关于对计量学的一些见解

仪器校验照国际计量局（BIPM），国际标准化组织（ISO）与国际法制计量组织（OIML）以及国际临床化学联合会（IFCC）、国际现论和应用化学联合会（IUPAC）和国际理论与应用物理学联合会（IUPAP）等七个国际组织联合制订的《国际通用计量学基本术语》（1993年版），计量学被定义为"测量学科"。

并在注解中说明："计量学包括涉及测量理论和实用的各个方面，不论其不确定度如何，也不论其用于什么测量技术领域。" ·

1.关于回归结果的讨论

我们需要点估计还是区间估计？

记得当初学习统计的时候，我对点估计就不怎么感兴趣，仪器维修因为毕竟是样本推断总体，区间估计似乎更具有说服力。但是到计量这边好像很多分析都立足于点估计的结果，可能是源于对于标准误的不相信吧，呵呵。

BETA系数

当我们想比较各个解释变量对被解释变量的影响时，一个比较好的方法卡尺维修就是将系数转化为BETA系数，在STATA中实现方法是，（回归后） regress, beta

小样本问题

不得不说小样本是我不愿看到的，因为前面的推断和估计都是建立在大样本的渐进性质上的。对于小样本我的说法一般是，为什么不能多找些样本呢？有这么难吗，哎……

不过bootstrap还是能在一定程度上缓解一些小样本问题的（关键还是多找好样本，bootstrap是治标不治本的办法）

它是针对各种检验中出现的小样本导致的不一致所设计的，但不意味着你拿着两个样本，然后用bootstrap命令就可以解决所有问题。它的思想在于在你获得的样本中不断反复重新抽样，形成一个大样本。

一般来说，rep（重复） 50-250次就能保证标准误了，而1000次就能有好的区间估计了。在均值比较和回归中等涉及到检验时都可以运用。

2.关于学习计量校准的探讨

对于应用计量来说，只看理论不用软件（这是多数的）或者只重视软件不重视理论这都是不足的。

如果只重视理论，你可以学到很多东西，但如果在实际中实现不了，那我就觉得是白学了，回归的经典假设学习就是一例，如果你只是会背，而不会在实践中检验，那有什么意思。

其实现在软件已经很强大了，我都怀疑还需要不需要学习编程，因为编出来的东西可能不是大家公认的，公认的方法软件的貌似差不多都能实现了，而且是很容易的实现。

如果只重视软件，你发现你可能是有很多都没学会，甚至出现的一些问题你可能都没意识到或者没法解决，特别是模型的假设，不重视假设你所用的方法可能从一开始就是错误的。毕竟软件中实现的过程和原理都来自于理论。

一个例子就是在RE中的hauman检验中出现负值的情况和原因。

我的一个建议是，拿一本好书来学，然后把书中涉及到的理论在STATA手册搜索出相关内容自己实践一遍。

往往在软件上一个复杂过程只是一个命令就解决了，理论上你得大概明白这个结果是怎样来的（呵呵，对于大概的理解智者见智吧，看你是偏哪方面的）。

反复看看伍德里奇的那本神书也是不错的选择。

3.有计量就够了吗？

答案显然是否定的，我一直认为计量只是一个工具，不应该滥用。但是在中国问题不仅仅是这么简单，在中国商界对于统计和计量的认识和运用是不足的（这有点类似于金融创新）。

对你所运用的学科的理解决定了你使用工具所能达到的高度。

举例来说，比如变量的选取（reset检验不能解决所有问题），假设A引致B，B引致C，你想探究A对C的影响，模型中应该包括B吗？

建议采用的原则是：我们感兴趣的变量产生之前就决定的变量都是好的控制变量。

另外工具变量法也涉及变量的选取，而这些都需要对相关学科加深理解。

另外模型的解释也是很关键的。

计算机把分析过程变简单了，那么在解释分析结果就应该给予更多的重视。

计量只是告诉我们是不是有影响的问题，而为什么影响、怎么样影响的问题还得用学科的理论来进行解释。

所以重视学科的学习和理解总是对于更好的运用计量工具是有好处的。

研究内容

从计量学这种广义定义，表明现代计量学所包括内容的丰富，它研究的主要方向有：

1、研究计量单位及其基准、标准的建立、复现、保存和使用；

2、研究计量与测量器具的特性和测量方法；

3、研究测量不确定度和误差理论的实际应用；

4、研究计量、测量人员的测量能力和检定、核准能力；

5、研究基本物理常数、标准物质、材料特性等的有关理论和测量；

6、研究一切测量理论和实践问题；

7、研究计量法制和计量管理问题。