Using Econometrics: A Practical Guide（计量经济学实用指南）

引用

Studenmund, A. H. (2016). Using Econometrics: A Practical Guide (7th ed.). Pearson.

章节概要

第七版共十六章，另有两个附录（答案和统计表）。培生公司把本书描述为一本初级计量经济学入门书：它集中讲解单方程线性回归分析，不使用矩阵代数，并把证明和微积分放到脚注和习题中。各章可分为三组：回归模型的建立与检验（第1–5章）、应用中出现的问题（第6–11章），以及超出基本模型的扩展（第12–16章）。本版书中所有例题和习题都用Stata估计。

第1章：回归分析概述

开篇一章介绍计量经济学和回归分析，即全书其余部分所展开的单方程线性模型。

第2章：普通最小二乘法

介绍普通最小二乘法（OLS），这是全书赖以建立的估计方法。

第3章：学习使用回归分析

正如章名所示，这一章讲在实践中运用回归，安排在第4章的形式化假定之前。

第4章：经典模型

阐述经典模型，即研究OLS时所依据的一组假定。随后关于设定、多重共线性、序列相关和异方差的各章，讨论的是现实数据不满足这些假定的情形。

第5章：假设检验与统计推断

讨论关于回归系数的假设检验和统计推断；培生公司把F检验和置信区间列为本版扩充的内容。

第6–7章：设定：选择自变量；设定：选择函数形式

两章讨论方程的设定：应纳入哪些自变量，以及应采用何种函数形式。培生公司把本书的方法描述为注重实践、以例题为导向，而在目录中，这两章与第3章和第11章最能体现这一取向。

第8–10章：多重共线性；序列相关；异方差

偏离经典假定的三种典型情形，各占一章。第七版新增的内容包括广义最小二乘法中的Prais–Winsten方法（处理序列相关的手段）和Breusch–Pagan检验（异方差检验）。

第11章：开展你自己的回归项目

正如章名所说，本章专门讲如何开展自己的回归研究，把前十章的内容融会贯通。

第12–16章：时间序列模型；虚拟因变量方法；联立方程；预测；实验数据与面板数据

最后五章对单方程模型进行扩展：动态时间序列模型（本版扩充的主题中包括Dickey–Fuller检验）、因变量为虚拟变量的模型、联立方程组、预测，以及实验数据和面板数据。培生公司指出，本版简化并厘清了全书的符号和讲解，尤其是动态方程、虚拟因变量、工具变量和面板数据部分。

核心概念

第1–5章：回归模型

• 普通最小二乘法：选择系数以使残差平方和最小的估计量。
• 经典假定：使OLS具备理想性质的条件，是全书其余部分的参照基准。
• 假设检验与统计推断：针对回归系数的检验和置信区间，包括F检验。

第6–11章：应用中的问题

• 设定：为方程选择变量和函数形式。
• 多重共线性、序列相关、异方差：偏离经典假定的情形，各有相应的检验和补救方法。
• 广义最小二乘法：校正序列相关的估计方法，书中采用Prais–Winsten形式。

第12–16章：扩展

• 动态模型与时间序列模型：含滞后变量的方程，以及用于检验非平稳性的Dickey–Fuller检验等方法。
• 虚拟因变量：针对"是/否"型结果的模型。
• 联立方程：解释变量与因变量同时决定的方程组；培生公司称工具变量是本版讲解更清晰的主题之一。
• 面板数据：对同一组单位随时间进行的观测。

评析

优点

• 以实用和直观为设计宗旨。 培生公司把不用矩阵代数、把证明和微积分移到脚注和习题中的直观讲法作为本书的标志性特点；本版面向计量经济学初学者、想要温习的回归使用者，以及需要一本手边参考书的从业者。
• 围绕做项目来组织。 设定问题用了整整两章，第11章专门讲如何开展自己的回归项目，适合要求学生完成实证论文的课程。
• 学习支持。 出版社列出了：对建模决策给予反馈的"交互式回归学习练习"；附录中新增的"计量经济学实验"，供课上课后动手练习；附录A中的习题答案增加到上一版的约三倍；以及提供全部数据集、Stata指南、幻灯片和实验答案的配套网站。
• 全书使用Stata。 书中所有例题和习题都用Stata估计，附录和网站上都有软件说明，学生在学习方法的同时也能掌握一款标准软件。

局限

• 侧重单方程。 本书核心是单方程线性回归；联立方程组、受限因变量、时间序列和面板数据各只占一章。
• 目录中现代因果推断内容较少。 没有专门讲断点回归或双重差分的章节；实验数据与面板数据合在最后一章。

在课程中的定位

在本课程书单中，Studenmund是最注重实践的回归教材，由于正文避开矩阵代数和微积分，它也是几本完整教材中最容易入门的一本。Stock与Watson的 Introduction to Econometrics 和Wooldridge的 Introductory Econometrics 覆盖相似的内容，但统计理论更多、应用范围更广；能轻松读完Studenmund的学生可以继续读其中任何一本。Newbold等人的 Statistics for Business and Economics 可以补足第5章所需的概率和推断基础。

Angrist和Pischke的 Mastering 'Metrics 是对本书的补充而非替代：Studenmund教的是如何设定、估计和诊断回归，而 Mastering 'Metrics 解释的是哪些研究设计（随机试验、工具变量、断点回归、双重差分）能使因果结论可信。两位作者的 Mostly Harmless Econometrics 则是准备从事应用微观经济研究的学生之后可以迈出的研究生层次的一步。

如何使用本书

本书适合修读第一门计量经济学课程的本科生、需要为项目做回归分析的应用领域学生，以及想更新知识的从业者。培生公司说明本书不需要矩阵代数；熟悉代数并修过统计学入门课程，会让第5章更容易读懂。

• 核心顺序： 第1–7章和第11章可以构成以回归项目为主线的一学期课程的核心。
• 诊断： 第8–10章顺次跟进，凡是用真实数据做时间序列或横截面项目都离不开这几章。
• 选修： 根据课程需要在第12–16章中选择；第13章（虚拟因变量）和第16章（实验数据与面板数据）适合微观经济项目，第12章和第15章适合时间序列工作。

用Stata做习题，并在附录A中核对答案；交互式回归学习练习和计量经济学实验很适合为撰写独立项目做准备。计划开展因果研究的学生，应在读第6、14和16章的同时阅读 Mastering 'Metrics。