黄山歙县光谱仪校准-第三方仪器计量机构,卡尺

哪些计量器具不适合邮寄服务？一般玻璃仪器如玻璃温度计、玻璃密度计或部分精密仪器等，运输过程中易损坏或影响仪器准确度，不适合邮寄服务。实行强制检定的计量器具包括哪些？根据《计量法》第九条，实行强制检定的计量器具包括3大类：一是社会公用计量标准器具；二是部门和企业、事业单位使用的高计量标准器具；三是列入国家市场监督管理总局发布的《实施强制管理的计量器具目录》中实施强制检定且用于贸易结算、安全防护、医疗卫生、环境监测4各方面的工作计量器具。所以，实行强制检定的计量器具不是只有工作计量器具，还有计量标准器具。企业如何建立计量器具管理台账以及开展检定、校准工作？企业需要掌握了解计量器具分为强制检定、非强制检定和校准的基本概念，根据不同概念的检定、校准要求建立计量器具管理台账。台账中的具体内容应包括：计量器具名称、规格型号、编号、测量范围、检定或校准时间、检定或校准周期等。另外乾冀检测提醒还要明确是送检还是现场检定或校准、确定检定或校准单位以及其他相关内容。通过完善计量器具管理台账，可以对企业在用计量器具的工作状态一目了然。把不同要求的计量器具分类建立台账，按照不同分类做好计量器具的管理工作。如何确定非强制检定计量器具的检定或校准周期？根据计量器具的实际使用情况，本着科学、经济和量值准确的原则确定非强检计量器具检定或校准周期。应注意的几个方面：一是不得使用未经检定、校准的计量器具；二是不要刻意去延长检定或校准周期，应参照检定规程或校准规范的规定；三是依靠计量技术机构的指导或由生产企业出具建议。什么是计量确认？通常包括哪些内容？计量确认是为确保测量设备处于满足预期使用要求的状态所需要的一组操作，包括：

1、校准和验证、各种必要的调整或维修及随后的再校准、与设备预期使用要求的计量要求相比较以及所要求的封印和标签；

2、只有测量设备已被证实适合于预期使用并形成文件，计量确认才算完成；

3、预期使用要求包括：测量范围、分辨力、大允许误差等；

计量要求通常与产品要求不同，并不在产品要求中规定。标准物质一定要在有效期内使用吗？是的。标准物质的有效期是研制单位根据稳定性研究数据，为了确保标准物质量值及不确定度的可靠性而确定的，因此，务必在有效期内使用。到期后未使用的标准物质也许仍旧稳定，对于一些批量较大、稳定性周期较长（如五年）的标准物质，研制单位有时会提供延长有效期的服务，但是在标准物质的稳定性无法得到研制单位的情况下，用户如果继续使用该标准物质，需自行承担使用风险责任。企业送检时，如何填写业务委托申请单？委托申请单是客户送检样品的书面描述，应按照委托申请单上的条目依次填写清楚，尤其注意同类样品的不同型号规格应分别填写；客户的特殊要求、样品的特殊使用条件等也应在申请单上明确注明。计量在工业生产领域的作用有哪些？在工业生产领域，从产品设计研发、原材料采购到产品生产过程控制直到产品质量检验等所有环节都需要计量，而生产中的材料损耗、能源消耗、环境的污染和治理、成本核算乃至所有量化数据的获取和分析都离不开计量。因此，计量是现代工业经济重要基础，也被称为“工业的眼睛”。计量和产品质量的关系？计量是工业生产和产品制造的基础，是贯穿于全部生产和制造过程的一项活动。通过加强计量基础建设，能有效降低生产成本、提高生产效率，合理利用资源，提高产品质量和效益。

在工业产品生产中，产品设计、原料采购、生产加工、工艺过程控制、成品检验到包装入库，无论哪个过程或哪一个环节计量出现失准，都可能导致整批产品质量不合格甚至报废。因此，企业具备的计量能力可以反映其产品质量的真实水平与竞争力。为什么说计量能力可以反映出企业的核心技术竞争力？主要工业发达国家的学者们普遍认为，计量能力可以代表一个国家的真实竞争力。对应于一家企业，其工业计量能力则可以代表其具有的核心竞争力。因为环境再优美的生产场地和的生产装备都是用钱能够买到的东西，而计量能力却能够反映出一个企业自身具有的技术能力和优势，需要长期的积累，也是花钱买不到的东西。在当前全球产业面临变革的时期，一家企业在研发新产品中的测量原理、试验数据、算法以及校准技术和方法等，往往需要长时间的技术积累，也代表了企业参与市场竞争的真正底气和核心技术能力。

什么是压力表?
压力表是指以大气压力为基准，用于测量大于大气压力的仪表。
什么是真空表? 真空表是指以大气压力为基准，用于测量小于大气压力的仪表。
什么是压力真空表?
压力真空表是指以大气压力为基准，用于测量大于和小于大气压力的仪表。
什么是绝压表?
绝压表是压力表的简称。
绝压表是指以压力零位为基准，测量压力的仪表。
同压力表相比:
绝压表的零位为压力真空表的一O.1MPa标度点;
绝压表的0.1 MPa标度点为压力表的零位。 差压表的工作原理如图2一1所示，‘它有两个压力导入口，L入口(低压人口)和H入口(高压入口)。
差压表能指示出两个测量点的压力差值，弹簧管式差压表的测量范围一般在0.2一15MPa.差压表可用来测量过程中压力的损失
什么是一般压力表?
一般压力表是用于测量对铜和铜合金不起腐蚀作用的气体，蒸汽和液体压力的仪表。
一般压力表的主要接触被测工作介质的元件(如接头和弹簧管)的材质都是铜或铜合金。它具有良好的防腐和防锈性能。
一般压力表的为1级0
一般压力表包括压力表、真空表和压力真空
什么是精密压力表
精密压力表是指精度等级等于或0.4级的压力表或真空表
精密压力表是采用较的材料和精细的工艺制造而成的。

精密压力表可作为检定一般压力表的标准器，也可作压力测量之用。

什么叫压力计量?

用压力仪器仪表进行测量压力的过程，称为压力计量或压力测量。
压力仪表有什么用途?

压力仪表的用途主要有以下点:
(1)监视受压容器或管道内工作介质的运行情况，以便恰当地控制受压容器，保护生产设备的安全。

(2)了解生产过程中物料变化状态，使某些工艺参数控制在的条件下，以产品质量符合规定的要求。

(3)通过掌握压力参数，为操作人员监视和调节生产提供可靠的依据。



一般压力表有什么优点?

一般压力表有以下优点:

（1）结构简单，可靠，使用维修方便。

（2）外形小，重量轻，测量范围广，指示明显，直接读数。

（3）有足够的精度，示值稳定性好。

（4）价格低廉。



一般压力表由哪些主要零部件组成？

一般压力表主要有以下零部件组成：接头、弹簧管、封口片、机芯、连杆、表盘、指针、衬圈、表壳、表玻璃、罩圈。其中关键零部件是接头、弹簧管和机芯。一般压力表的工作原理是什么?

一般压力表的工作原理是:弹簧管在压力和真空的作用下，产生弹性变形引起管端位移，其位移通过机械传动机构(连杆和机芯)进行放大，传递给指示装置，再由指针在表盘上偏转指示出压力或真空值。



一般压力表的外壳公称直径有哪几种?

根据我国压力表标准的规定，压力表的外壳直径有40,60, 100, 150, 200, 250mm六种。

由于安装条件的需要，国外还有其他的外径尺寸可采用，如33, 50, 75，90mm等。



一般压力表的安装方式有几种?

一般压力表的安装方式分为螺纹连接和盘装连接2种。

其中螺纹连接又分为:径向下端;轴向同心式和轴向偏心式3种什么叫压力表的精度等级?

压力表的精度等级是反映压力表与标准仪表进行对比中，指示值与真实值接近的准确程度。

压力表的精度等级等于大基本误差与测量上限之比值的百分数。

压力表的精度等级一般标注在表盘上，为了便于表示，习惯上去掉“%”符号，只将表示精度等级的数字用“O”括起来。怎样选择压力表的测量上限?

压力表低于1/3量限角部分，由于相对误差较大，不宜使用。

压力表3/4量限的部分，如果长时间使用，会使弹簧管过早产生残余变形或蠕变，降低仪表的精度，、也不宜使用。

所以压力表的佳使用范围是测量上限的1/3一3/4.



选择压力表的测量上破可按以下公式进行计算:



压力表的测量上限=所测大压力x 4/3 (2-1)



例:被测量压力的大值为3.5MPa时，求所选用压力

表的测量上限应是多少?

解:压力表的测量上限=所测大压力x 4/3

=3. 5MPa x 4/3

=4.6MPa

答:所选用压力表的测量上限应是6MPa。

检定6MPa的压力表可以用一下真空气压源。怎样选择一般压力表的精度?

选择压力表的精度一般有两种方法。

(1)习惯或经验方法

一般来说压力表的精度等级和表壳外径尺寸有关，外径尺寸为40~和60mm的仪表一般为2.5级，外径尺寸为100~和150~的仪表一般为1.6级。由于一般压力表多为工作用表，对仪表的精度要求并不高，所以如果选择了仪表的外径也就基本决定了仪表的精度。

(2)计算方法

根据仪表测量所允许的大误差值来计算出仪表应选择的精度等级，可用以下公式进行计算:

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”。

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……

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。