计量经济学用统计方法对经济问题做定量研究，目的是因果推断，主要工具是线性回归。
学习计量经济学，首先需要明确的就是：无论是模型的构建还是模型的解释，一切都服务于研究目的。因为因果推断的方法有很多，除了多元线性回归模型，还有非线性模型、非参数模型等；回归的用途也很多，除了进行因果推断，还可以进行预测，比如机器学习中最基础的模型也是线性回归。而且，线性回归模型本身也有很多细节，只有明确研究目的，才能高效地构建计量模型。
计量经济学的优质教材特多，但我太瓜了，在学习计量的路上依然遇到了很多困扰，比如一开始理解“回归分析只能得到相关关系，要识别因果是需要很强的假设的”就花了不少时间。
因此想在这里分享一些自己的笔记，希望对后来学习计量的人有所帮助。笔记暂时分为三大部分：
入门：在理解因果推断的基础上，逐步引入经典假设，一步步构建多元线性回归模型、估计回归系数、探讨估计量性质、检验系数的显著性，并且对实证研究的整体思路有个基本认识，学会处理数据问题和模型设定问题等；进阶：逐步放宽经典假设，学习用极大似然法估计非线性模型，用广义最小二乘法处理异方差和自相关，用两阶段最小二乘法处理内生性等；应用：从数据的角度，学习时间序列、面板数据的计量方法；从因果推断的角度，学习断点回归、双差分等方法。今天先分享第一部分，分为三大块：从因果推断到回归分析、线性回归的模型设计、实证研究的基本思路。希望大家读完都有收获。
如果是暗黑模式