文献计量学是以几个经验统计规律为核心的。例如：表征出科技文献作者分布的洛特卡定律（1926）；表征文献中词频分布的齐普夫定律（1948）；确定某一学科论文在期刊中分布的布拉德福定律（1934）等。文献计量学一直围绕这几个定律，沿着两个方向发展：其一是验证与完善这些经验定律；其二是扩大与推广这些经验定律的实际应用。目前，文献计量学应用十分广泛。微观的应用有确定核心文献，评价出版物，考察文献利用率，实现书情报部门的科学管理。宏观的应用有设计更经济的情报系统和网络，提高情报处理效率，寻找文献服务中的弊端与缺陷，预测出版方向，发展并完善情报基础理论等。由于存在影响文献情报流的人为因素，很多文献问题尚难以定量化。特别是由于文献系统高度的复杂性和不稳定性，不可能获得足够的、有效的信息，来揭示文献的宏观规律。文献计量学的发展有赖于数学工具和统计学技术的支持，移植或利用更有效的数学工具和统计学方法，将是其重要的发展方向。
文献研究法是指通过阅读、分析文献得出对主、客观事物认识的研究方法。这种研究方法通常不与研究对象进行直接的接触，而是通过文献来间接地对研究对象的本质和规律进行研究。它包括文献计量学法、引文分析法等。简单地说，文献是记录知识的一切载体(GB3792．1—83，文献著录总则)。它由文献信息、文献载体、符号系统和记录方式四部分组成。从不同的角度，可以将文献分为不同的类型：从出版或加工的形式，可以将文献分为图书、期刊、专利文献、标准文献、会议文献、产品样本、档案文献、“灰色”文献等；从文献加工层次，可以将其分为一次文献、二次文献、三次文献。随着现代技术的飞速发展，文献的数量和质量都在不断提高，为人们利用这种方法展开研究活动提供了一个很好的基础。 (1)应适当选择所需的文献。现在是一个信息膨胀的时代，大量的文献都可以为我们提供相应的信息。我们要从大量的文献当中找到适合研究目标的文献，特别是要注意选取第一手的原始材料、相对权威的信息源、完整和系统的文献材料。对于历史文献要注重进行考据工作，要去伪存真，去粗取精，不能泥古守旧。如法国学者乔治勒费尔(1874—1956)为撰写《法国革命时期的诺尔郡农民》一书，查阅了1066份公证人记录和大量的其他文献，编制了200多页统计图表，深入论证了大革命时代诺尔郡的农村状况。(2)应恰当确定某类文献中所要观察的项目。文献中含有大量的信息，我们要确定所要观察的是哪些项目，这样才能避免其他信息的干扰。如我们要研究某类学术期刊的作者情况，只要从文献中找到相关著者的信息即可，没必要对其他的信息进行采集。这样可以提高研究工作的效率，保证想获得的信息不被其他的信息污染。(3)应列出观察项目的分布表。为了在观察时做到心中有数，我们通常要在调研文献前确定一些标准，对观察所要获取的项目确定下来，以此来指导以后的观察活动。如以与《红楼梦》相关的文献为对象展开研究，可以根据文献推出的年代为总线，把各个时代的文献根据文献的种类、作者、发表时间、主要观点、发文和语种、作者所在地区、作者所在的工作机构、文献的题名等项目为观察内容。通过对信息的分类、汇总、统计，可以发现《红楼梦》的研究现状及其发展趋势。(4)应归纳、统计和分析有关的事实、术语、数据等。由于人们研究的角度不同，研究者的认识不同，对于一些事物往往会有不同的解释，从而形成许多种概念。如对于某个概念，在不同的年代，由于人们认识水平的不同，各个学科的学者都会从各自的研究出发提出各种不同的定义。文献研究就是要以众多的定义作为研究的基础，对它们进行归纳、分析，找出其共同点。(5)应在分析的基础上得出有关的观点、结论等。通过对大量文献的研究，我们可以得到许多目的性很强的数据。在这些数据的基础上，我们要利用类比、归纳、统计等方法，从普遍的事实和数据中找到共性的内容，然后运用逻辑的方法对其进行一定的抽象，最终形成一定的理论观点或结论。《南京大学在西方图书馆学，中国本土化过程中的贡献》[2]这篇文章通过对大量文献的调研、分析和汇总，发现了南京大学在开设图书馆学相关课程、创办最早的图书馆学专业、创办最早的图书馆学期刊、筹建中国图书馆协会、培养图书馆学专门人才等方面都有很大的成就。它在西方图书馆学中国本土化的过程中起到了重要的作用。
文献计量学是指用数学和统计学的方法，定量地分析一切知识载体的交叉科学。它是集数学、统计学、文献学为一体，注重量化的综合性知识体系。其计量对象主要是：文献量（各种出版物，尤以期刊论文和引文居多）、作者数 （个人集体或团体）、词汇数（各种文献标识，其中以叙词居多）文献计量学最本质的特征在于其输出务必是“量”。
人们对文献定量化的研究， 可以回溯到 20世纪初。1917年FJ科尔和NB伊尔斯首先采用定量的方法，研究了1543～1860年所发表的比较解剖学文献，对有关图书和期刊文章进行统计，并按 国别加以分类。1923 年EW休姆提出“文献统计学”一词，并解释为：“通过对书面交流的统计及对其他方面的分析，以观察书面交流的过程，及某个学科的性质和发展方向。”1969年文献学家 A普里查德提出用文 献计量学代替文献统计学，他把文献统计学的研究对象由期刊扩展到所有的书刊资料。目前，文献计量学已成为情报学和文献学的一个重要学科分支。同时也展现出重要的方法论价值，成为情报学的一个特殊研究方法。在情报学内部的逻辑结构中，文献计量学已渐居核心地位，是与科学传播及基础理论关系密切的学术环节。现在全世界每年发表的文献计量学学术论文约为400～500篇。
耿大力要采纳啊
文献计量学是以几个经验统计规律为核心的。例如：表征出科技文献作者分布的洛特卡定律（1926）；表征文献中词频分布的齐普夫定律（1948）；确定某一学科论文在期刊中分布的布拉德福定律（1934）等。文献计量学一直围绕这几个定律，沿着两个方向发展：其一是验证与完善这些经验定律；其二是扩大与推广这些经验定律的实际应用。目前，文献计量学应用十分广泛。微观的应用有确定核心文献，评价出版物，考察文献利用率，实现书情报部门的科学管理。宏观的应用有设计更经济的情报系统和网络，提高情报处理效率，寻找文献服务中的弊端与缺陷，预测出版方向，发展并完善情报基础理论等。由于存在影响文献情报流的人为因素，很多文献问题尚难以定量化。特别是由于文献系统高度的复杂性和不稳定性，不可能获得足够的、有效的信息，来揭示文献的宏观规律。文献计量学的发展有赖于数学工具和统计学技术的支持，移植或利用更有效的数学工具和统计学方法，将是其重要的发展方向。
人们对文献定量化的研究， 可以回溯到 20世纪初。1917年FJ科尔和NB伊尔斯首先采用定量的方法，研究了1543～1860年所发表的比较解剖学文献，对有关图书和期刊文章进行统计，并按 国别加以分类。1923 年EW休姆提出“文献统计学”一词，并解释为：“通过对书面交流的统计及对其他方面的分析，以观察书面交流的过程，及某个学科的性质和发展方向。”1969年文献学家 A普里查德提出用文 献计量学代替文献统计学，他把文献统计学的研究对象由期刊扩展到所有的书刊资料。目前，文献计量学已成为情报学和文献学的一个重要学科分支。同时也展现出重要的方法论价值，成为情报学的一个特殊研究方法。在情报学内部的逻辑结构中，文献计量学已渐居核心地位，是与科学传播及基础理论关系密切的学术环节。现在全世界每年发表的文献计量学学术论文约为400～500篇。
引文耦合和同被引都是指两篇文献通过另外一篇或者多篇文献建立联系。都可以反映出文献之间的联系程度和结构关系，在引文分析中属于同一种类型。这两种方法都可以用于文献关系研究、文献检索和文献结构研究。他们的区别主要有五点。①引文耦合反映的是两篇引证文献之间的关系，同被引反映的是两篇被引证文献之间的关系。前者是由两篇文献的作者共同建立的，后者是由引用它们的作者各自建立的。②引文耦合强度是固定不变的，同被引强度则随时有可能发生变化。这是因为对于任意两篇己发表的论文来说，其后的参考文献是固定不变的。因此，引文耦合后的关系就不会改变，也就长期地得到固定和承认。对于具有“同被引”关系的两篇文献来说，同被引的特性决定了它们始终处于“被动”地位，它们之间的关系总是等着其它文献来建立，其强度也是依赖其它文献的需要量来增加，所以同被引后的关系“仍处于变化之中”。③引文耦合反映的文献间的关系是一种固定的长久的关系，而同被引反映的则是变化的或暂时的关系。因此，引文耦合形成的模型是静态结构模型，而同被引则是动态结构模型。④引文耦合是回溯性的，属于“回向引用”，而同被引则是展望性的，属于“前向引用”。⑤对于研究和揭示科学文献的内在联系与规律，描绘科学发展的动态结构来说，“同被引”比“引文耦合”更具有优越性，更适应当前情报科学所研究的对象不断变化和发展的特点。
文献计量学是指用数学和统计学的方法，定量地分析一切知识载体的交叉科学。它是集数学、统计学、文献学为一体，注重量化的综合性知识体系。其计量对象主要是：文献量（各种出版物，尤以期刊论文和引文居多）、作者数 （个人集体或团体）、词汇数（各种文献标识，其中以叙词居多）文献计量学最本质的特征在于其输出务必是“量”。
你的要求有点苛刻了，恕兄弟我无能为力啊。
请问你们要求用什么软件？stata的行吗
已发
计量经济学论文可以研究的问题有多种，期中比较简单的就是根据数据，建立方程，研究变量之间的关系，主要运用的工具就是计量经济学的初等知识和Eviews软件，思路、要求和注意事项我觉得这么说对你的帮助不大，所以给你一篇我的论文做参考，也许对你有帮助，如果你觉得看的不是很明白的话，可以再留言给我，我把什么思路等告诉你。 计量经济学 期末实验报告 实验名称：大中城市城镇居民人均消费支出与其影响因素的分析 姓 名： 学 号： 班 级： （）级统计学系（）班 指导教师： 时 间： （上面是论文封皮） 23个城市城镇居民人均消费支出与其影响因素的分析（题目） 一、 经济理论背景 近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。 二、 有关人均消费支出及其影响因素的理论 我们主要从以下几个方面分析我国居民消费支出的影响因素： ①、居民未来支出预期上升，影响了居民即期消费的增长 居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。 ②、商品供求结构性矛盾依然突出 从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。 ③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长 加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。 ④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长 经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。 三、 相关数据收集 相关数据均来源于2006年《中国统计年鉴》： 23个大中城市城镇居民家庭基本情况（表格） 地区 平均每户就业人口（人） 平均每一就业者负担人数（人） 平均每人实际月收入（元） 人均可支配收入（元） 人均消费支出（元） 北京 6 8 1 2 9 天津 4 0 6 8 8 石家庄 4 0 3 0 9 太原 3 2 9 9 5 呼和浩特 5 9 2 8 7 沈阳 3 1 5 7 1 大连 6 8 8 1 5 长春 8 7 1 1 2 哈尔滨 4 0 8 5 4 上海 6 9 0 1 3 南京 4 0 4 0 6 杭州 5 9 0 9 2 宁波 5 8 4 2 4 合肥 6 8 5 1 9 福州 7 9 5 4 8 厦门 5 9 7 3 7 南昌 4 8 0 1 4 济南 7 7 3 8 4 青岛 6 8 6 5 7 郑州 4 1 2 2 3 武汉 5 0 5 2 1 长沙 4 1 9 9 8 广州 7 8 6 1 1 四、 模型的建立 根据数据，我们建立多元线性回归方程的一般模型为： 其中： ——人均消费支出 ——常数项 ——回归方程的参数 ——平均每户就业人口数 ——平均每一就业者负担人口数 ——平均每人实际月收入 ——人均可支配收入 ——随即误差项 五、实验过程 （一）回归模型参数估计 根据数据建立多元线性回归方程： 首先利用Eviews软件对模型进行OLS估计，得样本回归方程。 利用Eviews输出结果如下： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:08 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -180 506 -282633 2159 X1 3490 2332 427889 1704 X2 1209 7866 498528 1513 X3 552510 629371 466766 0239 X4 -180652 742107 -590947 1290 R-squared 721234 Mean dependent var 2913 Adjusted R-squared 659286 SD dependent var 1711 SE of regression 8502 Akaike info criterion 77564 Sum squared resid 9 Schwarz criterion 02249 Log likelihood -9199 F-statistic 64259 Durbin-Watson stat 047936 Prob(F-statistic) 000076 根据多元线性回归关于Eviews输出结果可以得到参数的估计值为： , , ， ， 从而初步得到的回归方程为： Se= (506) (2332) (7866) (629371) (742107) T= (-282633) (427889) (498528) (466766) (-590947) F=64259 df=18 模型检验：由于在 的水平下，解释变量 、 、 的检验的P值都大于05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。 （二）处理多重共线性 我们采用逐步回归法对模型的多重共线性进行检验和处理： X1： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:28 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8238 6688 296574 7697 X1 0964 4840 531833 1405 R-squared 100508 Mean dependent var 2913 Adjusted R-squared 057675 SD dependent var 1711 SE of regression 6105 Akaike info criterion 68623 Sum squared resid 2 Schwarz criterion 78497 Log likelihood -3917 F-statistic 346511 Durbin-Watson stat 770750 Prob(F-statistic) 140491 X2： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 641 2658 632596 0156 X2 -1146 9597 -218861 2364 R-squared 066070 Mean dependent var 2913 Adjusted R-squared 021597 SD dependent var 1711 SE of regression 7371 Akaike info criterion 72380 Sum squared resid Schwarz criterion 82254 Log likelihood -8237 F-statistic 485623 Durbin-Watson stat 887292 Prob(F-statistic) 236412 X3： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8827 8342 326831 1988 X3 540400 095343 667960 0000 R-squared 604712 Mean dependent var 2913 Adjusted R-squared 585888 SD dependent var 1711 SE of regression 2575 Akaike info criterion 86402 Sum squared resid 5 Schwarz criterion 96276 Log likelihood -9362 F-statistic 12577 Durbin-Watson stat 064743 Prob(F-statistic) 000013 X4： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:30 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7094 8178 141465 2665 X4 596476 124231 801338 0001 R-squared 523300 Mean dependent var 2913 Adjusted R-squared 500600 SD dependent var 1711 SE of regression 4178 Akaike info criterion 05129 Sum squared resid 1 Schwarz criterion 15003 Log likelihood -0898 F-statistic 05284 Durbin-Watson stat 037087 Prob(F-statistic) 000096 由得出的数据可以看出， 的调整的判定系数最大，因此首先把 引入调整的方程中，然后在分别引入变量 、 、 进行OLS得： X1、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:32 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -8991 9081 -644388 5266 X1 8101 2070 275533 2167 X3 517213 095693 404899 0000 R-squared 634449 Mean dependent var 2913 Adjusted R-squared 597894 SD dependent var 1711 SE of regression 1510 Akaike info criterion 87276 Sum squared resid 2 Schwarz criterion 02087 Log likelihood -0368 F-statistic 35596 Durbin-Watson stat 032110 Prob(F-statistic) 000043 X2、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:33 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 5536 1435 451015 6568 X2 -00981 0392 -110678 9130 X3 536856 102783 223221 0000 R-squared 604954 Mean dependent var 2913 Adjusted R-squared 565449 SD dependent var 1711 SE of regression 7747 Akaike info criterion 95036 Sum squared resid 0 Schwarz criterion 09847 Log likelihood -9292 F-statistic 31348 Durbin-Watson stat 063247 Prob(F-statistic) 000093 X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:34 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7015 5882 326290 0306 X3 766892 553402 192782 0046 X4 -473721 656624 -244390 0363 R-squared 684240 Mean dependent var 2913 Adjusted R-squared 652664 SD dependent var 1711 SE of regression 1157 Akaike info criterion 72634 Sum squared resid 0 Schwarz criterion 87445 Log likelihood -3529 F-statistic 66965 Durbin-Watson stat 111635 Prob(F-statistic) 000010 由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。 X1、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:37 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 6693 8464 479562 6370 X1 29944 6512 366505 7180 X3 652622 646003 558228 0192 X4 -345001 757634 -775265 0919 R-squared 686457 Mean dependent var 2913 Adjusted R-squared 636950 SD dependent var 1711 SE of regression 0712 Akaike info criterion 80625 Sum squared resid 3 Schwarz criterion 00373 Log likelihood -2719 F-statistic 86591 Durbin-Watson stat 082104 Prob(F-statistic) 000050 X2、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:38 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 60939 2088 127981 8995 X2 1557 9303 575948 5714 X3 886588 600027 144175 0053 X4 -596394 701018 -277251 0345 R-squared 689658 Mean dependent var 2913 Adjusted R-squared 640657 SD dependent var 1711 SE of regression 3798 Akaike info criterion 79599 Sum squared resid 8 Schwarz criterion 99347 Log likelihood -1539 F-statistic 07429 Durbin-Watson stat 143110 Prob(F-statistic) 000046 由输出结果可以看出，在 的水平下，解释变量 、 的检验的P值都大于05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为： Se= (5882) (553402) (656624) T= (326290) (192782) (-244390) F=66965 df=20 （三）异方差性的检验 对模型 进行怀特检验： White Heteroskedasticity Test: F-statistic 071659 Probability 399378 Obs*R-squared 423847 Probability 351673 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/07 Time: 16:53 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 50 9 266460 7929 X3 9623 1924 394723 6977 X3^2 -071268 187278 -380548 7080 X4 -6779 3390 -467114 6460 X4^2 121138 229933 526841 6047 R-squared 192341 Mean dependent var 87 Adjusted R-squared 012861 SD dependent var 54 SE of regression 59 Akaike info criterion 12207 Sum squared resid 60E+09 Schwarz criterion 36892 Log likelihood -9038 F-statistic 071659 Durbin-Watson stat 968939 Prob(F-statistic) 399378 由检验结果可知， ，由White检验知，在 时，查 分布表，得临界值 (20)=1435，因为 < (5)= 1435,所以模型中不存在异方差。 （四）自相关的检验 由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于05，D-W值为111635，显著性水平 =05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值 ，上限临界值 ， =543