01 / 導讀
導讀
引用
Wooldridge, J. M. (2006). Introductory Econometrics: A Modern Approach (3rd ed.). Thomson/South-Western.
章節概要
第三版（2006年）據圖書館著錄為890頁，全書19章，分三個部分：橫截面資料的迴歸分析（第2至9章）、時間序列資料的迴歸分析（第10至12章）和進階專題（第13至19章），另有開篇一章講計量經濟學的性質和經濟資料。出版社簡介把這一取徑描述為彌合計量經濟學的機制與其現代應用之間的差距，採用由當今應用研究者面臨的主要問題所驅動的系統方法，強呼叫例子賦予經濟關係以具體的現實感，使政策問題可以在貼近現實、易於接受的框架中處理。
第1章：The Nature of Econometrics and Economic Data（計量經濟學的性質與經濟資料）
開篇一章介紹什麼是計量經濟學，以及後面各章所分析的各類經濟資料。它為三個部分建立了所用的詞彙。
第一部分：Regression Analysis with Cross-Section Data（橫截面資料的迴歸分析）
第2章：The Simple Regression Model（簡單迴歸模型）。 起點：只有一個解釋變數的迴歸。
第3章：Multiple Regression Analysis: Estimation（多元迴歸分析：估計）。 把估計推廣到多個解釋變數。
第4章：Multiple Regression Analysis: Inference（多元迴歸分析：推斷）。 多元迴歸的統計推斷。
第5章：Multiple Regression Analysis: OLS Asymptotics（多元迴歸分析：OLS漸近理論）。 普通最小二乘的大樣本性質。
第6章：Multiple Regression Analysis: Further Issues（多元迴歸分析：進一步的問題）。 使用多元迴歸時的其他實際問題。
第7章：Multiple Regression Analysis with Qualitative Information: Binary (or Dummy) Variables（含定性資訊的多元迴歸分析：二值（虛擬）變數）。 通過虛擬變數把定性資訊納入迴歸。
第8章：Heteroskedasticity（異質變異性）。 誤差變異數不恆定時會發生什麼，以及如何應對。
第9章：More on Specification and Data Problems（再談設定與資料問題）。 設定的選擇與資料中的問題。
第二部分：Regression Analysis with Time Series Data（時間序列資料的迴歸分析）
第10章：Basic Regression Analysis with Time Series Data（時間序列資料的基本迴歸分析）。 觀測值按時間排列時的迴歸。
第11章：Further Issues in Using OLS with Time Series Data（對時間序列資料使用OLS的進一步問題）。 時間序列特有的複雜情況。
第12章：Serial Correlation and Heteroskedasticity in Time Series Regressions（時間序列迴歸中的序列相關與異質變異性）。 時間序列環境中誤差隨時間相關或變異數變化的情形。
第三部分：Advanced Topics（進階專題）
第13章：Pooling Cross Sections across Time: Simple Panel Data Methods（跨時間合併橫截面：簡單追蹤資料方法）。 合併不同時期的橫截面，以及最初的追蹤資料方法。
第14章：Advanced Panel Data Methods（高階追蹤資料方法）。 對追蹤資料更深入的處理。
第15章：Instrumental Variables Estimation and Two Stage Least Squares（工具變數估計與兩階段最小二乘）。 解釋變數與誤差項相關時的估計。
第16章：Simultaneous Equations Models（聯立方程式模型）。 變數聯合決定的方程組入門。
第17章：Limited Dependent Variable Models and Sample Selection Corrections（受限因變數模型與樣本選擇校正）。 取值範圍受限的結果的模型，以及對非隨機樣本的校正。
第18章：Advanced Time Series Topics（高階時間序列專題）。 時間序列分析的進一步專題。
第19章：Carrying Out an Empirical Project（開展實證專案）。 最後一章，講如何開展自己的實證研究專案。
核心概念
第1–6章
- 簡單迴歸與多元迴歸：估計一個結果變數與一個或多個解釋變數之間的關係。
- 推斷：對迴歸係數檢驗假設並構造置信陳述。
- OLS漸近理論：樣本增大時普通最小二乘的性質。
第7–9章
- 二值（虛擬）變數：在迴歸中表示定性資訊。
- 異質變異性：誤差變異數不恆定。
- 設定與資料問題：第9章點出的實際問題。
第10–12章
- 時間序列迴歸：對按時間排序的資料做迴歸。
- 序列相關：誤差在時間上的相關。
第13–19章
- 混合橫截面與追蹤資料：跟蹤個體或在時間上合併樣本的資料。
- 工具變數與兩階段最小二乘：處理迴歸元與誤差相關的方法。
- 聯立方程式模型：聯合決定的變數。
- 受限因變數與樣本選擇：針對受限結果和非隨機樣本的模型。
- 實證專案：把方法與研究聯絡起來的實際技能。
評析
優點
- 按資料型別組織。 把橫截面迴歸、時間序列迴歸和進階專題分開，給出一張清晰的地圖，讀者可以看出每種方法屬於何處。
- 例子優先的設計。 出版社簡介說明，本書強呼叫例子賦予經濟關係具體的現實感，使有趣的政策問題可以在易於接受的框架中處理。
- 進階方法有一席之地。 追蹤資料、工具變數、聯立方程、受限因變數和高階時間序列在第三部分中各自成章。
- 有一章專講開展專案。 最後一章專門講如何開展實證專案，因此全書以把方法轉向學生自己的研究作結。
局限
- 版本。 第三版出版於2006年，此後本書還有更新的版本；學生應核對課程使用的是哪一版，因為章節內容和編號可能不同。
- 篇幅。 約890頁，內容超過一個學期。第三部分是一份選單，課程從中挑選主題。
- 因果設計的處理。 在這一版中，目錄把工具變數放在第15章，追蹤方法放在第13、14章，沒有專門講雙重差分或斷點迴歸的章節；較新的因果推斷設計更適合從課程中較新的書裡學習。
在課程中的定位
在計量經濟學書單中，Wooldridge是一本全篇幅的教材，對橫截面、時間序列和麵板資料的迴歸做了透徹的處理。Studenmund的Using Econometrics是一本較溫和、以直覺為先導的單方程迴歸入門，Newbold等人的Statistics for Business and Economics則提供事先需要的統計基礎。Stock與Watson的Introduction to Econometrics是另一本標準的本科教材，圍繞實證問題和真實資料集展開，可作比較，也可在換一種講法有幫助的主題上作為第二來源。
Angrist與Pischke的Mastering 'Metrics是對經濟學家估計因果效應所用方法的通俗入門，他們的Mostly Harmless Econometrics則是關於迴歸、工具變數、雙重差分和斷點迴歸的精煉指南。二者都是本書的好伴讀，而本書提供了它們所建立其上的系統迴歸基礎。
如何使用本書
本書適合想要系統學習迴歸的經濟學和社會科學的本科生與碩士生。入門統計學課程和基礎微積分是合理的起點。
實用的閱讀安排：
- 核心： 第1至4章以及第6至8章，它們提供橫截面迴歸的工具箱。第5章漸近理論初讀時可以瀏覽。
- 第二層： 第9章，然後讀第10至12章瞭解時間序列。
- 從第三部分中選讀： 第13至15章（追蹤資料和工具變數）用途最廣；第16至18章針對特定需要。
- 最後讀 第19章，並用統計軟體在真實資料集上做一個自己的實證專案。
- 同時： 使用一個當前的統計軟體包；若要學習工具變數之外的因果設計，再配合上面提到的較短的應用類圖書之一。