想要高端的，學stata，不會的找個會的教你，估計兩小時就可以處理簡單的時間序列或者面板了。
然後知網找個計量的文章，比如xx（解釋變量）與經濟增長，假如你學校北京的你就找個寫上海的文章，看他用的啥數據，你也去找北京的相關數據，用個普通的ols或者面板數據跑一下，顯著了就成了。
然後文獻綜述隨便寫寫根據結果隨便提一下政策建議，文章基本就結了。
查重肯定過，相比絕大部份本科生畢業論文來說，強百倍(這種套路僅適用於經濟金融專業寫本科畢業論文)
當然如果計量模型用的高端點又是別人沒怎麽研究的變量，核心也能發。
-------------------------------------------------------------------
今天閑來無事，更新下，首先講講怎樣尋找可以參考的計量經濟學的實證文章。
經管類的實證文獻，一般題目都有固定套路，那就是解釋變量在前，被解釋變量在後，中間用「與」字或者頓號連線，後面跟個可愛的小尾巴說明下用的數據或者計量模型。舉幾個常見的經管類論文的題目：
第一類：X1與 Y
舉例：
金融發展與經濟增長——基於中國金融發展門檻變量的分析
人力資本與經濟增長關系實證分析——以浙江省為例
第二類：X1、X2 與 Y
舉例：
民間金融、產業發展與經濟增長——基於中國省際面板數據的實證分析
東北三省能源消費、要素投入與經濟增長關系研究——基於長面板和面板因果檢驗模型
金融發展、技術創新與經濟增長的關系研究——基於中國的省市面板數據
金融發展與經濟增長——基於中國金融發展門檻變量的分析
第三類：X 是否（促進了or阻礙了or提升了……） Y
舉例：
金融創新是促進還是阻礙了經濟增長——基於技術進步視角的面板分析
金融發展是否能夠促進海外直接投資——基於面板分位數的經驗分析
經濟增長是否促進官員晉升?——基於廣東省地級市數據的經驗研究
從上面幾個例子可以發現，經管類的實證論文有著很嚴謹的命名方式。
對於本科生來說，以經濟增長作為被解釋變量最簡單，用GDP對數就好了，當然你想復雜點去算實際GDP會更好。也可以采用城鄉收入差距，這個就是城鎮居民可支配收入比上農村居民純收入，統計年鑒都有的。
而解釋變量考慮你的專業，如果是金融學，那金融發展最簡單，一般都是用存貸款余額比GDP表示；如果是國際貿易，可以用進出口總額比GDP作解釋變量；如果是管理學，可以考慮用人力資本變量來做解釋變量，這個一般是用平均受教育年限，會復雜一點，但是人大經濟論壇都有別人算好的可以下了用。
下面以金融發展與經濟增長這個題目，在知網搜尋
可以看到很多人都寫過這個方面的核刊，如果你以此做題目，一來別人已經做過了，二來這個題目太大了。因此我們可以考慮在後面加個直轄市或者省份，比如上海。
然後我們以這篇研究上海的金融發展與經濟增長的文獻為例。
開啟論文我們直接去看模型。
可以看到該文章選取了GDP增長率來衡量經濟增長，你可以簡單點用GDP對數來衡量，而金融發展采用了金融機構存款、貸款在GDP的占比，這些各省統計年鑒都有，搜下統計局的網站都查的到。
既然知道了模型的設立和數據的來源，那麽你可以去套你學校所在的地區，比如我學校新疆的，那我寫畢業論文就可以用新疆的GDP做經濟增長變量，用新疆地區的存貸款余額來做金融發展變量，一個ols就結束了，至於這個ols怎麽做，軟件怎麽用，本科的計量經濟學的書都學過的，如果你不會，說明你一定沒聽課。
如果你覺著你想做更高端的，那就在搜文獻的時候，在後面再加個計量方法的關鍵詞，假設你想找研究金融發展與經濟增長的面板數據模型的文獻，可以這麽搜。
如果你選擇這個題目，顯然還是需要面對題目太大的問題，那麽簡單的解決辦法就是，分區域。比如你看到一個文章用的全國的面板數據，而你的學校在東北，那麽你就可以用東三省數據來做面板模型。（對本科生來說，能用到最簡單的面板固定效應模型，就足夠讓很多老師感動一會了）
順帶丟了Eviews吧，stata才簡單粗暴（用R的請忽視這句話）
有空我會更新下如何用stata做基礎的面板數據模型！
日常摸魚的強師傅，終於想起來填這個大坑了！
許多有關計量的入門教程都上來先丟一堆理論，看的頭暈腦脹，但實際套用卻講的十分含糊
這對於很多想快速水paper或者寫畢業論文交差的同學十分不友好
而跟著本教程走，則可以透過實際的例子，快速的學習Stata軟件的使用，這樣在匯入自己的數據後，可以快速搞出一篇論文的實證模型
經管類專業在本科都會學計量經濟學，但是一般只會教到基本的多元OLS模型就戛然而止了
誠然，這對於本科生來說夠用了，但是基本的多元OLS模型本身並不好處理。如果是橫截面數據，那解決異變異數問題還算簡單，但是大部份容易獲得的經濟數據都是時間序列數據，而時間序列數據的多重共線性處理又十分棘手。本科的計量書裏一般都會說，逐步回歸剔除一下就好了，但是這樣會使得你能用的變量數量大打折扣，有些奇葩導師總會要你必須加一些他們想要的變量，不能讓你去掉。另一個可行的方法則是采用主成分分析降維分析，但是這種方法，又需要用一個復雜的公式換算，過程繁瑣且麻煩，一些類似KMO檢驗的東西還可能根本過不去
因此，強師傅更推薦采用面板數據來處理本科以及碩士的畢業論文實證，因為其檢驗簡單，而且更易操作，總之就是坑少好摸
對於很多上了計量課就浪起來的同學來說，可能還分不清計量裏的三種數據結構
本科一般只教兩種：
橫截面數據：舉例來說，就是中國2020年30個省份的GDP
時間序列數據：整個中國2010至2020年的GDP
而第三種數據結構便是面板數據，實際上就是橫截面數據和時間序列數據的結合
值得註意的是，不同軟件輸入面板數據的格式不一樣，我只推薦Stata來處理這些數據，因為真的對新手很友好
面板數據可以在excel整理好，直接貼上到Stata
一個簡單的面板數據例子如下：
以北京上海和廣州3個城市2010至2016年的人口，地區生成總值和商品房均價為例，在excel裏的整理如下：
可以看到，A列為我們的具體城市，實際上也就是截面或叫做個體，而B列年份則是時間，其余列為變量
你可以自己搭配不同的數據，整理成這樣的格式即可
開啟stata的視窗
其中下方命令視窗可以直接輸入我們要做的指令，左邊為歷史視窗可以看到我們已經進行過的處理，而變量視窗則可以顯示我們輸入數據後產生的變量
在命令視窗輸入edit則可以開啟數據編輯視窗
將excel的數據連同表頭直接貼上到這個視窗，則會有如下提示：
選擇變量名則可以直接將第一行作為變量名稱
關閉該視窗回到stata主界面，則可以發現，有五個變量21個觀測被匯入了進去
由於城市變量是字元數據，因此在處理之前需要采用encode命令將其改為數值型數據
具體命令如下：
encode 城市，gen(city)
這個命令中 encode為命令的名字，其作用是將字元數據轉換為數值型。而gen為生成的意思，實際上是生成一個新變量。如果你的城市是以數值如1，2，3，4來命名的，則可以省略這一步
緊接著，可以用xtset來聲明面板模型的截面和時間
在stata裏，x代表個體或截面（在計量中和paper裏，個體一般用n或i來表示，面板的模型的公式角標一般是it或者nt），t代表時間，set便是設定的意思。在stata裏，一般與面板相關的命令都會以xt開頭
輸入xtset city 年份
則會發現，stata提示我們的panel變量，也就是個體為city，而時間跨度為2010至2016，如果每個城市每個年份均有數據，則為strongly balanced，即平衡面板，如果缺失數據，則為非平衡面板
接著我們就可以著手跑第一個面板模型了，輸入：
xtreg 商品房均價 年末總人口 地區生產總值,fe
則可以得到如下結果：
此時我們便得到了第一個面板個體固定效應模型的結果
其中xtreg表示我們執行的面板模型，在stata裏，第一個出現的變量一定是y變量，也就是被解釋變量，而後面的變量均為x變量，因此在這個模型裏，商品房價格為Y變量，人口和地區生產總值為X變量
在stata裏，逗號後面一般跟隨的都是命令的選項，你可以透過不同的選項來調節模型。我們的命令裏，fe代表fixed effects，即個體固定效應模型
在上述結果中，最為重要的是t檢驗的p值，即P>|t|這一列，可以發現，年末總人口的P值為0.103，這一般認為是不顯著的結果。而地區生產總值為0.000，意味著其在1%水平上透過了顯著性檢驗，可以認為地區生產總值直接與商品房房價有關。（一般P值小於0.1為10%顯著，0.05為5%顯著，小於0.01為1%顯著，在論文裏一般用星號代替，分別為*， ** ， ***）
值得註意的是，面板模型不需要在意R2，因此R-sq的數值並不重要，這個後續的文章再講原因。而_cons為常數項，不需要特別的解釋
需要關註的是coef.這一列，對於P>|t|顯著的，如變量「地區生產總值」可以這樣解釋：北京上海廣州三個城市地區生產總值每上漲1萬元，商品房房價上漲0.0001247元
但是這樣解釋看起來，很奇怪，因為一來系數非常的小，感覺很不直觀，二來並不能反映出邊際效應的變化
因此，需要將y和x兩邊取對數，一來縮小因次，二來轉換為邊際效應，也可以稱為彈性
stata裏輸入
gen ln商品房均價=log( 商品房均價 )gen ln年末總人口 =log( 年末總人口 )gen ln地區生產總值 =log( 地區生產總值 )
即可生成三個變量的對數形式：
計量模型一定要用自然對數，stata裏，log和ln都會取以e為底的自然對數。而excel裏取對數的公式，用ln是自然對數，用log是以10為底的對數，是不一樣的（一個小坑）
再次執行面板模型的命令：
可以發現，系數coef.的數值一下子變得好解釋了。當然也會發現，年末總人口的P值小於了0.05，透過了顯著性檢驗。這是由於許多社會經濟數據本身是右偏的，而取對數可以將其轉換為正態分布，從而修正異變異數性，這部份會後續再詳細解釋（挖坑*1）
而此時，模型則可以這樣解釋：
當北上廣三個城市，人口上升1%，則會導致商品房均價下降5.97%，而地區生產總值上升1%，則商品房價格會上升1.43%
有些時候，結果不是我們想要的，可能是我們的數據結構和樣本選取導致的。面板模型是一個大樹，後面根據不同的數據結構會出現不同的分支。對於個體多於時間的數據，則為短面板，一般為大N小T，而個體少於時間的數據，則為長面板，一般被稱為小N大T。我們這個模型只有3個城市，但時間跨度為7年，顯然屬於長面板範疇，則需要特殊的處理，這個後續再補（挖坑*2）
對於本科生來說，采用短面板是比較好的選擇，對於碩士生來說，長面板可以進行許多高階操作以滿足實證的復雜度需要，如變系數模型或動態面板（挖坑*3）
模型需要做Hausman檢驗以在隨機和固定效應兩種不同的模型中進行選擇，這會在下一期文章中講解（挖坑*4）
而遺漏變量和內生性問題也可能會導致我們得不到想要的結果，這時候則需要一些高級的方法如工具變量法來處理（挖坑*5）
但是對於許多想要快速進行實證分析的本科生和碩士生來說，這篇文章算是一個好的入門了
等不了更新的同學也可以購買這本書
雖說這本書有些內容比如空間計量等章節都過時了，理論部份寫的馬馬虎虎，但是Stata的基礎操作還是寫的很透徹的
我的個人公眾號已上線，各位大佬可以隨意添加，歡迎向我提問哦
