书籍介绍
这是一本让读者又爱又恨的计量经济学教材：爱它的思路清晰、例子丰富，恨它的翻译生硬、错误不少。伍德里奇的最大贡献，是把计量经济学从'固定回归元'的机械假定中解放出来，改用'随机回归元'的现代观点，让读者真正理解估计量背后的逻辑，而非死记公式。书中对工具变量、两阶段最小二乘、最大似然估计、潜在结果与平均处理效应等核心概念的讲解，尤其贴近真实研究场景，是理解因果推断的绝佳入口。它适合经济学、统计等专业本科生系统入门，也适合想搞清'为什么这么估'而非'怎么估'的读者。但请备好英文原版或课件对照，并接受它'浅出有余、深入不足'的定位。
AI导读
核心看点
- 放弃传统固定回归元假定，采用更现代的教学视角。
- 包含大量来自应用经济学等领域的最新例题，实用性强。
- 涵盖时间序列、工具变量及因果推断等核心计量方法。
读者共识
- 被誉为计量经济学入门圣经，讲解清晰透彻，例子丰富。
- 中文版翻译质量参差不齐，部分术语生硬，建议慎选版本。
- 虽有一定难度，但相比其他教材更浅出，适合初学者建立框架。
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"
清华大学出版社的其他书籍查看全部
下载
收藏