宜宾兴文县光谱仪校准-第三方仪器计量机构,卡尺

计量是关于测量及其应用的科学，也是实现单位统一、量值准确可靠的活动。本书既诠释了东西方不同的计量文化色彩，也蕴含着人类共同的技术语言。它次从政权统治和国家治理的角度，重新诠释了计量的社会功能和作用，它次从认识和改造世界的哲学高度诠释了计量与测量以及社会进步、科技创新的关系，给读者提供了不一样的立体维度和多元视角，让近乎“熟视无睹”的计量给大家带来了更多冲击和震撼！
量子力学理论诞生后，计量学也随之发生了革命性的变化。科学家们开始探索以物质内部的运动规律来定义基本物理量单位的可能性。在《米制公约》时代建立的长度单位“米”的实物基准，其测量的准确性是0.1微米。到了20世纪50年代，随着同位素光谱光源的发展，科学家发现了宽度很窄的氪-86同位素谱线，再加上干涉技术的成功应用，人们终于找到了一种可以取代实物基准且不易毁坏的新标准，即通过光波的波长来定义长度单位“米”。1960年，科学界研制出个依据量子理论建立，并被正式确立为长度单位的新基准，后在国际计量大会上重新定义了“米”。新的“米”量子基准不仅准确性较先前的实物基准提高了3~4个数量级，而且十分稳定。随后，在1967年，此前以特定历元下地球的公转周期定义的时间单位“秒”，也被新的量子时间频率基准所取代。相对于用地球公转周期来定义时间“秒”，量子基准的准确度达到了十分惊人的程度，从原先30年误差1秒，一下子提高到了几千万年误差不到1秒的新高度。 我国民间广泛流传着“十六两秤”的故事。相传秦始皇统一六国之后，由丞相李斯来主持制定度量衡标准。李斯顺利地制定了钱币、长度等标准，但在重量标准上却没了主意，实在想不出到底把多少两定为一斤才比较好，就向秦始皇请示。秦始皇写下“天下公平”四个字，算是给出了一个标准，却没有任何确切的数目。李斯怕出问题遭到追责，干脆就以“天下公平”这四个字的笔画数为准，定出了一斤等于十六两的标准。此后的两千多年里，一斤等于十六两的换算方法就被人们沿用了下来。后来出现了一种十六金星秤，由北斗七星、南斗六星加福禄寿三星组成十六两的秤星，意在告诫做买卖的人应诚实信用，不欺不瞒，否则，短一两无福，少二两少禄，缺三两折寿。尽管这只是民间传说，但从中却能看出计量与公平有着密不可分的关系。 本书抛除了刻板枯燥的术语讲解，改为采用讲故事和案例的方式，介绍计量在国家治理、经济发展、社会和谐、科技进步方面的地位与作用。



本书不同于一般的计量教材，也不同于传统的计量科普读物。这既是一次跳出计量说教改用通俗化语言介绍计量的大胆尝试，也是一次转换计量视角改从经济社会发展需求角度看待计量的积极探索，还是一次突破传统定义改从人类认知进步重新诠释计量内涵的大胆实践。

正是因为秉持“跳出计量看计量”的主旨理念，这本书才有了它特的魅力，也让人充满了更多的期待和关注。无论你是官员，还是公司高管，抑或是普通百姓，不管你是计量工作者，还是高校老师，都希望你能通过本书的阅读带来不一样的收获和启发。

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。

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……