前言
第1篇　導(dǎo)論與知識(shí)回顧
第1章　經(jīng)濟(jì)問(wèn)題和數(shù)據(jù)　/2
1.1　我們研究的經(jīng)濟(jì)問(wèn)題　/2
1.2　因果效應(yīng)和理想化隨機(jī)對(duì)照實(shí)驗(yàn)　/5
1.3　數(shù)據(jù)：來(lái)源和類型　/6
本章小結(jié)　/9
重要術(shù)語(yǔ)　/10
內(nèi)容復(fù)習(xí)　/10
第2章　概率論知識(shí)回顧　/11
2.1　隨機(jī)變量和概率分布　/12
2.2　期望值、均值和方差　/15
2.3　二維隨機(jī)變量　/19
專欄2-1　2015年美國(guó)的收入分布情況　/24
2.4　正態(tài)分布、χ2分布、學(xué)生t分布及F分布　/26
專欄2-2　華爾街糟糕的一天　/28
2.5　隨機(jī)抽樣與樣本均值的抽樣分布　/30
專欄2-3　投資分散化和資產(chǎn)組合　/33
2.6　抽樣分布的大樣本近似　/33
本章小結(jié)　/38
重要術(shù)語(yǔ)　/38
內(nèi)容復(fù)習(xí)　/39
習(xí)題　/39
實(shí)證練習(xí)　/43
附錄2A　重要概念2-3中結(jié)果的推導(dǎo)　/44
附錄2B　條件均值是實(shí)現(xiàn)最小均方誤差的預(yù)測(cè)值　/45
第3章　統(tǒng)計(jì)學(xué)知識(shí)回顧　/46
3.1　總體均值的估計(jì)　/47
專欄3-1　蘭頓獲勝　/50
3.2　關(guān)于總體均值的假設(shè)檢驗(yàn)　/50
3.3　總體均值的置信區(qū)間　/56
3.4　不同總體間的均值比較　/57
專欄3-2　美國(guó)大學(xué)畢業(yè)生收入的性別差異　/59
3.5　基于實(shí)驗(yàn)數(shù)據(jù)估計(jì)因果效應(yīng)　/60
專欄3-3　刺激退休儲(chǔ)蓄的新方法　/60
3.6　樣本容量較小時(shí)的t統(tǒng)計(jì)量　/61
3.7　散點(diǎn)圖、樣本協(xié)方差和樣本相關(guān)系數(shù)　/63
本章小結(jié)　/66
重要術(shù)語(yǔ)　/66
內(nèi)容復(fù)習(xí)　/67
習(xí)題　/67
實(shí)證練習(xí)　/71
附錄3A　美國(guó)當(dāng)前人口調(diào)查　/73
附錄3B　Y是μY的最小二乘估計(jì)量的兩種證明方法　/73
附錄3C　樣本方差一致性的證明　/74
第2篇　回歸分析基礎(chǔ)
第4章　一元線性回歸　/76
4.1　線性回歸模型　/77
4.2　線性回歸模型的系數(shù)估計(jì)　/79
專欄4-1　股票的“貝塔”值　/82
4.3　擬合優(yōu)度與預(yù)測(cè)精度　/83
4.4　因果推斷的最小二乘假設(shè)　/85
4.5　OLS估計(jì)量的抽樣分布　/89
4.6　結(jié)論　/91
本章小結(jié)　/91
重要術(shù)語(yǔ)　/92
內(nèi)容復(fù)習(xí)　/92
習(xí)題　/92
實(shí)證練習(xí)　/94
附錄4A　加利福尼亞州的測(cè)試成績(jī)數(shù)據(jù)集　/96
附錄4B　OLS估計(jì)量的推導(dǎo)　/96
附錄4C　OLS估計(jì)量的抽樣分布　/96
附錄4D　預(yù)測(cè)的最小二乘假設(shè)　/98
第5章　一元線性回歸：假設(shè)檢驗(yàn)和置信區(qū)間　/100
5.1　關(guān)于某個(gè)回歸系數(shù)的假設(shè)檢驗(yàn)　/100
5.2　回歸系數(shù)的置信區(qū)間　/104
5.3　X為二元變量時(shí)的回歸　/105
5.4　異方差和同方差　/107
專欄5-1　一年教育的經(jīng)濟(jì)價(jià)值：是同方差還是異方差　/110
*5.5　普通最小二乘法的理論基礎(chǔ)　/111
*5.6　樣本容量較小時(shí)的t統(tǒng)計(jì)量應(yīng)用　/112
5.7　結(jié)論　/113
本章小結(jié)　/114
重要術(shù)語(yǔ)　/115
內(nèi)容復(fù)習(xí)　/115
習(xí)題　/115
實(shí)證練習(xí)　/118
附錄5A　OLS標(biāo)準(zhǔn)誤公式　/119
附錄5B　高斯-馬爾科夫條件和高斯-馬爾科夫定
理的證明　/120
第6章　多元線性回歸　/122
6.1　遺漏變量偏差　/122
專欄6-1　莫扎特效應(yīng)：遺漏變量偏差　/125
6.2　多元回歸模型　/126
6.3　多元回歸的OLS估計(jì)量　/128
6.4　多元回歸的擬合優(yōu)度　/130
6.5　多元回歸中因果推斷的最小二乘假設(shè)　/132
6.6　多元回歸模型中OLS估計(jì)量的分布　/134
6.7　多重共線性　/134
6.8　控制變量和條件均值獨(dú)立　/137
6.9　結(jié)論　/138
本章小結(jié)　/139
重要術(shù)語(yǔ)　/139
內(nèi)容復(fù)習(xí)　/140
習(xí)題　/140
實(shí)證練習(xí)　/143
附錄6A　式（6-1）的推導(dǎo)　/144
附錄6B　包含兩個(gè)解釋變量且誤差項(xiàng)為同方差時(shí)的OLS估計(jì)量的分布　/144
附錄6C　Frisch-Waugh定理　/144
附錄6D　多元回歸預(yù)測(cè)的最小二乘假設(shè)　/145
附錄6E　包含控制變量的多元回歸的OLS估計(jì)量的分布　/146
第7章　多元回歸中的假設(shè)檢驗(yàn)和置信區(qū)間　/147
7.1　單個(gè)系數(shù)的假設(shè)檢驗(yàn)和置信區(qū)間　/147
7.2　聯(lián)合假設(shè)的檢驗(yàn)　/150
7.3　涉及多個(gè)系數(shù)的單約束檢驗(yàn)　/154
7.4　多個(gè)系數(shù)的置信集　/155
7.5　多元回歸的模型設(shè)定　/156
7.6　對(duì)測(cè)試成績(jī)數(shù)據(jù)集的分析　/158
7.7　結(jié)論　/161
本章小結(jié)　/161
重要術(shù)語(yǔ)　/162
內(nèi)容復(fù)習(xí)　/162
習(xí)題　/162
實(shí)證練習(xí)　/164
附錄7A　聯(lián)合假設(shè)的Bonferroni檢驗(yàn)　/165
第8章　非線性回歸函數(shù)　/167
8.1　非線性回歸函數(shù)的一般建模方法　/168
8.2　一元非線性函數(shù)　/173
8.3　解釋變量的交互項(xiàng)　/180
專欄8-1　教育回報(bào)與性別差距　/185
專欄8-2　經(jīng)濟(jì)學(xué)期刊的需求　/187
8.4　學(xué)生-教師比對(duì)測(cè)試成績(jī)的非線性效應(yīng)　/189
8.5　結(jié)論　/193
本章小結(jié)　/194
重要術(shù)語(yǔ)　/194
內(nèi)容復(fù)習(xí)　/194
習(xí)題　/195
實(shí)證練習(xí)　/198
附錄8A　參數(shù)非線性的回歸函數(shù)　/200
附錄8B　非線性回歸函數(shù)的斜率和彈性　/202
第9章　多元回歸分析有效性的評(píng)估　/204
9.1　內(nèi)部有效性和外部有效性　/204
9.2　多元回歸分析的內(nèi)部有效性威脅　/206
專欄9-1　股票共同基金跑贏市場(chǎng)了嗎　/211
9.3　利用回歸模型進(jìn)行預(yù)測(cè)時(shí)的內(nèi)部有效性和外部有效性　/214
9.4　實(shí)例：測(cè)試成績(jī)和班級(jí)規(guī)�！�/215
9.5　結(jié)論　/221
本章小結(jié)　/222
重要術(shù)語(yǔ)　/222
內(nèi)容復(fù)習(xí)　/222
習(xí)題　/222
實(shí)證練習(xí)　/224
附錄9A　馬薩諸塞州的小學(xué)測(cè)試數(shù)據(jù)　/225
第3篇　回歸分析的高級(jí)專題
第10章　面板數(shù)據(jù)回歸　/228
10.1　面板數(shù)據(jù)　/229
10.2　兩期的面板數(shù)據(jù)：“前后”比較　/231
10.3　固定效應(yīng)回歸　/233
10.4　時(shí)間固定效應(yīng)回歸　/236
10.5　固定效應(yīng)回歸假設(shè)和固定效應(yīng)回歸的標(biāo)準(zhǔn)誤　/238
10.6　關(guān)于酒駕的法律規(guī)定和交通事故死亡人數(shù)　/240
10.7　結(jié)論　/243
本章小結(jié)　/243
重要術(shù)語(yǔ)　/244
內(nèi)容復(fù)習(xí)　/244
習(xí)題　/244
實(shí)證練習(xí)　/245
附錄10A　州交通死亡事故數(shù)據(jù)集　/246
附錄10B　固定效應(yīng)回歸的標(biāo)準(zhǔn)誤　/246
第11章　二元被解釋變量回歸　/250
11.1　二元被解釋變量與線性概率模型　/251
11.2　probit回歸和logit回歸　/254
11.3　logit模型和probit模型的估計(jì)與推斷　/258
11.4　在波士頓HMDA數(shù)據(jù)中的應(yīng)用　/261
11.5　結(jié)論　/265
專欄11-1　諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主詹姆斯·赫克曼和丹尼爾·麥克法登　/266
本章小結(jié)　/267
重要術(shù)語(yǔ)　/267
內(nèi)容復(fù)習(xí)　/267
習(xí)題　/267
實(shí)證練習(xí)　/269
附錄11A　波士頓HMDA數(shù)據(jù)　/271
附錄11B　最大似然估計(jì)　/271
附錄11C　其他受限被解釋變量模型　/272
第12章　工具變量回歸　/275
12.1　單個(gè)自變量和單個(gè)工具變量的IV估計(jì)量　/275
專欄12-1　誰(shuí)發(fā)明了工具變量回歸　/279
12.2　一般IV回歸模型　/282
12.3　檢驗(yàn)工具變量有效性　/287
專欄12-2　第一次IV回歸　/289
12.4　在香煙需求例子中的應(yīng)用　/291
專欄12-3　吸煙的外部性　/292
12.5　如何尋找有效的工具變量　/294
12.6　結(jié)論　/297
本章小結(jié)　/297
重要術(shù)語(yǔ)　/298
內(nèi)容復(fù)習(xí)　/298
習(xí)題　/298
實(shí)證練習(xí)　/300
附錄12A　香煙消費(fèi)面板數(shù)據(jù)集　/302
附錄12B　式（12-4）中TSLS估計(jì)量公式的推導(dǎo)　/302
附錄12C　TSLS估計(jì)量的大樣本分布　/302
附錄12D　工具變量非有效時(shí)TSLS估計(jì)量的大樣本分布　/303
附錄12E　存在潛在弱工具變量時(shí)的工具變量分析方法　/304
附錄12F　含有控制變量的TSLS　/305
第13章　實(shí)驗(yàn)和準(zhǔn)實(shí)驗(yàn)　/307
13.1　潛在結(jié)果、因果效應(yīng)和理想化實(shí)驗(yàn)　/308
13.2　實(shí)驗(yàn)的有效性威脅　/310
專欄13-1　霍桑效應(yīng)　/311
13.3　減小班級(jí)規(guī)模效應(yīng)的實(shí)驗(yàn)估計(jì)　/313
13.4　準(zhǔn)實(shí)驗(yàn)　/319
13.5　準(zhǔn)實(shí)驗(yàn)的潛在問(wèn)題　/323
13.6　異質(zhì)性總體下的實(shí)驗(yàn)和準(zhǔn)實(shí)驗(yàn)估計(jì)　/324
13.7　結(jié)論　/328
本章小結(jié)　/328
重要術(shù)語(yǔ)　/329
內(nèi)容復(fù)習(xí)　/329
習(xí)題　/330
實(shí)證練習(xí)　/332
附錄13A　STAR項(xiàng)目數(shù)據(jù)集　/333
附錄13B　異質(zhì)性因果效應(yīng)的IV估計(jì)　/333
附錄13C　分析實(shí)驗(yàn)數(shù)據(jù)的潛在結(jié)果框架　/333
第14章　多元回歸和大數(shù)據(jù)預(yù)測(cè)　/335
14.1　什么是“大數(shù)據(jù)”　/336
14.2　多元預(yù)測(cè)問(wèn)題與OLS　/337
14.3　嶺回歸　/342
14.4　Lasso回歸　/345
14.5　主成分　/348
14.6　使用多個(gè)預(yù)測(cè)因子預(yù)測(cè)學(xué)校測(cè)試成績(jī)　/352
14.7　結(jié)論　/356
專欄14-1　文本數(shù)據(jù)　/356
本章小結(jié)　/357
重要術(shù)語(yǔ)　/357
內(nèi)容復(fù)習(xí)　/358
習(xí)題　/358
實(shí)證練習(xí)　/361
附錄14A　加州學(xué)�？荚嚦煽�(jī)數(shù)據(jù)集　/362
附錄14B　k=1時(shí)式（14-4）的推導(dǎo)　/362
附錄14C　k=1時(shí)的嶺回歸估計(jì)量　/362
附錄14D　k=1時(shí)的Lasso估計(jì)量　/362
附錄14E　在標(biāo)準(zhǔn)化回歸模型中計(jì)算樣本外預(yù)測(cè)　/363
第4篇　經(jīng)濟(jì)時(shí)間序列數(shù)據(jù)的回歸分析
第15章　時(shí)間序列回歸和預(yù)測(cè)導(dǎo)論　/366
15.1　時(shí)間序列數(shù)據(jù)和序列相關(guān)介紹　/367
15.2　平穩(wěn)性和均方預(yù)測(cè)誤差　/371
專欄15-1　你能戰(zhàn)勝市場(chǎng)嗎　/373
15.3　自回歸　/374
15.4　包含其他預(yù)測(cè)變量的時(shí)間序列模型和自回歸分布滯后模型　/377
15.5　MSFE的估計(jì)和預(yù)測(cè)區(qū)間　/380
專欄15-2　血河　/383
15.6　運(yùn)用信息準(zhǔn)則選擇滯后階數(shù)　/383
15.7　非平穩(wěn)性Ⅰ：趨勢(shì)　/386
15.8　非平穩(wěn)性Ⅱ：突變　/391
15.9　結(jié)論　/396
本章小結(jié)　/396
重要術(shù)語(yǔ)　/397
內(nèi)容復(fù)習(xí)　/397
習(xí)題　/397
實(shí)證練習(xí)　/400
附錄15A　第15章使用的時(shí)間序列數(shù)據(jù)　/402
附錄15B　AR（1）模型的平穩(wěn)性　/402
附錄15C　滯后算子符號(hào)　/403
附錄15D　ARMA模型　/403
附錄15E　BIC滯后階數(shù)估計(jì)量的一致性　/404
第16章　動(dòng)態(tài)因果效應(yīng)估計(jì)　/405
16.1　橙汁數(shù)據(jù)的初步分析　/406
16.2　動(dòng)態(tài)因果效應(yīng)　/408
16.3　使用外生解釋變量估計(jì)動(dòng)態(tài)因果效應(yīng)　/411
16.4　異方差和自相關(guān)一致標(biāo)準(zhǔn)誤　/413
16.5　嚴(yán)格外生解釋變量的動(dòng)態(tài)因果效應(yīng)估計(jì)　/416
16.6　橙汁價(jià)格和霜凍天氣　/420
專欄16-1　遷徙中的橙子樹　/424
專欄16-2　新聞速遞：商品交易員通過(guò)迪士尼樂(lè)園
傳遞寒流　/425
16.7　外生性合理嗎　/425
16.8　結(jié)論　/427
本章小結(jié)　/427
重要術(shù)語(yǔ)　/427
內(nèi)容復(fù)習(xí)　/428
習(xí)題　/428
實(shí)證練習(xí)　/431
附錄16A　橙汁數(shù)據(jù)集　/432
附錄16B　使用滯后算子表示的ADL模型及廣義最小二乘法　/432
第17章　時(shí)間序列回歸的其他專題　/435
17.1　向量自回歸　/436
17.2　多期預(yù)測(cè)　/438
17.3　單整階數(shù)和單位根檢驗(yàn)統(tǒng)計(jì)量的非正態(tài)性　/442
17.4　協(xié)整　/445
17.5　波動(dòng)集群性和自回歸條件異方差　/447
17.6　使用動(dòng)態(tài)因子模型和主成分進(jìn)行包含多個(gè)預(yù)測(cè)變量的預(yù)測(cè)　/451
專欄17-1　時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)的諾貝爾獎(jiǎng)獲得者　/457
17.7　結(jié)論　/458
本章小結(jié)　/458
重要術(shù)語(yǔ)　/458
內(nèi)容復(fù)習(xí)　/459
習(xí)題　/459
實(shí)證練習(xí)　/461
附錄17A　美國(guó)季度宏觀數(shù)據(jù)集　/461
第5篇　回歸分析的計(jì)量經(jīng)濟(jì)學(xué)理論
第18章　一元線性回歸理論　/464
18.1　擴(kuò)展的最小二乘假設(shè)和OLS估計(jì)量　/465
18.2　漸近分布理論基礎(chǔ)　/466
18.3　OLS估計(jì)量和t統(tǒng)計(jì)量的漸近分布　/470
18.4　誤差項(xiàng)服從正態(tài)分布時(shí)的精確抽樣分布　/472
18.5　加權(quán)最小二乘法　/474
本章小結(jié)　/477
重要術(shù)語(yǔ)　/477
內(nèi)容復(fù)習(xí)　/478
習(xí)題　/478
附錄18A　正態(tài)分布及其相關(guān)分布和連續(xù)型隨機(jī)變量的矩　/480
附錄18B　兩個(gè)不等式　/482
第19章　多元線性回歸理論　/483
19.1　多元回歸模型和OLS估計(jì)量的矩陣形式　/484
19.2　OLS估計(jì)量和t統(tǒng)計(jì)量的漸近分布　/486
19.3　聯(lián)合假設(shè)檢驗(yàn)　/489
19.4　正態(tài)誤差項(xiàng)假設(shè)下回歸統(tǒng)計(jì)量的分布　/490
19.5　誤差項(xiàng)為同方差時(shí)OLS估計(jì)量的有效性　/492
19.6　廣義最小二乘法　/494
19.7　工具變量和廣義矩估計(jì)　/497
本章小結(jié)　/503
重要術(shù)語(yǔ)　/503
內(nèi)容復(fù)習(xí)　/504
習(xí)題　/504
附錄19A　矩陣代數(shù)概要　/508
附錄19B　多元分布　/510
附錄19C　推導(dǎo)β^的漸近分布　/511
附錄19D　推導(dǎo)正態(tài)誤差項(xiàng)下OLS檢驗(yàn)統(tǒng)計(jì)量的精確分布　/511
附錄19E　多元回歸模型的高斯-馬爾科夫定理的證明過(guò)程　/512
附錄19F　IV和GMM估計(jì)中部分結(jié)論的證明　/513
附錄19G　包含多個(gè)預(yù)測(cè)因子的回歸：MPSE、嶺回歸和主成分分析　/515
附錄　/519
參考文獻(xiàn)　/527