Introduction to Econometrics（计量经济学导论）

引用

Stock, J. H., & Watson, M. W. (2018). Introduction to Econometrics (4th ed.). Pearson.

章节概要

第四版约755页，分为五个部分、十九章。Pearson 将本书的理念概括为：让应用来推动理论，而不是相反；每种方法都从现实世界的问题和数据引入，并说明这一版新增了一章关于大数据的内容。

第1–3章：经济问题与数据；概率回顾；统计回顾

第一部分“导论与回顾”先从经济问题以及用来回答这些问题的数据入手，介绍计量经济学的基本思路，随后用两章分别回顾概率和统计。这两章为回归分析打下基础，背景知识生疏的读者可以在进入正文之前先行温习。

第4–5章：一元线性回归；单个回归变量的假设检验与置信区间

第二部分“回归分析基础”从最简单的回归模型，即只有一个解释变量的模型讲起，接着用第二章专门讨论该模型的推断，也就是假设检验和置信区间。

第6–7章：多元线性回归；多元回归中的假设检验与置信区间

同样的两步结构在多个回归变量的情形下再走一遍：先是模型，然后是与之配套的假设检验和置信区间。

第8–9章：非线性回归函数；评估基于多元回归的研究

第8章把回归从直线关系推广开去。第9章为第二部分收尾，由技术转向评价，讨论应当如何评估建立在多元回归之上的研究。

第10–14章：面板数据回归；二值因变量回归；工具变量回归；实验与准实验；多回归变量预测与大数据

第三部分“回归分析的进一步专题”提供五个相互独立的扩展：对同一批个体跨期观测的数据、只取两个值的结果变量、工具变量、实验与准实验证据，以及多回归变量情形下的预测。最后一项就是第四版新增的大数据一章。

第15–17章：时间序列回归与预测导论；动态因果效应的估计；时间序列回归的其他专题

第四部分“经济时间序列数据的回归分析”先介绍时间序列回归与预测，再转向动态因果效应的估计，最后以一章其他专题结束。

第18–19章：一元线性回归的理论；多元回归的理论

第五部分“回归分析的经济理论”在最后两章中集中讲述一元和多元回归模型的理论，与前面的应用各章分开。

核心概念

第一部分：导论与回顾（第1–3章）

• 经济问题与数据：全书的起点，把一个实证问题和可用于回答它的数据作为选择方法的依据。
• 概率与统计回顾：回归分析所依赖的概率与统计背景知识。

第二部分：回归分析基础（第4–9章）

• 一元回归：拟合一条把结果变量与单个解释变量联系起来的直线。
• 假设检验与置信区间：用来判断估计的系数是否不同于某个设定值，以及估计有多精确的工具。
• 多元回归：在同一个模型中同时控制多个解释变量。
• 非线性回归函数：效应不是恒定斜率的关系。
• 评估研究：判断一项基于回归的研究能否支持其所得结论。

第三部分：回归分析的进一步专题（第10–14章）

• 面板数据：对同一批个体在多个时期的观测。
• 二值因变量：结果变量为“是或否”时的回归。
• 工具变量回归：当解释变量与误差项相关时用来估计效应的一种方法。
• 实验与准实验：来自随机化变异或自然发生的变异的证据。
• 多回归变量预测：在潜在预测变量很多的情况下进行预测，即大数据一章的主题。

第四、五部分：时间序列与理论（第15–19章）

• 时间序列回归与预测：对按时间顺序观测的变量建模和预测。
• 动态因果效应：一个变量的变化如何影响其后各期的另一个变量。
• 线性回归理论：一元和多元回归模型的形式化展开。

评析

优点

• 明确的应用取向，结构上也有体现。 Pearson 称应用应当推动理论，目录的安排与此一致：全书从经济问题和数据开始，在第二至第四部分依次讲回归、扩展专题和时间序列，把形式化的理论放在最后一部分，而不是放在开头。
• 一册涵盖面广。 截面回归、面板数据、二值结果、工具变量、实验与准实验、时间序列回归与预测，以及多回归变量预测一章，都在十九章之内，因此一本书就跨越了截面方法与时间序列方法。
• 自带回顾。 前面有两章回顾概率与统计，因此本书不必完全依赖读者对另一门统计课程的记忆。
• 较新的内容。 出版社把关于多回归变量预测与大数据的新章节作为第四版的主要新增内容。

局限

• 理论被后置。 由于形式化的论述放在第五部分，想在每种方法出现时就看到其推导的读者，需要把最后两章与前面各章对照着读。
• 篇幅与取舍。 全书约755页、分五个部分，内容多于一门课程可能讲完的量，目录也没有设定固定路径；尤其是第三部分，各章主题彼此独立，课程或读者需要自行取舍。
• 预测只有一章。 目录给预测与大数据只留了一章，因此它更像这一领域的导入，而不是完整的论述。

在课程中的定位

Stock 与 Watson 的书是本课程书单中的本科主教材。另有两本书是更平缓的起点。Angrist 与 Pischke 的 Mastering 'Metrics 被描述为一本易读的入门书，介绍估计因果效应的方法，围绕五种核心工具展开，语言平实，符号简单。A. H. Studenmund 的 Using Econometrics 则被描述为通过直觉和实践来讲解单方程回归，并注重小型实证项目的设定、诊断和报告。这两本书既可以在读 Stock 与 Watson 之前读，也可以与之并读，以便换一种讲法理解同样的思想。

Wooldridge 的 Introductory Econometrics: A Modern Approach 是作为主教材最接近的替代选择，其介绍涉及回归、因果推理、假设检验、面板数据、工具变量和实证研究。Angrist 与 Pischke 的 Mostly Harmless Econometrics 是一本精炼的指南，介绍应用微观经济学家处理因果问题所用的工具，包括工具变量、双重差分和断点回归，适合作为第12章和第13章之后的延伸阅读。Newbold 的 Statistics for Business and Economics 是一本一般性的统计学教材，可为第2章和第3章的回顾提供支撑。

如何使用本书

本书面向已经学过经济学原理和一门基础统计课程的学生；Pearson 将它定位为入门计量经济学课程用书。第2章和第3章提供温习，因此多年前学过统计的读者可以先用它们检查一下，再继续往下读。

一个切实可行的安排：

• 核心： 按顺序读第1至9章。它们建立回归模型、推断、多元回归、非线性设定以及批判性评估研究的习惯，后面的一切都建立在这些基础之上。
• 按兴趣选择： 在第三部分中，若关注微观经济学中的因果证据，读工具变量以及实验与准实验（第12、13章）；若面对企业、个人或国家的重复观测，读面板数据（第10章）；结果是“是或否”变量时，读二值结果一章（第11章）。对预测和大型数据集感兴趣的读者适合读第14章。
• 时间序列： 第四部分，适合宏观经济学、金融和预测类课程。
• 理论： 第五部分，适合准备继续学习计量经济学的读者；若想早些看到推导，可与第4至7章并读。

在读书的同时，应当用统计软件在真实数据上估计模型，因为全书围绕实证问题组织；同时完成课程布置的练习。Pearson 单独出售本书，也与在线练习平台 MyLab Economics 搭配出售，选用哪种形式取决于课程是否要求。