文档介绍：一、,比较三五篇有实证分析之文献的市政计量模型(确认模型中解释变量和应变量之间的因果关系,即causality,理清各模型的异同及优缺点,最后决定实证统计量模型雏形)初步调查是否有相关的资料,,对错误数据要仔细修正使用eviews或者spss软件对数据列表绘图,以验证数据的逻辑合理性,对不合理的数值要有所处理不论要用的是横断面数据或是时间数列,数据数目越多越好,追踪数据尤佳paneldata对资料书制作一些整理,表列各种基本统计量(样本平均值、变异数、变量间的样本相关系数等)、变量之间的两辆交互列表、做一些初步图解分析。二、计量方法的选择计量方法不应太简单(例如只做到最简单的ols),但也不必过于复杂,应正对问题采用恰到好处的计量方法。若采用了比较复杂的计量方法,则要说明为什么简单的方法不合适。计量方法的好坏不在其复杂程度,而在于他是否能够帮我们得到正确的估计值,以了解数据中所包含的真正信息。除了估计值以及对应的t检验外,也可做一些f检验之对多个系数的假设检定。回归模型的设定,尤其是解释变量的取舍,可在估计过程中不断的修正。对应变量和解释变量均可尝试诸如对数、指数、幂函数等不同的转换。这些转换方式的决定,以经济理论上的考虑最为重要,不能但只为了提高模型的失陪,而盲目的做一些不合理的变量转换。选取解释变量时,应有如下的考虑:(解释变量和因变量之间的关系一定要正确,也就是说,解释变量是原因在先,应变量是结果在后,有一定的先后顺序。尤其要注意,有些变量数值的产生很可能适合应变量同时决定的,或是因果关系不很明确(也就是说,相对于应变量而言,这些变量是内生的),则在选取这些变来给你作为解释变量时,便要非常小心。解释变量的内生问题通常是研究被批评的主要原因。要注意解释变量的同构型,不能不分青红皂白的将一大堆彼此相关性很高的变量(包括相同变量的不同转换、或是几个变数间的各种交乘项)放进回归式内,造成严重的现行重合问题。经济理论所牵涉到的变量通常是无法观察到的,因此在做实证研究时必须替代变量(proxy),研究者要对所选用之替代变数的合理性相加说明。由于数据总有些缺失,常有人在束手无策之下,采用了很多匪夷所思的替代变数虚拟变量的定义要清楚而合理,使用要小心要探讨解释变量不足、观察只有误差等数据缺失所可能造成的计量问题。横断面数据要注意干扰项异方差(heteroscedasticity)的问题,时间数列的数据则要注意干扰项自相关(autocorrelation)的问题。若要确定时间数列的稳定性(stationarity),若有季节变动也要加以处理。模型的稳定性要注意,可能需要诸如chowtest或cumsumtest的检验。,则在撰写论文时要对数值方法的细节,诸如统计软件及数值方法的名称、起始值之选取、收敛速度、是否产生区域解(localsolution)、收敛条件的设定等,均需有所说明。(和对应之方程式)值的同时分析,则可考虑采用seemingunrelatedregre