本书作为计量经济学的入门教材，以由浅入深的方式介绍了经济、 金融领域常用的实证分析方法，以及这些方法基于Stata和R语言的软件 实现。本书特色主要体现在如下方面：计量理论介绍和课程思政并重； 引入因果推断等领域的前沿成果；将常用机器学习方法融入计量内容 体系。 全书共12章，分为两部分。第1部分为计量经济学基础：第1章概要 介绍了计量经济学、因果推断和数据类型；第2章从总体角度剖析了回 归分析的本质；第3~5章介绍了线性回归的基础知识，其中包括回归调 整和倾向得分匹配方法；第6章讨论了标准误的计算，内容涵盖聚类稳 健标准误和重抽样等前沿方法；第7章介绍了工具变量，内容涵盖两阶 段最小二乘、GMM和LIML等估计方法，以及关于弱工具变量问题较详 细的讨论；第8章介绍了面板数据模型，尤其对双重差分的前沿成果进 行了梳理；第9章介绍了二项选择模型和极大似然估计；第10章讨论了 模型与变量选择，内容包括LASSO和主成分分析等机器学习方法。第2 部分为时间序列分析入门：第11章介绍了线性时间序列模型的相关知 识；第12章介绍了单位根与协整的相关内容。 本书可作为高等院校经济、金融和管理等相关专业的本科生或研究 生教材，也可供相关领域的研究人员参考。

高等院校教师

目 录
前言
第 1 部分 计量经济学基础
第 1 章 导论 2
1.1 什么是计量经济学 2
1.2 计量经济学的两个公理 4
1.3 经济学的数据类型 6
1.3.1 横截面数据 6
1.3.2 时间序列数据 6
1.3.3 面板数据 8
1.3.4 聚类数据 9
1.4 因果关系 9
1.5 本章小结 11
习题 12
第 2 章 条件期望和线性投影 13
2.1 条件期望 13
2.2 条件方差 15
2.3 线性投影 16
2.4 均值独立 18
2.5 本章小结 18
2.6 附录：主要结论和定理的证明 19
习题 22
第 3 章 一元线性回归 23
3.1 一元线性回归模型 23
3.2 普通最小二乘估计 27
目 录 VII
3.3 回归系数的解释 29
3.4 拟合优度 31
3.5 回归系数估计量的小样本性质 33
3.6 Monte Carlo 模拟 35
3.7 虚拟解释变量 37
3.8 潜在结果与因果推断 39
3.9 实例：人口与经济增长 42
3.10 本章小结 43
3.11 附录：主要结论和定理的证明 43
习题 46
第 4 章 多元线性回归 48
4.1 古典线性回归模型 48
4.2 普通最小二乘法 53
4.2.1 最小二乘法的几何意义 56
4.2.2 Frisch-Waugh-Lovell 定理 57
4.3 拟合优度 58
4.4 OLS 估计量的小样本性质 60
4.4.1 单个回归系数估计量的方差 61
4.4.2 σ2 的无偏估计 62
4.5 古典模型的假设检验 62
4.5.1 单个回归系数的假设检验 64
4.5.2 一般线性假设检验 68
4.5.3 基于残差平方和的 F 统计量表达式 70
4.6 多重共线性 72
4.7 离散解释变量 74
4.7.1 虚拟变量的交互 79
4.7.2 变截距变斜率回归模型 80
4.8 利用 Stata 做回归分析 82
4.8.1 Stata 回归表格的说明 83
4.8.2 其他常用的相关命令 84
4.8.3 回归结果的规范汇报 86
4.9 实例：低碳转型冲击就业吗 87
4.10 本章小结 89
4.11 附录：主要结论和定理的证明 90
4.11.1 补充知识 90
4.11.2 主要结论和定理的证明 90
VIII 计量经济分析
习题 92
第 5 章 线性回归的大样本理论 94
5.1 渐近理论 94
5.1.1 依概率收敛 94
5.1.2 一致估计量 95
5.1.3 依分布收敛 96
5.1.4 渐近分析的重要结论 96
5.1.5 大数定律和中心极限定理 96
5.2 时间序列的基本概念 97
5.3 OLS 估计量的大样本性质 101
5.3.1 关于假设的说明 101
5.3.2 最小二乘估计的大样本性质 103
5.4 大样本统计推断 104
5.5 回归、匹配与因果推断 107
5.5.1 回归与因果推断 107
5.5.2 匹配与因果推断 109
5.6 实例：企业数字化转型赋能产业链关联 114
5.7 本章小结 119
5.8 附录：主要定理的证明 120
5.8.1 补充知识 120
5.8.2 主要定理的证明 120
习题 122
第 6 章 异方差与自相关 123
6.1 （可行）广义最小二乘 123
6.1.1 广义最小二乘 123
6.1.2 加权最小二乘 125
6.1.3 可行广义最小二乘 126
6.1.4 FGLS 的 Stata 实现 128
6.1.5 利用加总数据进行回归 130
6.2 异方差检验 131
6.2.1 White 异方差检验 131
6.2.2 Breusch-Pagan 异方差检验 132
6.3 自相关检验 132
6.3.1 可观测时间序列的自相关检验 135
6.3.2 回归误差项的自相关检验 137
目 录 IX
6.4 异方差稳健标准误 138
6.5 异方差自相关稳健标准误 139
6.5.1 自相关序列样本均值的渐近理论 139
6.5.2 长期方差的估计 140
6.6 聚类标准误 142
6.7 重抽样方法 144
6.7.1 Jackknife 145
6.7.2 聚类数据的 Jackknife 146
6.7.3 Bootstrap 标准误 147
6.8 实例：智能制造政策与中国企业高质量发展 148
6.9 本章小结 151
6.10 附录：杠杆值与残差 151
6.10.1 残差 153
6.10.2 再谈 σ2 的估计 154
习题 154
第 7 章 内生性和工具变量 156
7.1 内部有效性与外部有效性 156
7.1.1 遗漏变量 157
7.1.2 变量测量误差 160
7.1.3 双向因果 161
7.1.4 联立方程 161
7.1.5 样本选择 162
7.2 工具变量 163
7.2.1 工具变量估计量 163
7.2.2 工具变量的历史 163
7.2.3 使用工具变量的经典例子 164
7.3 自然实验 167
7.4 两阶段最小二乘 169
7.4.1 变量的简约形式 170
7.4.2 IV 和 2SLS 估计量的推导 171
7.5 广义矩估计 173
7.5.1 线性矩模型 174
7.5.2 线性 GMM 的大样本性质 176
7.5.3 两阶段有效 GMM 估计 178
7.5.4 条件同方差情况下的线性 GMM 179
7.6 弱工具变量 180
X 计量经济分析
7.6.1 弱工具变量情况下的参数估计 186
7.6.2 弱工具变量情况下的假设检验 187
7.7 与工具变量相关的假设检验 189
7.7.1 过度识别检验：工具变量外生 189
7.7.2 Hausman 检验：解释变量内生 192
7.7.3 弱工具变量检验 194
7.8 实例：超时加班与劳动收入份额 201
7.9 本章小结 204
7.10 附录：主要定理的证明 204
习题 205
第 8 章 面板数据模型 207
8.1 为什么使用面板数据 207
8.2 固定效应模型 211
8.2.1 固定效应估计量 212
8.2.2 最小二乘虚拟变量估计 214
8.2.3 估计量方差的估计 214
8.2.4 固定效应估计的 Stata 命令 215
8.3 随机效应模型 216
8.4 双向固定效应模型 220
8.5 面板工具变量回归 221
8.6 动态面板数据模型 221
8.6.1 Anderson-Hsiao 估计量 222
8.6.2 Arellano-Bond 估计量：差分 GMM 223
8.6.3 弱工具变量问题 225
8.6.4 Blundell-Bond 估计量：系统 GMM 226
8.7 双重差分 229
8.7.1 安慰剂检验 233
8.7.2 稳健性分析 236
8.7.3 交叠 DID 239
8.7.4 DID 研究的新进展 246
8.8 固定效应的进一步讨论 250
8.9 实例：金融科技与企业创新 254
8.10 本章小结 256
习题 256
目 录 XI
第 9 章 二项选择模型 258
9.1 二项选择模型的基本概念 258
9.2 极大似然估计 260
9.2.1 极大似然估计的理论性质 262
9.2.2 线性回归模型的极大似然估计 265
9.2.3 拟极大似然估计 267
9.2.4 三大统计检验 267
9.3 二项选择模型的极大似然估计 269
9.4 拟合优度 271
9.5 模型及系数的解释 272
9.6 实例：农村信用信息共享对小额贷款偿还的影响 274
9.7 本章小结 276
习题 277
第 10 章 模型与变量选择 278
10.1 AIC 和 BIC 278
10.2 偏误与方差 279
10.3 岭回归 281
10.4 LASSO 283
10.5 交叉验证 285
10.6 主成分分析 288
10.6.1 总体主成分分析 288
10.6.2 样本主成分分析 290
10.7 基于部分线性模型的统计推断 293
10.8 实例：机器学习驱动的基本面量化投资 294
10.9 本章小结 299
习题 299
第 2 部分 时间序列分析入门
第 11 章 线性时间序列模型 302
11.1 数据统计特征 302
11.2 移动平均模型 304
11.3 自回归模型 307
11.4 AR 和 MA 模型阶数的选择 312
11.5 ARMA 模型 314
11.6 模型参数的估计 316
XII 计量经济分析
11.7 模型诊断 318
11.8 预测 319
11.9 向量自回归模型 320
11.9.1 格兰杰因果 325
11.9.2 脉冲响应 327
11.9.3 预测与预测误差方差分解 329
11.10 实例：我国系统重要性银行 331
11.11 本章小结 335
11.12 附录：广义自回归条件异方差（GARCH）模型 335
习题 337
第 12 章 单位根与协整 339
12.1 趋势过程 339
12.2 ARIMA 模型 341
12.3 单位根检验 346
12.3.1 Dickey-Fuller 检验 347
12.3.2 Augmented Dickey-Fuller 检验 350
12.4 伪回归 352
12.5 协整 353
12.5.1 EG-ADF 检验 355
12.5.2 误差修正模型 356
12.6 实例：我国国债到期收益率的协整分析 360
12.7 本章小结 364
习题 364
参考文献 366