本书是经典的计量经济学入门教材，书中全面系统地介绍了计量经济学的基本知识。全书共分5篇，内容包括导论与知识回顾、回归分析基础、回归分析的高级专题、经济时间序列数据的回归分析和回归分析的计量经济学理论。与其他同类教材相比，本书具有以下三个显著特点：第壹，将现实世界的问题和数据与理论的发展联系起来，并且认真对待实证分析中大量的重要发现；第二，所选取的内容反映了现代理论和实践的发展；第三，给出的理论和假设都与应用相符。
无
不论是对于教师还是对于学生来说，计量经济学都是一门非常有趣的课程。它涉及经济、企业以及政府的现实世界，复杂且混乱，充斥着亟待解决的冲突和问题。例如，究竟是颁布严格的法令还是提高酒水的税率能更有效地减少酒后驾车？在股票市场，你应该通过买入价格相对较低的股票赚钱，还是应该依照股票价格随机游走理论静观其走势？是应该通过缩小班级规模来提升小学教育质量，还是仅让孩子们每天听10分钟莫扎特的乐曲？计量经济学能够帮助我们从许多疯狂的想法中筛选出合理的思想，并寻求重要定量问题的定量答案。它在这个复杂的世界中为我们打开了一扇窗，让我们可以挖掘个人、企业以及政府做决策时所依据的内在逻辑。
本书是适用于本科阶段计量经济学的入门课程。我们的经验是，在初级课程中，应注重计量经济学理论与应用的联系，应用会推动理论的发展，而理论必须与应用相符。这一简单的原则是本书与其他计量经济学教材的主要区别。在过去的教材中，理论模型和假设常与实际应用不相符，这也是为什么一些学生在花费了大量的时间学习后却发现这些假设并不现实，于是又要去学习解决这些与应用不相符的假设所带来“问题”的方法，从而对计量经济学中理论和应用的联系产生怀疑。我们认为，最好从具体应用出发寻找解决方法，随后提出一些简单的、与应用相符的假设，使理论与应用直接联系起来，让计量经济学变得更加生动，易于理解。
为了让学生的学习效果更好，我们建议教师将本书内容和MyLab Economics相结合教授。MyLab Economics是一个教学平台，在该教学平台上教师可以接触到每个学生。通过将一些值得信赖的作者的研究内容与灵活的平台相结合，MyLab Economics可以个性化学习体验，并帮助学生学习课程的重要概念，同时发展职业技能。MyLab Economics可以帮助教师以自己的方式教授课程。若要了解更多信息，请访问www.pearson.com/mylab/economics 本书网站需注册付费使用。——编者注。
第4版的变化
●增加了关于大数据和机器学习的章节。
●增加了使用大数据集预测时间序列数据的内容。
●介绍了动态因子模型。
●介绍了使用回归进行预测的并行处理和因果推断。
●介绍了实际波动率和自回归条件异方差。
●修正了对弱工具变量的讨论。
大数据集正越来越多地被应用于经济学和相关领域，包括预测消费者的选择、衡量医院或学校的质量、分析文本数据等非标准数据以及使用多个变量进行宏观经济预测。与之前的版本相比，第4版中的三个主要补充内容介绍了这一日益增长和令人兴奋的应用领域的基本原理。
首先，我们新增了一章（第14章），重点介绍大数据和机器学习方法。在经济学中，迄今为止的许多应用都集中在所谓的多因子预测问题上（其中预测因子的数量相对于样本量是很大的，甚至可能超过样本量）。当有许多预测因子时，普通最小二乘（OLS）法的预测效果较差，而其他方法，例如LASSO， 可以提供更好的预测结果，利用这些方法得到的样本外预测误差会小很多。本章将介绍样本外预测的概念、OLS预测效果较差的原因以及收缩是如何改进OLS预测的。本章主要介绍收缩方法以及基于主成分的预测，说明如何通过交叉验证选择收缩参数，并解释如何使用这些方法分析文本数据等非标准数据。和其他章一样，本章有一个实证例子，在这个例子中，给定学校特征，预测加利福尼亚州小学的学校层面的测试成绩。
其次，在第17章(重新编号后的)中， 我们将第14章中介绍的多因子预测扩展到时间序列数据中。具体地，第17章将说明动态因子模型如何处理大量时间序列数据，并说明如何使用主成分分析法进行动态因子模型分析。我们将用美国季度宏观经济时间的131个变量数据集来说明动态因子模型及其在预测上的用途。
最后，我们在第4章中介绍了回归的两个用途——因果推断和预测。回归是一种统计工具，可用于进行因果推断或预测，这两种应用对收集的数据有不同的要求。当数据来自随机对照实验时，可用OLS估计因果效应。在观测数据中，如果我们对估计因果效应感兴趣，那么经济学家就需要使用控制变量和/或工具变量，对感兴趣的变量进行随机化。相反，在预测时，我们并不关心因果效应，因此不需要似乎随机化的变动；然而，估计（“训练”）数据集必须与用于预测的观测数据来自同一个总体。
与之前的版本相比，第4版有几个变化。例如，在分析具有波动集群性特征的时间序列数据时，我们引入了实际波动率作为GARCH模型的补充。此外，我们扩展了第12章中关于工具变量回归的历史起源的讨论（见新增专栏12-1）。在专栏中，我们首次复制了IV估计量的原始推导，该推导出现在1926年春天Philip Wright写给他儿子Sewall的信中，他这封信中对第一个IV回归进行了讨论，即对亚麻籽供给弹性的估计。
解决教学挑战
与其他教材相比，本书主要有以下三个特点。第一，我们将现实问题和数据与理论发展紧密融合，并且认真对待实证分析所得到的一系列结论；第二，我们所选取的内容反映了现代理论和实践的最新发展；第三，我们所给出的理论和假设与实际应用相符。我们的目的是使学生能够尽快适应、掌握和熟练应用计量经济学工具。
现实世界的问题和数据
我们讨论的每个专题和方法都围绕一个需要给出明确定量答案的重要现实问题展开。例如，在估计学校投入对学校产出影响的问题（即更小的班级规模是否会提高学生的测试成绩）中，我们讲授了一元回归、多元回归及函数形式分析等内容；在分析酒驾相关法律对交通事故死亡率影响的问题中，我们讲授了面板数据方法；在分析房屋贷款市场中是否可能存在种族歧视现象的问题中，我们讲授了二元被解释变量回归（logit模型和probit模型）；在估计香烟需求弹性的问题中，我们讲授了工具变量估计方法。尽管这些实例都涉及经济推理，但只要学过初等经济学课程的学生都能理解，并且对其中大部分问题的理解不需要具备任何经济学专业知识。教师可以集中精力讲授计量经济学知识，而不用花时间去回顾或复习微观经济学和宏观经济学知识。
我们详细分析了每一个实证案例，向学生展示他们能从数据中得到什么，与此同时，我们指导他们认真思考并认识到实证分析的局限性。通过实证案例分析，我们指导学生积极探索其他模型设定并评价他们的主要发现是否稳健。实证应用中提出的问题很重要，我们给出了严肃、可靠的解答。然而，我们也鼓励教师和学生提出不同意见，并积极参与到数据的再分析中，相关内容可参见本书的配套网站（http：//www.pearsonglobaleditions.com/stock）和MyLab Economics教学平台。
在整本书中，我们都致力于帮助学生理解、掌握和应用计量经济学的基本思想。每章章首提出了现实世界的问题和背景，并为接下来的讨论提供了一个简要清晰的路径。重要术语在每章中首次出现时都用黑体字表示且给出定义；重要概念则简单回顾一些主要概念。专栏提供了一些有趣的话题，并利用书中讨论的方法或概念分析现实世界的问题。本章小结总结了本章的主要内容，并帮助学生建立起一个能够涵盖本章内容的结构框架。
MyLab Economics教学平台提供了本书中的概念问题回顾、习题和实证练习，可供学生练习或教师布置作业。这些问题和习题是自动评分的，学生可以使用书中的数据集自己动手解决问题，积累实证经验。
●各章中所有的内容复习题都可在MyLab Economics上找到。
●部分习题和实证练习可在MyLab Economics上找到。许多实证练习是计算题并需要使用本书中的数据集。这些习题要求学生使用Excel或计量经济学软件包分析数据并得出结果。
现代化专题的选取
本书中的专题涵盖了现代应用计量经济学的主要内容。鉴于本书是初级课程的教材，我们主要介绍实践中常用的方法和检验。例如：
●工具变量回归。我们将工具变量回归作为处理解释变量和回归误差项相关的一般方法。造成该相关性的原因很多，如遗漏变量、双向因果关系等。我们还介绍了有效工具变量应满足的两个假设条件，即外生性和相关性；然后进一步讨论了如何寻找工具变量，以及存在过度识别约束时的检验方法。此外，我们还讨论了弱工具变量的诊断，并给出了弱工具变量问题的处理方法。
●项目评估。越来越多的计量经济学研究涉及随机对照实验或准实验（或称自然实验）。第13章是与此有关的专题，即“项目评估”专题。我们将这一研究方法表述为解决遗漏变量、双向因果关系、选择偏误问题的一种替代方法，并介绍了利用实验和准实验数据进行分析的优缺点。
●大数据预测。第14章讨论了大型横截面数据带来的机遇和挑战。计量经济学中一个越来越普遍的应用是在预测因子数量非常大时进行预测。本章重点介绍使用的预测因子数量非常多时的方法，以产生准确和精确的样本外预测。本章介绍当预测因子数量非常多时对OLS的一些改进方法。此外，本章还对这些方法进行了拓展，可用于非标准数据，如文本数据。
●预测。在关于预测的章（第15章）中，我们讨论了基于时间序列回归而非大型联立结构方程模型的一元（自回归）和多元预测。我们关注简单且可靠的方法，如自回归和利用信息准则进行模型选择，这些方法在实践中的应用效果较好。本章从建立稳定且可靠的时间序列预测模型的角度出发，给出结构突变检验（已知和未知突变点）和伪样本外预测等实用处理方法。
●时间序列回归。本书利用时间序列数据进行因果推断的章（第16章）着重讨论不同的估计方法（包括广义最小二乘法）在什么情况下能够或者不能够得到有效的因果推断，以及在何种情况下可以使用异方差和自相关一致标准误的OLS方法估计动态回归模型。
与应用相匹配的理论
虽然计量经济学的最好学习方式是通过实证应用来学习，但学生需要掌握足够的计量经济学理论才能理解这些方法的优势和局限性。因此，本书采用了现代教学方法，使理论和应用之间的联系尽可能紧密，并且只需要用到代数知识。
现代实证应用具有一些共同的特征：数据集一般较大（观测值有成百上千个，甚至更多）；解释变量在重复取样时不固定，需通过随机抽样得到（或者通过其他机制保证其随机性）；数据不满足正态分布；没有先验理由认为误差项是同方差的（尽管通常有理由认为它们是异方差的）。
正是由于这些特征，本书以与其他教材不同的逻辑来展开理论论述：
●大样本方法。由于数据集较大，我们一开始就应用抽样分布的大样本正态近似来做假设检验和置信区间。以我们的经验，讲授大样本近似原理所花费的时间要少于讲授学生t分布、精确F分布及自由度修正等内容所花费的时间。学生们常发现由于非正态误差项的存在，他们所掌握的精确分布理论并不适用，于是产生了困惑，而大样本方法能够使学生们从这种困惑中解脱出来。一旦讲授了样本均值在大样本下的假设检验和置信区间，便可以将其直接推广到多元回归分析、logit模型和probit模型、工具变量估计和时间序列回归方法中。
●随机抽样。由于计量经济学应用中的解释变量很少是固定的，所以我们一开始就将所有变量（包括解释变量和被解释变量）的数据看作随机抽样的结果。这个假设与我们一开始的横截面数据应用是相符的，并且可以很容易推广到面板数据和时间序列数据中；由于采用了大样本方法，这样做不会造成理解或者数学上的困难。
●异方差。应用计量经济学家通常是通过使用异方差-稳健标准误来消除关于是否存在异方差的担忧的。而在本书中，我们没有将异方差作为一种特例或者待解决的“问题”，而是从一开始就允许异方差的存在，并只需采用异方差-稳健标准误，同时将同方差视作OLS理论的一种特殊情况。
系统学习，熟练使用
我们希望学习本书的学生能够熟练地进行实证分析，为此，不仅要学习如何使用回归分析方法，还要学会如何评价实证分析的有效性。
本书分三个层次讲授如何评价实证研究。
首先，在介绍完回归分析的主要工具之后，我们在第9章集中讨论了实证研究中内部和外部有效性所面临的威胁，分别讨论了数据问题和将结果推广到其他情形时所产生的问题，还讨论了回归分析的主要威胁，包括遗漏变量、函数形式误设、变量测量偏误、选择偏误、双向因果关系以及识别这些有效性威胁的方法。
其次，我们通过考虑其他设定或系统处理本书中所分析的有效性威胁，将这些评价实证研究有效性的方法应用于书中所讨论的实证分析案例中。
最后，若想熟练使用这些方法，学生必须亲力亲为。主动学习优于被动学习，而计量经济学是一门需要主动学习的课程。因此，本书的网站提供了数据集、软件，以及针对不同层次的实证练习。
针对不同数学基础的内容安排
本课程不论是在一个“较高”还是“较低”的数学水平上讲授，我们都致力于让学生熟练掌握现代回归分析工具。本书第1～4篇（涵盖了大量的内容）适合只学过微积分预备知识的学生，相比于其他初级计量经济学教材，前4篇侧重于应用，较其他本科教材所涉及的方程要少。根据我们的经验，对大多数学生而言，更多的数学推导并不会带来更深刻的理解。
学习方式因人而异，对那些数学基础较好的学生，详尽的数学过程能够加深理解。因此，我们将那些放在正文中显得过于深奥的关键计算放在了第1～4篇中有些章的附录里。此外，本书第5篇介绍了适合具有较好数学基础的学生学习的计量经济学理论。我们认为，将第5篇中的数学部分与第1～4篇中的内容结合起来，本书同样适用于高年级的本科生或硕士生的计量经济学课程。
发展职业技能
为了让学生在瞬息万变的就业市场中取得成功，他们应该了解自己的职业选择以及如何发展各种技能。数据分析是一项越来越受到市场欢迎的技能。本书为学生提供了一系列的数据分析应用，包括因果推断和预测。此外，本书还介绍了使用大数据进行预测的核心概念。
内容组织
本书一共分为5篇，我们假定学生已经学习过概率论和数理统计课程。尽管如此，本书在第1篇中依然回顾了相关知识，第2篇涵盖了回归分析的核心内容，第3～5篇分别介绍了一些以第2篇核心内容为基础的高级专题。
第1篇
第1章介绍了计量经济学，并强调了对定量问题进行定量解答的重要性，讨论了统计研究中因果效应的概念，并且考察了计量经济学中可能遇到的不同的数据类型；第2章和第3章分别回顾了概率论和统计学的相关知识，是在课程中讲授这些内容还是仅仅将其作为参考，这取决于学生的基础。
第2篇
第4章介绍了一元线性回归和普通最小二乘（OLS）法；第5章讨论了一元线性回归模型中的假设检验和置信区间；第6章讲授了如何利用多元回归处理遗漏变量偏差，从而可以在保证其他解释变量不变的条件下估计某个解释变量的影响；第7章涵盖了多元回归中包含F检验在内的假设检验和置信区间等内容；第8章将线性回归模型拓展到具有非线性总体回归函数的模型，着重讨论了参数线性（此时可用OLS估计参数）的回归函数；在第9章中，学生将会在学习如何应用内部和外部有效性概念的过程中，重新认识回归研究的优势和局限性。
第3篇
第3篇的内容涉及回归方法的拓展。第10章介绍如何利用面板数据控制不随时间变化的不可观测变量；第11章是关于二元被解释变量的回归；第12章说明了如何利用工具变量回归来处理导致回归误差项和解释变量相关的一系列问题，并且分析了如何寻找和评价有效的工具变量；第13章介绍了实验和准实验（或自然实验）数据的分析，这些专题通常被称为“项目评估”；第14章介绍了使用大数据集时所产生的计量问题，并重点介绍了当预测因子数量非常多时如何进行预测。
第4篇
第4篇讨论了时间序列数据的回归。其中，第15章侧重预测，还介绍了时间序列回归分析中的各种现代工具，如平稳性检验；第16章讨论了如何使用时间序列数据来估计因果效应；第17章介绍了一些更高级的时间序列分析方法，包括刻画波动集群性的相关模型和动态因子模型等。
第5篇
第5篇系统介绍了计量经济学理论，这一部分不仅是书中省略的数学细节的补充，还独立地阐述了线性回归模型中关于估计和推断的计量经济学理论。第18章建立了一元回归分析的理论，尽管这部分比本书其他部分需要更高的数学水平，但我们没有应用矩阵代数进行阐述；第19章使用矩阵讨论了多元回归模型、工具变量回归、线性模型的广义矩估计及主成分分析。
本书的预备知识
不同教师所强调的重点不尽相同，因此我们在编写本书时也考虑到不同的教学偏好。我们尽可能地使第3～5篇中各章内容 “自成一体”，即学习时不需要预先讲授之前的所有章节。每一章具体需要的预备知识见表0-1。我们发现本书所选专题的顺序在我们的课程教学中效果很好，教师也可按照实际授课需要来调整专题次序。
表0-1 第3～5篇专题章节的预备知识要求第3～5篇
专题章节预备部分或章节第1篇第2篇第3篇第4篇第5篇第1～3章第4～7章，
第9章第8章10.1节，
10.2节12.1节，
12.2节15.1～
15.4节15.5～
15.8节第16章第18章第10章X①X①X第11章X①X①X12.1节，12.2节X①X①X12.3～12.6节X①X①XXX第13章X①X①XXX第14章X①X①X第15章X①X①②第16章X①X①②X第17章X①X①②XXX第18章XXX第19章XXXXX 注：该表列出了讲授给定章节内容的最低预备知识要求。例如，在学习利用时间序列数据估计动态因果效应（第16章）之前，首先要学习第1篇（根据学生水平决定是否需要，例外情况见表注①）、第2篇（除了第8章，见表注②）以及15.1～15.4节。
① 第10～17章主要应用了大样本近似抽样分布，因此可以跳过3.6节（检验均值的学生t分布）和5.6节（检验回归系数的学生t分布）的学习。
② 如果教师想要解释应用对数变换来近似百分比变化，则在讲授第15～17章（时间序列章节）前无须讲授第8章（非线性回归函数）。
课程范例
本书可采取不同的课程组织结构。
标准初级计量经济学
这一课程将介绍计量经济学（第1章），并可根据需要复习概率论和统计学的知识（第2章和第3章），随后介绍一元线性回归、多元线性回归、函数形式分析基础，以及回归研究有效性的评价（第2篇的全部内容）。然后，这一课程可以介绍面板数据回归（第10章），含受限被解释变量的回归分析（第11章），若时间允许还可讲授工具变量回归（第12章）。最后讨论实验和准实验（第13章），这些专题能使我们回到本课程一开始所提出的因果效应估计问题上，并概括总结核心回归方法。如果还有时间，可以介绍大数据和机器学习方法（第14章）。所需预备知识：代数及统计学基础。
包含时间序列分析和预测的初级计量经济学
与标准初级课程相似，这一课程涵盖第1篇（根据需要）和第2篇的全部内容。接下来可选择性地简要介绍面板数据（10.1节和10.2节），以及工具变量回归（第12章，或仅讲授12.1节与12.2节）。然后讲授第14章（横截面大数据集中的预测）。随后可讲授第4篇中的预测（第15章）和动态因果效应估计（第16章）。如果时间允许，这门课程还可介绍波动集群性（17.5节）及多因子预测（17.6节）等时间序列分析的高级专题。所需预备知识：代数及统计学基础。
应用时间序列分析及预测
本书也可用作应用时间序列分析及预测的短期课程教材，但需要具有回归分析的预备知识。可以花时间回顾第2篇中所介绍的基本回归分析方法，所需时间可根据学生水平来安排。随后可直接学习第4篇，即学习预测（第15章）、动态因果效应估计（第16章）和时间序列分析的高级专题（第17章），包括向量自回归。如果时间允许，可讲授大数据预测（第14章和17.6节）。本课程的一个重要内容是进行预测练习，可从第15章和第17章章末的实证练习中获取相关内容。所需预备知识：代数及初级计量经济学基础知识或同等内容。
计量经济学理论介绍
本书也可用于具有较高数学水平的高年级本科生或硕士生的计量经济学课程。本课程首先简要回顾统计学和概率论的基础知识（第1篇），其次介绍第2篇中的回归分析，接着讲授第18章和第19章（19.5节）中的计量经济学理论。随后，本课程可讨论受限被解释变量回归（第11章）和极大似然估计（附录11B）。最后，本课程可选内容包括：工具变量回归与广义矩方法（第12章及19.7节）、时间序列回归方法（第15章）、应用时间序列数据和广义最小二乘法估计因果效应（第16章及19.6节）和/或机器学习方法（第14章和附录19G）。所需预备知识：微积分及统计学基础，第18章需要矩阵代数知识。
教学资源
本书附带以下教学资源：
以下教学资源可从网站www.pearsonhighered.com上获取 教学资源特色 习题答案 章末习题的答案 试题库
经克莱蒙特麦肯纳大学的Manfred Keil授权 1000道多项选择题、文章和较长的问题以及下列题型的数学和画图问题
●题型（多项选择题、简答题、图形分析题） 测试生成软件TestGen TestGen允许教师：
●自定义、保存和生成课堂测试
●从测试文件中编辑、添加或删除题目
●分析测试成绩
●构建测试和学生成绩的数据库 幻灯片 课件中包含了本书中所有的图形、表格和方程
幻灯片符合残障学生的无障碍标准，课件特色包括但不限于：
●通过键盘和屏幕阅读器访问
●图片的替代文本
●背景色和前景色之间的高色彩对比 公司网站 公司网站还为学生和教师提供了众多其他资源，包括更深入的实证练习、实证练习所需的数据集，本书中报告的实证结果的复制文件以及EViews学习指导等
致谢
很多人为本书的第1版做出了贡献。最感谢的是我们在哈佛大学和普林斯顿大学的同事，他们在课堂中采用本书初稿作为教材。哈佛大学肯尼迪学院的Suzanne Cooper提出了非常宝贵的建议并对本书多版草稿给予了详细评述。作为本书其中一位作者（斯托克）的助教，她在肯尼迪学院讲授硕士研究生的必修课程时，还帮助审阅了本书的大部分内容。同时我们也感谢肯尼迪学院的其他两位同事Alberto Abadie和Sue Dynarski，感谢他们对准试验和项目评估领域的耐心介绍及对本书初稿的细致评述。普林斯顿大学的Eli Tamer采用本书初稿进行授课，同时还就本书的内容提出了有帮助的评述。
我们还非常感谢计量经济学领域的许多朋友和同事，他们和我们探讨了本书的内容并提出了有帮助的建议。在此就不一一列举了。
内容简介
计量经济学是基于经济理论和统计工具分析“经济数据”的一门科学和艺术。它广泛应用于金融学、劳动经济学、宏观经济学、微观经济学、市场营销，以及社会学等其他社会科学的众多分支中。计量经济学能够帮助我们从许多“疯狂”的想法中筛选出合理的选择，并最终寻求到重要定量问题的定量答案。在这个复杂的世界，计量经济学可以为我们打开一扇窗，让我们科学理性地挖掘出个人、企业以及政府做决策时所依据的内在逻辑。
本书是经典的计量经济学入门教材，两位作者分别来自哈佛大学和普林斯顿大学，都是国际上计量经济学领域中的大牛。他们强调理解、掌握和应用计量经济学的基本思想，并使用尽量少的和最简单的数学语言介绍计量经济学家们常用的核心方法，同时通过大量实例来分析当今世界宏微观决策中存在的具体定量问题，既实用又有趣。
特别地，在当前大数据时代，学会数据分析是一项越来越受到国内外就业市场欢迎的技能，同时也是进一步升级研究不可或缺的分析工具。因此，相信通过学习本书，你将会真正掌握和熟练应用计量经济学工具。
前言
第1篇 导论与知识回顾
第1章 经济问题和数据 /2
1.1 我们研究的经济问题 /2
1.2 因果效应和理想化随机对照实验 /5
1.3 数据：来源和类型 /6
本章小结 /9
重要术语 /10
内容复习 /10
第2章 概率论知识回顾 /11
2.1 随机变量和概率分布 /12
2.2 期望值、均值和方差 /15
2.3 二维随机变量 /19
专栏2-1 2015年美国的收入分布情况 /24
2.4 正态分布、χ2分布、学生t分布及F分布 /26
专栏2-2 华尔街糟糕的一天 /28
2.5 随机抽样与样本均值的抽样分布 /30
专栏2-3 投资分散化和资产组合 /33
2.6 抽样分布的大样本近似 /33
本章小结 /38
重要术语 /38
内容复习 /39
习题 /39
实证练习 /43
附录2A 重要概念2-3中结果的推导 /44
附录2B 条件均值是实现最小均方误差的预测值 /45
第3章 统计学知识回顾 /46
3.1 总体均值的估计 /47
专栏3-1 兰顿获胜 /50
3.2 关于总体均值的假设检验 /50
3.3 总体均值的置信区间 /56
3.4 不同总体间的均值比较 /57
专栏3-2 美国大学毕业生收入的性别差异 /59
3.5 基于实验数据估计因果效应 /60
专栏3-3 刺激退休储蓄的新方法 /60
3.6 样本容量较小时的t统计量 /61
3.7 散点图、样本协方差和样本相关系数 /63
本章小结 /66
重要术语 /66
内容复习 /67
习题 /67
实证练习 /71
附录3A 美国当前人口调查 /73
附录3B Y是μY的最小二乘估计量的两种证明方法 /73
附录3C 样本方差一致性的证明 /74
第2篇 回归分析基础
第4章 一元线性回归 /76
4.1 线性回归模型 /77
4.2 线性回归模型的系数估计 /79
专栏4-1 股票的“贝塔”值 /82
4.3 拟合优度与预测精度 /83
4.4 因果推断的最小二乘假设 /85
4.5 OLS估计量的抽样分布 /89
4.6 结论 /91
本章小结 /91
重要术语 /92
内容复习 /92
习题 /92
实证练习 /94
附录4A 加利福尼亚州的测试成绩数据集 /96
附录4B OLS估计量的推导 /96
附录4C OLS估计量的抽样分布 /96
附录4D 预测的最小二乘假设 /98
第5章 一元线性回归：假设检验和置信区间 /100
5.1 关于某个回归系数的假设检验 /100
5.2 回归系数的置信区间 /104
5.3 X为二元变量时的回归 /105
5.4 异方差和同方差 /107
专栏5-1 一年教育的经济价值：是同方差还是异方差 /110
*5.5 普通最小二乘法的理论基础 /111
*5.6 样本容量较小时的t统计量应用 /112
5.7 结论 /113
本章小结 /114
重要术语 /115
内容复习 /115
习题 /115
实证练习 /118
附录5A OLS标准误公式 /119
附录5B 高斯-马尔科夫条件和高斯-马尔科夫定
理的证明 /120
第6章 多元线性回归 /122
6.1 遗漏变量偏差 /122
专栏6-1 莫扎特效应：遗漏变量偏差 /125
6.2 多元回归模型 /126
6.3 多元回归的OLS估计量 /128
6.4 多元回归的拟合优度 /130
6.5 多元回归中因果推断的最小二乘假设 /132
6.6 多元回归模型中OLS估计量的分布 /134
6.7 多重共线性 /134
6.8 控制变量和条件均值独立 /137
6.9 结论 /138
本章小结 /139
重要术语 /139
内容复习 /140
习题 /140
实证练习 /143
附录6A 式（6-1）的推导 /144
附录6B 包含两个解释变量且误差项为同方差时的OLS估计量的分布 /144
附录6C Frisch-Waugh定理 /144
附录6D 多元回归预测的最小二乘假设 /145
附录6E 包含控制变量的多元回归的OLS估计量的分布 /146
第7章 多元回归中的假设检验和置信区间 /147
7.1 单个系数的假设检验和置信区间 /147
7.2 联合假设的检验 /150
7.3 涉及多个系数的单约束检验 /154
7.4 多个系数的置信集 /155
7.5 多元回归的模型设定 /156
7.6 对测试成绩数据集的分析 /158
7.7 结论 /161
本章小结 /161
重要术语 /162
内容复习 /162
习题 /162
实证练习 /164
附录7A 联合假设的Bonferroni检验 /165
第8章 非线性回归函数 /167
8.1 非线性回归函数的一般建模方法 /168
8.2 一元非线性函数 /173
8.3 解释变量的交互项 /180
专栏8-1 教育回报与性别差距 /185
专栏8-2 经济学期刊的需求 /187
8.4 学生-教师比对测试成绩的非线性效应 /189
8.5 结论 /193
本章小结 /194
重要术语 /194
内容复习 /194
习题 /195
实证练习 /198
附录8A 参数非线性的回归函数 /200
附录8B 非线性回归函数的斜率和弹性 /202
第9章 多元回归分析有效性的评估 /204
9.1 内部有效性和外部有效性 /204
9.2 多元回归分析的内部有效性威胁 /206
专栏9-1 股票共同基金跑赢市场了吗 /211
9.3 利用回归模型进行预测时的内部有效性和外部有效性 /214
9.4 实例：测试成绩和班级规模 /215
9.5 结论 /221
本章小结 /222
重要术语 /222
内容复习 /222
习题 /222
实证练习 /224
附录9A 马萨诸塞州的小学测试数据 /225
第3篇 回归分析的高级专题
第10章 面板数据回归 /228
10.1 面板数据 /229
10.2 两期的面板数据：“前后”比较 /231
10.3 固定效应回归 /233
10.4 时间固定效应回归 /236
10.5 固定效应回归假设和固定效应回归的标准误 /238
10.6 关于酒驾的法律规定和交通事故死亡人数 /240
10.7 结论 /243
本章小结 /243
重要术语 /244
内容复习 /244
习题 /244
实证练习 /245
附录10A 州交通死亡事故数据集 /246
附录10B 固定效应回归的标准误 /246
第11章 二元被解释变量回归 /250
11.1 二元被解释变量与线性概率模型 /251
11.2 probit回归和logit回归 /254
11.3 logit模型和probit模型的估计与推断 /258
11.4 在波士顿HMDA数据中的应用 /261
11.5 结论 /265
专栏11-1 诺贝尔经济学奖得主詹姆斯·赫克曼和丹尼尔·麦克法登 /266
本章小结 /267
重要术语 /267
内容复习 /267
习题 /267
实证练习 /269
附录11A 波士顿HMDA数据 /271
附录11B 最大似然估计 /271
附录11C 其他受限被解释变量模型 /272
第12章 工具变量回归 /275
12.1 单个自变量和单个工具变量的IV估计量 /275
专栏12-1 谁发明了工具变量回归 /279
12.2 一般IV回归模型 /282
12.3 检验工具变量有效性 /287
专栏12-2 第一次IV回归 /289
12.4 在香烟需求例子中的应用 /291
专栏12-3 吸烟的外部性 /292
12.5 如何寻找有效的工具变量 /294
12.6 结论 /297
本章小结 /297
重要术语 /298
内容复习 /298
习题 /298
实证练习 /300
附录12A 香烟消费面板数据集 /302
附录12B 式（12-4）中TSLS估计量公式的推导 /302
附录12C TSLS估计量的大样本分布 /302
附录12D 工具变量非有效时TSLS估计量的大样本分布 /303
附录12E 存在潜在弱工具变量时的工具变量分析方法 /304
附录12F 含有控制变量的TSLS /305
第13章 实验和准实验 /307
13.1 潜在结果、因果效应和理想化实验 /308
13.2 实验的有效性威胁 /310
专栏13-1 霍桑效应 /311
13.3 减小班级规模效应的实验估计 /313
13.4 准实验 /319
13.5 准实验的潜在问题 /323
13.6 异质性总体下的实验和准实验估计 /324
13.7 结论 /328
本章小结 /328
重要术语 /329
内容复习 /329
习题 /330
实证练习 /332
附录13A STAR项目数据集 /333
附录13B 异质性因果效应的IV估计 /333
附录13C 分析实验数据的潜在结果框架 /333
第14章 多元回归和大数据预测 /335
14.1 什么是“大数据” /336
14.2 多元预测问题与OLS /337
14.3 岭回归 /342
14.4 Lasso回归 /345
14.5 主成分 /348
14.6 使用多个预测因子预测学校测试成绩 /352
14.7 结论 /356
专栏14-1 文本数据 /356
本章小结 /357
重要术语 /357
内容复习 /358
习题 /358
实证练习 /361
附录14A 加州学校考试成绩数据集 /362
附录14B k=1时式（14-4）的推导 /362
附录14C k=1时的岭回归估计量 /362
附录14D k=1时的Lasso估计量 /362
附录14E 在标准化回归模型中计算样本外预测 /363
第4篇 经济时间序列数据的回归分析
第15章 时间序列回归和预测导论 /366
15.1 时间序列数据和序列相关介绍 /367
15.2 平稳性和均方预测误差 /371
专栏15-1 你能战胜市场吗 /373
15.3 自回归 /374
15.4 包含其他预测变量的时间序列模型和自回归分布滞后模型 /377
15.5 MSFE的估计和预测区间 /380
专栏15-2 血河 /383
15.6 运用信息准则选择滞后阶数 /383
15.7 非平稳性Ⅰ：趋势 /386
15.8 非平稳性Ⅱ：突变 /391
15.9 结论 /396
本章小结 /396
重要术语 /397
内容复习 /397
习题 /397
实证练习 /400
附录15A 第15章使用的时间序列数据 /402
附录15B AR（1）模型的平稳性 /402
附录15C 滞后算子符号 /403
附录15D ARMA模型 /403
附录15E BIC滞后阶数估计量的一致性 /404
第16章 动态因果效应估计 /405
16.1 橙汁数据的初步分析 /406
16.2 动态因果效应 /408
16.3 使用外生解释变量估计动态因果效应 /411
16.4 异方差和自相关一致标准误 /413
16.5 严格外生解释变量的动态因果效应估计 /416
16.6 橙汁价格和霜冻天气 /420
专栏16-1 迁徙中的橙子树 /424
专栏16-2 新闻速递：商品交易员通过迪士尼乐园
传递寒流 /425
16.7 外生性合理吗 /425
16.8 结论 /427
本章小结 /427
重要术语 /427
内容复习 /428
习题 /428
实证练习 /431
附录16A 橙汁数据集 /432
附录16B 使用滞后算子表示的ADL模型及广义最小二乘法 /432
第17章 时间序列回归的其他专题 /435
17.1 向量自回归 /436
17.2 多期预测 /438
17.3 单整阶数和单位根检验统计量的非正态性 /442
17.4 协整 /445
17.5 波动集群性和自回归条件异方差 /447
17.6 使用动态因子模型和主成分进行包含多个预测变量的预测 /451
专栏17-1 时间序列计量经济学的诺贝尔奖获得者 /457
17.7 结论 /458
本章小结 /458
重要术语 /458
内容复习 /459
习题 /459
实证练习 /461
附录17A 美国季度宏观数据集 /461
第5篇 回归分析的计量经济学理论
第18章 一元线性回归理论 /464
18.1 扩展的最小二乘假设和OLS估计量 /465
18.2 渐近分布理论基础 /466
18.3 OLS估计量和t统计量的渐近分布 /470
18.4 误差项服从正态分布时的精确抽样分布 /472
18.5 加权最小二乘法 /474
本章小结 /477
重要术语 /477
内容复习 /478
习题 /478
附录18A 正态分布及其相关分布和连续型随机变量的矩 /480
附录18B 两个不等式 /482
第19章 多元线性回归理论 /483
19.1 多元回归模型和OLS估计量的矩阵形式 /484
19.2 OLS估计量和t统计量的渐近分布 /486
19.3 联合假设检验 /489
19.4 正态误差项假设下回归统计量的分布 /490
19.5 误差项为同方差时OLS估计量的有效性 /492
19.6 广义最小二乘法 /494
19.7 工具变量和广义矩估计 /497
本章小结 /503
重要术语 /503
内容复习 /504
习题 /504
附录19A 矩阵代数概要 /508
附录19B 多元分布 /510
附录19C 推导β^的渐近分布 /511
附录19D 推导正态误差项下OLS检验统计量的精确分布 /511
附录19E 多元回归模型的高斯-马尔科夫定理的证明过程 /512
附录19F IV和GMM估计中部分结论的证明 /513
附录19G 包含多个预测因子的回归：MPSE、岭回归和主成分分析 /515
附录 /519
参考文献 /527
