发布时间：
学术期刊刊发的文献以学术论文为主，而非学术期刊刊发的文献则以文件、报道、讲话、体会、知识等只能作为学术研究的资料而不是论文的文章为主。由于《总览》选刊的依据是 " 载文量多 " 、 " 收录量大 " 和 " 被引次数多 " ，并不强调学术期刊与非学术期刊的界线，对此自然也就没有进行严格区分。具体说来，《中文核心期刊要目总览》学术与非学术不分，主要表现在两个方面，一是期刊的定性，二是期刊的宗旨 。 学术期刊:、科技核心期刊(统计源期刊)、中文核心期刊、CSSCI、CSCD、双核心期刊。 一般分为升级、国家级、核心。这个要看你指哪个专业方向了，一般等级越高的审稿越严格。 九品论文网、提供论文发表，职称论文发表，教育论文发表，学术论文，建筑论文发表，医学论文发表。论文领域：教育，建筑，经济，管理，社科，医学 ，文学 ，农业 ，体育 ，财会，科技，机械 ，计算机 ，法学，艺术，新闻，工程 ，交通 ，理工，护理等专业。
楼主求采纳~学术期刊影响力指数（AJCI）说明学术期刊影响力的定义在普遍意义上，学术期刊（以下简称“期刊”）的影响力一般是指期刊在一定时期内发表的学术研究成果，在某段时间里促进相关学术研究与应用之发展的能力。这种能力本源上产生于文献的学术价值与应用价值的大小，但也受该段时间内社会对其价值的认知水平与认同程度、期刊内容的多样性，以及期刊自身及其相关渠道的传播与扩散能力等诸多因素制约，所以对其作出客观、准确的定性分析和评价是非常复杂而困难的。忽略了不同文献所产生学术影响的定性差异，计量某个统计年度内出版的某些源文献引证期刊的次数，可以在统计学意义上反映期刊在该统计年度产生的影响力。简单而常用的计量指标有期刊的总被引频次（TC，广延量，评价对象为期刊已发表的所有文献）、影响因子（IF，强度量，评价对象为期刊在统计年之前两年发表的文献）、即年指标（强度量，评价对象为期刊在统计年发表的文献）等。显然，上述指标的评价对象是期刊在不同时期发表的文献，且评价角度、计量方法各不相同，任一指标都不能全面反映期刊的影响力。期刊评价中片面强调其中某个指标，都会导致期刊出现片面发展倾向，甚至引发期刊的学术不端行为，干扰期刊正常发展。因此，人们一直在希望找到一个综合反映期刊影响力的计量指标。然而，过去这方面的工作总是试图将TC、IF 等指标先验地假设为同一线性空间的可加标量，按一组人为设定的权重参数拟合为一个“综合指标”，而未注意区分这些指标的内禀属性，得到的期刊排序结果也难以给予合理的解释。中国科学文献计量评价研究中心在2013 年首次提出了一种综合评价学术期刊影响力的方法，连续两年应用于“中国最具国际影响力学术期刊”的遴选，基本原理、计算方法和结果得到了国内外学术界和期刊界的基本认可。期刊影响力指数（CI）的基本定义定义1：期刊影响力排序空间在某种可比较大小的期刊范围内（同一学科内）将TC、IF 分别归一化处理为tc、if， 并按其大小进行期刊排序，即可在排序意义上将TC、IF 映射到一个2 维空间，称为“期刊影响力排序空间”。由于在排序意义上tc、if 是相互独立的，因而tc、if 是正交的。定义2：期刊影响力等位线定义3：期刊影响力指数（CI）期刊影响力指数（CloutIndex ，简称CI），是反映一组期刊中各刊影响力大小的综合指标，它是将期刊在统计年的总被引频次（TC）和影响因子（IF）双指标进行组内线性归一后向量平权计算所得的数值，用于对组内期刊排序。CI 的计算公式为：CI 的几何意义如下：图1 期刊影响力指数CI 示意图如图1 所示，（0，0）代表影响因子和总被引频次均为0 的期刊。右上角的点（1，1） 代表影响因子和总被引频次均为最大值的组内“影响力最大期刊”。以（1，1）为原点画圆弧，弧线即影响力等位线，弧线上的各点表示其CI 值大小相等的期刊。分布在弧线左下方的点对应的期刊其相对影响力小于分布于弧线右侧的期刊。可以形象地看到，期刊的CI 值越大，该刊距组内“影响力最大期刊”的差距越小。CI 的具体统计方法1 统计源文献为了突出反映期刊对中高端学术研究的影响力，计算构成CI 的TC、IF 时，选用了《中国学术期刊影响因子年报（2015 版）》（下简称《年报（2015）》）中各学科期刊综合他引影响因子排名前60%的期刊，以及博士论文和会议论文，不包括硕士论文。2 他引频次为了体现公平计量，CI 计算中，TC 为总他引频次、IF 为他引影响因子。3 量效指数（Journal Mass Index，简称JMI） 从CI 示意图中可以看出，CI 等位线对单一指标的一般性奇异行为具有较好抑制效果，但对特殊奇异现象，特别是单纯为追求大TC 盲目扩大发文量而降低学术质量的情况，抑制效果尚不理想，这种情况干扰了CI 排序的公正性。为了解决这个问题，我们引入了量效指数（JMI），用以消除这种奇异性造成的影响。量效指数（JMI）是某刊影响因子对应的发文量与该刊影响因子的比值，意义是该刊每产生单位影响因子所需要的论文数量。定义为：JMI 越大表示该刊越“臃肿”，也就是发文规模很大而效用不高。为了全面反映期刊的量效关系，JMI 计算中采用了《年报（2015 版）》公布的复合影响因子。4JMI 对CI 的修正《年报（2015 版）》分别对自科、社科期刊进行了JMI 由大到小排序。按该排序，取排名前5%且可被引文献量大于平均可被引文献量的期刊名单作为需要修正CI 的期刊名单，对这些期刊的TC 所占权重进行修正，其他期刊未作调整。CI 中的TC 和IF 的权重比例为1： 1，被调整期刊的TC 权重根据JMI 大小分别降低至2~05 。具体调整办法为：?其中k 为他引频次调整系数。按JMI 大小将期刊分为三档，TC 权重调整系数分别为该档期刊JMI 均值与所有期刊JMI 均值的比值。各档JMI 指数对应权重具体数据如下：表1 JMI 类型及其他引频次调整系数JMI 类型 取值区间 他引频次调整系数（k） 调整期刊数社 臃肿 [10000～20000) 2 43科 非常臃肿 [20000～40000) 1 23极臃肿 ≧40000 05 11自 臃肿 [7000~17000) 2 102科 非常臃肿 [17000~37000) 1 40极臃肿 ≧37000 05 说明与讨论我们引入了一种可较全面反映期刊学术影响力的指数CI，可以给出某学科期刊的影响力排序，但不能直接用于评价期刊内容质量。另请注意，CI 是在一组期刊内定义的，只可用于组内期刊排序，不可用于跨组比较。如需跨组比较，应将不同的组定义为一个组，重新计算CI 值。本报告利用JMI 对234 种期刊的CI进行了修正，如有不妥，请批评指正。CI 定义中只采用了TC、IF，未考虑其他计量指标，如即年指标、引证半衰期等，另还有一些问题有待商榷。进一步的研究尚在进行之中，请有关专家提出宝贵建议。
大概就是讲的是伱这个专业期刊是比较多的，且影响力也是很大的，或者是影响力有多少这样来理解的。这样伱跟你讲懂吗？
SCI是科学检索，理工科一般看重这个，SSCI是经济等社会科学。前面两个被看做是国际最顶级的检索数据库，全文一般是用英文书写。CSSCI是属于国内的，是中国社会科学类的数据库，重要程度一般认为低于SSCI。
影像科学与光化学 [1674-0475] 本刊收录在： 中国科学引文数据库(CSCD)来源期刊(2009-2010)提示: CSCD核心库(C)本刊收录在： 中国科学引文数据库(CSCD)来源期刊库(2013-2014)提示: CSCD核心库(C)本刊收录在： 中国科学引文数据库(CSCD)来源期刊核心库(2011-2012)本刊收录在： 中国科技期刊引证报告(2010年版)提示: 《引证报告》2010年版影响因子:413本刊收录在： 中国科技期刊引证报告(2011年版)提示: 《引证报告》2011年版影响因子:368本刊收录在： 中国科技期刊引证报告(2012年版)本刊收录在： 中国科技期刊引证报告(2013年版)提示: 《引证报告》2013年版影响因子:475本刊收录在： 中文核心期刊要目总览(2008年版)提示: 排序：化学、晶体学 - 第24位本刊收录在： 中文核心期刊要目总览(2011年版)提示: 排序：化学，晶体学类 - 第21位主题分类：O6,O7：化学，晶体学: O6,O7：化学，晶体学该刊物不属于EI检索，谢谢。
楼主求采纳~学术期刊影响力指数（AJCI）说明学术期刊影响力的定义在普遍意义上，学术期刊（以下简称“期刊”）的影响力一般是指期刊在一定时期内发表的学术研究成果，在某段时间里促进相关学术研究与应用之发展的能力。这种能力本源上产生于文献的学术价值与应用价值的大小，但也受该段时间内社会对其价值的认知水平与认同程度、期刊内容的多样性，以及期刊自身及其相关渠道的传播与扩散能力等诸多因素制约，所以对其作出客观、准确的定性分析和评价是非常复杂而困难的。忽略了不同文献所产生学术影响的定性差异，计量某个统计年度内出版的某些源文献引证期刊的次数，可以在统计学意义上反映期刊在该统计年度产生的影响力。简单而常用的计量指标有期刊的总被引频次（TC，广延量，评价对象为期刊已发表的所有文献）、影响因子（IF，强度量，评价对象为期刊在统计年之前两年发表的文献）、即年指标（强度量，评价对象为期刊在统计年发表的文献）等。显然，上述指标的评价对象是期刊在不同时期发表的文献，且评价角度、计量方法各不相同，任一指标都不能全面反映期刊的影响力。期刊评价中片面强调其中某个指标，都会导致期刊出现片面发展倾向，甚至引发期刊的学术不端行为，干扰期刊正常发展。因此，人们一直在希望找到一个综合反映期刊影响力的计量指标。然而，过去这方面的工作总是试图将TC、IF 等指标先验地假设为同一线性空间的可加标量，按一组人为设定的权重参数拟合为一个“综合指标”，而未注意区分这些指标的内禀属性，得到的期刊排序结果也难以给予合理的解释。中国科学文献计量评价研究中心在2013 年首次提出了一种综合评价学术期刊影响力的方法，连续两年应用于“中国最具国际影响力学术期刊”的遴选，基本原理、计算方法和结果得到了国内外学术界和期刊界的基本认可。期刊影响力指数（CI）的基本定义定义1：期刊影响力排序空间在某种可比较大小的期刊范围内（同一学科内）将TC、IF 分别归一化处理为tc、if， 并按其大小进行期刊排序，即可在排序意义上将TC、IF 映射到一个2 维空间，称为“期刊影响力排序空间”。由于在排序意义上tc、if 是相互独立的，因而tc、if 是正交的。定义2：期刊影响力等位线定义3：期刊影响力指数（CI）期刊影响力指数（CloutIndex ，简称CI），是反映一组期刊中各刊影响力大小的综合指标，它是将期刊在统计年的总被引频次（TC）和影响因子（IF）双指标进行组内线性归一后向量平权计算所得的数值，用于对组内期刊排序。CI 的计算公式为：CI 的几何意义如下：图1 期刊影响力指数CI 示意图如图1 所示，（0，0）代表影响因子和总被引频次均为0 的期刊。右上角的点（1，1） 代表影响因子和总被引频次均为最大值的组内“影响力最大期刊”。以（1，1）为原点画圆弧，弧线即影响力等位线，弧线上的各点表示其CI 值大小相等的期刊。分布在弧线左下方的点对应的期刊其相对影响力小于分布于弧线右侧的期刊。可以形象地看到，期刊的CI 值越大，该刊距组内“影响力最大期刊”的差距越小。CI 的具体统计方法1 统计源文献为了突出反映期刊对中高端学术研究的影响力，计算构成CI 的TC、IF 时，选用了《中国学术期刊影响因子年报（2015 版）》（下简称《年报（2015）》）中各学科期刊综合他引影响因子排名前60%的期刊，以及博士论文和会议论文，不包括硕士论文。2 他引频次为了体现公平计量，CI 计算中，TC 为总他引频次、IF 为他引影响因子。3 量效指数（Journal Mass Index，简称JMI） 从CI 示意图中可以看出，CI 等位线对单一指标的一般性奇异行为具有较好抑制效果，但对特殊奇异现象，特别是单纯为追求大TC 盲目扩大发文量而降低学术质量的情况，抑制效果尚不理想，这种情况干扰了CI 排序的公正性。为了解决这个问题，我们引入了量效指数（JMI），用以消除这种奇异性造成的影响。量效指数（JMI）是某刊影响因子对应的发文量与该刊影响因子的比值，意义是该刊每产生单位影响因子所需要的论文数量。定义为：JMI 越大表示该刊越“臃肿”，也就是发文规模很大而效用不高。为了全面反映期刊的量效关系，JMI 计算中采用了《年报（2015 版）》公布的复合影响因子。4JMI 对CI 的修正《年报（2015 版）》分别对自科、社科期刊进行了JMI 由大到小排序。按该排序，取排名前5%且可被引文献量大于平均可被引文献量的期刊名单作为需要修正CI 的期刊名单，对这些期刊的TC 所占权重进行修正，其他期刊未作调整。CI 中的TC 和IF 的权重比例为1： 1，被调整期刊的TC 权重根据JMI 大小分别降低至2~05 。具体调整办法为：?其中k 为他引频次调整系数。按JMI 大小将期刊分为三档，TC 权重调整系数分别为该档期刊JMI 均值与所有期刊JMI 均值的比值。各档JMI 指数对应权重具体数据如下：表1 JMI 类型及其他引频次调整系数JMI 类型 取值区间 他引频次调整系数（k） 调整期刊数社 臃肿 [10000～20000) 2 43科 非常臃肿 [20000～40000) 1 23极臃肿 ≧40000 05 11自 臃肿 [7000~17000) 2 102科 非常臃肿 [17000~37000) 1 40极臃肿 ≧37000 05 说明与讨论我们引入了一种可较全面反映期刊学术影响力的指数CI，可以给出某学科期刊的影响力排序，但不能直接用于评价期刊内容质量。另请注意，CI 是在一组期刊内定义的，只可用于组内期刊排序，不可用于跨组比较。如需跨组比较，应将不同的组定义为一个组，重新计算CI 值。本报告利用JMI 对234 种期刊的CI进行了修正，如有不妥，请批评指正。CI 定义中只采用了TC、IF，未考虑其他计量指标，如即年指标、引证半衰期等，另还有一些问题有待商榷。进一步的研究尚在进行之中，请有关专家提出宝贵建议。
光化学的定义有不同的表述。C H Wells认为，光化学研究的是“吸收了紫外光或可见光的分子所经历的化学行为和物理过程”。N J Turro则认为“光化学研究的是电子激发态分子的化学行为和物理过程”。由于电子激发态通常由分子吸收紫外光或可见光形成，所以上述两种定义的实质是一样的。光化学是研究光与物质相互作用所引起的永久性化学效应的化学分支学科。由于历史的和实验技术方面的原因，光化学所涉及的光的波长范围为 100～1000纳米，即由紫外至近红外波段。比紫外波长更短的电磁辐射，如X或γ射线所引起的光电离和有关化学属于辐射化学的范畴。至于远红外或波长更长的电磁波，一般认为其光子能量不足以引起光化学过程，因此不属于光化学的研究范畴。观察到有些化学反应可以由高功率的红外激光所引发，但将其归属于红外激光化学的范畴。影像是人对视觉感知的物质再现。影像可以由光学设备获取，如照相机、镜子、望远镜及显微镜等；也可以人为创作，如手工绘画图像等。影像也是一种视觉符号。通过专业设计的影像，可以发展成人与人沟通的视觉语言，也可以了解世界美术中大量的平面绘画、立体雕塑与建筑。
1、目前外文期刊的影响因子用JCR检索。中文的用中国知网。2、主要查找办法：（1）、JCR查询外文期刊影响因子，可使用外文数据库Web of Science中的JCR(Journal Citation Reports)，其中JCR Science Edition用于查询自然科学类期刊，JCR Social Sciences Edition用于查询人文社会科学类期刊。它隶属于汤森路透集团。该网站需要授权才可访问，需要用大学代理账号。（2）、SCI期刊数据库查询中文期刊的影响因子，可使用中国学术期刊(光盘版)电子杂志社和中国科学文献计量评价中心联合推出的《中国学术期刊综合引证报告》(万锦堃主编，科学出版社)。SCI的影响因子一般于每年的6月份公布，由汤森路透统计发布，此为最准确的官方版本，其他网站均以此为版本，只作为参考意义，并非100%准确。PubMed中文网旗下的SCI期刊数据库也可以查询期刊近十年的影响因子及变化曲线，期刊覆盖领域。（3）、MedSCIMedSCI也可查询期刊的影响因子，数据来自网友上传。扩展资料：1、影响因子(Impact Factor，IF)是汤森路透(Thomson Reuters)出品的期刊引证报告(Journal Citation Reports，JCR)中的一项数据。 即某期刊前两年发表的论文在该报告年份(JCR year)中被引用总次数除以该期刊在这两年内发表的论文总数。这是一个国际上通行的期刊评价指标。2、影响因子现已成为国际上通用的期刊评价指标，它不仅是一种测度期刊有用性和显示度的指标，而且也是测度期刊的学术水平，乃至论文质量的重要指标。影响因子是一个相对统计量。3、影响因子并非一个最客观的评价期刊影响力的标准。一般来说影响因子高，期刊的影响力就越大。对于一些综合类，或者大项的研究领域来说，因为研究的领域广所以引用率也比较高。比如，生物，和化学类的期刊，这类期刊一般情况下就比较容易有较高的影响力。4、影响因子虽然可在一定程度上表征其学术质量的优劣，但影响因子与学术质量间并非呈线性正比关系，比如不能说影响因子为0的期刊一定优于影响因子为0的期刊，影响因子不具有这种对学术质量进行精确定量评价的功能。5、国内部分科研机构，在进行科研绩效考评时常以累计影响因子或单篇影响因子达到多少作为量化标准，有的研究人员可能因影响因子差1分而不能晋升职称或评定奖金等，这种做法绝对是不可取的。6、影响因子(Impact factor，缩写IF)是指某一期刊的文章在特定年份或时期被引用的频率，是衡量学术期刊影响力的一个重要指标，由美国科学情报研究所(ISI)创始人尤金·加菲得(Eugene Garfield)在1960年代创立，其后为文献计量学的发展带来了一系列重大革新。自1975年以来，每年定期发布于"期刊引用报告"(Journal Citation Reports)。7、影响因子是以年为单位进行计算的。以1992年的某一期刊影响因子为例，IF(1992年) = A / B。其中，A = 该期刊1990年至1991年所有文章在1992年中被引用的次数；B = 该期刊1990年至1991年所有文章数。
《湖北经济学院学报(人文社会科学版)》是人文社会科学综合性学术刊物，国家级期刊、综合影响因子107。国家级学报版面费在1000元左右
中国最最权威经济管理期刊排行榜 A类 经济研究 经济学季刊 管理科学学报 管理世界(不含短论文章) 世界经济 中国会计评论 数量经济经济技术经济研究(2005年改版之后,之前一般) 金融研究 中国工业经济 南开管理评论(近2年) 系统工程理论与实践 经济学报 B类 系统工程学报 系统管理学报 经济学动态 中国软科学 控制与决策 南开经济研究/世界经济文汇(都是改版之后) 会计研究(有些文章例如发布政策通知的文章也不怎么样) 中国管理科学 管理工程学报 经济学家 经济理论与经济管理 营销科学学报 C类 经济社会体制比较(有很多大家的翻译文章,政策影响力大) 经济科学/南方经济(改版之后) 经济管理新管理(堕落得不行了,天价版面费,半月刊,呵呵) 中国金融评论 改革(曾经非常不错,现在堕落了些,都是钱惹的祸,政策影响力还在) 世界经济研究(近两年以来) 财经研究 统计研究 经济评论 国际贸易问题(近两年以来) 财经问题研究 希望我能帮到你，希望你能采纳。
当代财经
一、理论模型的设计对所要研究的经济现象进行深入的分析，根据研究的目的，选择模型中将包含的因素，根据数据的可得性选择适当的变量来表征这些因素，并根据经济行为理论和样本数据显示出的变量间的关系，设定描述这些变量之间关系的数学表达式，即理论模型。例如上节中的生产函数就是一个理论模型。理论模型的设计主要包含三部分工作，即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围。确定模型所包含的变量在单方程模型中，变量分为两类。作为研究对象的变量，也就是因果关系中的“果”，例如生产函数中的产出量，是模型中的被解释变量；而作为“原因”的变量，例如生产函数中的资本、劳动、技术，是模型中的解释变量。确定模型所包含的变量，主要是指确定解释变量。可以作为解释变量的有下列几类变量：外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。其中有些变量，如政策变量、条件变量经常以虚变量的形式出现。严格他说，上述生产函数中的产出量、资本、劳动、技术等，只能称为“因素”，这些因素间存在着因果关系。为了建立起计量经济学模型，必须选择适当的变量来表征这些因素，这些变量必须具有数据可得性。于是，我们可以用总产值来表征产出量，用固走资产原值来表征资本，用职工人数来表征劳动，用时间作为一个变量来表征技术。这样，最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。下面，为了叙述方便，我们将“因素”与“变量”间的区别暂时略去，都以“变量”来表示。关键在于，在确定了被解释变量之后，怎样才能正确地选择解释变量。首先，需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。这是正确选择解释变量的基础。例如，在上述生产问题中，已经明确指出属于供给不足的情况，那么，影响产出量的因素就应该在投入要素方面，而在当前，一般的投入要素主要是技术、资本与劳动。如果属于需求不足的情况，那么影响产出量的因素就应该在需求方面，而不在投入要素方面。这时，如果研究的对象是消费品生产，应该选择居民收入等变量作为解释变量；如果研究的对象是生产资料生产，应该选择固定资产投资总额等变量作为解释变量。由此可见，同样是建立生产模型，所处的经济环境不同、研究的行业不同，变量选择是不同的。其次，选择变量要考虑数据的可得性。这就要求对经济统计学有透彻的了解。计量经济学模型是要在样本数据，即变量的样本观测值的支持下，采用一定的数学方法估计参数，以揭示变量之间的定量关系。所以所选择的变量必须是统计指标体系中存在的、有可靠的数据来源的。如果必须引入个别对被解释变量有重要影响的政策变量、条件变量，则采用虚变量的样本观测值的选取方法。第三，选择变量时要考虑所有入选变量之间的关系，使得每一个解释变量都是独立的。这是计量经济学模型技术所要求的。当然，在开始时要做到这一点是困难的，如果在所有入选变量中出现相关的变量，可以在建模过程中检验并予以剔除。从这里可以看出，建立模型的第一步就已经体现了计量经济学是经济理论、经济统计学和数学三者结合的思想。在选择变量时，错误是容易发生的。下面的例子都是从已有的计量经济学应用研究成果中发现的，代表了几类容易发生的错误。例如农副产品出口额＝-66＋13×社会商品零售总额十22×农副产品收购额这里选择了无关的变量，因为社会商品零售总额与农副产品出口额无直接关系，更不是影响农副产品出口额的原因。再如生产资料进口额＝73×轻工业投资＋21×出口额＋18×生产消费＋60×进出口政策这里选择了不重要的变量，因为轻工业投资对生产资料进口额虽有影响，但不是重要的，或者说是不完全的，重要的是全社会固定资产投资额，应该选择这个变量。再如农业总产值＝78＋24×粮食产量＋05×农机动力—21×受灾面积这里选择了不独立的变量，因为粮食产量是受农机动力和受灾面积影响的，它们之间存在相关性。值得注意的是上述几个模型都能很好地拟合样本数据，所以绝对不能把对样本数据的拟合程度作为判断模型变量选择是否正确的主要标准。变量的选择不是一次完成的，往往要经过多次反复。确定模型的数学形式选择了适当的变量，接下来就要选择适当的数学形式描述这些变量之间的关系，即建立理论模型。选择模型数学形式的主要依据是经济行为理论。在数理经济学中，已经对常用的生产函数、需求函数、消费函数、投资函数等模型的数学形式进行了广泛的研究，可以借鉴这些研究成果。需要指出的是，现代经济学尤其注重实证研究，任何建立在一定经济学理论假设基础上的理论模型，如果不能很好地解释过去，尤其是历史统计数据，那么它是不能为人们所接受的。这就要求理论模型的建立要在参数估计、模型检验的全过程中反复修改，以得到一种既能有较好的经济学解释又能较好地反映历史上已经发生的诸变量之间关系的数学模型。忽视任何一方面都是不对的。也可以根据变量的样本数据作出解释变量与被解释变量之间关系的散点图，由散点图显示的变量之间的函数关系作为理论模型的数学形式。这也是人们在建模时经常采用的方法。在某些情况下，如果无法事先确定模型的数学形式，那么就采用各种可能的形式进行试模拟，然后选择模拟结果较好的一种。拟定理论模型中待估参数的理论期望值理论模型中的待估参数一般都具有特定的经济含义，它们的数值，要待模型估计、检验后，即经济数学模型完成后才能确定，但对于它们的数值范围，即理论期望值，可以根据它们的经济含义在开始时拟定。这一理论期望值可以用来检验模型的估计结果。拟定理论模型中待估参数的理论期望值，关键在于理解待估参数的经济含义。例如上述生产函数理论模型中有4个待估参数和α、β、γ和A。其中，α是资本的产出弹性，β是劳动的产出弹性，γ近似为技术进步速度，A是效率系数。根据这些经济含义，它们的数值范围应该是于集中的问题。经济变量在时间序列上的变化往往是缓慢的，例如，居民收入每年的变化幅度只有5%左右。如果在一个消费函数模型中，以居民消费作为被解释变量，以居民收入作为解释变量，以它的时间序列数据作为解释变量的样本数据，由于样本数据过于集中，所建立的模型很难反映两个变量之间的长期关系。这也是时间序列不适宜于对模型中反映长期变化关系的结构参数的估计的一个主要原因。四是模型随机误差项的序列相关问题。用时间序列数据作样本，容易引起模型随机误差项产生序列相关。这个问题后面还要专门讨论。截面数据是一批发生在同一时间截面上的调查数据。例如，工业普查数据、人口普查数据、家计调查数据等，主要由统计部门提供。用截面数据作为计量经济学模型的样本数据，应注意以下几个问题。一是样本与母体的一致性问题。计量经济学模型的参数估计，从数学上讲，是用从母体中随机抽取的个体样本估计母体的参数，那么要求母体与个体必须是一致的。例如，估计煤炭企业的生产函数模型，只能用煤炭企业的数据作为样本，不能用煤炭行业的数据。那么，截面数据就很难用于一些总量模型的估计，例如，建立煤炭行业的生产函数模型，就无法得到合适的截面数据。二是模型随机误差项的异方差问题。用截面数据作样本，容易引起模型随机误差项产生异方差。这个问题后面还要专门讨论。虚变量数据也称为二进制数据，一般取0或1。虚变量经常被用在计量经济学模型中，以表征政策、条件等因素。例如，建立我国的粮食生产计量经济学模型，以粮食产量作为被解释变量，解释变量中除了播种面积、化肥使用量、农机总动力、成灾面积等变量外，显然，政策因素是不可忽略的。1980年前后，由于实行了不同的政策，即使上述变量都没有变化，粮食产量也会发生大的变化。于是必须在解释变量中引人政策变量，用一个虚变量表示，对于1980年以后的年份，该虚变量的样本观测值为1，对于1980年以前的年份，该虚变量的样本观测值为0。也可以取0、l以外的数值，表示该因素的变化程度。例如，在工业生产模型中用虚变量表示气候对工业生产的影响，可以将不同年份气候的影响程度，分别用0、1、-1，甚至5、-5等表示。不过，这种方法应慎用，以免违背客观性。样本数据的质量样本数据的质量问题大体上可以概括为完整性、准确性、可比性和一致性四个方面。完整性，即模型中包含的所有变量都必须得到相同容量的样本观测值。这既是模型参数估计的需要，也是经济现象本身应该具有的特征。但是，在实际中，“遗失数据”的现象是经常发生的，尤其在中国，经济体制和核算体系都处于转轨之中。在出现“遗失数据”时，如果样本容量足够大，样本点之间的联系并不紧密的情况下，可以将“遗失数据”所在的样本点整个地去掉；如果样本容量有限，或者样本点之间的联系紧密，去掉某个样本点会影响模型的估计质量，则要采取特定的技术将“遗失数据”补上。准确性，有两方面含义，一是所得到的数据必须准确反映它所描述的经济因素的状态，即统计数据或调查数据本身是准确的；二是它必须是模型研究中所准确需要的，即满足模型对变量口径的要求。前一个方面是显而易见的，而后一个方面则容易被忽视。例如，在生产函数模型中，作为解释变量的资本、劳动等必须是投入到生产过程中的、对产出量起作用的那部分生产要素，以劳动为例，应该是投入到生产过程中的、对产出量起作用的那部分劳动者。于是，在收集样本数据时，就应该收集生产性职工人数，而不能以全体职工人数作为样本数据，尽管全体职工人数在统计上是很准确的，但其中有相当一部分与生产过程无关，不是模型所需要的。可比性，也就是通常所说的数据口径问题，在计量经济学模型研究中可以说无处不在。而人们容易得到的经济统计数据，一般可比性较差，其原因在于统计范围口径的变化和价格口径的变化，必须进行处理后才能用于模型参数的估计。计量经济学方法，是从样本数据中寻找经济活动本身客观存在的规律性，如果数据是不可比的，得到的规律性就难以反映实际。不同的研究者研究同一个经济现象，采用同样的变量和数学形式，选择的样本点也相同，但可能得到相差甚远的模型参数估计结果。为什么？原因在于样本数据的可比性。例如，采用时间序列数据作为生产函数模型的样本数据，产出量用不变价格计算的总产值，在不同年份间是可比的；资本用当年价格计算的固定资产原值，在不同年份间是不可比的。对于统计资料中直接提供的这个用当年价格计算的固定资产原值，有人直接用于模型估计，有人进行处理后再用于模型的估计，结果当然不会相同。一致性，即母体与样本的一致性。上面在讨论用截面数据作为计量经济学模型的样本数据时已经作了介绍。违反一致性的情况经常会发生，例如，用企业的数据作为行业生产函数模型的样本数据，用人均收入与消费的数据作为总量消费函数模型的样本数据，用31个省份的数据作为全国总量模型的样本数据，等等。三、模型参数的估计模型参数的估计方法，是计量经济学的核心内容。在建立了理论模型并收集整理了符合模型要求的样本数据之后，就可以选择适当的方法估计模型，得到模型参数的估计量。模型参数的估计是一个纯技术的过程，包括对模型进行识别（对联立方程模型而言）、估计方法的选择、软件的应用等内容。在后面的章节中将用大量的篇幅讨论估计问题，在此不重复叙述。四、模型的检验在模型的参数估计量已经得到后，可以说一个计量经济学模型已经初步建立起来了。但是，它能否客观揭示所研究的经济现象中诸因素之间的关系，能否付诸应用，还要通过检验才能决定。一般讲，计量经济学模型必须通过四级检验，即经济意义检验、统计学检验、计量经济学检验和预测检验。经济意义检验经济意义检验主要检验模型参数估计量在经济意义上的合理性。主要方法是将模型参数的估计量与预先拟定的理论期望值进行比较，包括参数估计量的符号、大小、相互之间的关系，以判断其合理性。首先检验参数估计量的符号。例如，有下列煤炭行业生产模型：煤炭产量＝-5427＋00067×固定资产原值＋01527×职工人数-00681×电力消耗量＋00256×木材消耗量在该模型中，电力消耗量前的参数估计量为负，意味着电力消耗越多，煤炭产量越低，从经济行为上无法解释。模型不能通过检验，应该找出原因重新建立模型。不管其他方面的质量多么高，模型也是没有实际价值的。统计检验统计检验是由统计理论决定的，目的在于检验模型的统计学性质。通常最广泛应用的统计检验准则有拟合优度检验、变量和方程的显著性检验等。计量经济学检验计量经济学检验是由计量经济学理论决定的，目的在于检验模型的计量经济学性质。通常最主要的检验准则有随机误差项的序列相关检验和异方差性检验，解释变量的多重共线性检验等。模型预测检验预测检验主要检验模型参数估计量的稳定性以及相对样本容量变化时的灵敏度，确定所建立的模型是否可以用于样本观测值以外的范围，即模型的所谓超样本特性。具体检验方法为：（1）利用扩大了的样本重新估计模型参数，将新的估计值与原来的估计值进行比较，并检验二者之间差距的显著性；（2）将所建立的模型用于样本以外某一时期的实际预测，并将该预测值与实际观测值进行比较，并检验二者之间差距的显著性。经历并通过了上述步骤的检验后，可以说已经建立了所需要的计量经济学模型，可以将它应用于预定的目的。五、计量经济学模型成功三要素从上述建立计量经济学模型的步骤中，不难看出，任何一项计量经济学研究、任何一个计量经济学模型赖以成功的要素应该有三个：理论、方法和数据。理论，即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础。方法，主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其他经济学分支学科的主要特征。数据，反映研究对象的活动水平、相互间联系以及外部环境的数据，或更广义讲是信息，是计量经济学研究的原料。这三方面缺一不可。一般情况下，在计量经济学研究中，方法的研究是人们关注的重点，方法的水平往往成为衡量一项研究成果水平的主要依据。这是正常的。计量经济学理论方法的研究是计量经济学研究工作者义不容辞的义务。但是，不能因此而忽视对经济学理论的探讨，一个不懂得经济学理论、不了解经济行为的人，是无法从事计量经济学研究工作的，是不可能建立起一个哪怕是极其简单的计量经济学模型的。所以，计量经济学家首先应该是一个经济学家。相比之下，人们对数据，尤其是数据质量问题的重视更显不足，在申请一项研究项目或评审一项研究成果时，对数据的可得性、可用性、可靠性缺乏认真的推敲；在研究过程中出现问题时，较少从数据质量方面去找原因。而目前的实际情况是，数据已经成为制约计量经济学发展的重要问题。六、相关分析、回归分析和因果分析从上述建立计量经济学模型的步骤中进一步看出，经典计量经济学方法的核心是采用回归分析的方法揭示变量之间的因果关系。但是，变量之间具有相关性并不等于具有因果性。这是建立计量经济学模型中一个十分重要的概念，那么首先需要对相关关系与因果关系作一简要的说明。所谓相关关系，是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。如果两个变量样本观测值序列之间相关系数的绝对值为1，则二者之间具有完全相关性（完全正相关或完全负相关）；如果相关系数的绝对值比较大，或接近于1，则二者之间具有较强相关性；如果相关系数的绝对值为0，或接近于0，则二者之间不具有相关性。如果一个变量与其他两个或两个以上变量的线性组合之间具有相关性，那么它与每一个变量之间的相关系数称为偏相关系数。相关关系是变量之间所表现出来的一种纯数学关系，判断变量之间是否具有相关关系的依据只有数据。所谓因果关系，是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。例如，劳动力与国内生产总值之间具有单向因果关系，在经济行为上是劳动力影响国内生产总值，而不是相反；但是，在国内生产总值与消费总额之间则存在经济行为上的互为因果关系，国内生产总值既决定消费总额，反过来又受消费的拉动。具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。例如中国的国内生产总值与印度的人口之间具有较强的相关性，因为二者都以较快的速度增长，但显然二者之间不具有因果关系。相关分析是判断变量之间是否具有相关关系的数学分析方法，通过计算变量之间的相关系数来实现。回归分析也是判断变量之间是否具有相关关系的一种数学分析方法，它着重判断一个随机变量与一个或几个可控变量之间是否具有相关关系。由于它的特定的功能，所以也被用来进行变量之间的因果分析。但是，仅仅依靠回归分析尚不能对变量之间的因果关系作出最后判断，必须与经济行为的定性分析相结合。这就是上面强调的建立计量经济学模型的三要素。
在这方面的话影响的因素是比较多的，所以在这方面的话一定要注意有自然的条件，比如说温度湿度，还有一些的话雨水，那么另外的话也有种子的本身问题。
影响粮食产量的因素主要包括就是自然因素，也就是我们的天气的状况，因为粮食是主要靠天气来决定的，天气好的话我们可以丰收，天气不好的话就可能低产。其次就是化肥的使用只有正常地使用化肥和农药，才可以提高我们粮食的产量。
如果仅仅是从统计数据上找到了三个变量的数据，再来做对Y的回归的话，确实是简单了些。但是基本计量经济学的线性回归，按照你说其实也足够了。如果你想使其复杂一些，就多找几个变量，或者加入时间的虚拟变量，对比前后情况，再或者，对你的a b c进行进一步的精修。比如寻找去掉价格因素的真实值等等。
问面太面先看看畜牧、物医、狩猎、蚕、蜂：畜牧兽医报 兽医报 预防兽医报 兽医兽医科技（改名：兽医科） 兽医杂志 草业报草(改名：草报) 草报 物营养报蚕业科技 黑龙江畜牧兽医 草业科 家禽 物医进展饲料 畜牧与兽医 饲料工业 畜牧杂志饲料研究 畜牧兽医 畜禽传染病理：植物理通讯 理报 应用理杂志 应用理杂志 应用理杂志