淮北濉溪县光谱仪校准-第三方仪器计量机构

计量是探索动态变化世界的钥匙。世间万物都是由“量”组成的，并通过“量”来体现。计量描绘着这个动态世界，也时刻探索着未来的变化。计量从哪里来？向哪里去？计量在促进经济发展和社会进步中发挥着怎样的作用？与人类生产生活又有着怎样的联系呢？　对于数和量的认识是大自然对所有生物的造化，也是人类拥有的本能。人的五官乃至身体的每一部位都有着某种特定的测量能力或者功能。在数以亿万计的地球生物中，人类能通过大脑把获得的外来信息加以综合并形成认知，进而其他物种，用智慧和想象实现创造。因此，在人类文明的萌发和形成过程中，测量就成为了知识出现与升华的源泉。　新疆维吾尔自治区博物馆珍藏着一幅伏羲女娲图，图中展示了中国古代神话传说中人类始祖的形象。画面中，上方有日，下方有月，伏羲手持矩，女娲手持规，蛇形下半身互相交绕。伏羲拿着“矩尺”，以“矩”测地；女娲拿着“规”，以“规”画圆，留下了一段持规开天、掌矩辟地的神奇佳话。类似这样的图案，目前在我国许多地方都能看到。它是我国早有关计量的记载，反映出测量开启人们认识和改造自然的篇章，宣告了用量分析世界和利用世界时代的来临。

　　人类为了生存和发展，认识自然、适应自然并不断改造自然。自然界一切现象或存在的物质，都可以用“量值”来描述，以量来反映事物的信息。“量”无所不在，无处不在，无时不在。大量的考古证明，人类对于数与量的认识，可以追溯到原始社会的早期。在那个时期，人们为了记住涉猎数量和生产状况，会采用结绳记事和按量估堆的方法。原始人群从天然洞穴里走出来，要靠自己的双手来建造房屋、制作生产工具、丈量耕作的土地和从事其他生产活动，于是就开始了运用工具来延伸人体功能的测量活动。　　早期出现的计量单位，或以人体某个部位为准，或以肉眼对星辰的观察为准。比如在我国古代曾一度被人们广泛使用的测量方法“布手知尺”，就是将人的拇指与食指伸开的距离作为一尺。而“一手之盛谓之溢，两手谓之掬”，是将人的一只手捧起谷物的多少作为一溢，两手捧起谷物的多少作为一掬。
　　早期出现的计量单位，或以人体某个部位为准，或以肉眼对星辰的观察为准。比如在我国古代曾一度被人们广泛使用的测量方法“布手知尺”，就是将人的拇指与食指伸开的距离作为一尺。而“一手之盛谓之溢，两手谓之掬”，是将人的一只手捧起谷物的多少作为一溢，两手捧起谷物的多少作为一掬。
　　随着人类文明的出现，农业、畜牧业和手工业之间的分工也逐渐扩大，在物资不断丰富并且出现物资交换的形式后，人们对于长度、容量、重量、时间等“量”的使用就产生了一致性的要求。于是，在那些较早进入文明的民族和地区，出现了能够被大众所认同的参考测量标准或参照物，而且以“君权神授”等形式加以神化，让这个参照物获得了神权或王权的地位和性，并被人们广泛使用。随后，度量衡在部落、国家的管理中也应运而生，并且伴随农耕社会和封建王朝不断得到发展，前后历时达数千年之久。
　　从史前文明时代开始，人们运用的自然资源主要是土地。为了安排农业耕作、围地狩猎、交换粮食、征收税赋等，就需要丈量土地面积和掌握农作物的收成等。从事计量活动是人类社会进入文明时代的重要特征之一。这个时期的计量是以经验和权力为主，通常会把人、谷物、动物或其他自然物体作为测量的标准，多采用直观的测量方法，去适应农业社会对农产品和生活用品贸易的基本需要。当时人们对自然界的认识还处在懵懂的阶段，由于生产力水平低下，对测量准确性要求也不高。
　　相传在远古时期，黄帝“设五量”，有“权衡、斗斛、尺丈、里步、十百”，简称为度、量、衡、里、数。之后，颛顼利用观测星辰可以推算出一年的时长，尧命羲和氏族按照日月星辰的运动规律来制定历法，确定一年为366日。舜在东巡时对各部落氏族使用的日月和四时季节的历法进行了统一。
　　我国是较早进入农耕时代并建立封建制度的国家之一。随着经济和社会的不断发展，物资交易的规模不断扩大，人们对测量也不断提出了新的需求，并且逐渐采用由实物量具来统一交易的规则。比如出现的“尺、斗、秤”等计量器具，就是分别对长度、面积（尤其是土地面积）、容积（主要是为确定粮食的数量）和质量（重量）等进行统一测量的工具。
　　我国的春秋战国时期（公元前770年—公元前221年）正是奴隶社会向封建社会转变的阶段，新兴地主为了获得其政治权利，在一些诸侯国掀起了变法运动。当时经济较为落后的秦国为了增强实力，开展了一系列变法改革。其中，具影响的是“商鞅变法”。
　　商鞅变法为秦国经济和军事实力的快速发展提供了重要的政治保障，也为秦始皇统一六国打下了坚实的基础。公元前221年，秦始皇发布了统一度量衡的诏书。这一制度与措施，不仅巩固了秦朝的政权统治，国家疆土不断扩大，而且被秦朝以后的历代皇朝所承袭并沿用，给对外经济和文化交流提供了便利，了民族的千年繁荣昌盛。
　　除我国以外，世界上的一些古老民族创建度量衡的历史也十分久远。公元前约4000年，在幼发拉底河和底格里斯河流域（现今伊拉克）有一个叫苏美尔的国家，被考古界和历史学界公认为是世界上早出现的可考证文明。考古中发现了苏美尔人绘制的一种量器图形，该量器被认为是人们用来测量谷物、酒等物品的一种容器。在古埃及的象形文字里，很早就出现了“肘尺”的图形。在公元前2800年—前2300年，古埃及人建造了规模宏大的金字塔，这种类似天梯的角锥形建筑是用规整的石块堆砌的，金字塔的边长和高度都经过了测量，不仅规模庞大且基础稳固。
　　据古埃及人的纸草书记载，公元前1500年，甚至还可追溯到更久远的年代，古埃及就出现了用于称重的衡器“天平”。后来，古罗马人就是按照这种衡器的原理，制作出一端为固定、另一端是通过秤砣移动平衡进行称重的“杆秤”。公元前约140年，古希腊人还制造出一种由30至70个齿轮系统组成的计时器。这种仪器由29个彼此啮合的铜质齿轮和多个刻度盘构成，仅相当于今天的一个快餐盒大小。　公元前2690年的胡夫统治时期，埃及人建造起了迄今规模大的一座金字塔，塔的高度为146.5米，底部为正方形，每边长500肘尺，相当于现在的232米。可见，古埃及人在长度计量的运用上已经十分成熟和高超。指达到一定精密度、准确度和线性的条件下，测试方法适用的高、低限浓度或量的区间。范围应根据分析方法的具体应用和线性、准确度、精密度结果和要求确定。
药物分析为例：
•原料药和制剂含量测定范围为80%-120%；制剂含量均匀度范围为70%-130%；杂质测定应为被测杂质汇报值到限度的120%；溶出度应为测定范围的±20%，如规定了限度范围，应为下限的-20%至上限的+20%，例如缓释片1h<20%，7h>70%,则验证范围定为0-90%。指测定条件稍有变动时，结果不受影响的承受程度，为常规检验提供依据。是衡量实验室和工作人员之间在正常情况下实验结果重现性的尺度；如果方法易受到分析条件的影响，或要求苛刻，应注明。
典型的变动包括：分析溶液的稳定性，提取时间等实验条件。

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。

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……