计量经济学与编程

1. UNSW经济学/计算机科学3673课程

这个双学位可以让学生同时学习经济学和计算机科学，并通过结合这些专业在生活和工作中更加熟练的运用其中。
计算机科学涉及计算机系统的设计，构造和使用的研究。它涉及计算机系统中数据和数据结构的表示，以及通过编程语言和机器系统自动处理此信息的算法的设计。
在经济学学习期间，学生将学习分析技巧，这些技巧将广泛应用于商业，金融和政策领域。双重学位课程在经济学（包括计量经济学和金融经济学）和计算机科学（包括数据库系统，人工智能和编程语言）方面拥有广泛的专业。
完成双学位课程后，成绩优异的学生有可能获得经济学或计算机科学荣誉学年。
为什么选择这个专业？
能够很好的将经济学和计算机科学相结合。
什么样的学生适合这个专业？
任何希望攻读计算机科学学位，并拥有扎实的商业技能和经济学学位的知识的人。
入学要求：
A levels成绩：12
（所有申请人都必须提供至少两个高级（A2）科目。入学分数是通过使用以下值计算得出的：A * = 6，A = 5，B = 4，C = 3，D = 2和E = 1 。）
IB Diploma成绩：32
国际ATAR：88.00

概况：
将计量经济学等专业与计算机科学学科相结合具有实际应用。该课程有经济学（3）和计算机科学（8）的广泛专业。完成此课程后，高成就学生可能会获得经济学或计算机科学荣誉年。
未来就业方向：
· 商业顾问
· 首席技术官
· 数据库开发人员
· 统计分析师
· 系统工程师

双学位课程结构：
学生必须完成192个学分。
核心课程(96学分)-经济学
学生必须完成以下的课程，才能满足这个学位的核心要求。

数学经济学课程法特别安排
学生应参加计算机科学专业要求的MATH课程，即MATH1131 / MATH1141和MATH1231 / MATH1241。这些课程将替代您专业的经济学课程，如下所示：
-MATH1131 / MATH1141将替代ECON1202。
MATH1231 / MATH1241将替代ECON1203。
学生可以选择将MATH对课程计入计算机科学部分，并且必须另外完成2门经济学选修课（共4门）；或涉及经济学部分，并且必须完成2门其他计算机科学选修课。

商业基础课程（6学分）
财务管理
组织资源
创造价值
数据，见解和决策
组织，法律与可持续性

经济学核心课程（6学分）
经济观点

经济学专业
经济学
计量经济学
金融经济学

经济学选修课（12学分）
财务报告和分析中的问题
管理会计2
任何经济学课程

新南威尔士大学商务选修课（12学分）：
新南威尔士大学商学院提供的任何课程

2. 学习经济学需要熟悉哪些编程语言

学习经济学需要熟悉哪些编程语言？

1)坛友arthur_2006
处理和分析数据都用得到，最基本的是excel，如果你的VBA用得好的话会有很大的帮助，如果你要分析数据的话，比如你要建模那么SAS还是不错的，不过比较难掌握如果你没有语言方面的基础，其他还有很多软件也能做得到。很多银行证券期货企业都使用的是oracle或者DB2,一些小企业可能使用的是SQL, 所以如果想在这方面发展就要掌握数据库的知识，毕竟金融和计算机兼备的人才还是稀缺的，而且国内很多行业都是用的是这几大数据库比如电信医疗航空等等，不会分析金融数据恐怕称不上什么金融专家吧，至于你分析得准还是不准那就要看你的金融知识掌握的程度啦，尤其是投资专业的学生学习一些这方面的知识是必要的，很多人是应用金融学专业的偏向于财务，那就去考考CFA,ACCA什么的，也没必要在这上面花费太多精力而且工作中很可能用不到的，金融数学金融工程精算专业的同学花点时间研究一下还是很有必要的，总而言之一句话，首先要看你的兴趣再就是你的专业和发展方向。

2)编程爱好者任坤
做统计和计量的话，想要跟当今的国际学术界接轨，最好学R，至少我所知道的目前美国的统计学术界被R占领的趋势很明显了。

如果只是做简单地回归随便解读一下，那随便选个傻瓜软件就可以了。如果只是应用现成的成熟的计量模型来做实证研究，那么傻瓜软件一般也就可以了。如果要以统计、计量为研究领域或者专业领域，那么编程性的东西是少不了的，即使是做实证如果涉及较为复杂的数据结构，懂编程也能帮你大幅提高生产力。另外，R的社区比较活跃，能够较好地跟上前沿。

如果涉及到处理较大的数据，一种办法是用SAS，如果不想用SAS可以学数据库方面的东西，比如把数据放在SQLite数据库中然后用{RSQLite}访问数据库，或者用{sqldf}通过SQL操作环境中的data frame。

如果觉得执行某项任务R单核速度慢，那么可以使用{parallel}或者{parallelMap}做并行计算，也可以利用云计算来处理数据。

如果涉及到其他社区的东西在R社区中没有实现，例如java的东西，可以用{rJava}来调用Java的对象，不过速度有些慢。

比较好的办法是我在想从事数据分析工作，学什么软件或语言最好？ 提到的F#函数式编程语言，用RProvider可以直接调用R，用JavaProvider直接调用Jar打包的Java程序，用pythonProvider（即将发布）直接调用Python程序，等等，很容易将各大社区的资源整合在一起使用。

目前我在GitHub上面弄一个通过R学习统计、计量、非参、数据可视化、数据库的repo: renkun-ken/learnR on GitHub ，虽然目前还没什么内容，不过可以跟踪一下。

以上说得都是经济学相关的统计和计量方面所需要的编程。事实上统计和计量所需的“编程”较为简单，基本也就是处理数据、应用已经提供的计量模型，更多需要编程的是：一、如果涉及较为前沿的计量模型，可能还需要自己实现；二、一些蒙特卡罗模拟需要一些编程。

从经济学相关的一些新型领域来说，计算经济学（Computational Economics）、计算统计学（Computational Statistics）以及计算计量学（Computational Econometrics）则需要较强的编程能力，包括算法实现、算法分析等等。举个例子，计算经济学中目前做的一块研究是Agent-based computational finance，就是建立一个模拟的金融市场，里面有几种资产，每种资产的基本面由随机的红利决定，里面有许多遵循各种逻辑的投资者，投资者对于红利发放持有的信念不同，因而从各自的逻辑触发的交易行为不同。在一个复式竞价（double auction）的交易市场中，什么样的投资者组成或者行为方式、什么样的记忆长短，能够最大程度地复制出我们在现实金融市场中观测到的资产价格或者资产收益率规律，例如资产收益率尖峰肥尾、不对称性。此时，研究者就需要较扎实的金融知识来设计一个不过于简单而又不过于复杂的模拟金融市场，也需要相应的编程能力把模型用程序语言编写出来。这中间会设计许多编程技术，例如数据库（有时要跟踪许多变量，例如投资者现金流动、财富分布）、并行计算（CPU多核并行、多进程并行、集群上的并行甚至GPU计算）等等。这方面的研究从1990s年代才开始。

3)知乎网友Jichun Si
计量经济学也有很多小的门类，请对号入座。有很多软件，Stata, matlab, R, SAS是相对来说用的比较多的。

如果是做应用计量（特别是横截面数据、面板数据），Stata是不二之选，因为不管是管理数据还是跑回归，实在太太太方便了。现在主流期刊的应用微观计量文章里面能用到的模型stata几乎都有，而且其中的绝大多数都是用stata做的。而且最大的优点是，简单！

如果做应用的时间序列，Eviews似乎是一个不错的选择。但是我一般不做这方面，也不是很有发言权。

如果做理论计量，stata eviews是没有现成的包的，而且即便Stata可以编程，可编程能力也是很差的，而且不稳健。所以懂R和Matlab就非常顺手。当然也可以用Python，最近Sargent就写了本用Python做计量的书。还有一个Julia，是这三种语言的混合，但是速度快很多，缺点是太过于小众。

如果对速度要求高，特别是金融计量很多对速度有要求的，可以考虑C、Fortran等语言。C和Fortran肯定是最快的。还有一个叫做OX的，速度快，但是也很小众。但是这些语言的缺点是学习难度比较高，开发时间比较慢。Julia据说速度堪比C，而且语法特别像Matlab、Python（意味着容易学习），但是处于刚起步阶段，用的人太少了。

如果是金融计量领域，强烈建议学会SAS。SAS是最权威，速度也很快，当然最大的问题是昂贵，而且可编程能力不是多么好。但是金融里面数据量都非常非常非常大，一般的软件都瘫的时候，SAS就派上用场了。

像我自己，做应用的时候都是用stata整理数据，能用stata的坚决不用其他软件。但是因为有的时候做一些理论计量的工作，所以matlab也是必不可少的。我也在学习Julia，因为matlab的速度实在太慢。Python我一般不用来做科学计算，用的人不多，而且速度慢，一般是用来抓数据的。

最后还是补充一点吧，为什么我推荐matlab而不是其他的软件，也是有道理的。很多模型，比如空间计量模型（spatial econometrics）、贝叶斯估计、以及宏观计量里面的DSGE model、SVAR等模型，在stata、Eviews里面都是没有什么现成的东西可以用的，但是matlab提供了丰富的包，比如Dynare就是基于Matlab的，还有LeSage的空间计量软件包等等，也是基于matlab的。所以几乎你想用的模型matlab里面都能找到codes然后直接用。就算没有，你自己在matlab里面写，也不是什么难事。

最后想起一句话来，关于这些软件的选择（stata除外，因为stata在应用计量领域的地位是几乎不可替代的）可以用两句话来概括：如果你自己的时间比计算机的时间宝贵的话，学习matlab、R、甚至Python、Julia是最合适的，如果计算机的时间比你的时间宝贵的话，学习C、Fortran是必须的。当然除非你的工作非常特殊（比如一些大型的结构模型的估计），一般来说，还是自己的时间更宝贵一点。

综上，做应用和做理论是不可能用一种软件解决的，建议根据自己的方向进行挑选。我觉着stata、matlab是比较推荐的，一个方便，一个灵活，都很强大，而且学习难度都不大，用的人都很多，交流起来相当方便。

4）网友张真实
数据，简单的用excel，直观，方便。复杂一些的…excel最多可以有6万多行，你确定你需要从那么大量的数据开始“学经济学么？

复杂的用R，各种模型，算法，实现，基本上R都有对应的软件包了，下载下来直接用即可，多读文档多练多用，半年左右就可以抛开excel直接用R作实战了。我博士论文全部回归和输出都是用R的，现在写的论文也都用它。替代品是Stata。也很好，但如果你和我一样是从0开始，那么强烈建议选R。

R的一个不足是没法作符号运算，这个免费的解决方案有python搭配scipy numpy等几个包，不过建议你用mathematica，它的符号计算功能最强大，输出格式也最好。你可以找个jacobian矩阵搞一下符号计算，比较一下结果就知道了。

Python这东西，熟悉了R之后，发现有功能是R实现不了的，到时候有实际需求了，再学也不迟。不是立刻就需要的。

此外，所有经济学研究(我是指empirics类型的，具体意思你懂的)，都要会用latex，可以把它看做是一门编程语言。在word里排数学公式，用不了多久你就会疯掉。R中可以用ggplot2来绘图，输出到tex中。普通数据表用xtable包输出到tex，回归结果用stargazer输出到tex，都很方便。

5）网友bayes
首先要说的是R，绝对是目前国外学术界的主流，统计系基本除R以外没有其他了，计量作为和统计相关的方向，R也在逐渐渗透。所以推荐学习。

顺便说一句，R的学习曲线是比较陡峭的，所以我不太建议零基础的人从R开始，否则挫折感会比较强烈。而python会略好，所以我建议从python开始。

python并非是专用于统计或者计量的软件，而是一种非常流行的通用编程语言。经过多年发展，库也非常齐备。我试用过numpy，scipy和pandas等库，与其他通用编程语言相比，算是相当好用，不过个人感觉还是比不上R，比如画图，

ggplot2真心是神一般的存在，python的库还是略逊一筹。但是，除了数据处理之外，python可以干的事情太多了，也太牛了。我们主要要用到的，比如网页采集数据，需要正则表达式，解析网页等等。这些方面python就比R有优势多了。

当然，从趋势来看，未来似乎python比R更优。R是一群统计学家在编程序，python是一群计算机专家在争取搞数据处理。似乎python的基础更扎实。个人观点，仅供参考。

stata我认为是除了R以外最好的计量软件了，我两者均用过数年数个项目，但是依然感觉R更好用，整理和处理数据更方便。所以即使在楼上诸位所提到的微观计量领域，我依然更喜欢R。

除此以外spss，或者eviews等，感觉管理类学生用的更多，功能比较受限，不太推荐。这里不赘述。上述的几个软件，还有个问题，在于都是收费的，考虑到未来知识产权的保护，还是用免费的略靠谱。

R的主要缺点有两个：
1，面对大数据乏力。这方面sas确实有优势，但是不得不说，sas的语法太反人类了，完全接受不能。面对这个问题，我要说的是，你得看问题有多大。以我的经验，经济里面的数据量似乎还不足以超过R的处理上限很多。可能金融的高频数据会比较大，我个人没啥经验，如果遇到再补充。我尝试过10g的数据，最简单的办法，不是学sas，而是买16g的内存。：）以现在的内存价格，我觉得32g以下的问题不大。

2，性能不足。这方面python也有同样的问题，最好的解决方案是混合c/c++，不过这个就是无底洞了，耗时极多，都不见得能学好。建议的方法，还是买硬件，这个最简单。：）当然用并行包等，也是解决方法之一，我尝试过几次用机房的多台机器做集群，不是太成功。求高人指点。

上面诸位还提到过几个软件，我也略微说一下自己知道的一些软件的看法：

matlab：好东西，关键还是性能问题，同样可以靠c/c++来解决。但是我不喜欢比较大的软件，为了求个均值方差，等它启动就占了5分钟。。。

julia：好东西X2，目前关注中，可能还比较年轻，导致配套的库略少，不过看好未来发展，主要是吸取了matlab，python和c/c++的有点，写的快，运算的也快，未来看涨，紧密关注。

最后提一下函数式编程，是个好东西，但是不看好纯粹函数式编程的未来。它体现了一种颇先进的编程思想，但是在实际工作中，往往性能方面的问题较大。要解决这个问题，还是的混合函数式编程和其他方式，但这就是python，R等软件已经实现的方式，似乎又没有必要专门去学其他的函数式编程了。

6）上海财经大学博士 荣健欣
Stata微观计量中应用极多，主要是直接输命令回归，需要编程的地方不多。

至于编程，推荐R、Python.
R是非常好的统计分析软件，在计量经济学中的应用可以见Econometrics in R, Applied Econometrics with R Time Series Analysis with Applications in R这几本书

Python用来抓数据很好，并且有数学计算包SciPy可以部分替代Matlab之类科学计算的功能。

7）知乎网友justin
本科经济统计学，由于学校奇葩的课程设置，我们分别使用过：

EViews：计量经济学，时序和多元统计。
Stata：计量经济学。
SPSS：专门开的一门课，这个巨汗，权当复习了一遍统计学。
Excel：大一的统计入门课使用的，这个也巨坑，就是简单的函数使用，一点没有涉及VBA。

Matlab：这个没有专门的课，是上完了C语言程序设计以后副产品，后来接触了R和Mathematica就基本抛弃了它。

R/S-Plus：在回归分析的时候使用了S-Plus，不过那时候我已经使用R语言很久了，而且S-Plus基本兼容，所以没有使用过S-Plus。

Minitab：质量控制课程上用的，基本的统计加上一些实验设计。

SAS：这个在实验室中自学过几次，直接被其奇葩的语法雷到了，据说我们学校的研究生有专门的SAS课程（类似于本科的SPSS课程），呵呵了～

我们系的妹（xue）纸（ba）就曾经抱怨说使用的软件太多了，完全被逼疯的感觉，还给我们亲爱的系主任提过意见。作为学渣也就这个问题问过系主任，她的意思是不同的软件在处理不同的数据时候是各有所长的，而且你们课程还是蛮轻松的，就多学点吧，另外不同的老师有不同的软件使用爱好，上课使用不同的软件是必然的。

学习经济学的同学，Excel和SPSS，EViews（或者Stata)就蛮好的了，Stata和EViews都可以写一些程序的，SPSS的界面化操作也是很友好的。本人使用的R，在上各种课中也都会在学了那些软件后再使用R来实现（其实绝大多数时候R都已经有现成的包了，我也大多是直接使用），R还是很不错的，推荐。

很多前辈也提出了，经济学学生学习编程适可而止就好了，要不然就是一条不归路啊，面临着彻底转行的危险，本人就是一枚反面例子（泪～。所以什么Python啊，C++啊，Julia啊就不要接触了。

3. 如何学习计量经济学

1.复习统计学

计量经济学和统计学有很多相似之处，也有不同之处，但不得不承认的是，统计学中假设检验的基本原理属于计量经济学中非常重要的部分，甚至属于核心内容之一。所以，如果觉得计量中的假设检验部分比较难以进行、无法理解其原理，建议先复习统计学基础知识。



2.多看课本

课本是学习知识的基础，如果课本内容都无法看懂，基本也不会学到什么有用的知识。因而在学习计量的过程中，建议仔细看课本，尽量读懂课本上的定义、证明和性质，加深自己对于知识的理解，同时构建知识体系。除此之外，为了应对考试，课本上一些重要的公式要会写、例题要会算。



3.进行实操

实际操作部分属于计量学习的重要环节之一，无论理论知识学到什么程度，最后都要归结到实操上。建议学习计量时，学习一些统计软件，如r语言，spss，stata等，将课本案例利用软件进行实际操作，这样才能更好的掌握学过的知识，理解计量的精髓。
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。你发不了经济研究了。
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，计量论文的水平主要决定于论文的主题的重要性。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（这涉及第一个要点），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。

4. 计量经济学需要学会哪些编程语言

最容易上手的是excel
EVIEWS是计量经济学专用软件
医学方面的专业喜欢用stata
统计专业的比较喜欢用gauss
社会学心理学方面的比较喜欢用SPSS
国际通用的是SAS
如果喜欢自己动手开发程序的话，可以用R或者MATLAB
如果以上觉得都不过瘾，可以试试c++，c,java
或者fortran
不是说需要会那些编程语言，关键是理论功底一定要扎实。当学好了理论后，你会发现任何一种编程语言都是一样的，随手拈来。

5. 计量经济学如何学习

一般大学读理工科的话，概率论与数理统计基本都过关了，计量经济学可以直接上手。改革比较早的财经院校（上财，西财，外经贸，首经贸实验班等等），数学课开数分，高代，数理统计的学校，计量应该学起来很轻松啦。如果概率统计基础不好的，建议先补充一下概率统计的知识。比较推荐华东师大的概率统计教材，貌似是高教出版社的。洪永淼老师的概率统计学也很好，还有视频教程更新，强推！

入门推荐伍德里奇的导论，国内的话李子奈老师的教材也不错，还有他在清华大学授课的视频，讲得很好。进一步的话，可以看洪永淼老师的高级计量经济学，在网易&bilibili上有洪老师的视频，强烈推荐。进阶课程分方向了，这应该就是研究生阶段啦。时间序列，面板，非参数，微观计量等等。每个方向都有很好的教材，知乎大神都有推荐。不过高级计量是基础。

当然，还需要配套学计量软件。本科生大多是eviews吧。推荐东北财大高铁梅老师的eviews书。不过还是建议学stata，这个比较流行，对你以后的学习很有帮助。stata的话，山东大学陈强老师呀！中山大学连玉君老师的stata视频也很推荐，网上有资源。祝学业进步快乐！2. 动手去做课题

课题可以是老师布置的，也可以是你自己感兴趣的。这个过程会让你更加明白“原来书本上讲的东西是这么一回事”。这个过程，不要偷懒去放过任何细节，因为在各种细节上你都可以学到意想不到的计量知识。

而且你会发现，做课题的过程中，你会针对性地学很多内容，甚至有些是书本上没有的（更多可能是被你忽略的）。同时，你的编程能力和你数据处理能力会有质的飞跃。

最后，计量经济学学习的过程是漫长的，需要大量对社会现象的观察，以及人生经历的增长对计量建模也至关重要。千万不要想一蹴而就，不可能的。或是说，计量知识可以一学期精通，但计量本领却是长期积累来的。

6. 学习计量经济学的学生需要学习编程吗

计量经济学基础不需要，因为这个时间你运用的都是成熟的模型，对应的参数估计程序早就写好了

理论计量经济学需要，因为你需要对自己提出的新方法进行检验和应用，对应的参数估计程序之前没人做过，只好你自己写。。

7. 什么是数理金融，计量经济学，保险精算学，金融统计

个人读的是金融数学，金融和数学的结合，为精算师作准备的。其实这个专业什么都学，高等数学、经济学、计量经济、公司管理、财务及报表分析、数学应用、模型建立和编程...其实是以数学为主而辅助金融和经济的学科，但现在主要侧重于一些金融衍生物的定价模型和用数学方法研究金融市场
计量经济学是用复杂统计学方法研究经济问题，偏向于宏观经济，通常都是靠各种回归模型来分析
精算是金融数学的一个衍生，非常难而且精，主要侧重于保险产品定价，risk management+asset pricing
金融统计就好一点，偏理解分析的较多，往往要通过一些数据发掘出后面management的原因
以上为个人理解

8. 计量经济学eba用什么软件操作

《计量经济学软件EViews使用指南》是2004年南开大学出版社出版的图书，作者是张晓峒。
书名
计量经济学软件EViews使用指南
作者
张晓峒
ISBN
9787310019090
类别
图书 > 计算机与互联网 > 专用软件
页数
363
内容简介
系统地介绍EViews全部功能，并用17个案例展示建立数据文件、画图、最小二乘估计、工具变量估计、两段最小二乘估计、时间序列模型估计、单位根ADF检验、Granger因果性检验、向量自回归模型估计、协整检验、编程和蒙特卡罗模拟的实际操作。
EViews具有数据处理、作图、统计分析、建模分析、预测、编程和模拟7大类功能，是经济、金融、保险、管理、商务等领域中各类工作者、教师、学生的必备工具。EViews的基本功能也适用于自然科学、社会科学、人文科学中各个领域的定量研究，应用范围广泛。
作者简介
张晓峒，男，南开大学经济学院国际经济研究所教授，数量经济学专业博士生导师，日本大阪市立大学经济学博士，中国数量经济学会理事会常务理事。研究领域是计量经济学、应用统计学、国际经济学。
1984-1986年和1993年-1998年分别在加拿大康考迪亚（Concordia）大学和日本大阪市立大学留学。代表性着作有《计量经济分析》（经济科学出版社，2000年），《计量经济学基础》（南开大学出版社，2001年），《Cointegration，Error Correction，Theory and Application with Mathematica》（日本大阪市立大学出版社，1997）。
目录
第一章 EViews概述
第二章 数据处理
第三章 图形和表格
第四章 统计量的计算
第五章 回归模型的OLS估计
第六章 单一方程模型的其他估计方法
第七章 序列相关和ARIMA模型分析
第八章 设定与诊断检验
第九章 单方程模型预测
第十章 联立方程模型的估计
第十一章 向量自回归模型的估计
第十二章 模型求解
第十三章 截面时间序列数据的估计
第十四章 ARCH和GARCH估计
第十五章 EViews 3.1基础编程
第十六章 EViews应用举例

9. 怎么学好计量经济学

计量是被包含与统计学之中的一门学科，它以数学为基础（包括概率与求导一类，这两门是重中之重 一定要打下坚实的基础）应用于各个领域。在搭好基础的前提下，你才有可能继续学习计量经济学下面的分支。计量经济学的分支有很多，应用计量、金融计量、微观计量、宏观计量、时序分析、贝叶斯计量以及计量经济学原理等等等等一系列东西，很多方向之间是有共性的。

当你打好基础往下学习的情况下，可能会碰到某一个方向比较难理解，比如你学金融计量的时候会发现可能你不知道什么是Order of Integrating 一本书或者一个方向通常不可能面面俱到 这时候你可以多查查文献。

计量经济的学习理解程度我觉得对我来说就像一个一个开口向下的二次函数，一开始是很感兴趣的但是很多东西理解的不好。后来学的内容越来越多了发现很多东西是想通的，发现其实不是难，而是你有很多东西不知道。了解多了自然对后续学习有帮助了。比如说应用计量，时间序列加上计量经济学原理的学习就对金融计量的学习很有帮助，金融计量的学习又对应用计量很有帮助，他们是相辅相成的。但是parametric model玩儿多了你就想玩儿高端的，比如贝叶斯计量和金融计量后期，包括 semi 或者 non parametric 这时候难度又上来了，因为他对你的抽象思维和数学能力又有很大的要求，所以又开始比较痛苦。

10. 关于计量经济学~~求大侠指点~~

据我所知，经济学一级学科下好象没有专门研究计量经济学的二级学科（专业）吧。我是学金融的，据我所知，金融、经济学、财政都开计量经济学的课程，它是融合微积分、线代、概率论、统计学、经济理论为一体的，通过数据研究经济变量之间的回归关系的。至于工作，最直接的就是去统计部门了，当然也可以去银行、证券、公司，里面都有相关的部门从事这方面的工作。你数学这么好，研究生当然要继续搞金融，将来会又大出息的。希望我的回答对你有帮助。