校准工作的内容就是按照合理的溯源途径和国家计量校准规范或其他经确认的校准技术文件所规定的校准条件、校准项目和校准方法，将被校准对象与计量标准进行比较和数据处理。
这些校准结果数据应清楚明确地表达在校准证书或校准报告中。校准证书不判定是否合格，只出具示值误差。
校准证书在反映整体的校准数据的同时，会提供校准时的测量不确定度。测量不确定度不等同于仪器校准的准确度偏差。
例如: GB/T12706-2008额定电压1～35kV挤包绝缘电力电缆及附件，该标准要求三个电压等级需要在三种温度下(100℃，135℃，150℃)检测电力电缆的耐高温性能。
针对这种工作特性，可以要求校准机构对高温老化箱100℃、135℃和150℃进行准确有效地校准，实验室可以更直观的了解该温度点的校准状态。检定证书是依据《计量检定规程》规定的量值误差范围，给出合格与不合格的判定，发给检定合格证书。
资质认定评审准则要求仪器设备能够满足检验检测的规范要求和相应标准的要求，而不是只符合《计量检定规程》的要求。部分实验室，简单理解检定证书的合格结论，就是符合相应标准的要求，不进行是否符合相应标准的确认，存在检测质量风险。
例如1:绝缘材料拉力试验，按照标准GB4909.3-1985裸电线试验方法拉力试验要求，电子试验机校准范围应覆盖0～50kN。由于相关人员对标准未充分理解，校准范围为10～50kN，虽然检定证书是合格结论，但未对10kN以下进行检定，不符合“相应标准要求”。
例如2：GB/T13380-2007交流电风扇和调速器6.1条“试验用的仪器仪表”明确规定:电压表和电流表、功率表的准确度不低于0.5级。电子天平按照JJG1036-2008《电子天平计量检定规程》检定后，其检定结论会注明设备符合的等级。相关人员一定要确认这个等级是否符合相应标准的要求。检定证书的合格结论不一定符合“相应标准的要求”，故不符合CNAS-CL01。1.仪器设备的基本信息:仪器设备名称、型号规格、设备编号、计量机构、证书编号、计量日期和下次计量日期等。还包括检定/校准项目、依据标准、标准要求、检定/校准结果、不确定度或修正值等信息。
2.确认结论:合格、准用、停用依据其能否满足检验检测的规范要求和相应标准的要求，由仪器设备使用人签字确认，后由检测中心技术负责人审核批准。
计量技术是
一切量值准确可靠的基础。
“没有精密测量、就没有精密的产品”近年来，“医疗计划”被提出，其核心是“”，基础则为准确的测量。计量则为各类测量提供了满足各种量值及精度的“尺子”和“砝码”。
药物研发生产过程中的工艺参数是否被准确执行、产品性能是否被准确测量，这些生物制药全产业链中“测不出、测不全、测不准”的困难和难题，需要以的计量测试技术来解决。标准物质(RM)reference material：是一种已经确定了具有一个或多个足够均匀的特性值的物质或材料，作为分析测量行业中的“量具"，简单理解就是生物、化学分析测量领域的“砝码”。有单克隆抗体标准物质、微生物定性定量标准物质、重组蛋白类药物有效成分标准物质、核酸定量标准物质等等。核酸定量类标准物质如何在核酸检测中发挥作用？病毒假病毒核酸标准物质具有拟似病毒的物理结构和病毒的特异性核酸序列，并且通过基因改造技术了假病毒标物可靠的生物安全性、稳定性，使标物可以大限度地重现病毒核酸检测的过程，实现从病毒核酸提取到核酸定量的全过程的质量控制，为病毒核酸诊断的结果提供的“生物标尺”，从而有效降低“假阴性”的出现概率。所以，测量是贯穿全产业链的。无论是设计、制造还是使用，都需要地测量各种属性、参数和运行状态，以实现的分析和优化。可以说，计量技术将国家计量基准（标准）的准确量值传递到生产车间里面，贯穿到制造过程的每一道工序的工程测量中，发挥提升质效的作用，是打造医疗“金标准”。
不知从何时起，解答计量问题成了我日常生活的一部分。天南海北的读者与同道提出了各种各样的计量问题。这里摘取少量的典型问题，希望对从事实证研究的朋友有帮助。
1、在什么情况下，应将变量取对数再进行回归？
答：可以考虑以下几种情形。
，如果理论模型中的变量为对数形式，则应取对数。比如，在劳动经济学中研究教育率的决定因素，通常以工资对数为被解释变量，因为这是从Mincer模型推导出来的。
第二，如果变量有指数增长趋势（exponential growth），比如 GDP，则一般取对数，使得 lnGDP 变为线性增长趋势（linear growth）。第三，如果取对数可改进回归模型的拟合优度（比如 R2 或显著性），可考虑取对数。
第四，如果希望将回归系数解释为弹性或半弹性（即百分比变化），可将变量取对数。
第五，如果无法确定是否该取对数，可对两种情形都进行估计，作为稳健性检验（robustnesscheck）。若二者的回归结果类似，则说明结果是稳健的。
2、如何理解线性回归模型中，交互项（interactive term）系数的经济意义？
答：在线性回归模型中，如果不存在交互项或平方项等非线性项，则某变量的回归系数就表示该变量的边际效应（marginal effect）。比如，考虑回归方程
y = 1 + 2x + u
其中， u为随机扰动项。显然，变量x对 y 的边际效应为 2，即 x 增加一单位，平均而言会使y增加两单位。考虑在模型中加入交互项，比如
y = α + βx + γz + δxz+ u
其中， x 与 z为解释变量，而 xz为其交互项（交叉项）。由于交互项的存在，故x对 y 的边际效应（求偏导数）为β + δz，这说明 x对 y的边际效应并非常数，而依赖于另一变量z 的取值。如果交互项系数 δ为正数，则 x对 y的边际效应随着 z 的增加而增加（比如，劳动力的边际产出正向地依赖于资本）；反之，如果δ为负数，则 x对 y的边际效应随着z的增加而减少。
3、在一些期刊上看到回归模型中引入控制变量。控制变量究竟起什么作用，应该如何确定控制变量呢？
答：在研究中，通常有主要关心的变量，其系数称为 “parameterof interest” 。但如果只对主要关心的变量进行回归（极端情形为一元回归），则容易存在遗漏变量偏差（omittedvariable bias），即遗漏变量与解释变量相关。加入控制变量的主要目的，就是为了尽量避免遗漏变量偏差，故应包括影响被解释变量 y 的主要因素（但允许遗漏与解释变量不相关的变量）。
4、很多文献中有 “稳健性检验” 小节，请问是否每篇实证都要做这个呢？具体怎么操作？
答：如果你的论文只汇报一个回归结果，别人是很难相信你的。所以，才需要多做几个回归，即稳健性检验（robustness checks）。没有稳健性检验的论文很难发表到好期刊，因为不令人信服。稳健性检验方法包括变换函数形式、划分子样本、使用不同的计量方法等，可以参见我的教材。更重要的是，向同领域的经典文献学习，并模仿其稳健性检验的做法。
5、对于面板数据，一定要进行固定效应、时间效应之类的推敲么？还是可以直接回归？我看到很多文献，有的说明了使用固定效应模型的原因，有的则直接回归出结果，请问正确的方法是什么？
答：规范的做法需要进行豪斯曼检验（Hausman test），在固定效应与随机效应之间进行选择。但由于固定效应比较常见，而且固定效应模型总是一致的（随机效应模型则可能不一致），故有些研究者就直接做固定效应的估计。
对于时间效应也好同时考虑，比如，加入时间虚拟变量或时间趋势项；除非经过检验，发现不存在时间效应。如果不考虑时间效应，则你的结果可能不可信（或许x与 y的相关性只是因为二者都随时间而增长）。
6、如何决定应使用二阶段小二乘法（2SLS）还是广义矩估计（GMM）？
答：如果模型为恰好识别（即工具变量个数等于内生变量个数），则GMM完全等价于2SLS，故使用2SLS就够了。在过度识别（工具变量多于内生变量）的情况下，GMM的优势在于，它在异方差的情况下比2SLS更有效率。由于数据或多或少存在一点异方差，故在过度识别情况下，一般使用GMM。
7、在面板数据中，感兴趣的变量x 不随时间变化，是否只能进行随机效应的估计（若使用固定效应，则不随时间变化的关键变量 x 会被去掉）？
答：通常还是使用固定效应模型为好（当然，可进行正式的豪斯曼检验，以确定使用固定效应或随机效应模型）。如果使用固定效应，有两种可能的解决方法：
（1）如果使用系统GMM估计动态面板模型，则可以估计不随时间而变的变量x 的系数。
（2）在使用静态的面板固定效应模型时，可引入不随时间而变的变量 x与某个随时间而变的变量 z 之交互项，并以交互项 xz （随时间而变）作为关键解释变量。
8、对于非平稳序列，能否进行格兰杰因果检验？
答：如果非平稳序列之间存在协整关系，则可进行格兰杰因果检验（Grangercausality test）。这是因为，根据“格兰杰表示法定理”（Granger Representation Theorem），任何协整系统都可写为向量自回归（VAR）模型，即格兰杰因果检验的形式。
反之，如果非平稳序列之间不存在协整关系，则须先将原序列变为平稳过程（比如一阶差分），然后再进行格兰杰因果检验；否则会出现“伪回归”（spuriousregression）问题。
什么是校准？
校准:在规定条件下，为确定计量器具示值误差的一组操作。是在规定条件下，为确定计量仪器或测量系统的示值，或实物量具或标准物质所代表的值，与相对应的被测量的已知值之间关系的一组操作。校准结果可用以评定计量仪器、测量系统或实物量具的示值误差，或给任何标尺上的标记赋值。
