計量經(jīng)濟學(xué)導(dǎo)論

用戶評論 (總計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解決模型中出現(xiàn)的隨機解釋變量問題，其是西方計量經(jīng)濟學(xué)最近一個較為熱門的研究領(lǐng)域。這是我在英國讀研時在學(xué)習(xí)IV時的隨筆，用來聊以自慰。該隨筆的靈感很大一部分來自于伍德里奇的《計量經(jīng)濟學(xué)導(dǎo)論》。由于寫得非常淺薄，我樂于接受專家學(xué)者們的拍磚。
  　　
  　　————————————————————————————
  　　一．IV研究的緣起：不可觀測因素引起的隨機解釋變量問題
  　　我們對于社會現(xiàn)象的理解，是一個從無到有的過程，這個無，在計量模型中就是誤差項（error term）， 在研究期初，這個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，我們很想知道為什么他們的收入會有這樣的差別，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，一類是可觀察的因素，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，并且可以進行測量，（比如教育等級可以分為小學(xué)，初中，高中，大學(xué)，等，婚姻狀態(tài)可以分為已婚和未婚），而另一類因素，如能力，（沒有客觀合適的指標(biāo)進行度量）或者家庭政治背景（因為敏感，被訪者也許不愿意回答），從而不能其對之進行有效測量，成為不可觀測因素，我們在做回歸分析的時候，只可以把可觀測的因素作為自變量，而不可觀測的因素都放在了誤差項中，也就是這個“虛無”之中。在進行回歸時，如果可觀測的自變量與誤差項中的不可觀測因素不相關(guān)，那一切OK；否則，會出現(xiàn)很嚴重的問題。計量回歸本質(zhì)是在控制其他變量的基礎(chǔ)之上，探究某一個自變量對因變量的獨立作用。假如我們要研究收入與教育的問題，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，而其中也混雜了個人本身能力的因素。如果需要了解教育對收入提高的“凈影響”，我們就必須控制能力大小這個變量，也就是說找兩個人，能力完全一樣，一個人獲得了教育，而另外一個人沒有獲得教育，觀察他們收入的差距，這個差距才能體現(xiàn)出獲得教育對于收入的貢獻，當(dāng)然要想獲得教育對于收入的“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，即使沒有較高的教育程度，也可以通過父母的關(guān)系，找到好的工作，獲得高收入），還有其他很多類似因素，我在這里也不一一贅述了（其實是想不起來了），總之，計量模型追尋的境界是把所有相關(guān)變量控制之后，兩個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，你卻沒有接受教育，這樣形成的收入差距才會是接受教育的凈影響。
  　　
  　　總結(jié)起來，如果這類因素統(tǒng)一稱為A，自變量稱為X，因變量稱為Y，那么這三者之間具有如下關(guān)系
  　　X<<-------Y
  　　A------->>X
  　　A------->>Y
  　　
  　　如果這個因素出現(xiàn)的話，我們必須把它從誤差項中提取出來，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，像個人能力，家庭政治背景這樣的因素，我們可能根本無法觀測到，而如果觀測不到，也就無法控制這些因素，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）,比如我們通過最小二乘法得到教育程度對于收入的參數(shù)是1，也就是每提高一個教育等級，樣本平均收入會提高1個單位，但如果家庭政治背景變量沒有被觀測，那么這個參數(shù)會包括三個成分：
  　　
  　　一是教育等級對收入的凈影響
  　　二是家庭政治背景對于教育等級的影響
  　　三是家庭政治背景對于收入的凈影響
  　　
  　　三個成分分別是多少？以一種怎樣的方式構(gòu)成？這些疑問使我想起了中國社會學(xué)當(dāng)下流行的一個問題：在社會結(jié)構(gòu)與分層理論中，收入背后代表的經(jīng)濟地位是韋伯所說的社會結(jié)構(gòu)中的一級，中國社會的轉(zhuǎn)型表現(xiàn)之一就是經(jīng)濟地位的獲取由行政層級指令向市場等價交換過渡，通過家庭政治關(guān)系來進入好的單位從而獲得高收入是行政層級指令的表征，而通過投資教育來獲得收入提高和經(jīng)濟地位的提升是市場等價交換的重要手段。假如我們想研究中國經(jīng)濟地位獲取是否走向市場化，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，我們也不能將估計出來的教育對于收入的參數(shù)當(dāng)做事實定論, 對于這個參數(shù)，這里面有多少是教育本身對于收入的影響？又有多少是家庭政治背景影響的結(jié)果？這些我們都無從所知。
  　　
  　　以上就是隨機解釋變量的表現(xiàn)，隨機解釋變量（Stochastic explanatory variables，也叫內(nèi)生變量，Endogenous variable）是計量經(jīng)濟學(xué)理論重點探討問題，它會造成參數(shù)估計結(jié)果有偏，使我們無法從研究中提取出來真正確定的社會事實，解釋變量問題的來源就是上述所說的遺漏變量問題。除了上述不可觀測的自變量導(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)定形式問題(Functional form misspecification)都會引起解釋變量問題。這些問題的根本特征是，關(guān)鍵自變量為內(nèi)生變量，一些不可觀察的因素會同時影響到這個自變量和因變量的變化，使得估計出來的回歸參數(shù)不是該關(guān)鍵自變量本身對于因變量的獨立作用。對于互為因果關(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。這是因為犯罪率的增加需要更多的警察來去治理，兩者共同影響對方，而其實質(zhì)就是一些不可觀測的因素，比如當(dāng)?shù)氐闹伟箔h(huán)境，法律對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。
  　　
  　　二．應(yīng)對隨機解釋變量問題采取的方法：替代變量與工具變量，孰優(yōu)孰劣？
  　　關(guān)鍵的問題是，如果遇到隨機解釋變量問題，我們應(yīng)當(dāng)采取怎么的辦法？
  　　第一個方法是替代變量(proxy variable)，也就是找到可以替代不可觀測因素的可觀測的變量，前提是這兩個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，我們可以用IQ來替代能力變量，作為控制變量之一。兩個變量越相關(guān)，隨機解釋變量問題就會越減輕。但是替代變量在研究的使用并不常用，原因有幾點: 一是替代變量不能解決遺漏變量問題，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)鍵自變量的隨機解釋變量問題，而且替代變量因為其自身與誤差項的不可觀測因素相關(guān)，也面臨著解釋變量問題。另外的一點也可以從調(diào)查各個環(huán)節(jié)本身所具有的特點分析。調(diào)查的流程包括先設(shè)計調(diào)查問卷，再收集數(shù)據(jù)，再進行分析。遺漏變量問題最有可能根源于最早期的調(diào)查問卷階段，即使是再有經(jīng)驗，有智慧的學(xué)者在初期設(shè)計問卷時也不可能把所有問題都考慮清楚，一些新的問題在收集數(shù)據(jù)，后期處理階段才有可能幡然醒悟，等到那時，如果再重新搜集替代變量將會耗費大量的人力物力。比如進行調(diào)查時，有哪個人會想起來問：“你IQ多少？”
  　　
  　　值得說的是，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)庫中抽取一些歷史數(shù)據(jù)，就像伍德里奇書中反復(fù)提到的上世紀70-80年代美國教育收入數(shù)據(jù)，在中國這樣的現(xiàn)象就更為普遍了，中國營養(yǎng)健康調(diào)查數(shù)據(jù)，中國農(nóng)村家庭入戶調(diào)查數(shù)據(jù)已經(jīng)做爛了。因為不能做重復(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，可能一些重要變量在當(dāng)時并沒有被重視，也就沒有收集到，學(xué)者們無法回到那個年代去重新收集數(shù)據(jù)，無法從數(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。當(dāng)關(guān)鍵自變量x為隨機解釋變量時(cov(x,u) ≠ 0), 現(xiàn)有的數(shù)據(jù)中沒有能代替不可觀測因素的替代變量，得到的關(guān)鍵變量的參數(shù)會呈現(xiàn)出不一致（Inconsistency）的特點, 也就是即使我們收集到足夠多的數(shù)據(jù)，樣本足夠大，但是通過計算得到的參數(shù)估計量仍然不能反映出關(guān)鍵自變量對于因變量的獨立作用。而工具變量的作用就是在估計的過程中，來斬斷關(guān)鍵自變量與不可觀測因素的聯(lián)系，從而獲取相對一致的估計量，一個好的工具變量z，具備兩個特征，一是與關(guān)鍵自變量相關(guān)（cov(z,x) ≠0）,二是與不可觀測因素不相關(guān)（cov(z,u)=0）,兩個條件缺一不可，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，所以這兩個條件也是對于回歸方程中嚴格外生自變量（Exogenous variables）的定義。
  　　
  　　對于內(nèi)生變量來說，工具變量所具備的兩個條件完全是技術(shù)性質(zhì)的，工具變量的作用是在計算過程中體現(xiàn)出來的，也就是兩個條件越充分，通過工具變量得到的參數(shù)估計量越可能具備一致性（consistency）,而工具變量本身并不觸動原本提出的經(jīng)濟理論，也就是說假設(shè)X 對于Y 有影響，我們利用工具變量Z來斬斷，切除，隔離一些看不見，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對于Y的相對精確影響。工具變量好像一個保護罩一樣，罩住了X 和 Y這兩個小朋友，讓他們在里面盡情的玩耍，而壞蛋，恐怖分子都被隔離在了外面。李子奈老師對于工具變量的作用有一個更為精辟的比喻，內(nèi)生變量好比一個不會喝酒的老板，他如果要陪客戶就必須要喝酒，這時他就找個秘書，秘書不是老板，他不能自己去單獨陪客戶，但他可以協(xié)助老板來陪客戶喝酒，在這里秘書就好比工具變量，而喝酒就好比計算。秘書喝酒能力越強，老板陪客戶的效果就越好，類似的，工具變量越符合兩個基本條件，得出的參數(shù)估計量越精確。當(dāng)然，老板可以找更多的秘書來陪酒，相應(yīng)的，一個內(nèi)生變量也可以找到兩個以上的工具變量來進行計算。
  　　
  　　但是一個硬幣總會有兩個面，使用工具變量也是要付出代價的，使用工具變量會使參數(shù)估計值的方差（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．對于工具變量使用的一些問題
  　　在大致了解了工具變量的研究緣起、需滿足的條件、作用、限制等因素后，我個人最為關(guān)心的問題是，我們通過什么信息能確定要使用工具變量？工具變量如何使用？如何評價一個工具變量？我們可以通過對工具變量在進行回歸分析的使用流程進行梳理，從而進行分析。
  　　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，也就是在誤差項中u中，哪些不可觀測的因素會影響到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，在估計模型之前判斷X1是否為內(nèi)生變量，沒有現(xiàn)成的統(tǒng)計方法，完全靠的是研究者的推測和內(nèi)?。╥ntrospection）
  　　
  　　2） 如果通過經(jīng)驗的推測和內(nèi)省判斷X1為內(nèi)生變量，則應(yīng)需要選取的工具變量，這個工具變量可以是一個或一個以上，為簡化分析，我們只選取一個工具變量Z，該工具變量需滿足的特征是
  　　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，這點好辦。接著，我們可以通過輔助回歸的手段來確定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，通過統(tǒng)計方法判斷Z對于X1的獨立影響是否顯著，若顯著，則證明兩者相關(guān)；而對于c條件的驗證，也就是在判斷工具變量與誤差項是否相關(guān)的問題上，我們依然沒有現(xiàn)成的統(tǒng)計手段，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U相關(guān)（cov(Z，U)）的兩個關(guān)鍵問題上，在做回歸前，研究者依靠的只是經(jīng)驗的推斷，而非基于統(tǒng)計算法的推斷，這就給IV使用的準(zhǔn)確性，有效性增加了極大的不確定性。 盡管后來研究者發(fā)明了一些統(tǒng)計方法來驗證這兩個條件是否成立，但仍存在巨大的爭議，比如教科書中出現(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 測試關(guān)于 Vhat 的估計參數(shù)是否顯著，如果顯著，則證明X1是內(nèi)生變量
  　　
  　　注意到這個Hausman test的前提是假定cov(Z，U)=0，如果這個假定不成立，那么Hausman test也就無效。這就稍顯牽強了，我們原本的目的是要判斷兩個條件是否成立，可現(xiàn)在卻為了判斷第一個條件是否成立而強制假定第二個條件一定成立，就好像判斷一個人是否喜歡同性戀和是否喜歡看毛片一樣，這本來是兩個問題，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，Hausamn的test的確有點牽強附會。同樣，對于第二個條件的判斷，工具變量Z是否與誤差項U相關(guān)（工具變量是否內(nèi)生），教科書中也給出了一個統(tǒng)計檢驗的方法，sargan檢驗，它也面臨著類似的問題，在這里我就不一一贅述了。
•   　　適合中級水平的書，是經(jīng)濟學(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，國內(nèi)的出版商無恥的很，而且字很小，印刷質(zhì)量很一般。和國外的印刷質(zhì)量比起來，差別太大。建議網(wǎng)上搜電子版的看或者買第三版。
  　　
  　　建議先看一些入門的計量經(jīng)濟學(xué)和線性代數(shù)后再看這本書和后續(xù)的格林的書，結(jié)合SAS和SPSS或stata學(xué)習(xí)，做非經(jīng)濟金融類的學(xué)研究基本完全夠用了
•   　　 高年級本科、碩士水平的經(jīng)典計量經(jīng)濟教材！這本書絕對可以用“漂亮”二字概括，費劍平翻譯的也很好，錯誤極少。少量的印刷錯誤主要集中于附錄，可在網(wǎng)上下載本書英文電子版加以對照。
  　　
  　　 針對本科水平而言（側(cè)重應(yīng)用研究），本書Ch1--10,Ch12--16都是必學(xué)章節(jié)，基本上把常用的計量方法都涉及了：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（簡單提及）、自然實驗的difference-in-difference方法、處理面板數(shù)據(jù)的固定效應(yīng)和隨機效應(yīng)方法、工具變量法、聯(lián)立方程的2SLS。甚至還加入了很多對實際應(yīng)用研究過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。至于本書的第11、17、18三章，要么是在此階段沒有必要接觸理論性這么強的內(nèi)容（如11章），要么是在初級水平的教科書上難以講明白相關(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的理論內(nèi)容，那么時間序列分析部分可以學(xué)習(xí)沃爾特.恩德斯的《應(yīng)用計量經(jīng)濟學(xué)——時間序列分析（第2版）》，微觀計量方法則可參考格林《計量經(jīng)濟分析（第5版）》最后的21、22兩章。
  　　
  　　 而且該書的數(shù)學(xué)附錄很實用，特別是關(guān)于“數(shù)理統(tǒng)計”的附錄C，很有必要在學(xué)習(xí)本書前加以瀏覽。另外，本書的所有例子都可在“人大經(jīng)濟論壇”中下載到，或者用Eviews或者用STATA將其統(tǒng)統(tǒng)做一遍，應(yīng)用計量功底應(yīng)該比較扎實了。
•   　　首先，一定要看英文版，這本書最大的優(yōu)點在于：案例豐富，經(jīng)濟意義描述清晰，讓人不會陷入數(shù)學(xué)的謎團，知道“計量經(jīng)濟學(xué)”是一門“經(jīng)濟學(xué)”而不是“數(shù)學(xué)”?。?！一般情況下，學(xué)完初級微觀宏觀就可以嘗試看這本英文書。
  　　最大的缺點在于：主體按照OLS估計，很少涉及MLE，GMM，但是對于打基礎(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。
•   　　人大版翻譯的國外經(jīng)典教材真難讀，糟糕的翻譯，似乎譯者不是中國人，如此這般的書面表達真讓人佩服，還存在很多錯誤，對人大的這套叢書失望透了。
  　　再也不敢買人大翻譯得書了。譯者太不負責(zé)任了，不要因為翻譯國外書不作為學(xué)術(shù)研究而急功近利，只為拿點翻譯費。跟高鴻業(yè)花3年翻譯書差太遠了。
•   　　譯者文字功底不行，文字很生硬，看得很蛋疼，前后兩句話不知道有什么因果關(guān)系~ 遠不如薩繆爾森那本經(jīng)濟學(xué)翻譯得友好
•   　　分成上下冊兩本，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碼不對（因為是直接從英文版翻譯過來的），不過還好吧，配合著英文版看就Perfect了，就是書比較貴。
•   　　這是一本老師和同學(xué)都極力推薦的書
  　　可是自己硬是啃不動
  　　一方面是大部頭看著就覺得心里發(fā)毛
  　　另一方面是數(shù)學(xué)功底的欠缺讓自己看得實在吃力
  　　
  　　學(xué)習(xí)計量看來還是得選擇符合自己的方法
  　　目前而言，做一個小研究，學(xué)會一種方法，這種散兵作戰(zhàn)的方式還是比較合適的。
  　　
  　　至于這本大部頭，暫時只能先變字典了
•   　　這是本非常漂亮的學(xué)術(shù)著作
  　　讀起來很愉悅
  　　雖然在技術(shù)上不是很難
  　　但對計量經(jīng)濟學(xué)的解說卻非常到位
  　　同時例子也非常豐富
  　　如果能夠認真看過兩遍
  　　作出合適的實證研究應(yīng)該不是問題
  　　　　
  　　稍微指出一點瑕疵：
  　　就是這本書在印刷上存在一定的錯誤
  　?。ǚ浅Ｉ俚牡胤酱嬖诜g錯誤）
  　　因此用英文版（清華影?。φ罩磿容^好
  　　當(dāng)然英語非常好
  　　那就直接讀英文版的好了
•   　　這本書我只啃了6章和后面的appendixA-C，Research Method的這門課只這些內(nèi)容。我本科沒有學(xué)過計量經(jīng)濟學(xué)，統(tǒng)計學(xué)也等于沒學(xué)過，所以RM這門課開的時候我等于聽天書，開課時pro知道我非金融背景問我有沒有學(xué)過計量經(jīng)濟學(xué)，我就知道這門課又是異常痛苦了。過完圣誕之后我才從圖書館借了這本書，但是一直沒看，現(xiàn)在考試當(dāng)頭只好硬著頭皮看了，卻發(fā)現(xiàn)這本書寫得很好。最簡單講，就是很容易看明白，后面的appendix是前面對應(yīng)的統(tǒng)計學(xué)的內(nèi)容，每章都表明了對應(yīng)的appendix尤其是一些術(shù)語和公式，這樣前后對照我看得還比較順利。
•   你好，請問excel數(shù)據(jù)怎么用？打開后只有數(shù)據(jù)沒有名稱，我不知道每列數(shù)據(jù)是什么。。
•   對！看完再看wooldrige的cross-sectional and panel data。
•   我覺得費劍平譯的很好啊~~~~
•   你讀的好細致啊，很大的錯誤，我還沒有發(fā)現(xiàn)，只是覺得，外國的教材還是很棒的！
•   光這樣指責(zé)不舉例？？
•   個別的地方翻譯的確實不夠妥帖。比如94頁估計誤差方差那一部分的上面一個自然段。
•   還行。我快看完了，確實有些地方有遺漏和錯誤，但瑕不掩瑜。樓主要覺得翻譯不好，可以直接買英文版看。
•   開玩笑，就薩繆爾森的經(jīng)濟學(xué)還翻譯的好？？費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 這么深入淺出的書啊
•   謝謝。
  不過你上面給出的地址好像與這里的內(nèi)容沒有關(guān)系吧？
•   這本書的英語原版的第４版　新浪愛問就有下載，去cengage也可以下到他的database，各種軟件的都有　SAS status R　
•   計量學(xué)的痛苦SHI了

相關(guān)圖書

• 最新英語高級分類聽力(上)
• 最新英語中級分類聽力（上）
• 中國上市公司
• 中國保險監(jiān)管與精算實務(wù)
• 中級漢語口語（下）
• 初級漢語口語（上冊）
• TekSoft 3D CAD/CAM 銑床使用入門
• 寫作導(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
• 趣味速學(xué)五筆字型
• 微型計算機原理及應(yīng)用
• SQL Server 2000 OLAP解決方案
• 日漢詞典
• 大學(xué)英語四級詞匯與閱讀自然通教程
• 唐體孝弟祠記標(biāo)準(zhǔn)習(xí)字帖
• 新華商精英財富透析
• 2002年高考應(yīng)試對策
• 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)