具体描述
这本研究生教课书针对微观经济计量研究领域中的许多当代方法,提出了一种既直观又严谨的处理方式。本书明确地指出,应用微观经济计量学研究边际效应与处理效应估计,而参数估计仅仅是实现目的的一种手段;同时,本书还阐述了因果性与统计关联之间的区别。
本书尤其关注横截面与面板数据方法。在阐述时作者将总体假设和抽样假设相分离,在不失叙述的简洁性的同时保持了内容的深度。把线形模型和非线性模型以及把横截面和面板数据加以统一处理,能够产生更先进的方法。每一章后面的习题是本书的一个重要组成部分。一些习题包括了书中没有充分阐述的要点,还有一些习题则涵盖了对前面一些章节及本章所述工具进行分析的新思想。一些习题需要使用http://mitpress.mit.edu/Wooldridge-Econ Analysis上的数据集合。
作者简介
目录信息
第1章 引论
第2章 经济计量学中条件期望与相关概念
第3章 基本渐近理论
第II篇 线性模型
第4章 单方程线性模型与OLS估计
第5章 单方程线性模型的工具变量估计
第6章 附加的单方程专题
第7章 利用OLS与GLS估计方程组
第8章 利用工具变量的系统估计
第9章 联立方程模型
第10章 基本线性不可观测效应的面板数据模型
第11章 线性不可观测效应模型的若干专题
第III篇 非线性估计的一般方法
第12章 M估计
第13章 最大似然法
第14章 广义矩方阵与最小距离估计
第IV篇 非线性模型与相关专题
第15章 离散响应模型
第16章 角点解结果与截取回归模型
第17章 样本选择、损耗与分层抽样
第18章 估计平均处理效应
第19章 计数数据与相关模型
第20章 持续期限分析
参考文献
索引
译后记
· · · · · · (收起)
读后感
对线性投影强调的不够多,很多时候,书中观测变量与误差项的相关性可以利用线性投影的概念给出,而且在理解上会更加直观(在proxy variable和IV上更加明显,老伍似乎在这方面在一开始就没有强调。)
对线性投影强调的不够多,很多时候,书中观测变量与误差项的相关性可以利用线性投影的概念给出,而且在理解上会更加直观(在proxy variable和IV上更加明显,老伍似乎在这方面在一开始就没有强调。)
对线性投影强调的不够多,很多时候,书中观测变量与误差项的相关性可以利用线性投影的概念给出,而且在理解上会更加直观(在proxy variable和IV上更加明显,老伍似乎在这方面在一开始就没有强调。)
这条大概评了计量里用到的4本儿书。从8211到8212到8221-8228 2个PhD level的sequence课,这本书都是老师推荐又有推荐的书。作为同样推荐的Greene, Hayashi, 和Hamilton的time series,加起来给了完善的grad-level计量架构。Greene到GMM之前的GLS讲解作为第一个sequence课程的教...
学习的时候读过一遍,做论文的时候又先后翻了两次,差不多把这本书上的所有方法都用stata做了一遍,实在是本微观计量的圣经。但是内容还是有所欠缺,非参数半参数分位数回归一点没提,simulated based econometrics也没讲,听说wooldridge新版正在准备中,加入了这些内容,目前...
用户评价
这本经济计量学的书籍,从书名上就能感受到那种严谨和深邃,让人不禁想象其中蕴含的知识量。我特别期待它能对时间序列分析和截面数据建模的经典方法进行梳理和拓展。毕竟,在理解宏观经济现象和微观个体行为时,如何恰当地选择模型结构,如何处理数据中的异方差、自相关等常见问题,是每一个初学者和有经验的研究者都需要反复琢磨的。我希望这本书不仅停留在教科书式的介绍,而是能提供一些实战的案例,比如如何利用面板数据来追踪企业绩效随时间的变化,或者如何使用截面数据来分析不同地区间的收入不平等。如果它能深入讲解那些复杂的检验程序背后的经济学直觉,那就更好了。毕竟,数字背后的逻辑比公式本身更有说服力。我更倾向于那些能够指导我如何批判性地看待模型结果,而不是盲目套用软件输出的书籍。
这本书的篇幅和深度,想必是为那些渴望深入理解计量经济学核心机制的读者准备的。我个人非常关注如何识别并解决模型设定误差带来的后果。在分析横截面数据时,样本选择偏差和内生性问题是挥之不去的梦魇;而引入时间维度后,序列相关性、动态异质性等问题又会接踵而至。因此,我期望这本书能提供一套详尽的诊断和矫正流程。它不应该只是罗列公式,而应该像一位老中医把脉问诊一样,指导读者识别出数据中“病灶”所在。此外,对非线性模型,比如Logit或Probit模型在面板数据中的应用,如果能有精彩的论述,那就更符合我当前的研究需求了。我希望读完之后,我对“什么是好的计量研究”有一个更清晰的定义。
对于任何一个严肃的经济学研究者而言,对基础工具的掌握是毋庸置疑的基石。我希望这本书能够做到这一点:在保持学术严谨性的同时,兼顾教学的友好性。我尤其关注它在处理面板数据时,对单位根检验和协整问题是否进行了跨时空维度的延伸讨论。毕竟,许多宏观和金融时间序列数据都具有非平稳性,如果能将截面数据的横向比较与时间序列的纵向演变结合起来,提供一套连贯的分析框架,那无疑是极具价值的。我希望作者能用清晰的图表和直观的例子,将复杂的模型识别和估计过程层层剥开,让读者真正理解“为什么是这个模型”而不是“软件说这个模型是最好的”。这种对方法论深层逻辑的挖掘,才是一个真正具有影响力的学术著作所应具备的品质。
我对这类题材的书籍有着一种本能的好奇,因为经济学研究的生命力往往就体现在对现实世界的精确刻画能力上。从一个读者的角度来看,我最看重的是这本书的“桥梁”作用——能否有效地将抽象的数学和统计概念,转化为可以解释现实经济现象的语言。我设想这本书会详细介绍如何处理结构性变化和时间趋势对截面数据造成的影响,以及如何利用面板结构来识别因果关系,而非仅仅是相关性。如果它能提供一些关于大数据处理和现代计量软件操作的见解,那就更贴近当前的研究前沿了。例如,如何用现代的贝叶斯方法来辅助传统的频率学派模型,或者如何处理高维固定效应带来的计算挑战。这样的内容,才真正能让读者感到物有所值,而不是一本过时的参考资料。
说实话,我对这类偏重方法的专著通常抱有一种敬畏和期待并存的心态。我希望作者能像一位经验丰富的大师在灯下细细打磨一样,将那些晦涩难懂的计量模型讲解得清晰透彻。尤其是在处理“面板数据”这一复杂工具时,如何有效利用时间和个体两个维度的信息,如何构建固定效应模型和随机效应模型,以及何时应该选用哪一种,这其中的权衡艺术是教科书往往一带而过但实际操作中至关重要的环节。如果这本书能详细剖析安慰剂检验、工具变量法在面板数据背景下的应用,那将是极大的加分项。我希望它不仅仅是工具手册,而是一本能够提升研究者“计量直觉”的进阶读物,那种读完后能让你在面对真实数据时,脑海中立刻浮现出最合适模型框架的洞察力,才是衡量一本好书的标准。
不敢说看过,实在是例子少,数学多
难到爆炸
翻译错误连篇
难到爆炸
捧伍德里奇的人真多。可能我水平不够,这本书的编排很混乱,东一句西一句的,直接看蒙了我了。