首先，数据是进行实证分析的基础。数据按照来源，可以划分为微观调研数据、机构统计数据以及实验数据。在广为使用的调研数据和统计数据中，系统性误差包括测量误差和样本选择常常存在。如果无视这些误差，可能使估计结果不能满足一致性。如果数据存在系统性测量误差，工具变量方法通常是主要的解决方案；如果数据存在系统性的样本选择问题，heckman方法是广为使用的校正方法。其次，从模型的角度来说，任何模型都包括环境假设、机制以及求解3个组成部分。其中，环境假设对计量经济模型的正确使用尤为重要。在运用计量模型时，必须要清楚了解他们的假设条件，并对这些条件作必要的检查和检验。计量经济模型区别于统计模型最重要的假设：变量的外生性、许多因素可以造成变量内生性问题。工具变量是对内生性常见的检验和校正方法。可是有些研究中，工具变量无从寻找，就必须要依靠实验经济学的方法。伪回归在计量分析中也不鲜见。伪回归可能是由模型本身原因造成的，也可能是数据结构造成的。计量经济学是结合了经济学理论和统计学的定量分析方法，没有经济学理论基础的计量经济分析，很可能会导致伪回归结果。某些特殊的数据结构，如非平稳的时间序列或非平稳的空间数据，都可能导致伪回归结果。再次，计量经济学的基础虽然是统计学，但是两者之间还存在一些差异。由于技术上的限制，现有的计量经济模型的检验还是基于统计检验，所谓“显著性”都是统计上的显著性，这不同于“经济上的显著性”。在实证分析中，在讨论估计参数在统计上显著性的时候，也必须要讨论经济上的显著性，后者有时可能更重要。最后，计量经济学的估计结果通常会被运用到政策分析中去，但是lucas批判（1976）认为参数的估计值可能会随着政策的变化而变化，使计量经济学无法为政策分析服务。为了应对lucas批判，计量经济学家提出了变量超级外生性的概念。条件于超级外生的变量，数据产生机制对估计参数结果没有影响，这时的政策分析才有意义。
继续改一个
