Chapter 3 计量经济学导读（Econometrics, a guided tour）
数据收集
· 能够运用到计量经济模型中去的经济数据来源很多，主要有以下三种：
横截面数据（cross-section data）
通常是关于n个个体（广义上理解，可以是企业或国家之类的实体单位）的观测值。重复观测的横截面数据（repeated cross-section data）
即随时间变化而观测到的各个个体行为。若时间序列所涉及到的都是同一横截面的个体，则所得到的数据称为面板数据（panel data）。考虑使用面板数据的主要原因是，时间序列中的各个不同个体具有共同的性质，没有必要考察几个独立的回归模型。缩并的面板数据（condensed panel data）
该类型的数据涉及的个体数目只有一个或者由n个个体求平均后缩并而成的单一的变量，前者如腾讯公司每日股票收益率（时间序列数据），后者如港交所股票平均收益率。
· 一般而言，如果观测数据都十分可靠，数据越多，得到的结果就可能越准确。然而，更多的数据也意味着更加宏大的模型，模型会变得更加复杂，相应的参数估计量也会变得更加困难（more involved）。
· 对于数据收集，有一点可以肯定，如果能够收集到非汇总数据（disaggregated data），则应首先考虑采集此种数据，原因很简单，非汇总数据可以汇总为汇总数据（aggregated data），而反之，则通常不可为。
· 数据中存在的问题有很多种，最为常见的情况是缺失数据（missing data）以及收集到的数据可能非随机（collected data are not random）。缺失数据可能是①遗漏了相关变量的一些观测值②遗漏变量（omitted variables）。对于遗漏变量，弥补的方法之一是把这些所谓的不可观测异质性（unobserved heterogeneity）转变为一些变化的参数（varying parameters）。
·关于数据的“终极三问”：在进行数据分析时，应该弄清楚如下问题：“数据是从哪里得来的？”“这些数据又是如何收集的？”“是否存在并非所有相关数据都可以得到，因而样本并不是随机的可能性？”只有能确信这些问题都不存在，才能进一步地利用适当的模型继续研究，否则就应该首先收集更多或更好的数据，或根据实际情况修正估计量。（评：私以为很多情况下数据的获取难度是非常大的，可能对于普通的研究人员来说，根据情况修正估计量才是现实的选择。）
模型选择
· 选择一个适当的计量经济模型主要取决于被解释变量yi的性质，而与解释变量xi的关联性相对要小一些。
实证分析（Empirical analysis）
· 参数估计方法
OLS（ordinary least squares）、广义最小二乘法（generalized least squares）、非线性最小二乘法（nonlinear least squares）
最大似然法（ML, Maximum Likelihood）
贝叶斯方法（Bayesian method）
· 自由度（degrees of freedom）：等于样本观测数据个数与需要估计的未知参数个数之差。如果没有不确定性情况存在，自由度就为零。拥有较多的自由度可以使我们所作出的结论更有可信度，而没有自由度则使数据得到完全拟合。尽可能多地拥有自由度，也就是说尽量使模型包含的变量不太多，因而不必估计太多的参数。
· 杜宾-瓦尔森检验（Dubin-Watson test），曾是最早出现的检验方法之一，标志着检验计量经济模型时代的开始，但现在看来，该检验只有在极其特殊的情形下方能有用。
· 模型和数据拟合的度量通常可以用判定系数（coeffcient of determination）或R^2（R-squared）来表示。值总是居于0和1之间，值为1时表示拟合的相当好，为0时表示拟合的很差。
