計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論

用戶(hù)評(píng)論 (總計(jì)23條)

•   　　題記
  　　IV，也就是工具變量模型，是研究如何利用工具變量來(lái)解決模型中出現(xiàn)的隨機(jī)解釋變量問(wèn)題，其是西方計(jì)量經(jīng)濟(jì)學(xué)最近一個(gè)較為熱門(mén)的研究領(lǐng)域。這是我在英國(guó)讀研時(shí)在學(xué)習(xí)IV時(shí)的隨筆，用來(lái)聊以自慰。該隨筆的靈感很大一部分來(lái)自于伍德里奇的《計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論》。由于寫(xiě)得非常淺薄，我樂(lè)于接受專(zhuān)家學(xué)者們的拍磚。
  　　
  　　————————————————————————————
  　　一．IV研究的緣起：不可觀測(cè)因素引起的隨機(jī)解釋變量問(wèn)題
  　　我們對(duì)于社會(huì)現(xiàn)象的理解，是一個(gè)從無(wú)到有的過(guò)程，這個(gè)無(wú)，在計(jì)量模型中就是誤差項(xiàng)（error term）， 在研究期初，這個(gè)error term 就是因變量本身。 如果我們想研究收入的決定因素，假如我們收集到了10000個(gè)人的樣本，里面張二狗的收入是5000，王麻子的收入是7000，李富權(quán)的收入是250………，面對(duì)這些不同人的不同收入，我們很想知道，這些不同數(shù)字的背后，都有哪些因素在支配著，也就是說(shuō)，我們很想知道為什么他們的收入會(huì)有這樣的差別，哪些因素能夠解釋他們的收入差距。
  　　
  　　方法之一就是做計(jì)量回歸模型，首先是要確定自變量是什么，影響收入的因素可能分為兩類(lèi)，一類(lèi)是可觀察的因素，比如教育，職業(yè)，工作年限，年齡，婚姻狀態(tài)，等等，這些因素客觀存在，并且可以進(jìn)行測(cè)量，（比如教育等級(jí)可以分為小學(xué)，初中，高中，大學(xué)，等，婚姻狀態(tài)可以分為已婚和未婚），而另一類(lèi)因素，如能力，（沒(méi)有客觀合適的指標(biāo)進(jìn)行度量）或者家庭政治背景（因?yàn)槊舾校辉L者也許不愿意回答），從而不能其對(duì)之進(jìn)行有效測(cè)量，成為不可觀測(cè)因素，我們?cè)谧龌貧w分析的時(shí)候，只可以把可觀測(cè)的因素作為自變量，而不可觀測(cè)的因素都放在了誤差項(xiàng)中，也就是這個(gè)“虛無(wú)”之中。在進(jìn)行回歸時(shí)，如果可觀測(cè)的自變量與誤差項(xiàng)中的不可觀測(cè)因素不相關(guān)，那一切OK；否則，會(huì)出現(xiàn)很?chē)?yán)重的問(wèn)題。計(jì)量回歸本質(zhì)是在控制其他變量的基礎(chǔ)之上，探究某一個(gè)自變量對(duì)因變量的獨(dú)立作用。假如我們要研究收入與教育的問(wèn)題，教育程度越高，收入也許越高；但是教育程度越高，代表這個(gè)人的能力越高，而能力越高，即使他教育程度不高，收入可能也會(huì)高，所以教育引起的收入的提高可能不完全是由教育本身引起的，而其中也混雜了個(gè)人本身能力的因素。如果需要了解教育對(duì)收入提高的“凈影響”，我們就必須控制能力大小這個(gè)變量，也就是說(shuō)找兩個(gè)人，能力完全一樣，一個(gè)人獲得了教育，而另外一個(gè)人沒(méi)有獲得教育，觀察他們收入的差距，這個(gè)差距才能體現(xiàn)出獲得教育對(duì)于收入的貢獻(xiàn)，當(dāng)然要想獲得教育對(duì)于收入的“凈影響”，我們需要控制更多相關(guān)變量，比如家庭政治背景，（家庭政治背景越好，可能獲得的教育程度越高，而家庭政治背景好，即使沒(méi)有較高的教育程度，也可以通過(guò)父母的關(guān)系，找到好的工作，獲得高收入），還有其他很多類(lèi)似因素，我在這里也不一一贅述了（其實(shí)是想不起來(lái)了），總之，計(jì)量模型追尋的境界是把所有相關(guān)變量控制之后，兩個(gè)人所有其他水平完全保持一致，你擁有了我的全部，我擁有了你的全部，唯一的區(qū)別是，我接受了教育，你卻沒(méi)有接受教育，這樣形成的收入差距才會(huì)是接受教育的凈影響。
  　　
  　　總結(jié)起來(lái)，如果這類(lèi)因素統(tǒng)一稱(chēng)為A，自變量稱(chēng)為X，因變量稱(chēng)為Y，那么這三者之間具有如下關(guān)系
  　　X<<-------Y
  　　A------->>X
  　　A------->>Y
  　　
  　　如果這個(gè)因素出現(xiàn)的話(huà)，我們必須把它從誤差項(xiàng)中提取出來(lái)，作為自變量而加以控制。但是，回到影響收入因素的研究上來(lái)，像個(gè)人能力，家庭政治背景這樣的因素，我們可能根本無(wú)法觀測(cè)到，而如果觀測(cè)不到，也就無(wú)法控制這些因素，在不能控制這些因素的前提下，我們最終得到的回歸結(jié)果一定是不準(zhǔn)確的，也就是有偏的（biased）,比如我們通過(guò)最小二乘法得到教育程度對(duì)于收入的參數(shù)是1，也就是每提高一個(gè)教育等級(jí)，樣本平均收入會(huì)提高1個(gè)單位，但如果家庭政治背景變量沒(méi)有被觀測(cè)，那么這個(gè)參數(shù)會(huì)包括三個(gè)成分：
  　　
  　　一是教育等級(jí)對(duì)收入的凈影響
  　　二是家庭政治背景對(duì)于教育等級(jí)的影響
  　　三是家庭政治背景對(duì)于收入的凈影響
  　　
  　　三個(gè)成分分別是多少？以一種怎樣的方式構(gòu)成？這些疑問(wèn)使我想起了中國(guó)社會(huì)學(xué)當(dāng)下流行的一個(gè)問(wèn)題：在社會(huì)結(jié)構(gòu)與分層理論中，收入背后代表的經(jīng)濟(jì)地位是韋伯所說(shuō)的社會(huì)結(jié)構(gòu)中的一級(jí)，中國(guó)社會(huì)的轉(zhuǎn)型表現(xiàn)之一就是經(jīng)濟(jì)地位的獲取由行政層級(jí)指令向市場(chǎng)等價(jià)交換過(guò)渡，通過(guò)家庭政治關(guān)系來(lái)進(jìn)入好的單位從而獲得高收入是行政層級(jí)指令的表征，而通過(guò)投資教育來(lái)獲得收入提高和經(jīng)濟(jì)地位的提升是市場(chǎng)等價(jià)交換的重要手段。假如我們想研究中國(guó)經(jīng)濟(jì)地位獲取是否走向市場(chǎng)化，即使我們收集到了足夠多的具有代表性的樣本，但在不控制家庭政治背景的情況下，我們也不能將估計(jì)出來(lái)的教育對(duì)于收入的參數(shù)當(dāng)做事實(shí)定論, 對(duì)于這個(gè)參數(shù)，這里面有多少是教育本身對(duì)于收入的影響？又有多少是家庭政治背景影響的結(jié)果？這些我們都無(wú)從所知。
  　　
  　　以上就是隨機(jī)解釋變量的表現(xiàn)，隨機(jī)解釋變量（Stochastic explanatory variables，也叫內(nèi)生變量，Endogenous variable）是計(jì)量經(jīng)濟(jì)學(xué)理論重點(diǎn)探討問(wèn)題，它會(huì)造成參數(shù)估計(jì)結(jié)果有偏，使我們無(wú)法從研究中提取出來(lái)真正確定的社會(huì)事實(shí)，解釋變量問(wèn)題的來(lái)源就是上述所說(shuō)的遺漏變量問(wèn)題。除了上述不可觀測(cè)的自變量導(dǎo)致的遺漏變量之外，自變量與因變量共同的測(cè)量誤差（measurement error）、互為因果關(guān)系（Simultaneity,自變量與因變量互相影響）、方程設(shè)定形式問(wèn)題(Functional form misspecification)都會(huì)引起解釋變量問(wèn)題。這些問(wèn)題的根本特征是，關(guān)鍵自變量為內(nèi)生變量，一些不可觀察的因素會(huì)同時(shí)影響到這個(gè)自變量和因變量的變化，使得估計(jì)出來(lái)的回歸參數(shù)不是該關(guān)鍵自變量本身對(duì)于因變量的獨(dú)立作用。對(duì)于互為因果關(guān)系，我們可以再深挖一下，比如研究犯罪率與警察數(shù)量的關(guān)系，我們想知道:多增加警察數(shù)量會(huì)引起犯罪率的下降嗎？如果以犯罪率作為因變量，警察數(shù)量作為自變量，很可能得到的參數(shù)結(jié)果為正，也就是警察數(shù)量增多反而增加了犯罪率。這是因?yàn)榉缸锫实脑黾有枰嗟木靵?lái)去治理，兩者共同影響對(duì)方，而其實(shí)質(zhì)就是一些不可觀測(cè)的因素，比如當(dāng)?shù)氐闹伟箔h(huán)境，法律對(duì)于犯罪的治理程度等因素共同影響了犯罪率與警察數(shù)量，導(dǎo)致了正的參數(shù)符號(hào)。
  　　
  　　二．應(yīng)對(duì)隨機(jī)解釋變量問(wèn)題采取的方法：替代變量與工具變量，孰優(yōu)孰劣？
  　　關(guān)鍵的問(wèn)題是，如果遇到隨機(jī)解釋變量問(wèn)題，我們應(yīng)當(dāng)采取怎么的辦法？
  　　第一個(gè)方法是替代變量(proxy variable)，也就是找到可以替代不可觀測(cè)因素的可觀測(cè)的變量，前提是這兩個(gè)變量盡可能高度相關(guān)。比如在教育與收入的研究中，如果能力不可觀測(cè)，我們可以用IQ來(lái)替代能力變量，作為控制變量之一。兩個(gè)變量越相關(guān)，隨機(jī)解釋變量問(wèn)題就會(huì)越減輕。但是替代變量在研究的使用并不常用，原因有幾點(diǎn): 一是替代變量不能解決遺漏變量問(wèn)題，與遺漏變量相關(guān)度很高的替代變量基本不存在，如果兩者相關(guān)程度不高，替代變量不僅不能解決關(guān)鍵自變量的隨機(jī)解釋變量問(wèn)題，而且替代變量因?yàn)槠渥陨砼c誤差項(xiàng)的不可觀測(cè)因素相關(guān)，也面臨著解釋變量問(wèn)題。另外的一點(diǎn)也可以從調(diào)查各個(gè)環(huán)節(jié)本身所具有的特點(diǎn)分析。調(diào)查的流程包括先設(shè)計(jì)調(diào)查問(wèn)卷，再收集數(shù)據(jù)，再進(jìn)行分析。遺漏變量問(wèn)題最有可能根源于最早期的調(diào)查問(wèn)卷階段，即使是再有經(jīng)驗(yàn)，有智慧的學(xué)者在初期設(shè)計(jì)問(wèn)卷時(shí)也不可能把所有問(wèn)題都考慮清楚，一些新的問(wèn)題在收集數(shù)據(jù)，后期處理階段才有可能幡然醒悟，等到那時(shí)，如果再重新搜集替代變量將會(huì)耗費(fèi)大量的人力物力。比如進(jìn)行調(diào)查時(shí)，有哪個(gè)人會(huì)想起來(lái)問(wèn)：“你IQ多少？”
  　　
  　　值得說(shuō)的是，現(xiàn)在很多學(xué)者做研究，一般很少自己收集資料，直接都從數(shù)據(jù)庫(kù)中抽取一些歷史數(shù)據(jù)，就像伍德里奇書(shū)中反復(fù)提到的上世紀(jì)70-80年代美國(guó)教育收入數(shù)據(jù)，在中國(guó)這樣的現(xiàn)象就更為普遍了，中國(guó)營(yíng)養(yǎng)健康調(diào)查數(shù)據(jù)，中國(guó)農(nóng)村家庭入戶(hù)調(diào)查數(shù)據(jù)已經(jīng)做爛了。因?yàn)椴荒茏鲋貜?fù)的東西，學(xué)者們就絞盡腦汁，希望能挖掘一些新鮮東西，而這些歷史數(shù)據(jù)，由于年代久遠(yuǎn)，可能一些重要變量在當(dāng)時(shí)并沒(méi)有被重視，也就沒(méi)有收集到，學(xué)者們無(wú)法回到那個(gè)年代去重新收集數(shù)據(jù)，無(wú)法從數(shù)據(jù)本身去尋求突破，也只能去從挖掘數(shù)據(jù)的方法去找到更多的可能性。
  　　
  　　三．工具變量的使用條件，作用和限制
  　　工具變量也許就在這樣的背景下產(chǎn)生并被廣泛使用起來(lái)。當(dāng)關(guān)鍵自變量x為隨機(jī)解釋變量時(shí)(cov(x,u) ≠ 0), 現(xiàn)有的數(shù)據(jù)中沒(méi)有能代替不可觀測(cè)因素的替代變量，得到的關(guān)鍵變量的參數(shù)會(huì)呈現(xiàn)出不一致（Inconsistency）的特點(diǎn), 也就是即使我們收集到足夠多的數(shù)據(jù)，樣本足夠大，但是通過(guò)計(jì)算得到的參數(shù)估計(jì)量仍然不能反映出關(guān)鍵自變量對(duì)于因變量的獨(dú)立作用。而工具變量的作用就是在估計(jì)的過(guò)程中，來(lái)斬?cái)嚓P(guān)鍵自變量與不可觀測(cè)因素的聯(lián)系，從而獲取相對(duì)一致的估計(jì)量，一個(gè)好的工具變量z，具備兩個(gè)特征，一是與關(guān)鍵自變量相關(guān)（cov(z,x) ≠0）,二是與不可觀測(cè)因素不相關(guān)（cov(z,u)=0）,兩個(gè)條件缺一不可，而最好的工具變量就是與內(nèi)生自變量x 100%相關(guān)，與不可觀測(cè)因素u 100%不相關(guān)。在回歸分析中，所有自變量也是它自身的工具變量，所以這兩個(gè)條件也是對(duì)于回歸方程中嚴(yán)格外生自變量（Exogenous variables）的定義。
  　　
  　　對(duì)于內(nèi)生變量來(lái)說(shuō)，工具變量所具備的兩個(gè)條件完全是技術(shù)性質(zhì)的，工具變量的作用是在計(jì)算過(guò)程中體現(xiàn)出來(lái)的，也就是兩個(gè)條件越充分，通過(guò)工具變量得到的參數(shù)估計(jì)量越可能具備一致性（consistency）,而工具變量本身并不觸動(dòng)原本提出的經(jīng)濟(jì)理論，也就是說(shuō)假設(shè)X 對(duì)于Y 有影響，我們利用工具變量Z來(lái)斬?cái)?，切除，隔離一些看不見(jiàn)，卻又可能干擾到X與Y關(guān)系的隱性因素u的影響，從而得出X對(duì)于Y的相對(duì)精確影響。工具變量好像一個(gè)保護(hù)罩一樣，罩住了X 和 Y這兩個(gè)小朋友，讓他們?cè)诶锩姹M情的玩耍，而壞蛋，恐怖分子都被隔離在了外面。李子奈老師對(duì)于工具變量的作用有一個(gè)更為精辟的比喻，內(nèi)生變量好比一個(gè)不會(huì)喝酒的老板，他如果要陪客戶(hù)就必須要喝酒，這時(shí)他就找個(gè)秘書(shū)，秘書(shū)不是老板，他不能自己去單獨(dú)陪客戶(hù)，但他可以協(xié)助老板來(lái)陪客戶(hù)喝酒，在這里秘書(shū)就好比工具變量，而喝酒就好比計(jì)算。秘書(shū)喝酒能力越強(qiáng)，老板陪客戶(hù)的效果就越好，類(lèi)似的，工具變量越符合兩個(gè)基本條件，得出的參數(shù)估計(jì)量越精確。當(dāng)然，老板可以找更多的秘書(shū)來(lái)陪酒，相應(yīng)的，一個(gè)內(nèi)生變量也可以找到兩個(gè)以上的工具變量來(lái)進(jìn)行計(jì)算。
  　　
  　　但是一個(gè)硬幣總會(huì)有兩個(gè)面，使用工具變量也是要付出代價(jià)的，使用工具變量會(huì)使參數(shù)估計(jì)值的方差（var(b)）增大，從而影響該參數(shù)的顯著性水平和置信區(qū)間。
  　　
  　　四．對(duì)于工具變量使用的一些問(wèn)題
  　　在大致了解了工具變量的研究緣起、需滿(mǎn)足的條件、作用、限制等因素后，我個(gè)人最為關(guān)心的問(wèn)題是，我們通過(guò)什么信息能確定要使用工具變量？工具變量如何使用？如何評(píng)價(jià)一個(gè)工具變量？我們可以通過(guò)對(duì)工具變量在進(jìn)行回歸分析的使用流程進(jìn)行梳理，從而進(jìn)行分析。
  　　1） 首先，建立回歸模型，根據(jù)你要研究的理論，確定因變量Y，和你要研究的關(guān)系，比如Y與X1的關(guān)系，繼而控制其他自變量X2，X3…，Xi，形成回歸模型
  　　
  　　Y = f( X1,X2,X3……Xi)+ U
  　　
  　　當(dāng)提取所有控制變量后，判斷X1是否為內(nèi)生變量，也就是在誤差項(xiàng)中u中，哪些不可觀測(cè)的因素會(huì)影響到X1與Y。(為方便分析，我們假定其余自變量（非X1）都是外生自變量，也就是cov(Xi,U)=0)。注意到，在估計(jì)模型之前判斷X1是否為內(nèi)生變量，沒(méi)有現(xiàn)成的統(tǒng)計(jì)方法，完全靠的是研究者的推測(cè)和內(nèi)?。╥ntrospection）
  　　
  　　2） 如果通過(guò)經(jīng)驗(yàn)的推測(cè)和內(nèi)省判斷X1為內(nèi)生變量，則應(yīng)需要選取的工具變量，這個(gè)工具變量可以是一個(gè)或一個(gè)以上，為簡(jiǎn)化分析，我們只選取一個(gè)工具變量Z，該工具變量需滿(mǎn)足的特征是
  　　a. 不存在于回歸模型f中
  　　b. cov(X,Z) ≠0
  　　c. cov(U,Z)=0
  　　
  　　a條件告訴我們需要從外在于回歸模型的變量中去找工具變量，這點(diǎn)好辦。接著，我們可以通過(guò)輔助回歸的手段來(lái)確定b條件是否成立，建立因變量是X1，自變量是由所有外生變量（X2，X3……，還有工具變量Z）的輔助回歸模型，通過(guò)統(tǒng)計(jì)方法判斷Z對(duì)于X1的獨(dú)立影響是否顯著，若顯著，則證明兩者相關(guān)；而對(duì)于c條件的驗(yàn)證，也就是在判斷工具變量與誤差項(xiàng)是否相關(guān)的問(wèn)題上，我們依然沒(méi)有現(xiàn)成的統(tǒng)計(jì)手段，依然只能依靠研究者的推斷和內(nèi)省
  　　
  　　如果工具變量符合上述這些條件，我們可以相對(duì)放心的使用IV，但從中我們可以發(fā)現(xiàn)，在判斷X1是否為內(nèi)生變量（cov(X1，U)），工具變量Z是否與誤差項(xiàng)U相關(guān)（cov(Z，U)）的兩個(gè)關(guān)鍵問(wèn)題上，在做回歸前，研究者依靠的只是經(jīng)驗(yàn)的推斷，而非基于統(tǒng)計(jì)算法的推斷，這就給IV使用的準(zhǔn)確性，有效性增加了極大的不確定性。 盡管后來(lái)研究者發(fā)明了一些統(tǒng)計(jì)方法來(lái)驗(yàn)證這兩個(gè)條件是否成立，但仍存在巨大的爭(zhēng)議，比如教科書(shū)中出現(xiàn)的Hausman LM-test on exogeneity，讓我們先回顧一下它的具體步驟：
  　　
  　　1） 建立回歸模型，regress Y on X1,X2……，（其中X1是可疑的內(nèi)生變量），得到估計(jì)的回歸殘差Uhat,
  　　2） 建立輔助回歸1，regress X1 on Z（工具變量）得到殘差Vhat，在這里，我們假設(shè)工具變量與Uhat 不相關(guān)（cov(Z，U)=0），
  　　3） 建立輔助回歸2，regress Uhat on X1(內(nèi)生變量)，X2……（外生變量），Vhat,利用LM test 測(cè)試關(guān)于 Vhat 的估計(jì)參數(shù)是否顯著，如果顯著，則證明X1是內(nèi)生變量
  　　
  　　注意到這個(gè)Hausman test的前提是假定cov(Z，U)=0，如果這個(gè)假定不成立，那么Hausman test也就無(wú)效。這就稍顯牽強(qiáng)了，我們?cè)镜哪康氖且袛鄡蓚€(gè)條件是否成立，可現(xiàn)在卻為了判斷第一個(gè)條件是否成立而強(qiáng)制假定第二個(gè)條件一定成立，就好像判斷一個(gè)人是否喜歡同性戀和是否喜歡看毛片一樣，這本來(lái)是兩個(gè)問(wèn)題，可我們卻為了判斷他是否喜歡同性戀而假定他一定喜歡看毛片。不知這樣的比喻是否恰當(dāng)，但我只想說(shuō)，Hausamn的test的確有點(diǎn)牽強(qiáng)附會(huì)。同樣，對(duì)于第二個(gè)條件的判斷，工具變量Z是否與誤差項(xiàng)U相關(guān)（工具變量是否內(nèi)生），教科書(shū)中也給出了一個(gè)統(tǒng)計(jì)檢驗(yàn)的方法，sargan檢驗(yàn)，它也面臨著類(lèi)似的問(wèn)題，在這里我就不一一贅述了。
•   　　適合中級(jí)水平的書(shū)，是經(jīng)濟(jì)學(xué)領(lǐng)域較好的教材，但不是最好的教材，好的教材很多。其他學(xué)科的相關(guān)教材也很好。
  　　第四版閹割了很多內(nèi)容，國(guó)內(nèi)的出版商無(wú)恥的很，而且字很小，印刷質(zhì)量很一般。和國(guó)外的印刷質(zhì)量比起來(lái)，差別太大。建議網(wǎng)上搜電子版的看或者買(mǎi)第三版。
  　　
  　　建議先看一些入門(mén)的計(jì)量經(jīng)濟(jì)學(xué)和線性代數(shù)后再看這本書(shū)和后續(xù)的格林的書(shū)，結(jié)合SAS和SPSS或stata學(xué)習(xí)，做非經(jīng)濟(jì)金融類(lèi)的學(xué)研究基本完全夠用了
•   　　 高年級(jí)本科、碩士水平的經(jīng)典計(jì)量經(jīng)濟(jì)教材！這本書(shū)絕對(duì)可以用“漂亮”二字概括，費(fèi)劍平翻譯的也很好，錯(cuò)誤極少。少量的印刷錯(cuò)誤主要集中于附錄，可在網(wǎng)上下載本書(shū)英文電子版加以對(duì)照。
  　　
  　　 針對(duì)本科水平而言（側(cè)重應(yīng)用研究），本書(shū)Ch1--10,Ch12--16都是必學(xué)章節(jié)，基本上把常用的計(jì)量方法都涉及了：OLS（大樣本性質(zhì)和小樣本性質(zhì)均有介紹）、處理異方差和序列相關(guān)的GLS、分位數(shù)回歸（簡(jiǎn)單提及）、自然實(shí)驗(yàn)的difference-in-difference方法、處理面板數(shù)據(jù)的固定效應(yīng)和隨機(jī)效應(yīng)方法、工具變量法、聯(lián)立方程的2SLS。甚至還加入了很多對(duì)實(shí)際應(yīng)用研究過(guò)程中極為有益的章節(jié)：模型設(shè)定、變量選擇、原始數(shù)據(jù)處理、穩(wěn)健標(biāo)準(zhǔn)誤等內(nèi)容。至于本書(shū)的第11、17、18三章，要么是在此階段沒(méi)有必要接觸理論性這么強(qiáng)的內(nèi)容（如11章），要么是在初級(jí)水平的教科書(shū)上難以講明白相關(guān)方法（如17、18兩章）。所以，若想在這兩方面繼續(xù)學(xué)習(xí)，而且不想涉及更高級(jí)的理論內(nèi)容，那么時(shí)間序列分析部分可以學(xué)習(xí)沃爾特.恩德斯的《應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)——時(shí)間序列分析（第2版）》，微觀計(jì)量方法則可參考格林《計(jì)量經(jīng)濟(jì)分析（第5版）》最后的21、22兩章。
  　　
  　　 而且該書(shū)的數(shù)學(xué)附錄很實(shí)用，特別是關(guān)于“數(shù)理統(tǒng)計(jì)”的附錄C，很有必要在學(xué)習(xí)本書(shū)前加以瀏覽。另外，本書(shū)的所有例子都可在“人大經(jīng)濟(jì)論壇”中下載到，或者用Eviews或者用STATA將其統(tǒng)統(tǒng)做一遍，應(yīng)用計(jì)量功底應(yīng)該比較扎實(shí)了。
•   　　首先，一定要看英文版，這本書(shū)最大的優(yōu)點(diǎn)在于：案例豐富，經(jīng)濟(jì)意義描述清晰，讓人不會(huì)陷入數(shù)學(xué)的謎團(tuán)，知道“計(jì)量經(jīng)濟(jì)學(xué)”是一門(mén)“經(jīng)濟(jì)學(xué)”而不是“數(shù)學(xué)”?。。∫话闱闆r下，學(xué)完初級(jí)微觀宏觀就可以嘗試看這本英文書(shū)。
  　　最大的缺點(diǎn)在于：主體按照OLS估計(jì)，很少涉及MLE，GMM，但是對(duì)于打基礎(chǔ)已經(jīng)足夠。接下去應(yīng)該啃啃g(shù)reene或者wooldrige的cross-sectional and panel data。
•   　　人大版翻譯的國(guó)外經(jīng)典教材真難讀，糟糕的翻譯，似乎譯者不是中國(guó)人，如此這般的書(shū)面表達(dá)真讓人佩服，還存在很多錯(cuò)誤，對(duì)人大的這套叢書(shū)失望透了。
  　　再也不敢買(mǎi)人大翻譯得書(shū)了。譯者太不負(fù)責(zé)任了，不要因?yàn)榉g國(guó)外書(shū)不作為學(xué)術(shù)研究而急功近利，只為拿點(diǎn)翻譯費(fèi)。跟高鴻業(yè)花3年翻譯書(shū)差太遠(yuǎn)了。
•   　　譯者文字功底不行，文字很生硬，看得很蛋疼，前后兩句話(huà)不知道有什么因果關(guān)系~ 遠(yuǎn)不如薩繆爾森那本經(jīng)濟(jì)學(xué)翻譯得友好
•   　　分成上下冊(cè)兩本，紙質(zhì)純木漿制作，很白很光滑，是中文版的，美中不足就是后面的索引部分頁(yè)碼不對(duì)（因?yàn)槭侵苯訌挠⑽陌娣g過(guò)來(lái)的），不過(guò)還好吧，配合著英文版看就Perfect了，就是書(shū)比較貴。
•   　　這是一本老師和同學(xué)都極力推薦的書(shū)
  　　可是自己硬是啃不動(dòng)
  　　一方面是大部頭看著就覺(jué)得心里發(fā)毛
  　　另一方面是數(shù)學(xué)功底的欠缺讓自己看得實(shí)在吃力
  　　
  　　學(xué)習(xí)計(jì)量看來(lái)還是得選擇符合自己的方法
  　　目前而言，做一個(gè)小研究，學(xué)會(huì)一種方法，這種散兵作戰(zhàn)的方式還是比較合適的。
  　　
  　　至于這本大部頭，暫時(shí)只能先變字典了
•   　　這是本非常漂亮的學(xué)術(shù)著作
  　　讀起來(lái)很愉悅
  　　雖然在技術(shù)上不是很難
  　　但對(duì)計(jì)量經(jīng)濟(jì)學(xué)的解說(shuō)卻非常到位
  　　同時(shí)例子也非常豐富
  　　如果能夠認(rèn)真看過(guò)兩遍
  　　作出合適的實(shí)證研究應(yīng)該不是問(wèn)題
  　　　　
  　　稍微指出一點(diǎn)瑕疵：
  　　就是這本書(shū)在印刷上存在一定的錯(cuò)誤
  　?。ǚ浅Ｉ俚牡胤酱嬖诜g錯(cuò)誤）
  　　因此用英文版（清華影印）對(duì)照著看會(huì)比較好
  　　當(dāng)然英語(yǔ)非常好
  　　那就直接讀英文版的好了
•   　　這本書(shū)我只啃了6章和后面的appendixA-C，Research Method的這門(mén)課只這些內(nèi)容。我本科沒(méi)有學(xué)過(guò)計(jì)量經(jīng)濟(jì)學(xué)，統(tǒng)計(jì)學(xué)也等于沒(méi)學(xué)過(guò)，所以RM這門(mén)課開(kāi)的時(shí)候我等于聽(tīng)天書(shū)，開(kāi)課時(shí)pro知道我非金融背景問(wèn)我有沒(méi)有學(xué)過(guò)計(jì)量經(jīng)濟(jì)學(xué)，我就知道這門(mén)課又是異常痛苦了。過(guò)完圣誕之后我才從圖書(shū)館借了這本書(shū)，但是一直沒(méi)看，現(xiàn)在考試當(dāng)頭只好硬著頭皮看了，卻發(fā)現(xiàn)這本書(shū)寫(xiě)得很好。最簡(jiǎn)單講，就是很容易看明白，后面的appendix是前面對(duì)應(yīng)的統(tǒng)計(jì)學(xué)的內(nèi)容，每章都表明了對(duì)應(yīng)的appendix尤其是一些術(shù)語(yǔ)和公式，這樣前后對(duì)照我看得還比較順利。
•   你好，請(qǐng)問(wèn)excel數(shù)據(jù)怎么用？打開(kāi)后只有數(shù)據(jù)沒(méi)有名稱(chēng)，我不知道每列數(shù)據(jù)是什么。。
•   對(duì)！看完再看wooldrige的cross-sectional and panel data。
•   我覺(jué)得費(fèi)劍平譯的很好啊~~~~
•   你讀的好細(xì)致啊，很大的錯(cuò)誤，我還沒(méi)有發(fā)現(xiàn)，只是覺(jué)得，外國(guó)的教材還是很棒的！
•   光這樣指責(zé)不舉例？？
•   個(gè)別的地方翻譯的確實(shí)不夠妥帖。比如94頁(yè)估計(jì)誤差方差那一部分的上面一個(gè)自然段。
•   還行。我快看完了，確實(shí)有些地方有遺漏和錯(cuò)誤，但瑕不掩瑜。樓主要覺(jué)得翻譯不好，可以直接買(mǎi)英文版看。
•   開(kāi)玩笑，就薩繆爾森的經(jīng)濟(jì)學(xué)還翻譯的好？？費(fèi)劍平的翻譯還不行就直接看英文吧
•   哥就是直接看的英文...
•   樓主。。這么吊 這么深入淺出的書(shū)啊
•   謝謝。
  不過(guò)你上面給出的地址好像與這里的內(nèi)容沒(méi)有關(guān)系吧？
•   這本書(shū)的英語(yǔ)原版的第４版　新浪愛(ài)問(wèn)就有下載，去cengage也可以下到他的database，各種軟件的都有　SAS status R　
•   計(jì)量學(xué)的痛苦SHI了

相關(guān)圖書(shū)

• 最新英語(yǔ)高級(jí)分類(lèi)聽(tīng)力(上)
• 最新英語(yǔ)中級(jí)分類(lèi)聽(tīng)力（上）
• 中國(guó)上市公司
• 中國(guó)保險(xiǎn)監(jiān)管與精算實(shí)務(wù)
• 中級(jí)漢語(yǔ)口語(yǔ)（下）
• 初級(jí)漢語(yǔ)口語(yǔ)（上冊(cè)）
• TekSoft 3D CAD/CAM 銑床使用入門(mén)
• 寫(xiě)作導(dǎo)學(xué)
• Unigraphics V18.0范例教程
• Unigraphics v18.0 與三軸銑床加工
• 程序設(shè)計(jì)
• 趣味速學(xué)五筆字型
• 微型計(jì)算機(jī)原理及應(yīng)用
• SQL Server 2000 OLAP解決方案
• 日漢詞典
• 大學(xué)英語(yǔ)四級(jí)詞匯與閱讀自然通教程
• 唐體孝弟祠記標(biāo)準(zhǔn)習(xí)字帖
• 新華商精英財(cái)富透析
• 2002年高考應(yīng)試對(duì)策
• 英漢漢英小詞典
• 基度山伯爵（上下）
• 飄（上下）
• 麻辣女生
• 學(xué)生全功能字典
• 高中現(xiàn)代文課外閱讀(科技類(lèi))