结合教学经验谈计量经济学与Stata软件的学习

1.经济金融专业学生计量学习之痛

教学实践中，很多学生跟我抱怨计量经济学难学的问题，也有很多研0的同学感觉本科阶段没学好，或者跨专业考研的同学，在知道了计量经济学的重要性之后，对于经济金融领域的“无计量、不科研”的未来读研生活充满了一定的焦虑。问我怎么入门、怎么进阶、怎么精通，哪个阶段应该看什么书等等。

我从自身的学习经验来看，其实不用把学计量想象的那么复杂，所谓入门，进阶及深入精通各个阶段也不是泾渭分明的，归根结底还是学以致用为导向，需要什么就学什么，缺什么就补什么！每个研究领域、甚至每个研究主题所用到的计量方法都是特定的很少的一部分，从浩如烟海的计量知识领域中只取自己需要的一瓢水喝了就可以了，想象的太复杂，就容易陷进去出不来，很多学生虽然学了很多很多计量经济学知识，看了很多很多书，但到头来做科研的时候发现真正需要的东西可能还没有深入学，很多虽然学了、当时学的很好，但是真用的时候都全忘了。

2.化繁为简、学以致用、结合Stata才是高效学习之道

所以，学计量不要光看理论，看那些数学推导，因为真的没几个人看得懂、真明白，看得懂也记不住，看了半天把学习热情全都耗光了！学计量经济学一定要配套学Stata，用软件帮助，边学边操
作！

3.举例说明

前一阵有学生问我：计量经济学中如何分中东西区域回归？

这个计量经济学教材中基本上是不会讲的，但是基本上所有的实证研究论文中都会去做一做。所以，即便是计量学的再好，真正自己做实证研究的时候还是很茫然。

如何分中东西区域回归本质上是异质性检验。

异质性检验即针对样本进行分类分组，基于各组样本分别开展的实证检验。异质性检验通常在基准回归之后，基准回归依据的是全部的样本，当基准回归得到的结果较为显著，即核心解释变量显著影响了被解释变量时，可针对全体样本进行分组或者分类，检验不同类别样本之间在研究结论方面是否存在差异性。

进行异质性检验的目的，一方面是为了进一步丰富实证研究内容，提升研究的深度；另一方面更重要的是可以进一步探索基准回归研究结论对于不同组别样本的适用性，从而可以得出新的研究结论、提出新的观点。

具体操作层面，比如在研究国际层面的问题，把全部研究样本分为发达国家样本和发展中国家样本；研究中国国内区域层面的问题，把全部研究样本分为东部地区样本、中部地区样本、西部地区样本等；研究上市公司层面的问题，把全部研究样本按照行业类型、所有权性质、资产规模、注册地所在区域等进行分类；研究消费者层面的问题，把全部研究样本按照消费者的年龄区间、性别、工作类型、年收入水平区间、受教育程度等进行分类。

具体的回归分析方法及Stata/SPSS操作其实与基准回归部分是一致的，只是分别限定了样本范围而已。?

使用if exp（条件表达式）

条件表达式的作用在于对样本集进行筛选，只对符合相关条件的样本子集执行相应的操作。

比如在命令窗口中输入reg Y1 X1 X2 X3 X4 X5 X6 X7 if xingbie==1（本命令的含义是对xingbie变量值取1的样本观测值，以Y1作为因变量，以X1-X7作为自变量，进行普通的最小二乘回归分析），结果如图所示。

4.计量经济学学习教材推荐

关于学习Stata与计量经济学的问题，如果大家只是为了写论文，而不是专门的计量经济学专业、研究计量理论方法的，推荐学习路径如下：如果是新手可以先学习这本书《Stata统计分析从入门到精通》 杨维忠、张甜 清华大学出版社。

2022年新书，山东大学陈强教授作序推荐。

本书专为计量经济学基础薄弱或学不进去，但又有写论文、做研究需要的读者设计，达到“弯道超车”的效果。大家可以学不会复杂的计量经济学，尤其是那些枯燥的数学推导，但一定要会用Stata，Stata的作用相当于把那些计量经济学公式嵌入到了软件中，会操作命令就能完成实证研究。换言之，您可以不懂汽车发动机、传动等原理，只要会开车就可以了。

本书对小白、新书极为友好，可以说市面上最好入门的书了，也长期占据京东、当当等平台同类图书畅销榜榜首位置，学起来也很快。

学的差不多了以后，然后基本上就不用再看书了，而是应该多看看你目标研究领域的高质量的研究文献，看看人家用的什么方法，比如政策效应检验、结构方程模型等等，再针对性的学习那些相对较难、比较专业的方法就可以（到了那个阶段和层次，基本就可以通过看文献自学了，或者针对性的找找视频、找找帖子也就差不多了；而针对一些前沿的方法或者要更加系统的学习，参加陈强老师的培训班也是一个很好的选择，对于急于出成果的科研人员来说，属于是花小钱办大事，性价比还是很可以的）。

创作不易，恳请多多点赞，欢迎大家多多关注我，一起学习Stata/SPSS/Python，感谢大家的厚爱支持！

创作不易，恳请多多点赞，欢迎大家多多关注我，一起学习Stata/SPSS/Python，感谢大家的厚爱支持！