回归”（spuriousregression）问题。

1、以经济思想为主的经验论文
只需要掌握《计量论文写作和发表的黑客教程1（让初学者瞬间开窍，发<经济研究>不再难）》以及该文提到的辅助材料，即可发表一般的CSSCI论文。如果有时间、有兴趣，还可以看一遍伍德里奇的《现代观点》。这本书对OLS的推导讲的比较多(这是理解其他方法的基础)，其他估计方法基本只讲思路和操作，不讲理论推导，多是启发式的点到为止的推导。例如协整问题，在这个层次上是不可能讲清楚的，即使是格林的书也没有讲清楚。

这个层次，注重会用软件跑结果，而不是注重推导。各种方法能用软件跑出结果来，就达到了目标，能写论文，发表在一般的CSSCI上。如果思想好，那么发表在期刊也是完全可能的。《黑客教程1》中列举了经济研究和中国社科上面的例子。这种例子很多。目前中国期刊上经验论文大部分属于这个水平。要发期刊得注意逻辑。中国学生本来逻辑不差，但是长期受到灌输教育和服从式扭曲教育，结果一旦踏上研究这船，思维方法看起来十分可笑，但自己却很茫然。想知道自己的逻辑思维有哪些陷阱，可以看看《黑客教程2》

2、以技术为主的经验论文
这个需要掌握中级的计量水平，以技术为主，就是需要你能瞎折腾技术。一般而言，中水平的折腾，需要看懂格林或林文夫的计量经济学教材。然后能用STATA，或者GAUSS,MATLAB等软件。经济研究上这类论文只占少数，毕竟国内的计量教学水平还不支持大规模玩技术的论文。但未来会越来越多，后和思想为主的论文达成一种均衡比例。

这类论文的增长速度，还受期刊编辑水平和眼光的限制。一些期刊编辑就认定玩技术对中国经济没用，就认定和中国经济紧密结合才可以发，那么这类论文还是偏少。哪一天大家都认为理论研究和现实经济研究同等重要的时候，中国经济学的春天就来了。

需要指出的是，不是技术为主的论文一定要更好。中国经济学家通常做的事情，都是学习西方的理论，然后用来分析中国情况，做的事情都是二道贩子的事情。大家明明知道直接进行理论创新是一个有难度的好事情，但是你真要理论创新，必然会有人跳出来说脱离中国现实，理论没有和现实相结合。好像只有同中国现实相结合了，才是好理论。因此，中国人对技术和纯理论的论文其实是存在双重标准。这里要指出的，不是要以哪一类论文为主，两类都很重要。因此，理论研究和现实研究的重要性被同等看待时，才是中国经济学的春天，而不是只认为其中的一种才是重要的。

3、理论计量研究论文
这需要看透伍德里奇的面板和哈米尔顿的时间序列，以此为基础再扩展阅读理论文献，能了然随机收敛，能解决已有计量方法本身的问题。国内做这工作的没几个人，经济研究上也从来没有过此类论文。（有的话告诉我一声）道理同上，中国经济学的春天还没到来。所以这类论文一般发在国外，JOE, ECONOMETRICA, JASA, AOS.....例如华中科大、上财经院和厦大王亚楠的一些海龟和少数高水平的辛苦土鳖。

我国计量文化博大精深，计量历史悠久，计量文物丰富，制造技术精良。中国传统计量大致经历了以下几个发展阶段：从原始社会到夏商周，这是计量的萌芽与形成时期；到了秦汉两代，是计量的统一与成熟时期； 自魏晋南北朝到宋元，是计量的变动与发展时期； 而辗转到了明清，是传统计量的转化与开拓时期。
中国的传统文化中，也处处体现了计量元素。

唐·刘禹锡

唐朝科举取士，诗赋往往用度量衡内容命题，故中唐诗豪刘禹锡传世作品中，也留下了有关度量衡的赋文《平权衡赋》，它以优雅的骈体赋文，阐述了度量衡文化的价值。


唐 裴度



阳和行庆赐，尺度及群公。荷宠承佳节，倾心立大中。

短长思合制，远近贵攸同。共仰财成德，将酬分寸功。

作程施有政，垂范播无穷。愿续南山寿，千春奉圣躬。唐德宗时期中和节赏赐朝臣象牙镂尺。

俗话说“没有规矩，不成方圆”，这一大唐文化习俗象征皇帝以尺为规矩法度，朝臣以尺为履职法度。贞元八年，宏词科以《中和节诏赐公卿尺》作为科举考试的试题，当年参与考试的陆复礼、李观、裴度等人都留下了佳作。裴度的“阳和行庆赐，尺度及群公”诗句中可见当时赐尺行为的存在。


《孔子家语》：“布手知尺、布指知寸，舒肘知寻，斯不远之则也。” 大意是：中指节上一横纹，叫一 寸；拇指同中指一叉相距为一尺；两臂伸长，叫一寻。

咱们的祖先拿什么东西测量呢？直接、简单、粗暴的办法——人的身体。不过“布手知尺”限于男子，女子的手小怎么办呢？古代人管女人拇指指尖到食指指尖的长度为“咫尺”。



成语“近在咫尺”，你懂是什么意思了吧。


以“昼夜平分，钧铢取则”为韵

惟天垂象，惟圣作程。播二气而是分晷度，立五则而在审权衡。上穆天时，应阴阳之克正；下统人极，俾准绳而惟平。于是黍累无差，毫厘必究，等度量而化通远迩，体平均而势行宇宙。当其夹钟中律，南吕戒候，铜浑应节于寒暑，玉漏方齐乎宵昼。（…）方今百度惟贞，万邦承则，顺时设教兮靡不获所，同律和声兮尤臻其极。玉衡正而三阶以平，七政齐而庶政不忒矣。美君臣之同体，犹权衡以合德；宰准绳之在心，庶轻重之不惑。

今天就告诉你不一样的计量。
《孔子家语》：“布手知尺、布指知寸，舒肘知寻，斯不远之则也。” 大意是：中指节上一横纹，叫一 寸；拇指同中指一叉相距为一尺；两臂伸长，叫一寻。

咱们的祖先拿什么东西测量呢？直接、简单、粗暴的办法——人的身体。不过“布手知尺”限于男子，女子的手小怎么办呢？古代人管女人拇指指尖到食指指尖的长度为“咫尺”。



成语“近在咫尺”，你懂是什么意思了吧。


三百步为里，二百四十步为亩。



先秦时商鞅规定“举足为跬，倍跬为步”，即单脚迈出一次为“跬”，双脚相继卖出为“步”。跬是早期社会中，土地面积测量的小单位。秦代曾规定“六尺为步”相当于现在的1.4米。

《毂梁传》：古者，三百步为里，二百四十步为亩。

商鞅说，举足为跬，倍跬为步。也就是单脚迈出一次为跬，双脚相继迈出为步。



耳熟能详的“不积跬步，无以至千里”，也是从这里来的。 掬手成升，也是用手来测量。两手合盛就是掬，一只手盛的就是“溢”。人们采用“掬手成升”的原始计量方法使生活中的商品交易等变得有据可依。

《小尔雅·广量》曰，“掬四渭之豆”，即4掬=1豆；《左传·昭公三年》说，“四升为豆”，即4升=1豆。

“掬手成升”在早期社会中确实为物品交换提供了一定的容量量值标准，但是现在看来这个原始的标准是非常不准确的。人手的大小随着身体差异而不同，这直接影响所“掬”容量的多少，故“掬手”所成的“升”差异很大。



计量文化历史悠久，源远流长，

从古代度量衡到现代计量的整个发展历史，

可以说是中国甚至人类历史发展的缩影，

从古代度量衡到现代计量所孕育的特的文化底蕴及精神内涵，

便也理所当然的成为了人类文明的重要组成部分。在传统文化中探寻计量光影，

在计量文化中体现文化精髓，

弘扬计量文化、弘扬文化，相信吾等任重而道远。


到了秦汉两代，是计量的统一与成熟时期；

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……

一般人对经济学的直觉反应是：那是一个很高深的理论。然而我们也应该知道，经济学的研究虽然是从严谨抽象的理论出发，但因为研究对象是人的行为，经济学也相当“实际”，当我们评断经济理论是否成立时，当然是要看它符不符合人的行为。因此很大一部分经济学研究是以实际资料的观察和分析为中心的。经济学生有分析资料的能力，经济大学课程中，就都有分析资料所需的统计学课程。然而许多学生在标准的统计学课程中所学到的，多是基本的描述性统计以及简单的统计运算，以这样的课程内容，纵使经过一年的学习，绝大多数学生还是无法将所学到的统计方法用到实际经济分析之中。更何况经济大学课程需要统计学的地方并不太多，使得大多数学生不太清楚为什么需要必修统计学。在这里我就先稍微描述一下标准统计学课程的内容，然后再说明问题的所在。统计学教材大致可分为两部分:概率理论和统计推断，概率理论包括随机变量、密度函数、基望值、变异数等的操作和运算，以及对一些统计分布（正态分布以及相关的卡方分布、t分布、F分布等）性质的探讨，这些概率概念和其运算都是统计学第二个部分的推断的基础。而统计推论主要是让我们了解总体和从总体所抽出的样本数据的区别，然后解释如何使用样本数据计算各种统计量，以将样本中的信息，简明而正确的表现出来，从而让我们推断出总体的性质。统计推断的内容大致可分为两部分:参数的估计(估计那些表现总体特征的参数数值和假设检验（检验我们对总体性质先期设定的一些假设）。
不论文科还是理科的学生，所学的统计学入门课程都不脱这样的课程安排，我们自然不难想象，在应用这种通常教育型的统计学到经济学研究中时，便很可能有适用性的问题。这个问题可分为两方面来说，，统计学可能教得不够深入，所学到的统计方法不足以应付形形色色的经济资料;第二，统计学常常是以自然科学方面的应用为主，对社会科学的研究可能不完全适用。
统计学初学者所碰到的这些问题，其实也就是五六十年前，经济学家刚开始尝试大规模地对经济资料进行统计分析时所碰到的问题。在解决统计学适用性的数十年过程中，经济学家逐渐发展出比较适用于分析经济资料的许多统计方法（或称计量方法，主要以强调解释变量和应变量之间因果关系的回归模型为重心），也就形成了经济学中的一个立领域———经济计量学。我们应可从这个经济计量学创始的过程里看出，若想要比较深入的应用统计方法到经济学研究中，我们进一步学习经济计量学才可。
经教育部经济学教学指导讨论通过、教育部批准，经济计量学已被确定为经济学各类的八门核心课程之一。在美国，经济计量学在大多数经济系的课程中都列为必修课程，在经济系硕士和博士（以及不少管理学院的博士）课程中，经济计量学是和微观经济理论以及宏观经济理论并列为必修课的课程。硕士和博士生通常也都会多修一些中的计量课程，这是因为经济系硕士和博士研究生除了少数专攻纯理论的人外，其论文几乎毫无例外的都包含有资料分析及论证研究的部分，因此大多数的经济学者从做学生开始，就要有处理计量方法的能力和经验。经济计量学对计算机的需求度在经济学的各个领域中可能是高的，理由非常简单，经济计量学本来就是为分析资料而兴起的学问，而大规模资料的处理正是计算机的主要功能。另一方面，在经济研究日趋复杂精细的今天，高度非线性的经济模型大行其道，对这些模型的估计采用数值方法，其实际计算也只有依赖计算机。事实上，一些经济计量学家使用数值方法及计算机的深度，可能让计算机工程师都感到惊讶。近年来经济计量学对计算机的需要更不限于数据处理和模型估计，许多复杂计量方法的发展往往只能以仿真试验来评估，而仿真试验也只有在计算机中才得以进行。
由于计算机的普及，大多数人对计算机都有所认识，几乎所有的大学生对微软公司的软件，如视窗操作系统或是Office系列商用软件都有或多或少的接触。我认为对一个经济计量学的初学者，能够使用Office系列中的Ex-cel或是同类的电子表格软件中回归分析就算是入门了，其学习成本并不高。我也极力建议初学者一定要尽快对计算机上手，用真实资料做一些简单的估计和实证分析，因为只有实际动手，才能培养出对计量研究的感觉，也才能够体会经济理论在实际世界中的用途。用不了几年后，发现真的能在实际资料中找到验证，你会相当感动的。
若要使用更深入的经济计量方法，当然是需要较电子表格软件更为的统计或计量软件，但我仍要强调，电子表格软件在任何阶段的计量分析中都有其功用，因为只要数据数目不是太大，电子表格软件可非常轻松地帮我们整理资料并进行图表绘画等初步分析，而这类分析总是很有助于我们对资料的了解，对资料的了解是所有严谨实证分析的基础。
市面上个人计算机版的统计软件（诸如SAS、SPSS、Minitab等）不胜枚举，会用的人也很多，这些统计软件对从事实论证计量研究有帮助，不少经济计量学教科书也都推荐使用这些统计软件。事实上，很多经济计量学家的学术研究也全都是靠这些统计软件来进行的。然而也有更多的学者偏好较为的经济计量软件（诸如Eviews、STATA、TSP、RATS等），这类计量软件在经过多年的改进后，都已相当“平易近人”。一个有普通计算机知识的初学者，通常在一个星期内即可学会一个这类的软件。和统计软件相比，计量软件的优点是，其操作手册乃至于界面上所用的名词术语多从经济计量学而来，初学者会觉得比较亲切，也比较不容易发生术语意义不明的状况，使用者想要搜寻某个特定的计量方法也比较容易找到。
前述的统计或经济计量软件都是所谓的软件包，软件包的使用手续大致如下:使用者在使用之前，要先确定要用的计量方法在这些软件包中存在，然后根据操作手册键入对应的指令，输入资料，并叫出所要用的计量方法执行之，计算结果便会以标准的形式输出。一般来说，软件包的优点是简单方便，缺点则是任何软件包都不可能有使用者所想用的所有计量方法，基本上也不容许使用者对既有的计量方法作较大的修改，因此软件包有相当大的局限性。为补这种缺点，近年来有名的软件包都不断加入新指令，以让使用者比较容易地修改原有的计量方法，或设计一些概念的计量方法。这些新指令实际上已可说是一种程序语言，其操作方式是让使用者用它将所要的计量方法写成计算机程序后执行之。不少比较深入的实证计量研究结果，都是研究者在软件包原有的计量方法之上，增加修正的计算机程序后所产生。
也有不少的经济计量学家是根本不用软件包的，他们偏好以立的(不附属于任何软件包的)程序语言编写所有要用的计量方法。这类程序语言除了软件工程师所通用的C、Fortran、Pascal等之外，还有为经济计量学家所专属的GAUSS、Matlab等个人计算机程序语言。所谓经济计量学家专属的程序语言通常是指该语言的基本组成元素不是数字，而是向量或矩阵，这种结构适合编写计量方法的计算机程序。
学习程序语言通常较花时间，以GAUSS为例，可能需要至少三天的时间去熟悉其基本操作手续，而想要达到可编写出有意义的计算机程序的地步，则需视程序的难易程序花一天到一个星期的时间，测试计算机程序的正确性通常还需更多的时间。学习程序语言的时间成本的确是比较高的，但我们也要知道程序语言的大优点在于它的弹性;一个经济计量研究者若能掌握一种程序语言，则计算机能帮他做的事基本上将不再有任何的限制。
计算机是经济计量学不可或缺的组成份子，我建议在学会电子表格软件后，经济计量学的学生应该按照实际需求，在统计软件包、经济计量软件包、以及经济计量专属个人计算机程序语言三类难易程度不同的计算机软件中择一学习。我也建议，一旦决定要学哪一种计算机软件之后，一定要尽可能将之学个透彻，对计算机软件的学习一次搞定是有效率的做法。