书籍介绍
《计量经济学》(第2版)在第一版的基础上新增实证分析事例：包括估计教育的经济收益、量化收入的性别差异、预测股票市场和模型化股票市场的波动；详细说明计量经济理论：核心的回归分析的章节从第一版的两章增加到本版的四章；增加高难度内容：具体包括非线性参数的回归函数，面板数据回归的聚类标准误差、弱工具变量的探测处理的详细说明、广义矩估计法的介绍等。
James H. Stock，普林斯顿大学经济系教授。加州大学伯克利分校经济学博士，曾任教于加州大学伯克利分校及哈佛大学肯尼迪政府学院。研究领域为经济计量方法、宏观经济预测、货币政策等，曾发表论文90多篇，并出版若干其他专著。
Mark W. Watson，普林斯顿大学经济系教授，他与 James H. Stock 都是计量经济学领域中的权威，尤其以时间序列的研究最为出众。
AI导读
核心看点
- 按横截面、时间序列及专题划分篇章结构
- 无需高深数学，仅需线代与概率统计基础
- 强调实际应用，含大量例题与经验研究习题
适合谁读
- 经管类本科生及初学者
- 需掌握线代与概率统计基础者
- 希望梳理计量思路的科研教师
读前提醒
- 建议配合陈强视频或B站课程学习
- 可对比伍德里奇等教材辅助理解
- 注意部分章节翻译术语可能不地道
读者共识
- 计量思路梳理清晰，入门体验佳
- 常读常新，是深入学习的重要根基
- 翻译质量参差，建议结合原版或视频
本导读基于书籍简介、目录、原文摘录、短评和书评生成，不等同于全文精读。
精彩摘录
- "经济时间序列数据经常在取对数值或取对数值的差分之后进行分析，这样做的一个原因是许多经济时间序列呈现近似指数增长的态势，即平均而言，长期中的序列增长率每年保持在一个固定的百分比。这一点意味着，序列的对数值近似线性增长。这样做的另一个原因是，许多经济时间序列变量的标准差大约与它的水平值成正比。这也意味着，序列对数值的标准差近似于一个常数。"
- "似然函数（ likelihood function）是抽样的联合概率分布，是未知系数的函数。未知系数的最大似然估计量（ maximum likelihood estimator，MLE）是使似然函数达到最大时所计算得到的系数值。由于最大似然估计量选择了使似然函数即联合概率分布达到最大的未知系数，故实际上最大似然估计量选择的是使n个样本数据被抽中的概率达到最大的系数值。在这个意义上，MLE是那些“最可能”生成这些数据的系数值。"
- "✨检验弱工具变量的一个经验法则 第一阶段F统计量是指检验两阶段最小二乘法的第一阶段中工具变量Z1i，…，Zmi的系数均为零的假设的F统计量。 针对仅有单个内生解释变量的情形，如果第一阶段F统计量小于10，则表明工具变量是弱的，即TSLS估计量有偏（即使在大样本条件下）且TSLS估计量的t统计量和置信区间变得不可信。"
- "更广义地讲，一个潜在结果（ potential outcomes）就是一个个体在潜在处理下得到的结果。这一个体的因果效应是接受处理和不接受处理的潜在结果之间的差异。一般而言，个体的因果效应可以随个体的不同而不同。例如，药物治疗的效果可能与你的年龄、是否吸烟或者其他健康状况有关。问题在于，我们无法对一个单个个体的因果效应进行度量。因为，一个个体要么接受了处理，要么没有接受处理，我们只能观测到这两个潜在结果中的某一个，而无法同时观测到两个潜在结果。 尽管一个单个个体的因果效应无法度量，但在许多应用中，我们只需要知道总体的平均果效应就已经足够。例如，在评估职业培训项目时，我们只需要权衡受训者的平均花"
作者简介
杰弗里·M.伍德里奇（Jeffrey M. Wooldridge），密歇根州立大学经济学特聘教授。于1982年在加州大学伯克利分校获得计算机科学与经济学学士学位，并于1986年在加州大学圣迭戈分校获经济学博士学位。曾在国际知名期刊上发表了30多篇学术论文。他还是《Econometric Analysis of Cross Section and Panel Data》一书的作者。
他所获的奖项包括：Alfred P. Sloan 研究奖，Econometric Theory 的 PluraScripsit 奖，Journal of Applied Econometrics 的 Richard Stone 爵士奖，以及在MIT三次获得研究生教学年度优秀教师奖。他还是Econometric Society 和 Journal of Econometric 的资深会员。
用户评论
特别好，章节安排清楚、有逻辑、提出的问题恰当，作为计量入门真的很合适。
我觉得比Wooldridge那本要好，但是有的地方没有那本详细
数学色彩一般，不会那么让我害怕。
浅显易懂是好的，例子太多文字就显得多余；另外感觉个别地方的数学基础不是特别严密，但总体上影响不大——毕竟不像理科那样追求精确和完美
没看完，不适合统计出身的同学看，啰嗦
曾是我的噩梦！
浅显易懂的教材
收藏