《计量经济学》(James H. Stock & Mark W. Watson)
本书以“应用驱动”为特色,强调计量思想而非数学推导。第5版新增“机器学习与因果推断”章节,介绍LASSO变量选择、断点回归(RDD)等前沿方法。每章以“研究问题”开篇(如“最低工资提高会减少就业吗?”),再展开分析。
核心模块包括:
- 线性回归:OLS估计、假设检验、拟合优度(R²)、多重共线性诊断
- 内生性问题:遗漏变量偏误、测量误差、联立性 → 工具变量(IV)与两阶段最小二乘(2SLS)
- 时间序列:趋势与季节性、单位根检验(ADF)、协整与误差修正模型(VECM)
- 面板数据:固定效应(FE)与随机效应(RE)的Hausman检验选择
书中“实证研究”专栏极具价值:如重现实证经典——Card & Krueger(1994)新泽西vs宾夕法尼亚最低工资研究;分析Piketty《21世纪资本论》的r>g不等式计量检验。每章附Stata/R代码实现,培养实操能力。
备考建议:重点掌握OLS假设(线性、随机抽样、无多重共线性、零条件均值、同方差)及其检验(VIF、怀特检验);理解工具变量的有效性(相关性+外生性);关注因果推断的最新进展(如合成控制法)。
理论框架的逻辑链条
计量经济学理论体系以“因果推断”为核心目标,构建四层逻辑链条:
第一层:描述性统计与相关分析
→ 掌握均值、方差、协方差、相关系数计算
→ 理解相关≠因果(如冰淇淋销量与溺水人数正相关,但受温度混杂)
第二层:因果识别方法论
→ 随机对照试验(RCT):金标准(如J-PAL项目)
→ 自然实验:利用政策外生变化(如断点回归、工具变量)
→ 准实验设计:双重差分(DID)、合成控制法(SCM)
第三层:模型设定与诊断
→ 线性设定:残差图检验非线性
→ 异方差:怀特标准误或GLS估计
→ 自相关:Durbin-Watson检验与AR(1)修正
→ 内生性:Hausman检验选择FE/RE
第四层:扩展模型
→ 非线性模型:Logit/Probit(因变量为二元)
→ 面板固定效应:控制不可观测个体特征
→ 时间序列:ARIMA建模与脉冲响应分析
关键思想:计量不是“拟合数据”,而是“设计识别策略”。备考时需绘制“因果推断方法选择树”:先判断是否RCT,再看是否有外生冲击,最后评估准实验可行性。
真题解析与应试策略
【2022年某财经院校真题】研究教育对收入的影响:Yi=β0+β1Xi+β2Ai+εi,其中Y为收入,X为受教育年限,A为能力。若Xi与εi相关(能力遗漏),提出工具变量方案并说明有效性检验。
【解题步骤】 工具变量:出生季度(Q)——与教育年限相关(政策规定入学年龄),与能力无关(随机分配) 第一阶段:Xi=π0+π1Qi+vi,要求π1显著(F统计量>10) 第二阶段:Yi=β0+β1Xi^+β2Ai+ui,Xi^为预测值 弱工具变量检验:Cragg-Donald F统计量 内生性检验:Durbin-Wu-Hausman检验
【命题趋势】近年真题突出三大方向:① 因果推断方法应用(DID在政策评估中的使用);② 大数据挑战(高维变量选择、机器学习与计量结合);③ 开放经济计量(汇率波动对出口的动态影响)。建议掌握Stata/R实操,重点练习:① 使用xtreg命令估计面板模型;② 用ivregress命令实现2SLS;③ 用diff命令实现DID分析。