這是一本背叛傳統(tǒng)計量經濟學的實證指南。
小班化教學促進學生的學習嗎?
家暴施暴者是否應該被逮捕呢?
教育在多大程度上提升了工資?
……
隨著基于自然實驗的實證研究的興起,經濟學界越來越重視探尋因果關系在經濟學研究中的作用。而計量經濟學工具包中的一些核心方法,如工具變量法、雙重差分法等,在現(xiàn)代實證主義范式下,引導人們將視線更多地投向尋找和解釋清晰的因果問題。與過去強調首先確定理論模型,基于模型假設進行分析不同,本書展示了應用計量經濟學的基本工具如何讓數(shù)據(jù)說話,為實證研究者把握計量經濟學的精義提供了一個向導。
此外,本書還涉及幾個重要的擴展斷點回歸設計和分位數(shù)回歸,以及如何修正標準誤差。安格里斯特和皮施克解釋了為什么很多看似高級華麗的計量方法常常不是必需的,有時甚至是有害的。對于當代社會科學的很多研究領域來說,本書所強調的應用計量經濟學方法是極好上手的,并且息息相關。
前言
計量經濟學的疆界正在不斷擴張。作為這種擴張的結果,其方法和實踐也有了長足發(fā)展,但即使是那些精于數(shù)據(jù)處理的個中老手,也會對如今如此繁多的計量方法感到困惑。幸運的是,并非所有方法都同樣有用、同等重要。那些過于新奇的方法本來沒必要如此復雜,而且還可能是有害的。從積極的方面講,雖然對計量經濟學基本工具的解釋日趨精奧深微,但應用計量經濟學(applied econometrics)的核心內容卻保持著大體穩(wěn)定。本書為實證研究者把握計量經濟學的精義提供了一個向導,這些計量經濟學的精義也就是我們所指的基本無害的計量經濟學(mostly harmless econometrics)。
在應用計量經濟學家的工具箱中,重要的幾件工具可以列舉如下:
(1) 為了控制可能掩蓋因果關系的變量而設計的回歸模型(regression model);
(2) 用于分析真實實驗和自然實驗的工具變量方法(instrumental variables method);
(3) 在重復觀察中用以處理不可觀察的缺失變量的雙重差分方法(differenceindifference strategies)。
對上面這些基本技巧的創(chuàng)造性使用要求讀者對統(tǒng)計推斷的作用機理有堅實的概念基礎和良好的理解。應用計量經濟學在這兩方面的特點將會在本書中得到體現(xiàn)。
我們對計量經濟學中哪些內容重要的看法來自我們作為實證研究者的研究經驗,而且特別來自我們的教學實踐和指導經濟學博士研究生的工作。正是在與這些同學的思維交流中,我們完成了本書的寫作。與此同時,我們還希望這本書能夠吸引其他領域中正在苦苦探索如何選擇計量方法、如何解釋研究結果的研究者們。應用計量經濟學所考慮的問題和其他社會科學或者流行病學所考慮的問題并無本質上的區(qū)別。任何希望運用數(shù)據(jù)指導公共政策或者推動公共衛(wèi)生事業(yè)發(fā)展的人都要理解并使用統(tǒng)計結果。任何希望從數(shù)據(jù)中得到有用推斷的人都可稱為應用計量經濟學家。
許多計量經濟學方面的教科書都對研究方法提供了一些指導,因此本書和其他廣泛使用的教科書存在一些內容上的重疊。但這本書在多個方面有別于傳統(tǒng)的計量經濟學教科書。首先,我們認為使用數(shù)據(jù)回答特定因果關系的經驗研究有價值,這類似于在醫(yī)學研究中經常出現(xiàn)的隨機臨床實驗。我們研究所有問題的方法都體現(xiàn)這個觀點。在缺乏真實實驗時,我們尋找經過良好控制的對照組,或者說自然的準實驗(quasiexperiment)準實驗是指對控制組或者所研究因素幾乎無法施加控制的實驗。與一般的隨機實驗的區(qū)別在于準實驗無法將個體隨機分配,因此觀察得到的結果可能和個體的某些不可觀察因素有關,也就是說,我們不能保證得到結果是將觀測個體混勻后的平均值。譯者注。當然,一些準實驗研究設計要比其他一些方法更有說服力,但是在這些例子中計量經濟學使用的方法幾乎都很簡單。因此,相比于其他教科書中對計量方法的處理,這本書對相應主題的討論顯得更短小、更集中。我們主要對在自己的研究中讀到和使用到的概念和簡單的統(tǒng)計技巧進行強調,并與多個實證研究案例結合來解釋這些觀點和技巧。盡管我們對計量經濟學中什么是重要的觀點并未在應用經濟學家中得到一致認同,但無可爭議的事實是實驗和準實驗研究方法逐漸居于應用經濟學中影響力的那些研究的核心。
我們要指出的第二個不同是本書在一定程度上忽略嚴格性。大多數(shù)計量經濟學教科書都對計量模型進行嚴格處理。特別地,這些書對諸如線性性和同方差性等大家認為經典模型中普遍會被違背的假設進行大量討論。雖然在行文中也會提及這些問題,但我們采取一種更加寬容和不那么迂腐的態(tài)度。能夠支持我們以上述態(tài)度進行討論的原因乃是:我們可以對計量經濟學中得到廣泛使用的估計值作出一個簡單的解釋,這一解釋與模型本身并無太大關系。如果我們得到的估計值不是我們想要的那個,那么一定是做這項研究的計量經濟學家錯了,而不是計量經濟學錯了。一個典型的例子就是線性回歸,它為我們提供了關于條件期望函數(shù)這里的條件均值函數(shù)就是一般意義上所指的總體回歸函數(shù)。在線性回歸中,總體回歸函數(shù)被假設為關于參數(shù)線性的。的有用信息,而不論條件期望函數(shù)究竟是什么形狀。同樣,工具變量方法可以估計出經過良好定義的總體的平均因果效應,即使這個工具變量無法影響所有個體。許多應用研究者往往從直覺上理解基本計量工具在概念上的嚴格性,因此隱藏在嚴格性背后的大部分理論將不會在本書中出現(xiàn)。本書在處理推斷問題上也有所不同,我們并不過多地考慮漸進有效性,而是用大多數(shù)篇幅考慮實際中不易處理的有限樣本問題。
本書的預修要求是掌握概率論和統(tǒng)計學的基本知識。我們特別希望讀者熟悉統(tǒng)計推斷的基本概念,比如t統(tǒng)計量和標準誤(standard error)。對數(shù)學期望等概率論知識的熟悉也會有所幫助,但是之外的數(shù)學知識并不多作要求。雖然書中對部分重要結論進行證明,但是技術性的細節(jié)并不繁難。與很多計量經濟學高級教材不同,本書僅僅少量地使用線性代數(shù)。因此,我們提供的這本指南應該比與之競爭的其他書籍更易閱讀。后,我們從Douglas Adams的系列輕松小說中持續(xù)獲得靈感,在這種心境的引導下,我們的指南可能會偶爾地缺乏一點精確性,但是要比流行于市面上的多個百科全書式的大部頭(Encyclopedia Galactica Econometrica)計量經濟學教科書便宜。這里還要感謝普林斯頓大學出版社同意出版我們的這本指南。
喬舒亞安格里斯特( D.Angrist),因為對因果關系分析的方法論貢獻摘獲2021年諾貝爾經濟學獎。
安格里斯特現(xiàn)任美國麻省理工學院Ford經濟學教授、Blueprint Labs主任,美國國家經濟研究局研究員,美國藝術與科學院院士,計量經濟學學會會員。曾任教于以色列希伯來大學和美國哈佛大學。主要教授勞動經濟學和計量經濟學,研究領域廣泛,涉及教育經濟學、社會實驗、公共項目的計量經濟學方法研究以及政策評估。著有《基本無害的計量經濟學:實證研究者指南》《精通計量:因果之道》。
約恩-斯特芬皮施克(Jrn-Steffen Pischke),英國倫敦政治經濟學院(LSE)教授,LSE經濟表現(xiàn)中心資深研究員,美國國家經濟研究局研究員。主要教授勞動經濟學和計量經濟學,研究領域集中為教育政策評估,包括義務教育的收入回報、學期長短對學生成績的影響,以及班級成員間的影響效應等。著有《基本無害的計量經濟學:實證研究者指南》《精通計量:因果之道》。
導讀
前言
致謝
本書結構
部分導論
1關于問題的問題
2理想的實驗
2.1選擇性偏誤
2.2用隨機分配解決選擇性偏誤
2.3對實驗的回歸分析
第二部分核心
3讓回歸變得有意義
3.1回歸的基本原理
3.2回歸與因果關系
3.3異質性與非線性
3.4回歸的細節(jié)
3.5附錄:對加權平均導函數(shù)求導
4實踐中的工具變量:得到你想要的
4.1工具變量與因果關系
4.2兩階段小二乘的漸進推斷
4.3雙樣本工具變量和剖分樣本工具變量*
4.4工具變量與異質性潛在結果
4.5對局部平均處理效應的推廣
4.6工具變量的細節(jié)
4.7附錄
5相似世界:固定效應、雙重差分和面板數(shù)據(jù)
5.1個體固定效應
5.2雙重差分:事前與事后,處理和控制
5.3固定效應與滯后被解釋變量
5.4附錄:對固定效應模型和滯后被解釋變量模型的進一步討論
第三部分拓展
6更進一步:斷點回歸設計
6.1清晰斷點回歸
6.2作為一種工具變量法的模糊斷點回歸
7分位數(shù)回歸
7.1分位數(shù)回歸模型
7.2對分位數(shù)處理效應的工具變量估計
8非標準的標準誤問題
8.1在估計穩(wěn)健標準誤時存在的偏誤*
8.2面板數(shù)據(jù)中的聚類問題和序列相關問題
8.3附錄:對簡單Moulton因子的計算
后的幾句話
術語表及名詞縮寫
參考文獻
譯后記