本书是一本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，本书具有以下几个显著特点：第一，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。
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会更有效地抑制酒后驾车？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而静观其走势？是否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十分钟莫扎特的乐曲？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。
本书适用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和应用的联系，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，于是又要去学习这些与应用不相符的假设所带来“问题”的“解决方法”，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、便于理解。
第3版的变化
●修正了面板数据回归中标准误差的处理方法。
●讨论了回归分析中数据缺失问题的产生机制和原因。
●应用断点回归设计（regression discontinuity design）作为分析准实验的方法。
●修正了对弱工具变量的讨论。
●阐述了在回归分析中加入控制变量的方法及其应用。
●介绍了实验数据的“潜在结果”框架。
●增加了专栏文章。
●增加了练习题，包括习题和实证练习。
第3版沿用了第1版和第2版中“应用推动理论”的基本理念，并没有太大的改变。
第3版的一个重要变动是关于“面板数据回归”（第10章）的讨论。在面板数据中，个体的数据常常是与时间相关的，为了保证推断有效，必须使用针对该相关性的稳健方法计算标准误差。本书关于面板数据的章节从一开始就使用了这样的方法，即集群标准误差法。这种方法是第2篇回归分析基础所介绍的异方差—稳健标准误差在面板数据的自然推广。近期的研究已经表明集群标准误差法具有许多优良的性质，本书在第10章及附录中均有讨论。
第3版的另外一个重要变动是第13章中对实验和准实验的处理。根据第2篇中多元回归的原理，优化了关于倍差法的讨论。第13章讨论了分析准实验数据的另一种重要方法，即断点回归设计。此外，第13章还介绍了潜在结果框架，并将这一术语与第1篇和第2篇中所介绍的概念联系在一起。
第3版还有一系列其他重要变化，如在多元回归模型的讨论中增加了一个明确且容易实现的控制变量处理方法，第7章讨论了控制变量应满足的条件，以保证所研究变量的系数估计量的无偏性（尽管控制变量的系数常常是有偏的）。第3版的其他变化还包括：增加了第9章中关于数据缺失的讨论，在第18章的附录中增加了对非线性回归方程斜率和弹性的数学分析，并且更新了第12章中关于弱工具问题处理的讨论。第3版还增加了一些专栏，更新了部分实证例子，补充了一些练习题。
升级的第3版
●对第14～16章中所使用的时间序列数据进行扩充、延伸，这期间包括大衰退时期。
●第14章的经验分析侧重于使用期限利差而不是菲利普斯曲线对实际GDP的增长率进行预测。
●每个章节增加了部分实证练习。更多实证练习，请参阅本书配套网站www.pearsonhighered.com/stock_watson。之所以这么做，主要是出于两方面考虑：一方面，我们可以提供越来越多的实证练习；另一方面，可以有效增加或更新习题库。希望广大读者点击查阅。
本书特色
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在一起，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是与实际应用相匹配的。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
我们所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而展开。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。
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）。
现代化专题的选取
20世纪80年代以来，计量经济学有了很大的进展。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，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。
●预测。在关于预测的章节（第14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。本章是从建立稳定且可靠的时间序列预测模型的角度出发，给出随机趋势（单位根）、单位根检验、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。本书明确区分了两种截然不同的时间序列回归应用：预测和动态因果效应估计。其中，利用时间序列数据进行因果推断的章节（第15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，但同学们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，而是通过随机抽样得到（或者是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。同学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—稳健性标准误差来消除关于是否存在异方差的担忧。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—稳健标准误差。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同学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，同学们必须亲力亲为。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”或是“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，前四篇侧重于应用，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必然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，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水平的计量经济学课程。
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、4、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，是否要在课程中讲授这些内容或者仅仅是作为参考，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）方法；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，同学们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章学习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4篇
第4篇讨论了时间序列数据的回归。其中，第14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，如单位根检验和平稳性检验等；第15章讨论了如何使用时间序列数据来估计因果效应；第16章介绍了一些更高级的时间序列分析方法，包括条件异方差模型等。
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17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18章使用矩阵语言讨论了多元回归模型、工具变量回归及线性模型的广义矩估计。
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、4、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下表。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 第3、4、5篇专题章节的预备知识要求
预备部分或章节
第1篇 第2篇 第3篇 第4篇 第5篇
章节 1～3 4～7，9 8 10.1, 12.1 14.1～ 14.5～
10.2 12.2 14.4 14.8 15 17
10 X① X① X
11 X① X① X
12.1,12.2 X① X① X
12.3~12.6 X① X① X X X
13 X① X① X X X
(续)
预备部分或章节
第1篇 第2篇 第3篇 第4篇 第5篇
章节 1～3 4～7，9 8 10.1, 12.1 14.1～ 14.5～
10.2 12.2 14.4 14.8 15 17
14X①X①②
15X①X①②X
16X①X①②XXX
17XXX
18XXXXX
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15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14.1～14.4节。
① 第10～16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14～16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。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）。随后可讲授第4篇中的预测（第14章）和动态因果效应估计（第15章）。如果时间允许，这门课程还可介绍波动集群性（volatility clustering）及条件异方差等时间序列分析的高级专题（16.5节）。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14章）、动态因果效应估计（第15章）和时间序列分析的高级专题（第16章），如向量自回归及条件异方差。本课程的一个重要内容是进行预测练习，教师可从本书配套网站上获取相关内容。所需预备知识：代数及初级计量经济学基础知识。
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课程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17章和第18章（第18.5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18.7节）、时间序列回归方法（第14章）、应用时间序列数据和广义最小二乘法估计因果效应（第15章及18.6节）。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。
教学特色
本书具有一系列教学特色，以帮助学生理解、掌握并应用书中的重要思想。每一章的引言部分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图。重要术语在每章中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、与话题相关的题外话，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节的主要内容，并帮助学生建立起一个能够涵盖本章内容的结构框架。内容复习中的问题旨在检验学生是否理解章节的核心内容；习题能够加深学生对本章学习的概念和方法的理解；实证练习能够使学生将所学的知识应用于解决现实世界的问题。本书最后的附录提供了一些统计表，参考文献列出了深入学习的资料，术语表给出了书中一些重要术语的概念以方便查询。
补充内容
本书第3版网站的最新补充内容包括习题解答、试题库及包含课本图表和重要概念的PowerPoint幻灯片。习题解答包括每章末尾习题的答案；以测试生成软件（QuizMaster的TestGenerator软件）呈现的试题库提供了丰富且容易编辑的测试题，以及能满足课程需要的各类习题。这些都可从网站http://www.pearsonglobaleditions.com/stock上的教师资源中心下载。
另外，网站http://www.pearsonglobaleditions.com/stock还为学生和教师提供了众多其他资源，包括教材所有实证练习的数据集、实证分析结果、练习测验、章末习题与实证练习的解答，以及EViews学习指导等。
经济学-计量
本书的两位作者都是计量经济学领域中的权威，尤其以时间序列的研究最为出众。与其他教材相比，本书特点鲜明，优势突出。第一，将现实问题和数据与理论发展紧密融合在一起，并且认真对待实证分析所得到的一系列结论。第二，所选取的内容反映了现代理论和实践的最新发展。第三，所给出的理论和假设是与实际应用相匹配的。作者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。
本教材适合不同层次的教学目的和教学组织。在课堂授课过程中，针对不同基础（特别是数学基础）的学生，教师可以对本教材所列内容进行灵活组织，以适应不同的教学目的。
更新的第3版
? 修正了面板数据回归中标准误差的处理方法
? 讨论了回归分析中数据缺失问题的产生机制和原因
? 应用断点回归设计作为分析准实验的方法
? 阐述了在回归分析中加入控制变量的方法及其应用
? 增加了专栏文章
? 对第14-16章中所使用的时间序列数据进行扩充，延伸到2013年初，这期间包括大衰退时期
? 每个章节增加了部分实证练习
本着对原书作者和中文版读者负责的态度，《计量经济学》（原书第3版·升级版）的翻译工作持续了很长时间，几易其稿。现在终于要跟读者见面了，希望此中译本没有辜负读者的期望，盼望读者能够从中受益。
我在本科生和研究生的教学中，推荐和使用了这本教材。在收到机械工业出版社的邀请时，我毫不犹豫地决定承担翻译工作，旨在让更多的读者更方便地阅读这本经典教材，对其学习和研究提供一些帮助。一本好的教材是我们学习和研究一门学问的金钥匙，詹姆斯 H.斯托克和马克 M.沃森的经典力作《计量经济学》（原书第3版·升级版）正是我们走进计量经济学殿堂的一把金钥匙。本书是美国高年级本科生和研究生学习计量经济学的经典教材之一，与其他教材相比，本书特色鲜明，优势突出。除了原书作者总结的特点外，我还想强调以下几点。
第一，强调理论与应用相结合。本书从理论、方法和实证案例相结合的角度系统性地、分层次地对计量经济学理论与方法进行介绍，不仅介绍了一元线性回归、多元线性回归等基础计量技术，也包括面板数据和时间序列等中高级计量经济技术和方法，而且还集中讨论了实证研究中内部和外部有效性所面临的威胁，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。
第二，强调随机对照实验和因果效应推断。本书开篇便开始讲授随机对照实验和因果关系推断，并贯穿全书始终。本书利用专门章节介绍实验和准实验方法，分析实验和准实验的有效性威胁，并重点介绍了工具变量回归、双重差分、断点回归等方法。
第三，强调学生主动学习和动手能力。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。
第四，适合不同层次的教学目的和教学组织。在课堂授课过程中，针对不同基础（特别是数学基础）的学生，教师可以对本书所列内容进行灵活组织，以适应不同的教学目的，比如可以讲授标准初级计量经济学、包含时间序列分析和预测的初级计量经济学、应用时间序列分析及预测和计量经济学理论与方法等。
我的几位研究生参与了本书的翻译和校对工作，他们分别是数量经济学专业的博士生徐晓莉、陈璐璐、高玉胭和硕士生纪尧、祝灵秀，在此感谢他们不辞辛苦、认真负责和卓有成效的工作。
在本书付梓之际，我要特别感谢机械工业出版社的邀请，感谢机械工业出版社的杨晓莉老师及其他编辑老师，是你们细致和周到的工作才保证了本书中文版及时与读者见面。
译文中的错误和不当之处，敬请广大读者朋友指正。
王立勇
译者序
前言
致谢
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9
内容复习9
第2章 概率论知识回顾10
2.1 随机变量和概率分布10
2.2 期望值、均值和方差13
2.3 二维随机变量16
2.4 正态分布、χ2分布、学生t分布及F分布21
2.5 随机抽样与样本均值的抽样分布25
2.6 抽样分布的大样本近似28
本章小结32
重要术语32
内容复习32
习题33
实证练习36
附录2A 重要概念2-3中结果的推导36
第3章 统计学知识回顾37
3.1 总体均值的估计37
3.2 关于总体均值的假设检验40
3.3 总体均值的置信区间46
3.4 不同总体间的均值比较47
3.5 基于实验数据估计因果效应49
3.6 样本容量较小时的t统计量51
3.7 散点图、样本协方差和样本相关系数52
本章小结54
重要术语55
内容复习55
习题55
实证练习58
附录3A 美国当前人口调查59
附录3B Y是μY的最小二乘估计量的两种证明方法59
附录3C 样本方差一致性的证明60
第2篇 回归分析基础
第4章 一元线性回归62
4.1 线性回归模型62
4.2 线性回归模型的系数估计65
4.3 拟合优度69
4.4 最小二乘假设71
4.5 OLS估计量的抽样分布74
4.6 结论76
本章小结76
重要术语77
内容复习77
习题77
实证练习78
附录4A 加利福尼亚州的测试成绩数据集79
附录4B OLS估计量的推导80
附录4C OLS估计量的抽样分布80
第5章 一元线性回归：假设检验和置信区间82
5.1 关于某个回归系数的假设检验82
5.2 回归系数的置信区间86
5.3 X为二元变量时的回归87
5.4 异方差和同方差88
5.5 普通最小二乘的理论基础92
5.6 样本容量较小时的t统计量应用93
5.7 结论94
本章小结95
重要术语95
内容复习95
习题96
实证练习98
附录5A OLS标准误差公式98
附录5B 高斯—马尔科夫条件和高斯—马尔科夫定理的证明99
第6章 多元线性回归102
6.1 遗漏变量偏差102
6.2 多元回归模型106
6.3 多元回归的OLS估计量108
6.4 多元回归的拟合优度110
6.5 多元回归模型的最小二乘假设112
6.6 多元回归模型中OLS估计量的分布113
6.7 多重共线性114
6.8 结论116
本章小结116
重要术语116
内容复习117
习题117
实证练习119
附录 6A 式（6-1）的推导119
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120
附录6C Frisch-Waugh定理120
第7章 多元线性回归：假设检验和置信区间121
7.1 单个系数的假设检验和置信区间121
7.2 联合假设的检验124
7.3 涉及多个系数的单约束检验128
7.4 多个系数的置信集128
7.5 多元回归的模型设定129
7.6 对测试成绩数据集的分析132
7.7 结论135
本章小结136
重要术语136
内容复习136
习题136
实证练习138
*本节可选修，且不会影响后面章节的学习。
附录7A 联合假设的Bonferroni检验139
附录7B 条件均值独立140
第8章 非线性回归函数142
8.1 非线性回归的一般建模方法143
8.2 一元非线性函数148
8.3 解释变量的交互项154
8.4 学生—教师比对测试成绩的非线性效应162
8.5 结论165
本章小结166
重要术语166
内容复习166
习题167
实证练习170
附录8A 参数非线性的回归函数171
附录8B 非线性回归函数的斜率和弹性173
第9章 多元回归分析有效性的评估174
9.1 内部有效性和外部有效性174
9.2 多元回归分析的内部有效性威胁176
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183
9.4 实例：测试成绩和班级规模184
9.5 结论190
本章小结190
重要术语191
内容复习191
习题191
实证练习192
附录9A 马萨诸塞州的小学测试数据193
第3篇 回归分析的高级专题
第10章 面板数据回归196
10.1 面板数据196
10.2 两期的面板数据：“前后”比较198
10.3 固定效应回归200
10.4 时间固定效应回归202
10.5 固定效应回归假设和固定效应回归的标准误差204
10.6 关于酒驾的法律规定和交通事故死亡人数206
10.7 结论209
本章小结210
重要术语210
内容复习210
习题210
实证练习211
附录10A 州交通死亡事故数据集213
附录10B 固定效应回归的标准误差213
第11章 二元被解释变量回归216
11.1 二元被解释变量与线性概率模型217
11.2 probit回归和logit回归219
11.3 logit模型和probit模型的估计与推断223
11.4 在波士顿HMDA数据中的应用226
11.5 结论230
本章小结231
重要术语232
内容复习232
习题232
实证练习233
附录11A 波士顿HMDA数据235
附录11B 最大似然估计235
附录11C 其他受限被解释变量模型236
第12章 工具变量回归238
12.1 单个自变量和单个工具变量的工具变量估计量238
12.2 一般工具变量回归模型244
12.3 检验工具变量有效性248
12.4 在香烟需求例子中的应用252
12.5 如何寻找有效的工具变量255
12.6 结论258
本章小结259
重要术语259
内容复习259
习题259
实证练习260
附录12A 香烟消费面板数据集262
附录12B 式（12-4）中TSLS估计量公式的推导262
附录12C TSLS估计量的大样本分布262
附录12D 工具变量非有效时TSLS估计量的大样本分布263
附录12E 存在潜在弱工具变量时的工具变量分析方法264
附录12F 含有控制变量的TSLS265
第13章 实验和准实验266
13.1 潜在结果、因果效应和理想化实验267
13.2 实验的有效性威胁268
13.3 减小班级规模效应的实验估计271
13.4 准实验277
13.5 准实验的潜在问题281
13.6 异质性总体下的实验和准实验估计283
13.7 结论286
本章小结286
重要术语287
内容复习287
习题287
实证练习289
附录13A STAR项目的数据集290
附录13B 异质性因果效应的工具变量估计290
附录13C 实验数据分析的潜在结果框架291
第4篇 经济时间序列数据的回归分析
第14章 时间序列回归和预测导论294
14.1 利用回归模型进行预测295
14.2 时间序列数据和序列相关介绍295
14.3 自回归300
14.4 包含额外预测变量的时间序列模型和自回归分布滞后模型303
14.5 运用信息准则选择滞后阶数309
14.6 非平稳性Ⅰ：趋势311
14.7 非平稳性Ⅱ：突变317
14.8 结论324
本章小结325
重要术语325
内容复习326
习题326
实证练习328
附录14A 本章使用的时间序列数据329
附录14B AR(1)模型的平稳性329
附录14C 滞后算子符号330
附录14D ARMA模型330
附录14E BIC滞后阶数估计量的一致性331
第15章 动态因果效应估计332
15.1 橙汁数据的初步分析333
15.2 动态因果效应334
15.3 使用外生解释变量估计动态因果效应337
15.4 异方差和自相关一致标准误339
15.5 严格外生解释变量的动态因果效应估计342
15.6 橙汁价格和霜冻天气347
15.7 外生性合理吗？一些例子351
15.8 结论353
本章小结353
重要术语353
内容复习354
习题354
实证练习355
附录15A 橙汁数据集356
附录15B 使用滞后算子表述ADL
模型及广义最小二乘法356
第16章 时间序列回归的其他专题358
16.1 向量自回归358
16.2 多期预测361
16.3 单整阶数和DF-GLS单位根检验364
16.4 协整368
16.5 波动集群性和自回归条件异方差373
16.6 结论376
本章小结377
重要术语377
内容复习377
习题377
实证练习378
第5篇 回归分析的计量经济学理论
第17章 一元线性回归理论382
17.1 扩展的最小二乘假设和OLS估计量382
17.2 渐近分布理论基础384
17.3 OLS估计量和t统计量的渐近分布387
17.4 误差项服从正态分布时的精确抽样分布389
17.5 加权最小二乘法390
本章小结393
重要术语394
内容复习394
习题394
附录17A 正态分布及其相关分布和连续型随机变量的矩396
附录17B 两个不等式397
第18章 多元线性回归理论398
18.1 多元回归模型和OLS估计量的矩阵形式399
18.2 OLS估计量和t统计量的渐近分布401
18.3 联合假设检验403
18.4 正态误差项假设下回归统计量的分布404
18.5 误差项为同方差时OLS估计量的有效性406
18.6 广义最小二乘法408
18.7 工具变量和广义矩估计411
本章小结416
重要术语417
内容复习417
习题417
附录18A 矩阵代数概要420
附录18B 多维分布422
附录18C 推导β 的渐近分布423
附录18D 推导正态误差项下OLS检验统计量的精确分布423
附录18E 多元回归模型高斯—马尔科夫定理的证明过程424
附录18F IV和GMM估计中部分结论的证明424
附录426
参考文献434
术语表439
