本文仅针对计量经济学本科课程的初级用户（研究生及以上读者可以忽略）。
一、引子
当我刚刚开始学习和实践计量经济学建模的时候，其实也与所有课堂上的学生一样，大脑一片空白，完全没有方向。当时，我要解决的问题很现实：由于初到澳洲，买不起全新的教材（100多澳元当时的汇率折合800-900多人民币一本书），就去学校的广告栏搜寻出售二手书的广告。然后以原价三分之一左右的价格买一本教材。随后，我就想了解二手书的交易如何影响全新原价教材的销售。
如果要用简单的单方程简约模型（Reduced-form Model）来解决这个问题，看起来并不是很容易。而现在，我的学生在课堂上遇到的很多问题，其实也是类似的。
比如，有同学要研究商品价格的决定因素。一般而言，比较合理的方法是用联立方程组，按照供求关系来建模。但如果一定要用单方程模型，是否可以做呢？这是一个可以讨论，也值得思考的问题。
二、原则
书本上说的原则，第一条是建模有经济学理论和现实依据。这句话当然有道理，但基本跟没说一样——按照这句话，初学者依然无法着手建模。书本的这条原则，默认建模的基础不是微观计量经济学模型。而事实上，在Toy Model（我们课堂上的建模，基本都是这类“玩具模型”），也就是“闹着玩儿”的练习范畴内，我们只要求学生有一定的“思路”，能自圆其说就行。
那么，如何获得简便而清晰的建模思路呢？这才是本部分要解决的重点问题。
第一，先确定对被解释变量（Y）影响最大的解释变量（X）。在不考虑内生性（Endogeneity，这个我课上还没有讲）的前提下，X必须是建立在数据可以获得且对Y有着非常大解释力的基础上。
第二，确定X对Y的解释力符合一般的经济学原理（一般原理就可以，不需要很复杂）或者经济学直觉（Intuition）。实际上，按照我的理解，选择X首先是人的第一感觉，然后再是复查。我觉得这样的顺序比较适合初学者。而书本原则是建立在大量实践和有丰富经验的基础上的，对于初学者而言不具备可操作性。
第三，确定模型符合经典假设的主要部分。比如，零均值和同方差。当然，实践中，很多假设都难以实现。我们不可能真的一一比对几大假设，然后建模。在操作部分，我们重点来讲如何做简单的取舍。
三、操作
第一，解释变量的选择应该在数据可以获得情况下，尽量sharp。可以参考的例子如：宏观方面，用物质和人力资本解释经济增长；微观方面，用受教育年数解释个人收入。在分析经济增长和个人收入时，我们可以有多种解释变量的选择。为什么我们倾向上述的方案？这要回到宏观和微观经济学的基础理论去找答案。同时，我们也要从数据获得的方面去想问题。
问题1：是否可以用人均GDP来解释经济增长？
问题2：是否可以用父母收入来解释个人收入？
问题3：如果两个方案可行，那么它们与前文案例中的建模思路一致吗？
第二，解释变量互相之间尽量不重叠。我们可以在模型中引入多个解释变量，它们要解释不同“层面”或者“维度”的问题，而不能是反复聚焦一个点。未来我们会讲到“多重共线性”，大家会对这一条有更多的认识。
第三，即使是简单的、“闹着玩儿”的模型，也有一定的意义。它的意义在于对某个复杂问题的“抽象”。所以，除了前面两条建议之外，我还想强调一点就是，我们通过解释变量系数的估计，到底要答案什么目的？比如，“找到价格的决定因素”；比如，“估计教育的回报率”；比如，“确定某一个决策是否合理”等等。
四、结语
也许在建模之初，你也许没有一个很明确的目标和清晰的思路，但随着建模实践的深入，我希望也相信大家会慢慢找到正确的方式。
附录
use "D:\w3.dta", clear //（前提是你的D盘下有一个叫w3的stata数据文件，这个数据文件第五周上机操作，我会发给大家）
twoway scatter y x //（默认）
twoway scatter y x, ms(circle_hollow) //（空心圆）
twoway scatter y x, ms(circle_hollow) || lfit y x // （加线性拟合线）
twoway scatter y x, ms(circle_hollow) mc(blue)|| lfit y x, lc(red) // （蓝色空心圆和红色拟合线）
