Introduction to Econometrics（計量經濟學導論）

引用

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

章節概要

第四版約755頁，分為五個部分、十九章。Pearson 將本書的理念概括為：讓應用來推動理論，而不是相反；每種方法都從現實世界的問題和資料引入，並說明這一版新增了一章關於大數據的內容。

第1–3章：經濟問題與資料；機率回顧；統計回顧

第一部分「導論與回顧」先從經濟問題以及用來回答這些問題的資料入手，介紹計量經濟學的基本思路，隨後用兩章分別回顧機率和統計。這兩章為迴歸分析打下基礎，背景知識生疏的讀者可以在進入正文之前先行溫習。

第4–5章：簡單線性迴歸；單一迴歸變數的假設檢定與信賴區間

第二部分「迴歸分析基礎」從最簡單的迴歸模型，即只有一個解釋變數的模型講起，接著用第二章專門討論該模型的推論，也就是假設檢定和信賴區間。

第6–7章：多元線性迴歸；多元迴歸中的假設檢定與信賴區間

同樣的兩步結構在多個迴歸變數的情形下再走一遍：先是模型，然後是與之配套的假設檢定和信賴區間。

第8–9章：非線性迴歸函數；評估基於多元迴歸的研究

第8章把迴歸從直線關係推廣開去。第9章為第二部分收尾，由技術轉向評價，討論應當如何評估建立在多元迴歸之上的研究。

第10–14章：追蹤資料迴歸；二元應變數迴歸；工具變數迴歸；實驗與準實驗；多迴歸變數預測與大數據

第三部分「迴歸分析的進一步專題」提供五個相互獨立的擴展：對同一批個體跨期觀測的資料、只取兩個值的結果變數、工具變數、實驗與準實驗證據，以及多迴歸變數情形下的預測。最後一項就是第四版新增的大數據一章。

第15–17章：時間數列迴歸與預測導論；動態因果效應的估計；時間數列迴歸的其他專題

第四部分「經濟時間數列資料的迴歸分析」先介紹時間數列迴歸與預測，再轉向動態因果效應的估計，最後以一章其他專題結束。

第18–19章：簡單線性迴歸的理論；多元迴歸的理論

第五部分「迴歸分析的經濟理論」在最後兩章中集中講述簡單與多元迴歸模型的理論，與前面的應用各章分開。

核心概念

第一部分：導論與回顧（第1–3章）

• 經濟問題與資料：全書的起點，把一個實證問題和可用於回答它的資料作為選擇方法的依據。
• 機率與統計回顧：迴歸分析所依賴的機率與統計背景知識。

第二部分：迴歸分析基礎（第4–9章）

• 簡單迴歸：配適一條把結果變數與單一解釋變數聯繫起來的直線。
• 假設檢定與信賴區間：用來判斷估計的係數是否不同於某個設定值，以及估計有多精確的工具。
• 多元迴歸：在同一個模型中同時控制多個解釋變數。
• 非線性迴歸函數：效應不是恆定斜率的關係。
• 評估研究：判斷一項基於迴歸的研究能否支持其所得結論。

第三部分：迴歸分析的進一步專題（第10–14章）

• 追蹤資料：對同一批個體在多個時期的觀測。
• 二元應變數：結果變數為「是或否」時的迴歸。
• 工具變數迴歸：當解釋變數與誤差項相關時用來估計效應的一種方法。
• 實驗與準實驗：來自隨機化變異或自然發生的變異的證據。
• 多迴歸變數預測：在潛在預測變數很多的情況下進行預測，即大數據一章的主題。

第四、五部分：時間數列與理論（第15–19章）

• 時間數列迴歸與預測：對按時間順序觀測的變數建模和預測。
• 動態因果效應：一個變數的變化如何影響其後各期的另一個變數。
• 線性迴歸理論：簡單與多元迴歸模型的形式化展開。

評析

優點

• 明確的應用取向，結構上也有體現。 Pearson 稱應用應當推動理論，目錄的安排與此一致：全書從經濟問題和資料開始，在第二至第四部分依次講迴歸、擴展專題和時間數列，把形式化的理論放在最後一部分，而不是放在開頭。
• 一冊涵蓋面廣。 橫斷面迴歸、追蹤資料、二元結果、工具變數、實驗與準實驗、時間數列迴歸與預測，以及多迴歸變數預測一章，都在十九章之內，因此一本書就跨越了橫斷面方法與時間數列方法。
• 自帶回顧。 前面有兩章回顧機率與統計，因此本書不必完全依賴讀者對另一門統計課程的記憶。
• 較新的內容。 出版社把關於多迴歸變數預測與大數據的新章節作為第四版的主要新增內容。

局限

• 理論被後置。 由於形式化的論述放在第五部分，想在每種方法出現時就看到其推導的讀者，需要把最後兩章與前面各章對照著讀。
• 篇幅與取捨。 全書約755頁、分五個部分，內容多於一門課程可能講完的量，目錄也沒有設定固定路徑；尤其是第三部分，各章主題彼此獨立，課程或讀者需要自行取捨。
• 預測只有一章。 目錄給預測與大數據只留了一章，因此它更像這一領域的導入，而不是完整的論述。

在課程中的定位

Stock 與 Watson 的書是本課程書單中的大學部主教材。另有兩本書是更平緩的起點。Angrist 與 Pischke 的 Mastering 'Metrics 被描述為一本易讀的入門書，介紹估計因果效應的方法，圍繞五種核心工具展開，語言平實，符號簡單。A. H. Studenmund 的 Using Econometrics 則被描述為透過直覺和實務來講解單方程迴歸，並注重小型實證專案的設定、診斷和報告。這兩本書既可以在讀 Stock 與 Watson 之前讀，也可以與之並讀，以便換一種講法理解同樣的思想。

Wooldridge 的 Introductory Econometrics: A Modern Approach 是作為主教材最接近的替代選擇，其介紹涉及迴歸、因果推理、假設檢定、追蹤資料、工具變數和實證研究。Angrist 與 Pischke 的 Mostly Harmless Econometrics 是一本精煉的指南，介紹應用個體經濟學家處理因果問題所用的工具，包括工具變數、雙重差分和斷點迴歸，適合作為第12章和第13章之後的延伸閱讀。Newbold 的 Statistics for Business and Economics 是一本一般性的統計學教材，可為第2章和第3章的回顧提供支撐。

如何使用本書

本書面向已經學過經濟學原理和一門基礎統計課程的學生；Pearson 將它定位為入門計量經濟學課程用書。第2章和第3章提供溫習，因此多年前學過統計的讀者可以先用它們檢查一下，再繼續往下讀。

一個切實可行的安排：

• 核心： 按順序讀第1至9章。它們建立迴歸模型、推論、多元迴歸、非線性設定以及批判性評估研究的習慣，後面的一切都建立在這些基礎之上。
• 按興趣選擇： 在第三部分中，若關注個體經濟學中的因果證據，讀工具變數以及實驗與準實驗（第12、13章）；若面對企業、個人或國家的重複觀測，讀追蹤資料（第10章）；結果是「是或否」變數時，讀二元結果一章（第11章）。對預測和大型資料集感興趣的讀者適合讀第14章。
• 時間數列： 第四部分，適合總體經濟學、金融和預測類課程。
• 理論： 第五部分，適合準備繼續學習計量經濟學的讀者；若想早些看到推導，可與第4至7章並讀。

在讀書的同時，應當用統計軟體在真實資料上估計模型，因為全書圍繞實證問題組織；同時完成課程布置的練習。Pearson 單獨出售本書，也與線上練習平台 MyLab Economics 搭配出售，選用哪種形式取決於課程是否要求。