《基本无害的计量经济学——实证研究者指南》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。本书为实证研究者把握计量经济学的精义提供了一个向导，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，重要的几件工具可以列举如下：（1）为了控制可能掩盖因果关系的变量而设计的回归模型(regression model)；（2）用于分析真实实验和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的理解。应用计量经济学在这两方面的特点将会在本书中得到体现。我们对计量经济学中哪些内容重要的看法来自我们作为实证研究者的研究经验，而且特别来自我们的教学实践和指导经济学博士研究生的工作。正是在与这些同学的思维交流中，我们完成了本书的写作。与此同时，我们还希望这本书能够吸引其他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他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发展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。许多计量经济学方面的教科书都对研究方法提供了一些指导，因此本书和其他广泛使用的教科书存在一些内容上的重叠。但这本书在多个方面有别于传统的计量经济学教科书。首先，我们认为使用数据回答特定因果关系的经验研究有价值，这类似于在医学研究中经常出现的随机临床实验。我们研究所有问题的方法都体现这个观点。在缺乏真实实验时，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)准实验是指对控制组或者所研究因素几乎无法施加控制的实验。与一般的随机实验的区别在于准实验无法将个体随机分配，因此观察得到的结果可能和个体的某些不可观察因素有关，也就是说，我们不能保证得到结果是将观测个体混匀后的平均值。——译者注”。当然，一些准实验研究设计要比其他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，相比于其他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小、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，并与多个实证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准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。特别地，这些书对诸如线性性和同方差性等大家认为经典模型中普遍会被违背的假设进行大量讨论。虽然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。能够支持我们以上述态度进行讨论的原因乃是：我们可以对计量经济学中得到广泛使用的估计值作出一个简单的解释，这一解释与模型本身并无太大关系。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这里的条件均值函数就是一般意义上所指的总体回归函数。在线性回归中，总体回归函数被假设为关于参数线性的。的有用信息，而不论条件期望函数究竟是什么形状。同样，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。本书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。

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。本书为实证研究者把握计量经济学的精义提供了一个向导，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，重要的几件工具可以列举如下：

（1）为了控制可能掩盖因果关系的变量而设计的回归模型(regression model)；

（2）用于分析真实实验和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的理解。应用计量经济学在这两方面的特点将会在本书中得到体现。

我们对计量经济学中哪些内容重要的看法来自我们作为实证研究者的研究经验，而且特别来自我们的教学实践和指导经济学博士研究生的工作。正是在与这些同学的思维交流中，我们完成了本书的写作。与此同时，我们还希望这本书能够吸引其他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他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发展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。

许多计量经济学方面的教科书都对研究方法提供了一些指导，因此本书和其他广泛使用的教科书存在一些内容上的重叠。但这本书在多个方面有别于传统的计量经济学教科书。首先，我们认为使用数据回答特定因果关系的经验研究有价值，这类似于在医学研究中经常出现的随机临床实验。我们研究所有问题的方法都体现这个观点。在缺乏真实实验时，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)准实验是指对控制组或者所研究因素几乎无法施加控制的实验。与一般的随机实验的区别在于准实验无法将个体随机分配，因此观察得到的结果可能和个体的某些不可观察因素有关，也就是说，我们不能保证得到结果是将观测个体混匀后的平均值。——译者注”。当然，一些准实验研究设计要比其他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，相比于其他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小、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，并与多个实证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准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。特别地，这些书对诸如线性性和同方差性等大家认为经典模型中普遍会被违背的假设进行大量讨论。虽然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。能够支持我们以上述态度进行讨论的原因乃是：我们可以对计量经济学中得到广泛使用的估计值作出一个简单的解释，这一解释与模型本身并无太大关系。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这里的条件均值函数就是一般意义上所指的总体回归函数。在线性回归中，总体回归函数被假设为关于参数线性的。的有用信息，而不论条件期望函数究竟是什么形状。同样，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。本书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。