内容:
一、计量论文的两大要点是什么
1、计量模型的建立（就是那个方程，表达什么经济含义要知道）；
2、模型中的系数如何估计出来（关键在于估计方法的选择）。
第1个要点涉及你论文主题。你一般要想用数据检验某种经济关系，根据这种经济关系来建立计量模型。如果你不知道要检验什么经济关系，那我劝你就此打住。你发不了一流期刊了。
第2个要点。千万种方法的出现，目的都是要把那个系数给估计出来。不同估计方法的估计效果好坏，就是根据各种统计量来判断。如果能选择一种最合适你数据的估计方法，那么这论文基本就成了。
二、如何判断计量论文的水平高低
掌握了上面两个要点，只是说你能写出一篇计量论文，并不是说能写出一篇高水平的论文。水平的高低在于你处理这两个要点时水平的高低。下面仔细讲解。
如果只是为了写计量论文，只需要“知其然”即可。没有人会因为不会推导OLS估计量而对软件里面出来的结果不知所措。这条途径，最快捷的走法是找一个懂的人，把结果里面的各种东西所表示的意思给你讲一遍，每个东西要注意什么。基本就可以了。在一般的CSSCI上发表论文没有什么问题。如果找不到人，就看STATA的手册，里面的例子会讲解每个指标参数统计量的含义。这样慢一点，但效果很好，而且也能成为STATA专家。STATA手册比高级计量教材看起来轻松多了，就是告诉你怎么操作软件，然后得到什么结果的。
计量论文中的估计问题，最关键的事情，不是能推导估计量，而是在STATA里面选择一个“合适”的方法估计出来。然后解释结果的经济意义。而计量水平的高低，不在于方法的复杂性，而在于方法的合适程度。因此高水平的计量论文，不必要求作者掌握高深的计量推导，而在于“选择”的技巧。每种计量方法，都有优劣。所谓用人之长，容人之短。水平高的人，能够选择以其之长，攻它之短。同时又能隐藏计量方法内在的拙劣。
其实，计量论文的水平真正的决定因素是论文主题和思想的重要性。这个话题大家都很关心，就很重要，发表就很容易。所以，你会发现国际顶级期刊上一些计量论文所用的方法很简单。这些论文能发表，主要是他讨论的问题很重要，采用的方法即使有缺陷，也无伤大雅。如果问题不是非常重要，只是有新意，但是估计方法比较合适，也能发一个中上等期刊。如果问题属于鸡毛蒜皮之类，那就只能诉诸于超级复杂的计量方法，祈求审稿人看论文时，方法还没看完就已经累得半死，再也没有心情来思考你的问题的重要性，然后也能通过了。
三、做计量的“大杀器”有哪些
所谓的大杀器，不是指超级复杂的计量方法，而是指这种东西一旦用起来，一般不会有人来攻击。所谓的一招毙命，毙了审稿人的命。计量方法很多，可以说满天飞。但是，真正有价值的方法，被人公认为具有一定可信度的方法（所谓的“大杀器”），只有5种(贪多嚼不烂)。并不是你所看到的所有的方法都有人信。这点大部分初学计量的人都不会意识到。看到书上介绍一个方法，就认为这是一个好方法。其实不是。书上很多方法的介绍，仅仅是出于理论推演的需要，并不是实际研究中都能用的。你如果查阅一下国际上关于经验研究类的论文，会发现大部分论文所用方法无非是：
1、简单回归；
2、工具变量回归；
3、面板固定效应回归；
4、差分再差分回归(difference in differnece)；
5、狂忒二回归(Quantile)。
大杀器就这几种，破绽最少，公认度最高，使用最广泛。真是所谓的老少皆宜、童叟无欺。其他的方法都不会更好，只会招致更多的破绽。你在STATA里面还可以看到无数的其他方法，例如GMM、随机效应等。GMM其实是一个没有用的忽悠，例如估计动态面板的diffGMM，其关键思想是当你找不到工具变量时，用滞后项来做工具变量。结果你会发现令人崩溃的情况：不同滞后变量的阶数，严重影响你的结果，更令人崩溃的是，一些判断估计结果优劣的指标会失灵。这GMM的唯一价值在于理论价值，而不在于实践价值。你如果要玩计量，你就可以在GMM的基础上进行修改（玩计量的方法后面讲）。
有人会问：简单回归会不会太简单我只能说你真逗。STATA里面那么多选项，你加就是了。什么异方差、什么序列相关，一大堆尽管加。如果你实在无法确定是否有异方差和序列相关，那就把选项都加上。反正如果没有异方差，结果是一样的。有异方差，软件就自动给你纠正了。这不很爽嘛。如果样本太少，你还能加一个选项：bootstrap来估计方差。你看爽不爽！bootstrap就是自己把脚抬起来扛在肩上走路，就这么牛。这个bootstrap就是用30个样本能做到30万样本那样的效果。有吸引力吧。你说这个简单回归简单还是不简单！很简单，就是加选项。可是，要理论推导，就不简单了。我估计国内能推导的没几个人。那些一流期刊上论文作者，最多只有5%的人能推导，而且大部分是海龟。所以，你不需要会推导，也能把计量做的天花乱坠。
工具变量(IV)回归，这不用说了，有内生性变量，就用这个吧。一旦有内生性变量，你的估计就有问题了。国际审稿人会拼了老命整死你。国内审稿人大部分不懂这东西（除了经济研究季刊等等这类刊物的部分审稿人以外）。工具变量的选择只要掌握一个关键点就行：找一个和内生性变量有数据相关的，但是和残差没有关系的东西，这就是你的IV了。例如贸易量如果是内生的，那么你找地理距离作为IV。北京到纽约的距离，那是自然形成的，没人认为是由你的Y或者残差导致的。但是你会发现贸易量和地理距离在数据上具有相关性。这就很好。这种数据相关性越强，IV的效果就越好。就这么一段话，IV变量回归就讲完了。在STATA里面，你直接把原回归方程写出来，然后把IV填进去就可以了，回车就得到你的结果。关键是你不一定能找到这样的工具变量。你能找到，这个工具也不大能用。不过要注意，IV不灵不代表你不能发表。你只要找到一个IV，效果不是差的太离谱，一般都能发。当然不能发国际一流了。国内是没问题。国内审稿人没人会重复你的结果看看是否有问题，因此你说这个IV效果已经是最好的了，世界上还找不到第二个比这个更好的了，审稿人也没的话说。就发表呗！如果审稿人说，另外一个IV效果可能要比你的好。那你就采纳他的建议用他的IV（尽管他的建议会更差），然后感谢他一下。第二次审稿，难道他还会说自己上次是胡说八道所以就发表了，哈哈哈哈！
有人又会问：面板不是还有个随机效应嘛我只能说，你是看过书的人，所以才知道随机效应。其实随机效应压根就没什么用处。有人信誓旦旦说可以用hausman来检验。我只能告诉你，这检验压根就不可靠。可靠也是理论上可靠，实践上根本没人信。当然中国人都信，不信的都是美国欧洲这样的计量经济学家。你难道不知道hausman还会出现负值！做过这个检验的人都很头疼这个负值，不知道该怎么做。你如果看看一些高手的建议，或者一些书籍，你就会发现，最权威的建议就是：当你无法判断该用固定效应还是随机效应的时候，选择固定效应更可靠。随机效应不是任何时候都可以做，但是固定效应是任何时候都可以做。所以你知道该怎么做了吧。
差分再差分(Difference-in-Differences)，或者叫作差差分法、双差分法，是固定效应的一个变种，在估计某个事件发生带来的效应时最有用的方法，特简单。关键思想是通过差分的方法把相同的固定效应差分掉，就剩下来事件的净效应了。举一个例子你就明白怎么回事了。大家都知道买房子靠不靠学校医院等设施还是有很大差别的。ZF为了拉动某个地方的房价，直接把地铁建到那里。但是你不知道这种设施到底导致价格有多少差别。你看到学校旁边的学区房价格上升，难道一定是学区房因素导致的吗北京房价一直飙升，很可能是学区房以外的因素导致的。现在你要检验一个假设：学区房因素导致房价上升。差分再差分，这个方法要凑效的秘诀是：学区房因素发生变化，而其他因素基本维持不变。例如ZF重新划分学区，一个著名小学突然在某个没学校的地方建分校，或者一个著名小学搬迁，这些因素导致房子是否属于学区房发生了变化。以建分校为例。建校后周围一片区域A的房子都属于学区房，这个区域以外附近区域(B)的其他房子就不算该校学区房。然后收集建校前后两个时间点上、A和B区域房价的数据。所谓的差分再差分法，就是：A区域两个时间点上的平均房价差距 - B区域两时间点上的平均房价差距 = d，这个d就是建校对房价的影响了。d是两个差距之间的差距，所以才叫做差分再差分。用计量回归把这个d给估计出来，是有办法的： ——————P= b0 + b1*Da + b2*Dt + d*(Da*Dt) + Xb + e
P是房价，Da是虚拟变量，在区域A则为1，否则为0， Dt是时间虚拟变量，建校后为1，建校前为0。 STATA一跑，就把d估计出来了。为什么d可以如此表示自己思考一下啦。实在想不出来，Wooldridge的书上有精确严格的解释。这里给出一个直观的粗略解释：北京所有区域的房价每个月都在上升，因此需要控制这部分因素，这就是时间因素Dt；区域不同自然也有差别，需要控制区域位置因素，这就是Da，这就控制了即使不建校也存在的差距；控制住其他因素X，那么剩下的Da*Dt就是建校带来的房价提升效应了。这下明白了哦。
狂忒二回归(Quantile)是一般均值回归的一个推广。看名字挺吓人，其实很简单。如果你知道OLS是一个均值回归，那类推就可以知道1/2分位数回归。你知道的，正态分布下，均值就是1/2分位数的地方。均值回归就是1/2分位数回归。知道了1/2回归，你自然知道1/4和3/4分位数回归了。如果还不懂，翻开伍德里奇的书，讲到简单OLS回归时，我记得有一个图，上面对不同位置的x位置画了不同的正态分布密度函数(第2版是figure 2.1，pp26，见下面)。如果是异方差问题，那么不同x位置的正太分布图的方差就有变化。这个图上注明了预测值是E(Y|X)，就是Y的条件期望，就是那根回归预测直线啦。在正态分布下就是Y的密度函数的中心点的连线，就是1/2分位数点的连线。如果那条预测线画在密度函数的1/4和3/4分位数点上，那么预测结果就不是Y的均值（在非正态下可能是均值），而是1/4和3/4分位数点的预测值。这下明白狂忒二回归了吧。分位数回归就是看看那根预测直线在不同的分位数点上有什么结果,得到什么样的回归系数。通常的OLS预测直线，仅仅是一个特例而已。进一步推广，可以推广到任意分位数点回归的情况。道理一样。
quantile回归还可以推广到带bootstrap的quantile回归哦，想起来是不是很过瘾啊道理还是一样的，具体怎样操作，耐心往下看，到最后有quantile的速成秘诀哦，包你10分钟能在STATA里面跑出quantile回归来。
不过要注意，大杀器要用对。有内生性变量，你就不要用简单回归了，你得用IV回归。这几种大杀器的精髓一领会，基本上其他东西就难不倒你了。就是STATA里面的选项多选几个或者少选几个的问题。你所要做的就是在STATA里面打钩、设置参数。对付一般的CSSCI论文，已经是绰绰有余了。如果你提了一个大家很感兴趣的问题，就是一个重要问题，那么用用IV，或者固定面板，发个一流基本没问题。如果你的问题不是很重要，还想发一流，那你就要简单问题复杂化。上面大杀器能解决的问题，你就用更复杂的方法去解决吧。这就是传说中的瞎折腾。
四、瞎折腾计量的秘诀
瞎折腾有三种水平，第一种是低水平，第二种，高水平瞎折腾。第三种，当然是中等水平折腾。当然，我必须承认，我基本不用瞎折腾的方法。因为最简单的方法往往是最安全的方法，就像五种大杀器一样。各位网友自己要折腾，责任自负。
低水平瞎折腾，就是大杀器不够过瘾，要用摄人魂魄、但容易走火入魔的计量方法达到发表一流期刊的目的。例如，没事弄弄协整，搞一把单位根检验之类的。听起来头头是道，其实都是杞人忧天。你想想，要是有协整，时间序列你根本不用着急，超一致收敛的呀，比一般的OLS估计要快准狠。要是没有协整，你着急也没用。那你还协整个啥！面板来说，你有协整，也没有一个完美的估计方法。事实上目前很多人把面板协整当序列协整做，理由是协整下OLS超一致收敛。不信你查查期刊上是不是还有很多人在用固定效应OLS不会还有人用随机效应OLS估计吧一般不带这么玩的。大家都以为存在面板协整，那OLS岂不是一样超一致收敛诸不知差以毫厘失之千里。那有木有办法有木有这个，可以有！纠偏OLS可以。但立马有人跳出来说，这个真木有，并且证明了纠偏OLS不可以，晕倒！有木有其他办法这个有~~还是木有有人说充分纠偏OLS可以。窃喜。但又有人不合时宜地跳出来证明：偏差不可能被充分纠正。咣当彻底晕倒。到底有木有！这个或许可能估计仿佛有吧！像时间序列一样撒一把动态项能不能纠偏看偏差方向推断行不行是啊，不要去纠啥偏了，只要这偏差不影响你的结论，你急个啥！例如估计量往左偏，你得到的结果是系数显著大于0，那真实系数肯定显著大于0.一般假设检验不就是检验系数不为0嘛，现在你都得到真实系数显著大于0了，这结论还不够强悍啊！所以，使用纠偏的各种方法，你还得要协整存在，不存在还纠不了偏。哎~~存在了也纠不了偏。但根据偏差方向来判断的方法，面板协不协整都无所谓。看方向推断，事实上是国际一流期刊上发现的最可靠的方法。不但可以对付面板估计偏差，还可以对付任何因素引起的偏差。例如内生变量，要找IV多难呀，但按方向推断，一切迎刃而解。真是“无为而无不为！”
所以，俺从来不玩协整。一般就用加强版简单OLS或者面板固定效应OLS一做，分析一下偏差方向就万事大吉了。如果审稿人说：你的估计有偏差。我就说：这又不影响我的结论，关我屁事。审稿人一般当场吐血。其实协整这玩意，最大的价值也在于理论价值，实践价值几乎没有。当年格兰杰发表协整思想，说如果变量不平稳，在没有协整关系的情况下，回归都不可靠。这话把大家吓个半死。惊魂未定时格兰杰又说，在协整情况下没问题，经济变量一般有协整关系。大家一听，松了口气，原来没有问题。从格兰杰当年这搞笑天分，你就知道期刊上那些协整玩意都是忽悠。当然，又是单位根检验，又是协整检验，然后各种估计方法，这就好几页篇幅过去了，编辑一看，至少进入匿名审稿了。兵法曰：唱空城计，以静制动。意思你知道的。
上面是低水平瞎折腾。虽然摄人魂魄，但是一旦走火入魔，论文就被毙。风险和收益，你自己把握吧。下面简单谈谈高水平瞎折腾。这不属于本文的目标范围，但是既然提到瞎折腾，不提一下这个有点缺陷。能干这事的人，一般都要会推导。如果你不会，下面可以直接跳过。
这高水平瞎折腾，基本上是一招毙命，当然是毙审稿人和主编的命。要毙了自己的命，还不如不瞎折腾呢。我只讲一下操作步骤。能如此瞎折腾的人，基本一看就能心领神会。找一篇顶级期刊的名人写的经验研究论文。这类论文通常是问题很重要，方法很傻瓜。然后你去拓展方法。这里改改残差假设，那里修修变量平稳性强度，或者把独立的改成相关的，重新推导一下估计量，得到一个新的分布，然后按照这个新分布来做显著性检验，得到你想要的结果。看看有什么结果变化。啥变化也没有那几乎是不可能的。即使没大的变化，也会有系数程度大小的变化，或者显著性有所轻微变化。只要有变化，就大做文章，巴拉巴拉一大堆讨论，晕死他再说。这论文写出来，投国内一流或国际二三流也没什么大问题。说实话国内能这么玩的人毕竟少数。你玩把戏，审稿人都不一定看得出来。如果投国际上一流刊物，那么多人在玩这个把戏，都是火眼金睛，就看你玩的转否。如同马戏团的杂技，有人玩得溜，有人会出破绽。
再补充一个中等水平的瞎折腾方法。你也不需要会推导公式，但是你得会用一些程序，例如R，GAUSS，MATLAB等。我强烈推荐R，至于为什么，你用过了自然就知道了。你平时紧紧盯着那些出新方法的期刊，我指的是国际期刊哦。一旦有一个新方法出来，作者都会附一个程序。你就下载下来。看明白这篇对应论文的摘要、introduction和结论，基本搞清楚这方法是针对什么样的问题的，在什么情况下能用。这就行了。你拿过来把中国数据往里面灌，然后出来一篇论文。因为这方法很新，国内基本没人见过，即使见过也是极少数人。没人见过就好办事。你说自己的结果怎么样可靠，怎么样比别人的结果要好，那就是好。编辑肯定没见过这方法，审稿人只是小概率见过。所以这论文一投就中。
五、大规模发CSSCI的不传之秘
以揭示经济变量之间关系为目的的人，掌握大杀器的用法就够了。发CSSCI没有问题。你把一个数据集用一个方法做一遍，然后呢当然是上面讲的每个方法都做一遍，不要犯傻只用一个方法做哦。然后挑最差的一个结果写一篇论文，然后发表。然后次差的结果写第二篇，推进你第一篇的结论，说你用了新方法有了新发现。准能发。这年头的CSSCI，大部分都是没有什么新结果的，花钱就能发。你要弄出一些新结果来推进一下，那就是上层之作了。然后，你知道的，第三篇文章杀出来了，第四篇文章又杀出来了。别忘了，还有第五种狂忒二方法(后面我有文件，让你10分钟内知道怎么在STATA里面实现)，CSSCI编辑基本不知道啥东西，你基本上是一招杀敌。这样至少5篇CSSCI。一般本科硕士博士都能毕业了。碰到 -变-态- 的学校，你也 -变-态- 一点，再找一个数据集，再整5篇CSSCI。10篇总能让人毕业了吧！！！如果你的学校非要发经济研究、管理世界、中国社科这些一流期刊，那你就再把我上面的五种方法看一遍，融会贯通，让自己能做到对症下药，挑选最佳结果，发一流基本没问题。对症下药就是计量方法要选择合适的，那几种大杀器不要用错了地方。
如果期刊编辑跟你过不去，你就跟编辑说：后果很严重哦。然后你就使出瞎折腾的杀手锏。大家根据上面三种瞎折腾水平，对号入座。在这种论文的创作过程中，切记如下潜规则：
一定得选最复杂的计量方法，用别人无法获得的数据，写出能让人明白但看不懂的论文。
控制变量直接放你所能想到的，起码也得五六个。
什么序列相关呀，异方差呀，bootstrap呀，能加上的全给他加上。
论文开头有复杂新奇的关键词，致谢里都是学界名人。
字里行间都带脚注，引用全是英文文献，特专业的那种，
读者读到这里，甭管他有没有看懂，都得跟人家说一声“我的方法来自ECONOMETRICA”，一口专业的计量术语，倍儿有面子。
论文中要有几个图和表，散点图得带标签的，光这些数据标签叠加在一起就晕死几十万人，
再放一个超级复杂的方法论“简介”，推导过程带逻辑跳跃性的。
就是一个字儿——晕。随便瞄一眼就得眼冒金星。
周围的同学不是用NAG、C++就是FORTRAN，
你要是用GAUSS呀MATLAB呀，你都不好意思跟人家打招呼。
你说这样的计量论文，得写多长时间
我觉得怎么着也得两年吧
两年 那是傻瓜！
最多两周。
你别嫌快，还有更快的呢。
你得研究作者的发表心理，能够在两周时间内写一篇论文的人，
根本不想花两年时间去写。
什么叫计量大师，你知道吗
计量大师就是：做什么样的计量，都做最晕的，不做最好的。
所以，我们做计量的口号就是：不求最好，但求最晕！
你那学校发一流期刊也不能毕业难道你在哈佛念书那你看错帖子了。哈佛写经验类论文是不能毕业的！！！对于大部分国内学生来说，没人教授计量经济学，很痛苦。有人教授计量，更痛苦。计量经济学的教材、那些漫天飞舞的矩阵，有时间看看，没时间不看也行，不影响写论文。关键是看看软件的手册或者我在后面推荐的材料，有条件找个懂软件的人，一周就能成为计量创作的高手。我猜想看这帖子的大部分人都是属于写经验论文的吧，按照上面的方法，发个10篇CSSCI基本没问题。难道毕业还有问题
请大家：聚精会神造论文，一心一意抓发表，紧紧围绕在大杀器周围，认真彻底地贯彻上述“科学发表观”。要时刻保持清新的头脑，和官方的“论文篇数”精神保持高度一致。高度一致是指：官方要求发2篇毕业，你不要一年发200篇一流期刊，否则严重扰乱社会主义的论文市场，上了焦点访谈后果自负。
所以这些灌水秘诀的正义性在于：社会主义初级阶段学术界的生产关系，决定了现阶段的中国特色论文创作方法的合理性。西方先进的创作方法目前还不适合中国国情，如果一味追求全盘西化，必将自绝于人民，最终必被历史唾弃！（就是毕业不了，哈哈，谁说考研政治没有用！）
六、案例分析：借助大杀器成功登上一流期刊
上面谈了许多方法和秘诀。有网友问：这靠谱不真能发论文吗下面我就列举一流期刊的案例进行分析。一般的CSSCI的例子实在数不胜数，自己可以找找。将本帖的方法对照具体的案例仔细琢磨，效果更佳。
最新更新，案例来源期刊包括：经济研究、中国社会科学、经济学(季刊)、管理世界、世界经济、金融研究。下面几篇论文都来自这些期刊，有不折腾的、也有瞎折腾的。其中一些集中体现了本贴“制造”论文的伟大思想。各位准备在一流期刊上灌水的网友，一定要认真研读。注意不是让你研读他们的计量方法和高深思想，而是研读他们的论文如何体现了“伟大思想”。
不想灌水一流期刊的人，千万别回帖，因为你肯定抵挡不住自己的发表冲动。
论文一开头就说这个话题很重要、非常重要、实在太重要了，还把十七大报告的大旗给扯出来了。前面我说过，论文要能在一流期刊上发表，关键是你讲的故事让大家感兴趣，让大家感觉很重要。现在看到了吧，如何强调话题的重要性重要性不是论文天生具备的，而是强调出来的。(透露一下强调重要性的秘诀：危言耸听。聪敏的你，当然心领神会)
计量模型很简单，就是固定效应面板模型，把劳动者报酬份额(Y)对FDI变量(三资工业增加值/内资工业增加值)进行回归，再加一堆控制变量。固定效应、随机效应、HAUSMAN检验。这一轮结束后，行文已经到了第14页了。然后开始说：劳动者报酬份额也会影响外资的进入，所以FDI是内生变量。然后发现一些控制变量也是内生变量。所以前面的结果都是错的。然后再找解决方法。怎么找的大家自己去看喽。
本文奉行的大杀器，你不妨把他们看做炼金术。能练出真金自然好，炼不出真金，至少比目前学术界到处复制、黏贴、抄袭、抄抄袭得到的论文好得多。用此法写毕业论文，还不用担心该死的反抄袭软件。只要你没黏贴，没有逐字逐句抄袭，就不怕。轻轻使出瞎折腾技术，篇幅就蹭蹭蹭往上穿。
西方经过炼金术阶段后，经验计量论文的评价标准基本锁定在思想上(仅限于一流期刊)。因此要在世界一流杂志上发表经验论文，按照曼昆的话讲，你的经验结论得让这个领域的江湖大佬受到心灵震撼。如果出现了心灵创伤，那一定是永垂不朽之作。中国的一流期刊当然离这个目标很遥远。但上面这些论文能发表，是因为主题选得好，相反计量工具却并不复杂(很大程度上可能还是不当使用)。这些论文的计量仅仅需要知道STATA(或EVIEWS)怎么操作即可，根本不需要更多的高级计量知识。你可以不看计量经济学教科书，可以没有高深的计量知识，但是，有一点你得记住：你得有经济学知识。否则一个乞丐只要捡到一台电脑，装上STATA，就能折腾出一篇经济研究，那不吓死人了！如果哪天乞丐也懂经济学了，那经济学界肯定被丐帮收购了。
七、软件操作方面书籍推荐(10天能读完)
这一部分是后来补充的。我一开始建议看STATA手册，但网友反映，STATA手册太多、太厚，阅读不易，耗时巨大。如何能在短时间内了解STATA操作，并付之于运用这个问题我思考了几天。要说STATA操作的书，坊间太多。我选书的原则，不是面面俱到，不能太厚，否则不如看STATA手册了。因此我强调内容精炼，且必须管用、易学、门槛低。经过全面比较，综合分析，我发现下面这本书从操作层面的深度、广度、难易度和时间预算上达到了最佳平衡。
该书唯一的缺陷是本贴讲到的quantile回归没有涉及到，不过不要紧，我在下面给出2个下载文件。这2个文件让你可以在10分钟内明白如何从STATA里面整出quantile回归结果，并且完全能够解释quantile回归系数的含义。如果你看明白了我上面贴子里面对quantile回归的解释，那么你就不用看第二个文件了，自己完全有能力解释回归结果的意义了。
