基本无害的计量经济学
2012-3
格致出版社
乔舒亚•安格里斯特,约恩•斯特芬•皮施克
258
郎金焕,李井奎
无
计量经济学的方法和实践不断发展，有些过于新奇的方法本来没必要如此复杂，而且还可能是有害的。虽然对计量经济学基本工具的解释日趋精奥深微，但应用计量经济学的核心内容却保持着大体稳定。这本指南性质的教材为经验研究者把握计量经济学的精义提供一个向导，在讨论回归、工具变量和双重差分法等核心内容的基础上，强调估计值的一般性质（比如回归总是可以近似条件均值函数等），以及对估计值赋予因果解释所需的假设（比如条件独立假设、相似世界等），之后再扩展至非连续实验的回归分析及统计推断等问题。尤其是，作者对OLS和IV，从方法论到各种应用，讲解极为详细，把所有目前流行的带试验色彩的估计方法，全部放在回归的框架中分析和讨论，但不涉及试验设计的内容。
乔舒亚·安格里斯特，美国麻省理工学院Ford经济学教授，美国国民经济研究局研究员，美国艺术与科学院院士，计量经济学会会员。曾任教于以色列希伯来大学和美国哈佛大学。主要教授劳动经济学和计量经济学，研究领域广泛，涉及教育经济学、社会实验、公共项目的计量经济学方法研究以及政策评估。 约恩－斯特芬·皮施克，英国伦敦政治经济学院（LSE）教授，LSE经济表现中心资深研究员。主要教授劳动经济学和计量经济学，研究领域集中于教育政策评估，包括义务教育的收入回报、学期长短对学生成绩的影响，以及班级成员间的影响效应等。
出版前言
刚目
致谢
本书结构
第一部分 导论
1 关于“问题”的问题
2 理想的实验
2.1 选择性偏误
2.2 用随机分配解决选择性偏误
2.3 对实验的回归分析
第二部分 核心
3 让回归变得有意义
3.1 回归的基本原理
3.2 回归与因果关系
3.3 异质性与非线性
3.4 回归的细节
3.5 附录：对加权平均导函数求导
4 实践中的工具变量：得到你想要的
4.1 工具变量与因果关系
4.2 两阶段最小二乘的渐进推断
4.3 双样本工具变量和剖分样本工具变量
4.4 工具变量与异质性潜在结果
4.5 对局部平均处理效应的推广
4.6 工具变量的细节
4.7 附录
5 相似世界：固定效应、双重差分和面板数据
5.1 个体固定效应
5.2 双重差分：事前与事后，处理和控制
5.3 固定效应与滞后被解释变量
5.4 附录：对固定效应模型和滞后被解释变量模型的进一步讨论
第三部分 拓展
6 更进一步：断点回归设计
6.1 清晰断点回归
6.2 作为一种工具变量法的模糊断点回归
7 分位数回归
7.1 分位数回归模型
7.2 对分位数处理效应的工具变量估计
8 非标准的标准误问题
8.1 在估计稳健标准误时存在的偏误
8.2 面板数据中的聚类问题和序列相关问题
8.3 附录：对简单Moulton因子的计算
最后的几句话
术语表及名词缩写
参考文献
译后记
有趣而且不同寻常，这是本有着自身特点的计量经济学教科书。它为那些需要经常分析经济数据的人士提供了实实在在的答案和建议，以帮助他们解决自己面临的问题。 ——Guido Imbens， Harvard University 是本关于计量经济学实践的书籍，它内容出色、构思精妙。 ——Orley Ashenfelter， Princeton University 无论是政治科学研究者，还是社会学家、历史学家、地理学家抑或是人类学家等等，对任何希望在社会科学领域构思研究并进行验证的科研人员而言，都应该将这本开创性的书籍列为必读书目。本书构思精巧、有趣，能够引导你穿越社会科学实证研究的迷雾。我真希望多年前就能读到这本书。 ——James Robinson， Harvard University 这是一本适合所有的实证研究者而非仅适合学生使用的书籍，任何一个实证计量工作者都能将它看作一份极佳的参考文献。 ——Sandra Black，UCLA
无
有点难，但写的都是有用的计量，很强调样本的随机性，以及为此而做出的努力。
经济学
内容比较实用，适合学术研究用
上课用，比想象中薄嘛
翻译得不错 很经典 可以中英对照看看
哈哈，勾引，题目很吸引人，为了题目而买的书，还可以
书的手感很好，不过个人觉得翻译过来的语言有点生涩
非常简单易读的休闲书
正版原装书籍
老公说这本书很好，值得学习。
难得的亲善版的计量，翻译的确实一般。。
属于理论性探讨，不太适合初学者和主要关注实证建模方法的读者。
翻译的一般一般啊
物流比较快
这本计量经济学与其它计量经济书籍不一样。没有高深的数理推导，读起来简单明理，适合对一些似懂非懂问题的理解。
抄文献
比如序的最后一句是：
Finally ， in the spirit of Douglas Adams‘s lighthearted serial （The Hitchhiker’s Guide to The Galaxy and Mostly Harmless， among others）from which we draw continued inspiration, our companion may have occasional inaccuracies , but it is quite a bit cheaper than the many versions of the Encyclopedia Galactica Econometrica that dominate today's market.
全书最后还不忘加上这样的话：
If applied econometrics were easy, theorists would do it. But it's not as hard as the dense pages of Econometrica might lead you to believe. ......Avoid embarrassment by being your own best skeptic, and especially, DON'T PANIC!
书是一本好书，但是翻译得太糟糕了。抛开翻译要求信达雅不提，光是简单的公式抄写的错误就很多，看了10页发现了3处错误，而且每处都是对于理解推导过程有用的。还好有英文版的可以对照看，不然的话白白浪费很多时间。
建议如果英语水平不是太差的话，还是去看原版书吧，这个版本的中文版真心没法看
这本书的作者注定很会操作,爱他的人超多，但我相信，和我一样对这本书极其不肖的也大有人在……
当年年轻无知，上了门类似APPLIED ECONOMETRIC的课，教材就是这本……看了AMAZON上的评语，一心满心期待，书拿到之后，几个晚上就翻了一遍（作为计量的教材书来说，这本太不严肃了啊……）全书使劲传销的，无非那套DID, ATT,ATE,NATURAL EXPERIMENT的思想……
这个思想本身很靠谱啊，PANEL DATA的WITHIN GROUP 和BTW GROUP基本也是这个意思啊，但是MHE里对这种思想的处理，实在……实在是太……“浪漫”了（其实我更想用一个“浪”字）……纵观全书，所有模型全部是靠OLS来处理的……（这有什么错么？OK，我提示下，LINEAR PROB MODELS？还OLS啊？）IV是思想，ITEREATED PROJECTION是解决问题的思路，但是绝对不是可以被随便滥用的……
全书没有任何严谨的关于技术细节的讨论，就在谈作者的看似很云淡风清的IDEA,或者INTUITION……连QUANTILE这样的非参技术都随便调戏（是，STATA之类的傻瓜软件可以作出结果，可是，多少读者知道自己在做什么？）
ATT,ATE之类的思路，PANEL DATA效果完全一样，而且基于ASYMPTOTIC THEORY, 很多结果直接可以得到来自数学的支撑，框架也是完全OPEN的，甚至做CHIAO所描述的VARIED COEFF也不是不可能的……为啥没人追捧BALGADI? (答案人人都心知肚明……）
最后推荐篇小文，C.SIMS（这人是谁？哈哈，好问题，加一百分！然后洗洗准备睡吧……）的"COMMENT ON ANGRIST AND PISCHKE" ，说出了所有理论计量人的心声……
PS.我通常不给我不喜欢的书写书评，MHE算特例吧，因为它曾经那样地恶心了我……
适合做研究的人使用，不适合初学者。
适合做reduced form的人用，这是目前集大成的指南。
对OLS和IV，从方法论到各种应用，讲解极为详细。本书一个很重要的核心观念，就是把所有目前流行的带实验色彩的估计方法，全部放在回归的框架中分析和讨论，包括DID,DD, MATCHING。
没有任何关于field experiment的内容，没有任何实验设计的内容。
看到这里被萌得不行了~ Don't panic!!
@Sophie Z 对啊，对这种卖萌行为一向没有抵抗力啊
So Long, and Thanks for All the Fish哈哈
你好，我是这本书的第一位译者，谢谢你的意见。请具体告诉我公式错在哪里好吗，因为我们校过三回（包括出版社在内）。此外，我想给你一点建议，这本书基本是是靠直觉走的，在引言里作者已经非常明确地说很多地方无需推导。如果你这么做，说明看计量的功力还没到，可能还需要找一些初阶教材做一点补充。
第一译者，不好意思可能说了些冒犯您的话，我想这中间可能也有一些出版校对方面的问题。我正在学习这本书，水平有限。大致看第二章就发现比如翻译版第11页第一个公式第二行最后，条件期望应该是Di=1，
汗，你再仔细看看，如果都是Di=0，那这个公式不就是零了？这里的trick是：状态变量Di与结果变量Yi独立，所以状态变量和结果变量可以随便组合，结果都不变。得到这个公式的意思是，如果状态变量和结果变量独立，那么计算不同状态下的结果，等同于计算不同状态下做了相同选择的那些人的不同结果。因为，第二行最后一个等式才是真正的因果效应，但是现实中是看不到的，因为Di=1时不可能发生Y0i。
对啊，就是你说的意思，但是印刷出来不是这样的，请对照原文看一下，这里不能截图。。。引出来的是E[Y1i|Di=1]-E[Y0i|Di=0]，但其实原文是E[Y1i|Di=1]-E[Y0i|Di=1]
手里没有中译版，所以不知道你们说的第几行到底指得是什么，看了一下原文觉得没有问题，这里i没什么影响我就省略了。
E[Y|D=1]-E[Y|D=0]=E[Y1-Y0|D=1]+E[Y0|D=1]-E[Y0|D=0]
看楼上的描述应该是印错了。。
其实原书在对Y的描述上就比较冗长，感觉不是合适的一个例子。
英文版读起来有点太科普了另外。
原作者是Douglas Adams的脑残粉吧……
他们这本书是给做empirical的人写的。这些东西对于理论计量来说就没有什么意义了吧。
呵呵，这倒也是……
不过Sims的批评也有道理。MIT现在极端推崇做experiment，不做实验就不写文章那种。做了实验之后的计量手段就只用OLS了。这种风气也影响别的学校。导致做reduced form的都推崇实验，不喜欢其他的非线性计量模型等等的。
恩恩，而且最要命的是，MIT手里还有本顶级的QJE，QJE的影响使他们的口味严重干扰了研究趋势……好在不是所有计量TOPIC都能这么做，不然真要是吾谁与归了………
PS,查了下，MIT貌似现在做传统意义上计量的，貌似只有W. Newey一个了，不知道他的日子好不好过，哈哈
话说，刚要关IE,在MIT主页上又看见了Jerry Hausman……掩面泪奔……
这俩都很老了。
Hehe, 最近看到的paper听到的seminar 起码有三分之一强都跟experiment沾边.
OMG, quntile是非参技术吗？至少quntile regression不是。与OLS等最大的不同只是最大化（或者说是最小化）的目标函数不一样。
我记得好像是半参。半参很多也是最优化某个目标函数的。
经典OLS是定义在Hilbert Space上的，广义的IV方法可以通过迭代映射从别的（甚至是稀奇古怪的）空间投影下来再做……不能光看目标函数最大或最小化，举个最简单的例子就是LAD了，它也是特殊形式的QUANTILE啊，可它是定义在什么空间上的？
PS，QUANTILE当然可以用非参做！只是拜托不要遇见什么名词后面都加个REGRESSION……（这个角度就证明了这书多害人了）。统计性质在哪里？数学性质在哪里？
FINALLY,反正我对这本书已然持这观点了，为这多说话都是浪费时间了……爱咋咋地……
不明白Hilbert Space. 不过同意OLS是一种映射.
QJE是哈佛经济系办的，以前不过是MIT出版而已。自11年起，QJE由Oxford出版，跟MIT鸟关系也没了。话说过来，哈佛那帮人对技术重视程度，应该还不如MIT吧
怒赞，本书是实证研究的宝典。
像侦探小说一样的专业计量书
打印了一本 内容很炫 哪里搞到正版书啊 卓越也不卖