基本无害 | 前言:关于计量的基本观点与本书主要特点
发布网友
发布时间：2024-10-04 13:45
共1个回答
热心网友
时间：2024-10-09 17:56
李井奎 译
正文共2639个字，预计阅读时间8分钟。感谢阅读！
前言
计量经济学的宇宙，在不断地膨胀。因此，计量经济学方法和实践取得了很大的进步，但现代计量经济学方法的花样繁多，又让人感到眼花缭乱，哪怕是一位经验老道的摆弄数字的高手，也会有这样的感受。值得庆幸的是，这些方法并不是每一种都具有相同的价值，或者具有同样的重要性。其中有一些，过于求新求异，搞得很复杂，实际并无必要，甚至还可能有害。从好的一面来看，应用计量经济学的核心方法基本上并没有发生什么变化，而对于基本工具的解释，却变得更加精微和巧妙。我们这本指南，是经验研究者的向导，旨在介绍计量经济学的精要，也即那些最无害的计量经济学。
在应用计量经济学家的工具箱里，有以下这些重要的工具：
若要富有成效地使用这些基本方法，我们需要具备坚实的概念基础以及对统计推断机制的良好理解。本书即涵盖了应用计量经济学的这两个方面。
对于什么才是重要的计量经济学方法，我们的看法乃是由我们作为经验研究者的经验，尤其是由我们对经济学博士生的教学和研究指导方面的经验所形成的。这本书就是写给这些学生们的。同时，对于那些对研究方法的选择以及对研究发现的解读具有迫切需要的研究者群体，我们也希望本书能够成为他们阅读的对象。应用计量经济学关心的问题，与其他社会科学或流行病学所关心的问题，并无根本的不同。任何有兴趣利用数据制定公共政策或促进公共卫生的人，都必须消化和使用统计结果。任何感兴趣于从有关人类行为的数据中得到有用推断的人士，都可以说是应用计量经济学家。
许多教科书提供了研究方法的指导，这本书与其他广泛使用的书之间存在一些重叠。但我们这本指南在许多重要方面与这些计量经济学教科书有所不同。首先，我们认为，就像在随机临床试验中一样，当实证研究使用数据来回答特定的因果问题时，它是最有价值的。这种观点塑造了我们解决大多数研究问题的方法。在缺乏真实实验的情况下，我们要寻找控制良好（well-controlled）的比较和/或自然的准实验。当然，有些准实验研究设计，要比其他的更有说服力，但在这些研究中使用的计量经济学方法，却几乎总是相当简单的。因此，我们的这本书比既有的处理计量经济学方法的教科书，内容上更为简洁，也更为集中。我们强调在我们读到的和实施的应用研究中出现的概念性问题以及简单的统计方法，并使用许多实证例子来说明这些思想和方法。
我们认为本书的第二个不同之处，在于它不故作高深。大多数计量经济学教科书似乎对计量经济学模型看得极重。典型地，这些教科书都非常关注经典模型假设——如线性假设和同方差假设——不成立的情况。对于这些假设不成立的情况，它们有时会给出诸多的警告。我们则采取了一种更宽容、更直截了当的方式。指导我们讨论的一个原则是，通常所使用的估计量几乎总是有一个简单的解释，它不严重依赖于模型。如果你所得到的估计值不是你想要的，那么，问题就出在计量经济学家身上，而不是出在计量经济学本身！线性回归就是最重要的一个例子，它给出了关于条件均值函数的有用信息，而不管这个函数的形状如何。同样，工具变量方法估计了一个定义明确的总体的平均因果效应，即使工具变量并未影响每一个人。许多应用研究人员直观地从概念上掌握了基本计量经济学工具的稳健性，但这种稳健性背后的理论在大多数教科书中并没有被置于突出的位置。我们的这本指南不同于大多数计量经济学教材的地方还有，在推断方面，我们并不是非常关心渐近有效性。相反，我们对推断的讨论主要集中在那些困扰研究人员的有限样本问题上。
要读懂本书的内容，主要的预备工作就是在概率论和统计学方面的基础训练。我们尤其希望读者能够熟悉统计推断的基本工具，如t统计量和标准误等。熟悉像数学期望这样的基本概率概念也会有所帮助，但并不要求掌握更为复杂的数学知识。虽然也会给出一些重要的证明，但技术性的论证都不算长，也不是很复杂。与许多高级计量经济学教材不同，我们在线性代数方面的要求不多。出于各种原因，我们的这本指南应该比同类的书籍更容易读些。最后，我们从道格拉斯·亚当斯轻松愉快的系列小说（《银河系搭车客指南》和《基本无害》等）中汲取灵感，按照这一系列小说的精神写作了本书，我们的这本实证指南或有不准确的地方，但它比市面上许多版本的统治当今市场的《大银河系计量经济学百科全书》（Encyclopedia Galactica Econometrica）要便宜得多。感谢普林斯顿大学出版社同意按照我们所要求的条款印行本书。
致谢
在这本书写作过程中，我们从许多朋友和同事的评论中受益匪浅。感谢以下这些朋友和同事：Alberto Abadie, Patrick Arni, David Autor, Amitabh Chandra, Monica Chen, Victor Chernozhukov, John DiNardo, Peter Dolton, Joe Doyle, Jerry Hausman, Andrea Ichino, Guido Imbens, Adriana Kugler, Rafael Lalive, Alan Manning, Whitney Newey, Derek Neal, Barbara Petrongolo, James Robinson, Gary Solon, Tavneet Suri, Jeff Wooldridge, 以及Jean-Philippe Wullrich。他们在本书写作的不同阶段，对本书手稿给出了回应。当然，我们的自以为是处，或者仍然存在的错误，则与他们无关。还要感谢我们在伦敦经济学院和麻省理工学院的学生们，他们最先学习了本书的内容，并帮助我们决定哪些才是重要的。我们尤其要感谢Bruno Ferman, Brigham Frandsen, Cynthia Kinnan, 和 Chris Smith熟练而不知疲倦的研究协助。我们非常感谢对我们无限耐心的插画师Karen Norberg，她在每一章的开头创作了一幅图，在大大小小各类事务上提供了宝贵的反馈意见。我们还要感谢我们在普林斯顿大学出版社的编辑Tim Sullivan和Seth Ditchik的热情和指点，感谢文案编辑Marjorie Pannell和产品编辑Leslie Grundfest。最后，但并非最不重要的是，我们感谢我们妻子的爱与支持。她们比任何人都更清楚成为经验主义者的伴侣[1]意味着什么。
本书的组织架构
我们从具有导论性质的两章开始。第一章描述了研究议题的类型，后续章节的内容对于这些议题非常有用。第二章讨论了医学研究中使用的随机试验为我们最感兴趣的问题所提供的理想基准的意义。导论结束之后，本书第二部分的三章介绍了回归、工具变量和倍差法。这些章节强调了估计量的普遍性质（例如，回归总在逼近条件均值函数），以及对结果进行因果解释的必要假设（条件独立假设；与随机分配一样好的工具变量；平行世界）。然后，我们将在第三部分讨论一些扩展内容。第六章涵盖了断点回归设计，它可以被看作是回归控制策略或某类工具变量策略的一个变体。在第七章，我们讨论使用分位数回归估计对分布的影响效应。最后一章涵盖了教科书中渐近方法所忽略的重要的推断问题。有些章包含了更为技术化或专门化的小节，可以略去或跳过，而不会影响对主要思想的理解；这些小节用星号标示。缩略语表和经验示例索引可以在本书最后找到。
