01 / 导读
导读
引用
Angrist, J. D., & Pischke, J.-S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press.
章节概要
作为研究生计量经济学著作，本书篇幅不长，参考文献之前约340页，分为三个板块：导论（第1–2章）、核心（第3–5章）和扩展（第6–8章），最后是一个简短的收尾部分。出版社称，本书是对计量经济学要点的一次不拘一格的回顾，聚焦于应用研究者最常用的工具，并解释了为什么更花哨的技术通常没有必要，甚至有危险。
第1章 关于问题的问题（Questions about Questions）
导论部分的简短开篇，讲述驱动各种方法的问题。出版社把全书围绕明确的因果问题来组织，例如班级缩小是否提高学习成绩，或者教育能使工资提高多少。
第2章 理想的实验（The Experimental Ideal）
把随机实验作为因果推断的基准。各节依次讨论选择问题、随机分配如何解决选择问题，以及对实验的回归分析。
第3章 让回归有意义（Making Regression Make Sense）
核心部分开头的一章，篇幅较长，约85页。内容包括回归基础、回归与因果关系、异质性与非线性，以及回归细节一节。附录推导平均导数加权函数。
第4章 工具变量的实际运用：有时你能得到你所需要的（Instrumental Variables in Action: Sometimes You Get What You Need）
把工具变量作为分析自然实验的方法。各节涉及工具变量与因果关系、渐近两阶段最小二乘推断、两样本与分样本工具变量、潜在结果异质时的工具变量、局部平均处理效应（LATE）的推广，以及工具变量的细节，并有附录。
第5章 平行世界：固定效应、双重差分与面板数据（Parallel Worlds: Fixed Effects, Differences-in-Differences, and Panel Data）
讨论个体固定效应、双重差分，以及固定效应与滞后因变量之间的选择，并附有关于后者的附录。
第6章 有点跳跃：断点回归设计（Getting a Little Jumpy: Regression Discontinuity Designs）
涉及精确断点回归设计和模糊设计，本章把后者与工具变量联系起来。
第7章 分位数回归（Quantile Regression）
介绍分位数回归模型以及分位数处理效应的工具变量估计，把分析从条件均值扩展到分布的其他位置。
第8章 非标准的标准误问题（Nonstandard Standard Error Issues）
处理如何得到正确的标准误：稳健标准误估计的偏误，以及面板中的聚类与序列相关，附录推导简单的 Moulton 因子。
结语（Last Words）
位于缩略语表、实证研究索引和参考文献之前的简短收尾部分。
核心概念
导论（第1–2章）
- 选择问题：群体之间的差异不仅来自处理本身，也来自谁接受了处理。
- 随机分配：消除选择问题的实验，是非实验研究的基准。
核心（第3–5章）
- 回归与因果关系：回归系数在什么情况下可以解读为因果效应。
- 工具变量与 LATE：用工具变量识别其改变了处理状态的那部分人的效应。
- 固定效应与双重差分：利用重复观测和政策变化来控制不可观测的差异。
扩展与推断（第6–8章）
- 断点回归（精确与模糊）：利用规则中的门槛，比较恰好位于两侧的个体。
- 分位数回归：估计结果分布上均值以外位置的效应。
- 稳健标准误与聚类标准误：允许异方差以及组内相关的统计推断。
评析
优点
- 集中的工具箱。 本书集中讲述用于统计控制的回归、工具变量、双重差分、断点回归和分位数回归，外加标准误。作者网站上引用的评论者称它把通常需要多年才能获得的知识浓缩了（Amitabh Chandra，哈佛肯尼迪学院），并称它很好地结合了统计细节、计量直觉和实践指导（Bill Evans，圣母大学）。
- 先设计，后技术。 每种工具都被作为回答因果问题的方式引入，并以第2章的理想实验为锚点，使读者有一套一贯的标准来评判识别策略。
- 大量实证例子。 出版社强调书中有许多应用微观经济学的实证例子，书末还有所用实证研究的索引。
- 面向实践者。 Sandra Black（加州大学洛杉矶分校）称它不仅是学生，而且是所有做实证工作的人的资源。
- 对统计推断的覆盖。 用整整一章讲标准误，包括聚类和序列相关，提供了同等篇幅的教材常常缺少的实用指导。
局限
- 以学过一门课程为前提。 本书是一本伴读而非入门教材；没有学过普通最小二乘法和基本概率的读者会觉得内容密集。
- 有选择的工具箱。 本书集中于应用微观经济学的方法，目录中没有时间序列方法的章节，因此是对完整计量经济学教材的补充而非替代。
在课程中的定位
这是书单上层次最高的计量经济学著作，面向将要从事应用微观经济学研究的读者。Stock 与 Watson 的 Introduction to Econometrics 和 Wooldridge 的 Introductory Econometrics: A Modern Approach 从头讲授回归、假设检验、面板数据和工具变量，是合适的起点；Studenmund 的 Using Econometrics 通过直觉和实践而非矩阵代数讲授单方程回归。Newbold 等人的 Statistics for Business and Economics 是提供概率与推断背景的统计学教材。
同两位作者的 Mastering 'Metrics 是通俗的伴读本：它通过著名研究，用平实的语言和极简的符号介绍五种核心工具。先读它或与之并读，能让 Mostly Harmless Econometrics 中更形式化的论述容易理解得多，作者自己的网站也把觉得数学太重的读者引向那本书。
如何使用本书
本书适合已经掌握普通最小二乘法以及基本概率统计（期望、方差、抽样分布）的经济学及相关领域研究生和应用研究者。
实用安排：
- 核心： 按顺序读第2至5章。第2章确立逻辑；第3章值得仔细阅读，尤其是关于回归与因果关系的各节；第4章和第5章给出处理不可观测混杂因素的两大主要策略。
- 扩展： 第6章和第7章在第5章之后可以任意顺序阅读。
- 推断： 在开展任何实证项目之前先读第8章，因为它讲稳健标准误和聚类标准误。
每读一章，可从书中的实证研究索引里选一项研究，阅读原论文，看这种方法如何实际运用。初读时可跳过附录，需要推导时再回头查阅。