原文地址：https://www.zhihu.com/question/21871314/answer/22137633
慧航
初级：regression, regression, regression 中级：estimation, estimation, estimation 高级：identification, identification,identification
其实不必要分什么初中高级了。计量经济学给人的第一印象是统计，跑跑 ols，搞搞检验，什么异方差啊、自相关啊、多重共线性啊之类的。其实这些东西现在来说并不重要。也已经有很多技术工具完美解决了。这个时候还在 regression 阶段。当你继续学，你会发现除了线性模型，除了 ols，还有好多其他模型，比如 binary choice 模型，面板数据模型，固定效应随机效应。一般到了这个层次会误以为这些模型的估计是最重要的，处在 estimation 阶段。
当你真正学通了计量，你会发现，不管做应用还是做理论，不管微观计量还是宏观计量，identification 才是最重要的。牛逼的 paper 之所以牛逼是因为 identification 比较清楚。做应用的可以找到很好的例子，用相对简单的模型，甚至 ols 就可以说清楚因果关系，把因果关系识别出来。做理论计量的，你会发现很多模型 identification 证明清楚了，下面的工作也就简单了。这个过程也就是从学招式，到应用招式，到无招胜有招的转变吧。
Haitian Wei：模型 identification 这个是说怎么定模型么？之前我都是把一堆可疑的模型都试一遍然后用效果最好的。这个本来的话应该是怎么搞啊。
慧航：简单的说就是你的模型有且仅有一个解。这个问题解释起来比较困难，主要是因果的识别和参数的识别。比如你做读硕士能不能增加工资，但是呢你做线性回归发现读硕士的工资高，可能是读硕士的人普遍能力比较强，但是能力又是你观察不到的。这里你就很难识别清楚究竟是能力提高了工资还是读硕士提高了。
再比如当你做 SVAR 的时候，比如实际利率和汇率吧，这两个在同一期可能是交互影响的，那么究竟实际利率能多大程度上影响汇率，汇率能多大程度上影响利率，也是很难识别清楚的，因为你用 VAR 之后返回计算 SVAR 的系数会发现解不唯一，那么如何得到那个正确的唯一解？这就是所谓的识别。因为如果你想知道因果的话，考虑同期的效应才是真正的因果关系。
大体明白了吗？不过你做 quant 的话不用管什么识别的，我们这些蛋疼的经济学家要严格识别因果关系才会搞这些东西。
Haitian Wei：学位和能力这个是不是应该找个能力的工具变量，然后看看系数是不是显著什么的？大概晓得 identification 是啥了。因为我研究生学计量的，然后就停留在 estimation 上所以比较好奇 identification 是啥。
慧航：应该找教育的工具变量，跟教育相关但是跟能力无关。还有别的办法了，比如双胞胎。我最近想到了一个工具变量，不过话题太老旧了，不是很有写的动力。
李锜：正因为要探讨因果关系，所以经济才比金融有趣。
LCHEN
- 从估计方法上来讲：
初级：OLS, MLE 中级：IV, GMM, RDD, DID, quantile regression... 高级：Bayesian, MCMC, Empirical Likelihood, Simulation based estimators, semiparametric and nonparametric, semi-nonparametric...
- 从检验方法来讲：
初级：t value, p value, F statistics, R^2... 中级: Hausman test, over-identification test, structural break... 高级：各种 optimal test, when a parameter presents only under the alternative, bootstrap, subsampling, exact test,
- 从数据类型来讲：
初级：cross section 中级：time series, panel data, VAR, multiple equations, nonlinear models 高级：unit root, co-integration (ECM), high dimensional panel data, high frequency, continuous time, spatial...
- 从识别(identification)问题来讲
初级：基本忽略 中级：怎么找 instrument 高级：semiparametric and nonparametric identification, partial identification, weak identification..
- 从模型思想方法来讲：
初级：reduced-form 中级：reduced-form 高级：structural (e.g., dynamic games, dynamic discrete choice, DSGE)...
- 从所需主要数学工具来讲：
初级：basic matrix algebra, mathematical statistics 中级：Law of large numbers, central limit theorem, Slutsky's theorem... 高级：Empirical processes, functional analysis...