01 / 导读
导读
引用
Wooldridge, J. M. (2006). Introductory Econometrics: A Modern Approach (3rd ed.). Thomson/South-Western.
章节概要
第三版（2006年）据图书馆著录为890页，全书19章，分三个部分：横截面数据的回归分析（第2至9章）、时间序列数据的回归分析（第10至12章）和进阶专题（第13至19章），另有开篇一章讲计量经济学的性质和经济数据。出版社简介把这一取径描述为弥合计量经济学的机制与其现代应用之间的差距，采用由当今应用研究者面临的主要问题所驱动的系统方法，强调用例子赋予经济关系以具体的现实感，使政策问题可以在贴近现实、易于接受的框架中处理。
第1章：The Nature of Econometrics and Economic Data（计量经济学的性质与经济数据）
开篇一章介绍什么是计量经济学，以及后面各章所分析的各类经济数据。它为三个部分建立了所用的词汇。
第一部分：Regression Analysis with Cross-Section Data（横截面数据的回归分析）
第2章：The Simple Regression Model（简单回归模型）。 起点：只有一个解释变量的回归。
第3章：Multiple Regression Analysis: Estimation（多元回归分析：估计）。 把估计推广到多个解释变量。
第4章：Multiple Regression Analysis: Inference（多元回归分析：推断）。 多元回归的统计推断。
第5章：Multiple Regression Analysis: OLS Asymptotics（多元回归分析：OLS渐近理论）。 普通最小二乘的大样本性质。
第6章：Multiple Regression Analysis: Further Issues（多元回归分析：进一步的问题）。 使用多元回归时的其他实际问题。
第7章：Multiple Regression Analysis with Qualitative Information: Binary (or Dummy) Variables（含定性信息的多元回归分析：二值（虚拟）变量）。 通过虚拟变量把定性信息纳入回归。
第8章：Heteroskedasticity（异方差性）。 误差方差不恒定时会发生什么，以及如何应对。
第9章：More on Specification and Data Problems（再谈设定与数据问题）。 设定的选择与数据中的问题。
第二部分：Regression Analysis with Time Series Data（时间序列数据的回归分析）
第10章：Basic Regression Analysis with Time Series Data（时间序列数据的基本回归分析）。 观测值按时间排列时的回归。
第11章：Further Issues in Using OLS with Time Series Data（对时间序列数据使用OLS的进一步问题）。 时间序列特有的复杂情况。
第12章：Serial Correlation and Heteroskedasticity in Time Series Regressions（时间序列回归中的序列相关与异方差性）。 时间序列环境中误差随时间相关或方差变化的情形。
第三部分：Advanced Topics（进阶专题）
第13章：Pooling Cross Sections across Time: Simple Panel Data Methods（跨时间合并横截面：简单面板数据方法）。 合并不同时期的横截面，以及最初的面板数据方法。
第14章：Advanced Panel Data Methods（高级面板数据方法）。 对面板数据更深入的处理。
第15章：Instrumental Variables Estimation and Two Stage Least Squares（工具变量估计与两阶段最小二乘）。 解释变量与误差项相关时的估计。
第16章：Simultaneous Equations Models（联立方程模型）。 变量联合决定的方程组入门。
第17章：Limited Dependent Variable Models and Sample Selection Corrections（受限因变量模型与样本选择校正）。 取值范围受限的结果的模型，以及对非随机样本的校正。
第18章：Advanced Time Series Topics（高级时间序列专题）。 时间序列分析的进一步专题。
第19章：Carrying Out an Empirical Project（开展实证项目）。 最后一章，讲如何开展自己的实证研究项目。
核心概念
第1–6章
- 简单回归与多元回归：估计一个结果变量与一个或多个解释变量之间的关系。
- 推断：对回归系数检验假设并构造置信陈述。
- OLS渐近理论：样本增大时普通最小二乘的性质。
第7–9章
- 二值（虚拟）变量：在回归中表示定性信息。
- 异方差性：误差方差不恒定。
- 设定与数据问题：第9章点出的实际问题。
第10–12章
- 时间序列回归：对按时间排序的数据做回归。
- 序列相关：误差在时间上的相关。
第13–19章
- 混合横截面与面板数据：跟踪个体或在时间上合并样本的数据。
- 工具变量与两阶段最小二乘：处理回归元与误差相关的方法。
- 联立方程模型：联合决定的变量。
- 受限因变量与样本选择：针对受限结果和非随机样本的模型。
- 实证项目：把方法与研究联系起来的实际技能。
评析
优点
- 按数据类型组织。 把横截面回归、时间序列回归和进阶专题分开，给出一张清晰的地图，读者可以看出每种方法属于何处。
- 例子优先的设计。 出版社简介说明，本书强调用例子赋予经济关系具体的现实感，使有趣的政策问题可以在易于接受的框架中处理。
- 进阶方法有一席之地。 面板数据、工具变量、联立方程、受限因变量和高级时间序列在第三部分中各自成章。
- 有一章专讲开展项目。 最后一章专门讲如何开展实证项目，因此全书以把方法转向学生自己的研究作结。
局限
- 版本。 第三版出版于2006年，此后本书还有更新的版本；学生应核对课程使用的是哪一版，因为章节内容和编号可能不同。
- 篇幅。 约890页，内容超过一个学期。第三部分是一份菜单，课程从中挑选主题。
- 因果设计的处理。 在这一版中，目录把工具变量放在第15章，面板方法放在第13、14章，没有专门讲双重差分或断点回归的章节；较新的因果推断设计更适合从课程中较新的书里学习。
在课程中的定位
在计量经济学书单中，Wooldridge是一本全篇幅的教材，对横截面、时间序列和面板数据的回归做了透彻的处理。Studenmund的Using Econometrics是一本较温和、以直觉为先导的单方程回归入门，Newbold等人的Statistics for Business and Economics则提供事先需要的统计基础。Stock与Watson的Introduction to Econometrics是另一本标准的本科教材，围绕实证问题和真实数据集展开，可作比较，也可在换一种讲法有帮助的主题上作为第二来源。
Angrist与Pischke的Mastering 'Metrics是对经济学家估计因果效应所用方法的通俗入门，他们的Mostly Harmless Econometrics则是关于回归、工具变量、双重差分和断点回归的精炼指南。二者都是本书的好伴读，而本书提供了它们所建立其上的系统回归基础。
如何使用本书
本书适合想要系统学习回归的经济学和社会科学的本科生与硕士生。入门统计学课程和基础微积分是合理的起点。
实用的阅读安排：
- 核心： 第1至4章以及第6至8章，它们提供横截面回归的工具箱。第5章渐近理论初读时可以浏览。
- 第二层： 第9章，然后读第10至12章了解时间序列。
- 从第三部分中选读： 第13至15章（面板数据和工具变量）用途最广；第16至18章针对特定需要。
- 最后读 第19章，并用统计软件在真实数据集上做一个自己的实证项目。
- 同时： 使用一个当前的统计软件包；若要学习工具变量之外的因果设计，再配合上面提到的较短的应用类图书之一。