读书笔记
经过这么长时间的计量经济学的学习，对计量经济学的一些初浅的轮廓有了基本了解，但是你要问我那些方法的过程，以及怎么样进行操作和检验，坦白说，我又忘记了这是因为你没有想如何用数据与计量方法去检验一个你感兴趣的问题，下周认真结合使用高铁梅那本书《计量经济分析方法与建模:EViews应用及实例(第2版)》和古扎拉蒂的书进行学习！
。这种忘记一方面是计量经济学庞杂而相似的概念方法，这段时间，我是真的没有进行理解，而是推磨似的向前看，但这种方法，正如易老师您说的，是正确的也是合适的。另一方面，对于计量经济学中的理论和方法，你不自己进行一些数据的操作和模拟，是无法掌握和记住的。
对于计量经济学的轮廓，我自己的理解是，它总的来说是以OLS估计的线性模型方法为基础，然后在对线性估计中的一些条件和约束进行宽松，得出估计他们的一些方法和理论，再来对非线性或其他特殊的一些模型进行估计，找到估计他们的一些方法和理论，接着对估计模型的数据进行多样化和复杂化处理，最后再对几个联立的模型进行分析。随着对计量经济学学习的深入，我越来越感觉到计量经济学的重要性，可以这么说，如果经济的研究中缺乏计量经济学，那么这一切的研究只是流于表面，只是文字的堆砌，缺乏理论的基础。在这里这么说，并不是说计量经济学是万能的，一切经济理论只要经过计量的检验，就是正确的可靠的。毕竟，计量经济学本身也是一种理论，它理所当然的有它自己不足的地方。但是，经济学或经济理论，如果缺乏必要的基本的理论基础，那它是不足以让别人相信的，它既然是一种理论，那么它就要有它自己的理论基础，而计量经济学正是这样一种理论基础。既然，计量经济学是理论基础，那么它学起来当然不像微观宏观那么的轻松，尤其和数学、计算机有着千丝万缕的联系，以至于学起它来，的确很困难。
在这里简单谈一谈这段时间学习计量经济学的一些体会。
第一，我还是认为（至少在我所学习的范围内），OLS的估计方法是整个计量经济学所估计方法中的基础。OLS不仅是经典正态线性回归模型的主要方法，而且在放松假定的线性模型中有着很大的参考和对比作用，在非线性回归模型的转变模型中也发挥重要的作用，
同时它的转变估计—间接最小二乘法（ILS）,两阶段最小二乘法（2SLS）—也是联立回归模型中的基础方法。我们知道，OLS对于线性估计的条件要求很严格，在放松条件中所得到的一些线性估计方法同样也有很大的意义，例如广义最小二乘法（GLS）。在异方差的线性模型中，我们采用OLS估计尽管是无偏的但不是最优的，那么我们可以对这个模型进行稍微的变动，得到能够采用广义二乘法的估计模型，并且在样本足够大的情况下，我们则可以获取OLS估计量的怀特异方差校正标准误并以之作为统计推断的依据。在定性响应回归模型的异方差问题中，我们同样采用了OLS的转变形式—加权最小二乘（WLS)来处理问题。还有其他一些模型在分析时采用多次OLS估计的方法。这一系列的方法都是以OLS为基础的，无一不反映OLS的重要性。
第二，拟合优度R平方好像不反映任何问题，R平方很高纵然很好，低一点也没什么影响。拟合优度是反映回归元能够解释因变量的程度，但是它受其他因素的影响很大，模型的设定、回归元的个数以及共线性、误差项都能够改变R平方。我们研究经济问题的关键是找到好的适合的模型，这个模型能够在多大的程度上解释我们的经济现象，能不能都很好地被检验，能不能够预测未来经济变量的发展，而不是看它R平方的大小。一个合适漂亮的能够反映问题实质的模型，尽管它的R平方小一点也没关系；再者回归元的共线性也会导致R平方的变大，这反而是个悖论。不过，R平方在我们选择不同模型的过程中也能起到一个参考的作用，两个同样能解释经济问题的模型，当然是拟合优度越大越好。拟合优度反映了很多问题，至少反映了解释变量的联合变化可以在多大程度上面解释被解释变量的变化，尤其是时间序列模型与预测模型拟合优度很重要！
第三，在放松经典线性回归模型的假设中——多重共线性、异方差、自相关，多重共线性的后果好像没有其他两个那么的严重。在多重共线性很高的模型中，我们仍然可以得到OLS估计量保持BLUE性质，正如阿肯所说的遇到多重共线性就相当于我没有足够的观测值，这并不影响你对模型的正常化分析估计和检验，毕竟即使你有一个很多观测值的模型，这些观测值仍然是不确定和有误差的。布兰查德认为，遇到多重共线性，我们可以采取无为而治，多重共线性实质上是一个数据不足的问题，而我们有时候无法选择能用于经验分析的数据。再者，多重共线性的好坏还要看你建立这个模型的目的，如果你回归分析的唯一目的是预测或预报，则多重共线性不是一个严重的问题。而在异方差和自相关的线性模型中，OLS估计尽管是无偏的但已经不能保持估计的BULE性质了，估计方法也要做出相应的改变。想问一下，我是不是可以这样说，在一个复杂的模型中，如果同时出现了多重共线性和异方差的问题，我能不能更偏重解决异方差的问题。
第四，选定一个合适的计量经济学模型给我的感觉很困难。对于一个模型，你首先要确定各种不同的回归元，同时你要明确它们之间的大概关系，再拿合理的数据进行拟合，拟合出来的估计量能不能通过检验，能不能反映和解释现实的经济问题。这其中的每一步都包含着不确定性，不同的回归元选定直接关系着你的这个模型是否能够成功，能不能很好地反映你要表述的问题，再要考虑它们之间有没有共线性，它们之间应该是怎样一个数学表达的关系，是线性的、还是非线性的或者指数等等，是否存在异方差和自相关的问题，怎么样去检验它们，这么多的问题计量经济学本身都还没找到最佳的解决方法。总之，随着计量经济学学习的深入，给我的感觉就是能够找到一个漂亮合适的模型来反映你的问题，才是经济学中的重中之重，当然这些好的模型的取得，也是伴随着微观宏观理论的发展而得到的，它们之间的关系是相辅相成的。选择什么变量需要认真学习经济学理论并进行理论建模，知道哪些变量会显著影响被解释变量，古扎拉蒂有一章专门讲方程的设定的！
第五，通过计量经济学的学习，加深了我对经济学的理解以及认识到计量经济学在解决经济问题时的特殊方法。在开始学习计量经济学时，我以为计量经济学只是对一些数据和模型的研究，不能对一些非数据和定性问题进行分析。在虚拟变量回归模型中，它把不同的地区作为不同的回归元，并以0或1对它们进行赋值，成功得出定性问题对经济变量的影响的模型，让我的眼前豁然一亮。这些模型丰富了对不同经济问题研究的方法，是定性分析和定量分析的一个很好的结合，加深了我对经济学外延的理解。还有在定性响应回归模型中，回归子不在是一个定量的数据，而是一个定性的问题，它可能是是或者不是，也可能是存在或者不存在。在这类模型中，我们可以通过对回归元的定量分析，找出解决定性问题的方法。这才是经济学或者计量经济学应该做到的，单纯的定性分析，刚才我已经说过无法让别人信服；单纯的定量分析不符合经济学的特点也局限了经济学，结合定量和定性分析，计量经济学做到了。对这样的研究方法，我们应该要很好地掌握，我也更深刻的理解了“计量经济学不仅是工具，它同样是一种理论”这句话。
第六，关于计量经济学学习的一些方法。正如易老师您要求的那样，单纯的看这本计量经济学上的理论知识是无法很好的掌握它们的，毕竟计量经济学的学习是要把掌握的知识运用到实际操作中学以致用的，在实际的操作中我们也能更好的加深对计量经济学中各种估计检验方法的理解，所以应该有事没事可以拿些数据在Eviews上蹂躏一下。用过几次Eviews，感觉这用起来这个软件来还不是很顺手，因为它很多方法都是通过窗口实现的，所以你要记住每个窗口的位置和参数设置，这个软件又在不断更新，每一版感觉都不是太一样。总之，还是要多加紧操作。
