關于對計量學的一些見解

儀器校驗照國際計量局（BIPM），國際標準化組織（ISO）與國際法制計量組織（OIML）以及國際臨床化學聯合會（IFCC）、國際現論和應用化學聯合會（IUPAC）和國際理論與應用物理學聯合會（IUPAP）等七個國際組織聯合制訂的《國際通用計量學基本術語》（1993年版），計量學被定義為"測量學科"。

并在注解中說明："計量學包括涉及測量理論和實用的各個方面，不論其不確定度如何，也不論其用于什么測量技術領域。" ·

1.關于回歸結果的討論

我們需要點估計還是區間估計？

記得當初學習統計的時候，我對點估計就不怎么感興趣，儀器維修因為畢竟是樣本推斷總體，區間估計似乎更具有說服力。但是到計量這邊好像很多分析都立足于點估計的結果，可能是源于對于標準誤的不相信吧，呵呵。

BETA系數

當我們想比較各個解釋變量對被解釋變量的影響時，一個比較好的方法卡尺維修就是將系數轉化為BETA系數，在STATA中實現方法是，（回歸后） regress, beta

小樣本問題

不得不說小樣本是我不愿看到的，因為前面的推斷和估計都是建立在大樣本的漸進性質上的。對于小樣本我的說法一般是，為什么不能多找些樣本呢？有這么難嗎，哎……

不過bootstrap還是能在一定程度上緩解一些小樣本問題的（關鍵還是多找好樣本，bootstrap是治標不治本的辦法）

它是針對各種檢驗中出現的小樣本導致的不一致所設計的，但不意味著你拿著兩個樣本，然后用bootstrap命令就可以解決所有問題。它的思想在于在你獲得的樣本中不斷反復重新抽樣，形成一個大樣本。

一般來說，rep（重復） 50-250次就能保證標準誤了，而1000次就能有好的區間估計了。在均值比較和回歸中等涉及到檢驗時都可以運用。

2.關于學習計量校準的探討

對于應用計量來說，只看理論不用軟件（這是多數的）或者只重視軟件不重視理論這都是不足的。

如果只重視理論，你可以學到很多東西，但如果在實際中實現不了，那我就覺得是白學了，回歸的經典假設學習就是一例，如果你只是會背，而不會在實踐中檢驗，那有什么意思。

其實現在軟件已經很強大了，我都懷疑還需要不需要學習編程，因為編出來的東西可能不是大家公認的，公認的方法軟件的貌似差不多都能實現了，而且是很容易的實現。

如果只重視軟件，你發現你可能是有很多都沒學會，甚至出現的一些問題你可能都沒意識到或者沒法解決，特別是模型的假設，不重視假設你所用的方法可能從一開始就是錯誤的。畢竟軟件中實現的過程和原理都來自于理論。

一個例子就是在RE中的hauman檢驗中出現負值的情況和原因。

我的一個建議是，拿一本好書來學，然后把書中涉及到的理論在STATA手冊搜索出相關內容自己實踐一遍。

往往在軟件上一個復雜過程只是一個命令就解決了，理論上你得大概明白這個結果是怎樣來的（呵呵，對于大概的理解智者見智吧，看你是偏哪方面的）。

反復看看伍德里奇的那本神書也是不錯的選擇。

3.有計量就夠了嗎？

答案顯然是否定的，我一直認為計量只是一個工具，不應該濫用。但是在中國問題不僅僅是這么簡單，在中國商界對于統計和計量的認識和運用是不足的（這有點類似于金融創新）。

對你所運用的學科的理解決定了你使用工具所能達到的高度。

舉例來說，比如變量的選取（reset檢驗不能解決所有問題），假設A引致B，B引致C，你想探究A對C的影響，模型中應該包括B嗎？

建議采用的原則是：我們感興趣的變量產生之前就決定的變量都是好的控制變量。

另外工具變量法也涉及變量的選取，而這些都需要對相關學科加深理解。

另外模型的解釋也是很關鍵的。

計算機把分析過程變簡單了，那么在解釋分析結果就應該給予更多的重視。

計量只是告訴我們是不是有影響的問題，而為什么影響、怎么樣影響的問題還得用學科的理論來進行解釋。

所以重視學科的學習和理解總是對于更好的運用計量工具是有好處的。

研究內容

從計量學這種廣義定義，表明現代計量學所包括內容的豐富，它研究的主要方向有：

1、研究計量單位及其基準、標準的建立、復現、保存和使用；

2、研究計量與測量器具的特性和測量方法；

3、研究測量不確定度和誤差理論的實際應用；

4、研究計量、測量人員的測量能力和檢定、核準能力；

5、研究基本物理常數、標準物質、材料特性等的有關理論和測量；

6、研究一切測量理論和實踐問題；

7、研究計量法制和計量管理問題。