⑴ 關於導數的論文
導數另一個定義：當x=x0時，f『(x0)是一個確定的數。這樣，當x變化時，f'(x)便是x的一個函數，我們稱他為f(x)的導函數（derivative function）（簡稱導數）。
y=f(x)的導數有時也記作y'，即 f'(x)=y'=limΔx→0[f(x+Δx)-f(x)]/Δx
物理學、幾何學、經濟學等學科中的一些重要概念都可以用導數來表示。如，導數可以表示運動物體的瞬時速度和加速度、可以表示曲線在一點的斜率、還可以表示經濟學中的邊際和彈性。
求導數的方法（1）求函數y=f(x)在x0處導數的步驟：
① 求函數的增量Δy=f(x0+Δx)-f(x0)
② 求平均變化率
③ 取極限，得導數。
（2）幾種常見函數的導數公式：
① C'=0(C為常數函數)；
② (x^n)'= nx^(n-1) (n∈Q)；
③ (sinx)' = cosx；
④ (cosx)' = - sinx；
⑤ (e^x)' = e^x；
⑥ (a^x)' = a^xlna （ln為自然對數）
⑦ (Inx)' = 1/x（ln為自然對數）
⑧ (logax)' =(xlna)^(-1),(a>0且a不等於1)
補充一下。上面的公式是不可以代常數進去的，只能代函數，新學導數的人往往忽略這一點，造成歧義，要多加註意。
（3）導數的四則運演算法則：
①(u±v)'=u'±v'
②(uv)'=u'v+uv'
③(u/v)'=(u'v-uv')/ v^2
（4）復合函數的導數
復合函數對自變數的導數，等於已知函數對中間變數的導數，乘以中間變數對自變數的導數--稱為鏈式法則。
導數是微積分的一個重要的支柱。牛頓及萊布尼茨對此做出了卓越的貢獻！導數的應用
1．函數的單調性
(1)利用導數的符號判斷函數的增減性
利用導數的符號判斷函數的增減性，這是導數幾何意義在研究曲線變化規律時的一個應用，它充分體現了數形結合的思想．
一般地，在某個區間(a，b)內，如果＞０，那麼函數y=f(x)在這個區間內單調遞增；如果＜０，那麼函數y=f(x)在這個區間內單調遞減．
如果在某個區間內恆有=0，則f(x)是常函數．
注意：在某個區間內，＞０是f(x)在此區間上為增函數的充分條件，而不是必要條件，如f(x)=x3在內是增函數，但．
(2)求函數單調區間的步驟
①確定f(x)的定義域；
②求導數；
③由（或）解出相應的x的范圍．當f'(x)＞0時，f(x)在相應區間上是增函數；當f'(x)＜0時，f(x)在相應區間上是減函數．
2．函數的極值
(1)函數的極值的判定
①如果在兩側符號相同，則不是f(x)的極值點；
②如果在附近的左側，右側，那麼，是極大值或極小值.
3．求函數極值的步驟
①確定函數的定義域；
②求導數；
③在定義域內求出所有的駐點，即求方程及的所有實根；
④檢查在駐點左右的符號，如果左正右負，那麼f(x)在這個根處取得極大值；如果左負右正，那麼f(x)在這個根處取得極小值．
4．函數的最值
(1)如果f(x)在［a,b］上的最大值（或最小值）是在(a，b)內一點處取得的，顯然這個最大值（或最小值）同時是個極大值（或極小值），它是f(x)在(a，b)內所有的極大值（或極小值）中最大的（或最小的），但是最值也可能在［a，b］的端點a或b處取得，極值與最值是兩個不同的概念．
(2)求f(x)在[a，b]上的最大值與最小值的步驟
①求f(x)在(a，b)內的極值；
②將f(x)的各極值與f(a)，f(b)比較，其中最大的一個是最大值，最小的一個是最小值．
5．生活中的優化問題
生活中經常遇到求利潤最大、用料最省、效率最高等問題，這些問題稱為優化問題，優化問題也稱為最值問題．解決這些問題具有非常現實的意義．這些問題通常可以轉化為數學中的函數問題，進而轉化為求函數的最大（小）值問題．
⑵ 經濟學學術論文怎麼寫
經濟學學術論文一般分為四個部分：摘要、導言、主體和結論。但是我們一般不按順序寫，通常都是從內向外寫，從最核心的模型和計量實證開始，逐漸將論文向外擴展。導言和結論往往被放在最後寫，因為如果我們不知道核心的論述結論，我們就不知道如何在導言和結論中進行概括和總結。但是為了清晰，我們按順序介紹一下論文各部分的寫法。
一、摘要(Abstracts)
摘要通常只有一個自然段，濃縮了該論文的主要要點和特點。摘要一般要說明該論文研究的問題以及研究該問題的價值，所使用的方法和數據，主要結論及本論文的貢獻。寫摘要有助於我們集中思路。
二、導言(Introctions)
導言說明了所研究問題的歷史和理論背景，對本論文的研究領域進行了解釋，引導讀者進入論文的主題。一般而言，寫導言可以遵循以下四個步驟：宣布主題; 對前期研究進行回顧;指出前期研究存在的問題和遺留的空白;說明本論文解決的問題，以及如何對研究的空白進行了補充或如何對研究的問題進行了回應。在導言結束之時，可以對論文的組織結構做簡要介紹，讓讀者預先就能了解論文的脈絡。導言應該寫得簡潔並要點突出，多餘的鋪墊往往是沒有必要的。導言有的時候只有一個自然段，有的時候也可以長達1000多字或更多，這取決於論文的復雜程度。
三、主體(Main Body)
(一)文獻綜述的寫法
學術論文的主體部分須先進行文獻綜述，說明你做了大量的功課，論文因此是嚴謹和誠信的。你需要對文獻進行嚴謹地分析和梳理;將你的研究放置於其他人研究的背景中;在文獻綜述的過程中強調你的研究貢獻。
1.首先要從整體上對文獻進行評價。相關研究豐富與否?研究關注的主要是方法論方面的問題、數據的問題，還是其他問題?迄今的研究主要是實證研究、理論研究或二者兼具?這些研究是集中在一系列相似的問題上嗎?這些文獻在主要議題上是否取得了共識?
2.應當針對主題進行綜述，而不是按照作者流水帳式地記敘。例如，探討數據的主題，探討方法論的主題或者有關結論的主題。3.評論迄今研究的價值和缺陷。
4.解釋你的研究的貢獻。即使你在導言中進行了說明，在這里也不妨再次強調。
(二)論述——提出觀點(Claims)、理由(Reasons)和證據(Evidences)
觀點的提出要依據若干理由，而理由是由證據支撐的。所謂觀點就是論題，是一個主張或一種解釋，而不是對事實的陳述，因此需要得到支撐。觀點之所以形成是由於存在理由。理由解釋了為什麼我們認為某個觀點合理。但是如果僅僅提供理由是不夠的。理由必須得到證據的支撐，所謂證據就是反映事實的信息，例如統計數據、數理模型和其他文獻的結論。經濟學的論述有其獨有特點，即提供並支持一個命題，這與其他學科是不同的：
1.經濟學論證是將一種經濟現象付與經濟分析。
2.經濟學論述使用經濟學假設、概念和理論來解釋或理解所探討的經濟現象。
3.經濟學論述使用某些證據來對假設進行支撐，這些證據可分為四類：
(1)假設、理論和教科書中的概念。
(2)定量數據。
(3)計量。計量是對命題檢驗的方法。(4)經濟模型。經濟模型是數學公式，用來對經濟作簡化的抽象，描繪經濟主體決策過程。模型是部分地基於經濟假設、理論和概念而建立的。
(三)論據(Evidences)的寫法
1.模型
如果論文只是使用簡單的回歸分析，那麼模型可能只是回歸方程和經典假設。復雜些的論文可能會設立一個經濟模型，報告最優化的一階條件並對其進行解釋。如果是計量模型，則應說明計量方法以及選擇該方法的理由。設立模型不管是理論模型還是計量模型，都應把假設前提交代清楚，並解釋這些假設背後的經濟直覺。特別是在理論模型推導經濟主體的行為或決策過程中，一定要闡明主體決策的假設前提。模型中使用的符號應盡量標准，最好是直接能從符號中判斷其所代表的變數。學會使用上標、下標和希臘字母。你應該說明模型的來源，是你自己設立的模型還是援引自其他的文獻。
2.數據
數據首先應當指明來源;其次應該對數據源作總體描述，例如樣本量，時間期限，搜集樣本的方法等;應對數據來源的質量做出評價;對可能影響分析結果的數據特徵進行說明，例如數據是否有偏，是否存在高估或低估現象;解釋你如何處理數據或構造新數據;說明你是怎樣選擇樣本的，例如你是否剔除了某些觀測值。
3.在表格中報告數據和結果
我們通常在表格中報告數據和結果，關鍵是我們應該報告多少數據和結果。著名建築師米斯×凡德洛說過一句話「Less is usually more」(「少即多」)，意思是簡單的東西往往帶給人們的是更多的享受。這也同樣適用於數據結果的報告。在報告計量結果時我們通常犯的錯誤是直接把軟體執行結果粘貼過來，這樣會淹沒你想要展示的重要信息。因此，我們應該重新編輯軟體輸出的結果，例如，把多次回歸結果編輯在一張表格中，刪除無關信息只報告相關信息。
4.對結果進行陳述
我們不能把數據和計量結果寫在表格里展示出來就算完了，我們必須在文中對其進行描述，因為，表格並不能自己為自己說話。首先，你要明確地把表格介紹出來。通常只需要寫一句話，告知讀者存在這樣一張表格，並簡要提示其內容(往往是表格標題)。介紹完表格後，你就可以對表格中的數據進行重點說明了。你應該明確地告訴讀者表格中反映的重要事實。但是你無需對表格中所有的信息都重述一遍，而是應該對數據進行解釋並指出數據中隱含的意義。你要明確什麼才是你最想讓讀者從表格中了解到的信息。四、結論(Conclusion)結論和導言是遙相呼應的，可以說結論是倒敘的導言。在導言中你引導讀者逐步勾勒出你的研究主題，在結論中卻開門見山地歸納你的研究主題。但是結論並不僅僅是導言的鏡像，結論應該涉及一些超越本論文的議題。也就是說，一方面結論應該對論文進行回顧;另一方面，還應對議題進行展望。結論部分使你有機會以簡潔、清晰的方式總結你的論據，注意不是要你一字一句重復你所說過的。在結論部分你可以提出進一步的質詢，擴展你的思路，提出未來研究的方向。結論部分有助於回答這樣一些問題：讀者為什麼應該關注你的論文?為什麼你的議題很重要?以上，我們對學術論文各部分的撰寫方法展開了討論，最後讓我們引用英文論文表達方面的技巧建議，以結束我們的討論：
原則1：Keep your complete grammatical subjects short. 原則2：Express key actions as verbs.
原則3：Begin sentences with 「old」 information.原則4：End sentences with new information.
原則5：Make the subjects of your sentences the person, place, or thing that the sentence is about.
原則6：Make the first few words of your sentences constitute a limited set of concepts. 原則7：Be concise
原則8：Write in paragraphs
⑶ 計量經濟學srf與prf的關系
prf包括str，str是prf的分支。整體回歸函數：在給定解釋變數x的條件下，解釋變數y的預期軌跡稱為整體回歸線，或者更通俗地說，整體回歸曲線。 對應函數：e(Y|x)=f(x)被調用（二元）全局返回（人口回歸函數，PRF）樣本回歸函數：樣本散點圖類似於一條直線。 畫一條直線以最適合散點圖。 由於樣本取自總體，因此該線可以近似代表總體回歸線。 這條線稱為樣本回歸線。 樣本回歸線的函數形式為：Y，= f(X)= p。+ BX，稱為樣本回歸函數（SRF）
拓展資料:
1、 計量經濟學是將經濟理論與數理統計相結合，並以實際經濟數據進行定量分析的一門學科.主要內容包括理論計量經濟學和應用計量經濟學。 理論計量經濟學主要研究如何利用、改造和發展數理統計方法，使其成為衡量隨機經濟關系的一種特殊方法。 應用計量經濟學是在一定的經濟理論指導下，以反映事實的統計數據為基礎，研究經濟數學模型的實用性或用計量經濟學方法探索經驗經濟規律。
2、 計量經濟學的兩大研究對象：橫截面數據和時間序列數據。 前者旨在總結不同的經濟參與者是否具有相似的行為相關性，並通過模型參數的估計結果來顯示相關性； 後者側重於分析同一經濟主體在不同時間的數據，以展示研究對象的動態行為。新興的計量經濟學研究開始同時切入具有橫截面和時間序列的數據。 也就是說，每個截面同時具有時間序列的觀測值。 這種數據稱為跟蹤數據（面板數據，或面板數據分析）。 追蹤數據來研究多個不同經濟體的動態行為差異，可以獲得比簡單的橫截面或時間序列分析更豐富的實證結論。
3、 計量經濟學（英文：Econometrics）是建立在數理經濟學和數理統計方法論基礎上的一門經濟學分支，它試圖綜合理論定量方法和經驗（經驗）定量方法來解決經濟問題。隨著這一分支的出現，經濟學在過去只能定性地研究經濟現象，擴展到一個可以同時進行定量分析的新階段。「計量」的意思是「用統計方法進行定量研究」，所以「計量」一詞應讀作「[Li à ng]」而不是「[Li á ng]」。
⑷ 學習經濟學需要熟悉哪些編程語言
學習經濟學需要熟悉哪些編程語言？
1)壇友arthur_2006
處理和分析數據都用得到，最基本的是excel，如果你的VBA用得好的話會有很大的幫助，如果你要分析數據的話，比如你要建模那麼SAS還是不錯的，不過比較難掌握如果你沒有語言方面的基礎，其他還有很多軟體也能做得到。很多銀行證券期貨企業都使用的是oracle或者DB2,一些小企業可能使用的是SQL, 所以如果想在這方面發展就要掌握資料庫的知識，畢竟金融和計算機兼備的人才還是稀缺的，而且國內很多行業都是用的是這幾大資料庫比如電信醫療航空等等，不會分析金融數據恐怕稱不上什麼金融專家吧，至於你分析得准還是不準那就要看你的金融知識掌握的程度啦，尤其是投資專業的學生學習一些這方面的知識是必要的，很多人是應用金融學專業的偏向於財務，那就去考考CFA,ACCA什麼的，也沒必要在這上面花費太多精力而且工作中很可能用不到的，金融數學金融工程精算專業的同學花點時間研究一下還是很有必要的，總而言之一句話，首先要看你的興趣再就是你的專業和發展方向。
2)編程愛好者任坤
做統計和計量的話，想要跟當今的國際學術界接軌，最好學R，至少我所知道的目前美國的統計學術界被R佔領的趨勢很明顯了。
如果只是做簡單地回歸隨便解讀一下，那隨便選個傻瓜軟體就可以了。如果只是應用現成的成熟的計量模型來做實證研究，那麼傻瓜軟體一般也就可以了。如果要以統計、計量為研究領域或者專業領域，那麼編程性的東西是少不了的，即使是做實證如果涉及較為復雜的數據結構，懂編程也能幫你大幅提高生產力。另外，R的社區比較活躍，能夠較好地跟上前沿。
如果涉及到處理較大的數據，一種辦法是用SAS，如果不想用SAS可以學資料庫方面的東西，比如把數據放在SQLite資料庫中然後用{RSQLite}訪問資料庫，或者用{sqldf}通過SQL操作環境中的data frame。
如果覺得執行某項任務R單核速度慢，那麼可以使用{parallel}或者{parallelMap}做並行計算，也可以利用雲計算來處理數據。
如果涉及到其他社區的東西在R社區中沒有實現，例如Java的東西，可以用{rJava}來調用Java的對象，不過速度有些慢。
比較好的辦法是我在想從事數據分析工作，學什麼軟體或語言最好？ 提到的F#函數式編程語言，用RProvider可以直接調用R，用JavaProvider直接調用Jar打包的Java程序，用PythonProvider（即將發布）直接調用Python程序，等等，很容易將各大社區的資源整合在一起使用。
目前我在GitHub上面弄一個通過R學習統計、計量、非參、數據可視化、資料庫的repo: renkun-ken/learnR on GitHub ，雖然目前還沒什麼內容，不過可以跟蹤一下。
以上說得都是經濟學相關的統計和計量方面所需要的編程。事實上統計和計量所需的「編程」較為簡單，基本也就是處理數據、應用已經提供的計量模型，更多需要編程的是：一、如果涉及較為前沿的計量模型，可能還需要自己實現；二、一些蒙特卡羅模擬需要一些編程。
從經濟學相關的一些新型領域來說，計算經濟學（Computational Economics）、計算統計學（Computational Statistics）以及計算計量學（Computational Econometrics）則需要較強的編程能力，包括演算法實現、演算法分析等等。舉個例子，計算經濟學中目前做的一塊研究是Agent-based computational finance，就是建立一個模擬的金融市場，裡面有幾種資產，每種資產的基本面由隨機的紅利決定，裡面有許多遵循各種邏輯的投資者，投資者對於紅利發放持有的信念不同，因而從各自的邏輯觸發的交易行為不同。在一個復式競價（double auction）的交易市場中，什麼樣的投資者組成或者行為方式、什麼樣的記憶長短，能夠最大程度地復制出我們在現實金融市場中觀測到的資產價格或者資產收益率規律，例如資產收益率尖峰肥尾、不對稱性。此時，研究者就需要較扎實的金融知識來設計一個不過於簡單而又不過於復雜的模擬金融市場，也需要相應的編程能力把模型用程序語言編寫出來。這中間會設計許多編程技術，例如資料庫（有時要跟蹤許多變數，例如投資者現金流動、財富分布）、並行計算（CPU多核並行、多進程並行、集群上的並行甚至GPU計算）等等。這方面的研究從1990s年代才開始。
3)知乎網友Jichun Si
計量經濟學也有很多小的門類，請對號入座。有很多軟體，Stata, matlab, R, SAS是相對來說用的比較多的。
如果是做應用計量（特別是橫截面數據、面板數據），Stata是不二之選，因為不管是管理數據還是跑回歸，實在太太太方便了。現在主流期刊的應用微觀計量文章裡面能用到的模型stata幾乎都有，而且其中的絕大多數都是用stata做的。而且最大的優點是，簡單！
如果做應用的時間序列，Eviews似乎是一個不錯的選擇。但是我一般不做這方面，也不是很有發言權。
如果做理論計量，stata eviews是沒有現成的包的，而且即便Stata可以編程，可編程能力也是很差的，而且不穩健。所以懂R和Matlab就非常順手。當然也可以用Python，最近Sargent就寫了本用Python做計量的書。還有一個Julia，是這三種語言的混合，但是速度快很多，缺點是太過於小眾。
如果對速度要求高，特別是金融計量很多對速度有要求的，可以考慮C、Fortran等語言。C和Fortran肯定是最快的。還有一個叫做OX的，速度快，但是也很小眾。但是這些語言的缺點是學習難度比較高，開發時間比較慢。Julia據說速度堪比C，而且語法特別像Matlab、Python（意味著容易學習），但是處於剛起步階段，用的人太少了。
如果是金融計量領域，強烈建議學會SAS。SAS是最權威，速度也很快，當然最大的問題是昂貴，而且可編程能力不是多麼好。但是金融裡面數據量都非常非常非常大，一般的軟體都癱的時候，SAS就派上用場了。
像我自己，做應用的時候都是用stata整理數據，能用stata的堅決不用其他軟體。但是因為有的時候做一些理論計量的工作，所以matlab也是必不可少的。我也在學習Julia，因為matlab的速度實在太慢。Python我一般不用來做科學計算，用的人不多，而且速度慢，一般是用來抓數據的。
最後還是補充一點吧，為什麼我推薦matlab而不是其他的軟體，也是有道理的。很多模型，比如空間計量模型（spatial econometrics）、貝葉斯估計、以及宏觀計量裡面的DSGE model、SVAR等模型，在stata、Eviews裡面都是沒有什麼現成的東西可以用的，但是matlab提供了豐富的包，比如Dynare就是基於Matlab的，還有LeSage的空間計量軟體包等等，也是基於matlab的。所以幾乎你想用的模型matlab裡面都能找到codes然後直接用。就算沒有，你自己在matlab裡面寫，也不是什麼難事。
最後想起一句話來，關於這些軟體的選擇（stata除外，因為stata在應用計量領域的地位是幾乎不可替代的）可以用兩句話來概括：如果你自己的時間比計算機的時間寶貴的話，學習matlab、R、甚至Python、Julia是最合適的，如果計算機的時間比你的時間寶貴的話，學習C、Fortran是必須的。當然除非你的工作非常特殊（比如一些大型的結構模型的估計），一般來說，還是自己的時間更寶貴一點。
綜上，做應用和做理論是不可能用一種軟體解決的，建議根據自己的方向進行挑選。我覺著stata、matlab是比較推薦的，一個方便，一個靈活，都很強大，而且學習難度都不大，用的人都很多，交流起來相當方便。
4）網友張真實
數據，簡單的用excel，直觀，方便。復雜一些的…excel最多可以有6萬多行，你確定你需要從那麼大量的數據開始「學經濟學么？
復雜的用R，各種模型，演算法，實現，基本上R都有對應的軟體包了，下載下來直接用即可，多讀文檔多練多用，半年左右就可以拋開excel直接用R作實戰了。我博士論文全部回歸和輸出都是用R的，現在寫的論文也都用它。替代品是Stata。也很好，但如果你和我一樣是從0開始，那麼強烈建議選R。
R的一個不足是沒法作符號運算，這個免費的解決方案有python搭配scipy numpy等幾個包，不過建議你用mathematica，它的符號計算功能最強大，輸出格式也最好。你可以找個jacobian矩陣搞一下符號計算，比較一下結果就知道了。
Python這東西，熟悉了R之後，發現有功能是R實現不了的，到時候有實際需求了，再學也不遲。不是立刻就需要的。
此外，所有經濟學研究(我是指empirics類型的，具體意思你懂的)，都要會用latex，可以把它看做是一門編程語言。在word里排數學公式，用不了多久你就會瘋掉。R中可以用ggplot2來繪圖，輸出到tex中。普通數據表用xtable包輸出到tex，回歸結果用stargazer輸出到tex，都很方便。
5）網友bayes
首先要說的是R，絕對是目前國外學術界的主流，統計系基本除R以外沒有其他了，計量作為和統計相關的方向，R也在逐漸滲透。所以推薦學習。
順便說一句，R的學習曲線是比較陡峭的，所以我不太建議零基礎的人從R開始，否則挫折感會比較強烈。而python會略好，所以我建議從python開始。
python並非是專用於統計或者計量的軟體，而是一種非常流行的通用編程語言。經過多年發展，庫也非常齊備。我試用過numpy，scipy和pandas等庫，與其他通用編程語言相比，算是相當好用，不過個人感覺還是比不上R，比如畫圖，
ggplot2真心是神一般的存在，python的庫還是略遜一籌。但是，除了數據處理之外，python可以乾的事情太多了，也太牛了。我們主要要用到的，比如網頁採集數據，需要正則表達式，解析網頁等等。這些方面python就比R有優勢多了。
當然，從趨勢來看，未來似乎python比R更優。R是一群統計學家在編程序，python是一群計算機專家在爭取搞數據處理。似乎python的基礎更扎實。個人觀點，僅供參考。
stata我認為是除了R以外最好的計量軟體了，我兩者均用過數年數個項目，但是依然感覺R更好用，整理和處理數據更方便。所以即使在樓上諸位所提到的微觀計量領域，我依然更喜歡R。
除此以外spss，或者eviews等，感覺管理類學生用的更多，功能比較受限，不太推薦。這里不贅述。上述的幾個軟體，還有個問題，在於都是收費的，考慮到未來知識產權的保護，還是用免費的略靠譜。
R的主要缺點有兩個：
1，面對大數據乏力。這方面sas確實有優勢，但是不得不說，sas的語法太反人類了，完全接受不能。面對這個問題，我要說的是，你得看問題有多大。以我的經驗，經濟裡面的數據量似乎還不足以超過R的處理上限很多。可能金融的高頻數據會比較大，我個人沒啥經驗，如果遇到再補充。我嘗試過10g的數據，最簡單的辦法，不是學sas，而是買16g的內存。：）以現在的內存價格，我覺得32g以下的問題不大。
2，性能不足。這方面python也有同樣的問題，最好的解決方案是混合c/c++，不過這個就是無底洞了，耗時極多，都不見得能學好。建議的方法，還是買硬體，這個最簡單。：）當然用並行包等，也是解決方法之一，我嘗試過幾次用機房的多台機器做集群，不是太成功。求高人指點。
上面諸位還提到過幾個軟體，我也略微說一下自己知道的一些軟體的看法：
matlab：好東西，關鍵還是性能問題，同樣可以靠c/c++來解決。但是我不喜歡比較大的軟體，為了求個均值方差，等它啟動就佔了5分鍾。。。
julia：好東西X2，目前關注中，可能還比較年輕，導致配套的庫略少，不過看好未來發展，主要是吸取了matlab，python和c/c++的有點，寫的快，運算的也快，未來看漲，緊密關注。
最後提一下函數式編程，是個好東西，但是不看好純粹函數式編程的未來。它體現了一種頗先進的編程思想，但是在實際工作中，往往性能方面的問題較大。要解決這個問題，還是的混合函數式編程和其他方式，但這就是python，R等軟體已經實現的方式，似乎又沒有必要專門去學其他的函數式編程了。
6）上海財經大學博士 榮健欣
Stata微觀計量中應用極多，主要是直接輸命令回歸，需要編程的地方不多。
至於編程，推薦R、Python.
R是非常好的統計分析軟體，在計量經濟學中的應用可以見Econometrics in R, Applied Econometrics with R Time Series Analysis with Applications in R這幾本書
Python用來抓數據很好，並且有數學計算包SciPy可以部分替代Matlab之類科學計算的功能。
7）知乎網友justin
本科經濟統計學，由於學校奇葩的課程設置，我們分別使用過：
EViews：計量經濟學，時序和多元統計。
Stata：計量經濟學。
SPSS：專門開的一門課，這個巨汗，權當復習了一遍統計學。
Excel：大一的統計入門課使用的，這個也巨坑，就是簡單的函數使用，一點沒有涉及VBA。
Matlab：這個沒有專門的課，是上完了C語言程序設計以後副產品，後來接觸了R和Mathematica就基本拋棄了它。
R/S-Plus：在回歸分析的時候使用了S-Plus，不過那時候我已經使用R語言很久了，而且S-Plus基本兼容，所以沒有使用過S-Plus。
Minitab：質量控制課程上用的，基本的統計加上一些實驗設計。
SAS：這個在實驗室中自學過幾次，直接被其奇葩的語法雷到了，據說我們學校的研究生有專門的SAS課程（類似於本科的SPSS課程），呵呵了～
我們系的妹（xue）紙（ba）就曾經抱怨說使用的軟體太多了，完全被逼瘋的感覺，還給我們親愛的系主任提過意見。作為學渣也就這個問題問過系主任，她的意思是不同的軟體在處理不同的數據時候是各有所長的，而且你們課程還是蠻輕松的，就多學點吧，另外不同的老師有不同的軟體使用愛好，上課使用不同的軟體是必然的。
學習經濟學的同學，Excel和SPSS，EViews（或者Stata)就蠻好的了，Stata和EViews都可以寫一些程序的，SPSS的界面化操作也是很友好的。本人使用的R，在上各種課中也都會在學了那些軟體後再使用R來實現（其實絕大多數時候R都已經有現成的包了，我也大多是直接使用），R還是很不錯的，推薦。
很多前輩也提出了，經濟學學生學習編程適可而止就好了，要不然就是一條不歸路啊，面臨著徹底轉行的危險，本人就是一枚反面例子（淚～。所以什麼Python啊，C++啊，Julia啊就不要接觸了。