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。
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。
