【2021诺贝尔经济学奖得主作品】基本无害的计量经济学：实证研究者指南(当代经济学系列丛书)

“基本无害”这几个字反映了作者对其著作的自信，意指大家都该学，学了没坏处的计量经济学方法；作者就计量经济学中什么是重要的，其方法改进应该向何处去等关键问题作出了解答；适合应用计量经济学研究者使用，是一本集大成的指南。

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。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，研究领域集中为教育政策评估，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。

部分 导论
1 关于“问题”的问题
2 理想的试验
2.1 选择性偏误
2.2 用随机分配解决选择性偏误
2.3 对试验的回归分析

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 对局部平均因果效应的推广
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 模糊断点回归是一种工具变量法
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

前言
计量经济学的疆界正在不断扩张。作为这种扩张的结果，其方法和实践也有了长足发展，但即使是那些精于数据处理的个中老手也会对如今如此繁多的计量方法感到困惑。幸运的是，并非所有方法都同样有用，同等重要。那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。从积极的方面讲，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(Applied Econometrics)的核心内容却保持着大体稳定。我们这本《指南》为经验研究者把握计量经济学的精义提供一个向导，这些计量经济学的精义也就是我们所指的基本无害的计量经济学（Mostly Harmless Econometrics）。
在应用计量经济学家的工具箱中，重要的几件武器可以列举如次：
1. 为控制那些可能掩盖了因果关系的变量而设计的回归模型(Regression Model)；
2. 用于分析真实实验以及自然实验的工具变量方法(Instrumental Variables Method)；
3. 在重复观察中用以处理不可观察的缺失变量的双重差分方法(Difference-in-Difference Strategies)。
对上面这些基本技巧的创造性使用要求读者对统计推断的作用机理有坚实的概念基础和良好理解。应用计量经济学在这两方面的特点将会在本书中涉及到。
我们对计量经济学中哪些内容重要的看法来自于我们作为实证研究者的研究经验，而且特别来自于我们教学和指导经济学博士研究生的工作。本书是为我们脑海中的这类学生而作的。与此同时，我们还希望这本书能够吸引其它领域中正在苦苦探索如何选择计量方法、如何解释研究结果的研究者们。应用计量经济学所考虑的问题和其它社会科学或者流行病学所考虑的问题并无本质上的区别。任何希望运用数据指导公共政策或者推动公共卫生事业的人都要理解并使用统计结果。任何希望从数据中得到有用推断的人都可称为应用计量经济学家。
许多教科书都对研究方法提供指导，因此本书和其它广泛使用的教科书存在一些重叠。但这本手册在多个方面有别于传统计量经济学教科书。首先，正如进行随机临床试验，我们认为使用数据回答特定因果问题的经验研究有价值。我们研究所有问题的方法都体现这个观点。在缺乏真实试验时，我们寻找经过良好控制的对照组/或者说自然的“准实验(quasi-experiment) ”。当然，一些准实验研究设计要比其它一些方法更有说服力，但是在这些例子中计量经济学使用的方法几乎都很简单。因此相比于教科书中对计量方法的处理，这本书对相应主题的讨论显得更短更集中。我们主要对在自己的研究中读到和使用到的概念和简单的统计技巧进行强调，并与多个经验研究案例结合来解释这些观点和技巧。尽管我们对计量经济学中什么是重要的观点并未在应用经济学家中得到一致认同，但无可争议的事实是实验和拟实验研究方法逐渐居于应用经济学中影响力的那些研究的核心。
我们要指出的第二个不同是本书在一定程度上忽略严格性。大多数计量经济学教科书都对计量模型进行严格处理。特别的，这些书对诸如线性和异方差性等大家认为经典模型中普遍会被违背的经典假设进行大量讨论。虽然我们在行文中也会提及这些问题，但我们采取一种更加宽容和不那么迂腐的态度。其原则就是我们可以用不过分依赖模型的方法去解释估计值。如果我们得到的估计值不是我们想要的那个，那么一定是做这项研究的计量经济学家错了，而不是计量经济学错了。一个典型的例子就是线性回归，它为我们提供了关于条件期望函数 的有用信息，而不论条件期望函数究竟是什么形状。同样的，工具变量方法可以估计出经过良好定义的总体的平均因果效应，即使这个工具变量无法影响所有个体。许多应用研究者往往从直觉上理解基本计量工具在概念上的严格性，因此隐藏在严格性背后的大部分理论将不会在本书中出现。这本指南在处理推断问题上也有所不同，我们并不过多地考虑渐进有效性，而是用大多数篇幅考虑实际中不易处理的有限样本问题。
本书的预修要求是掌握概率论和统计学的基本知识。我们特别希望读者熟悉统计推断的基本概念，比如t-统计量和标准误(standard error)。对数学期望等概率论知识的熟悉也会有所帮助，但是之外的数学知识并不要求。虽然书中对重要结论进行证明，但是技术性的细节并不繁难。与很多计量经济学高级教材不同，我们仅仅少量的使用线性代数。因此，我们的手册应该比与之竞争的其它书籍更易阅读。后，我们从Douglas Adams 的轻松小说系列中持续获得灵感，在这种心境的引导下，我们的指南可能会偶尔地缺乏一点精确性，但是要比流行于市面上的多个为虚无世界设计的大部头(Encyclopedia Galactica Econometrica)计量经济学教科书便宜。这里还要感谢普林斯顿大学出版社同意出版我们的这本指南。