当前位置：搜档网 › 如何用计量经济学作实证分析

如何用计量经济学作实证分析

广泛收集参考文献，决定计划的目的和范畴：

决定所要解释的现象是什么？

决定所要检验的假设或理论是什么？

决定所要预测的趋势是什么？

决定所要评估的政策是什么？

建构实证计量模型；

除研读相应的经济理论之外，应比较三至五篇有实证分析之文献中的实证计量模型：

确认计量模型中解释变数和应变数之间的因果关系（causality）；

厘清各模型的共同及优缺点，思考改进文献中现存模型的可能；

最后决定实证计量模型雏形；

初步调查是否有相关的资料，若无则实证模型设计的再好也无用。

收集相关资料；

对数据的精确性一定要严格查核，对错假漏数据要仔细修正；

使用电子表格软体对资料列表绘图，以验证数据的逻辑合理性，对不合理的数值要有所处理；

不论要用的是横断面数据或是时间数列，数据数目越多越好，追踪数据（Panel Data）尤佳；

对资料数值作一些整理，表列各种基本统计量（样本平均值、变异数、变量间的样本相关系数等）、变量之间的两两交互列表、做一些初步图解分析。

计量方法的执行：

计量方法不应太简单（例如只做到最简单的 OLS），但也不必过于复杂，应针对问题采用恰到好处的计量方法。若采用了比较复杂的计量方法，则要说明为什么简单的方法不适合。计量方法的好坏不在其复杂程度，而在于它是否能够帮我们得到正确的估计值，以了解数据中所包含的真正信息。

除了估计值以及对应的 t 检定外外，也可做一些 F 检定之对多个系数的假设检定。

回归模型的设定，尤其是解释变量的取舍，可在估计过程中不断的修正。对应变量和解释变量均可尝试诸如对数、指数、幂函数等不同的转换。这些转换方式的决定，以经济理论上的考虑最为重要，不能单只为了提高模型的配适，而盲目的做一些不合理的变量转换。

选取解释变量时，应有如下的考虑：

解释变量和应变量之间的因果关系一定要正确，也就是说，解释变量是原因在先，应变量是结果在后，有一定的先后顺序。尤其要注意，有些变量数值的产生很可能是和应变量同时决定的，或是因果关系不很明确（也就是说，相对于应变量而言，这些变量是内生的），则在选取这些变量作为解释变量时，便要非常小心。解释变量的内生问题常常是研究被批评的主要原因；

要注意解释变量的同构型，不能不分青红皂白的将一大堆彼此相关性很高的变量（包括相同变量的不同转换、或是几个变数间的各种交乘项）放进回归式内，造成严重的线性重合问题；

经济理论所牵涉到的变量常常是无法观察到的，因此在做实证研究时必须采用替代变量（Proxy），研究者要对所选用之替代变数的合理性详加说明。由于数据总有些缺失，常有人在束手无策之下，采用了很多匪夷所思的替代变数；虚拟变

量的定义要清楚而合理，使用要小心；要探讨解释变量不足、观察值有误差等数据缺失所可能造成的计量问题。

横断面数据要注意干扰项不均齐变异（Heteroscedasticity）的问题，时间数列的数据则要注意干扰项自我相关（Autocorrelation）的问题。要确定时间数列的稳定性（Stationarity），若有季节变动也要加以处理。

模型的稳定性要注意，可能需要诸如 Chow Test 或 CumSum Test 的检验。

若用到 MLE 或 GMM 等非线性计算，则在撰写报告时要对数值方法的细节，诸如统计软件及数值方法的名称、起始值之选取、收敛速度、是否产生区域解（local solution）、收敛条件的设定等，均需有所说明。

若实证模型中有多个应变量（和对应之方程式）值得同时分析，则可考虑采用Seeming unrelated regression 甚至联立回归模型等系统模型，以更有效的利用各回归式之间的相关性。

报告的写作：

首页：报告题目，作者名字，系所，学号，日期。

摘要：对全文宗旨作一简单描述，并简述文章的目的是对经济结构的分析，还是对未来趋势的预测，还是对政策的评估；然后简单介绍所使用的模型及变量，数据的种类及来源，所估计的模型，所采用的计量方法；最后以最主要的实证结果为终结。

绪论：说明研究的性质、范围和目的，并从不同角度或一个比较宽广的视野（历史、社会、文献、问题严重性等）来解释研究的重要性。

文献回顾：对和主题有直接和间接关系的文献做一个简单清楚有系统的回顾，和主题有直接关系但有不同结果的文献，更是要有比较完整的解释。

模型设定：模型有理论模型和实证模型两类。理论模型是从经济理论中直接导出，而实证模型则是从理论模型衍申出来，是要实际以资料来估计的。理论模型通常需以数学推导，因此文章中可列出一些关键的数式以帮助理论的阐述，但不应长篇累牍的堆积只有间接关系的数式。实证模型通常是以回归模型的形式表示，对模型中所涉及的变量均须给与明确的定义，对解释变量和应变量之间的关系要详尽的说明，也要解释对模型中主要系数（或由这些系数所导出之弹性、乘数等）可能数值的大小及符号有怎样的理论预期。

资料说明：对数据的种类，性质，来源出处，数据修订的方式，数据中可能有的错误和缺失，都要有详细的说明，最好也能将资料的基本统计量表列出来。计量方法的描述：对所用到的每一个符号都要有清楚的定义。

实证结果的报告：

系数估计的主要结果均须以表列出，在表中每一系数对应之变量名称要写清楚，每一系数估计值旁均须伴随一标准差（s.e.）或 t 统计量，也可加列 p 值，对于显著的估计值也可附加诸如星号之特殊标记以提醒读者。显示模型整体表现的统计量，诸如 R2（线性回归模型）， F 检定统计量， Durbin-Watson 检定统计量（对时间数列资料），也可选择性的列于表内。在表的脚注中，必须说明表中所有的特殊符号和简称，表中变量名称的选取，应尽量采用有意义的中文简称，少用无意义的英文字母组合。制表的基本原则就是要让读者便捷、完整而清楚的了解估计的结果；对主要回归系数（或由回归系数所导出之弹性、乘数等）估计值的大小、符号及显著与否要详加讨论，对于显著的估计值更要和理论预期值比较，若有明显的矛盾，则要探讨原因；若能在文献中找到类似模型的估计结果，则应择要报告，并做比较；

对重要回归系数若是得不到显著的估计值，则要探讨其中原因。也绝不能对不显著的估计值做出过度的解释，尤其不能宣称不显著的估计值支持或不支持某些特定结论。我们要知道估计值不显著，就是表示所使用的数据不能够提供足够的信息，若是没有足够的信息，当然不能够也不应该做出任何确切的结论；

为增加文章的清晰度，能够条列的结果应尽量条列（但要注意条列式的阐述易流于机械化而让读者失去兴趣），同样的，能够列表的结果应尽量列表，表格应尽可能的明确、独立自主而自成一体（多利用表格下端的附注详加解释表格的内容），尽可能让读者不用在文章中到处找相关说明。此外，图表也是一个非常精准有效之传达信息的方式，应多加利用；所有具有政策意义的重要论点都要经过假设检定的严谨统计程序探讨其显著性；若要根据估计模型对数据外的时期或状况进行预测，则态度必须保守谨慎，尽可能设想预测可能不准的原因，所有列举的统计数字应尽量保持统一的小数点位数（小数点后三位数或四位数均可），如果有很小或很大的数字，则可以用科学表示法表示（例如 1.2345 x 10-4），尽可能显示出三至五位有效数字。

结论：对所有重要结果做一个完整的总结，并经由理论或数据中不尽完美处的讨论，指明未来研究的方向。

列举参考文献。

一些注意事项：

正确的进行研究很重要，但如何将研究结果有条有理、完整而正确的写成报告则更是重要。由于大学教育并不重视国文（英文）写作的训练，很多学期报告的问题都在于国文（英文）的写作。所以对报告主体完成后的文字修饰工作，一定要给与很大的重视。

写论文应该抱持着推销产品的心态，所以在包装产品（即写文章）之前要清楚的了解顾客（读者）的基本心理：顾客基本上是报着不太关心但走着瞧的心理，所以写文章时，便要时时设想如何能在非常短的时间内让顾客对产品发生兴趣，当然也要设想如何能让他们在将产品消化后能对产品赞不绝口。

大家都知道文章中每一个章节都有一个主题（章节的标题就是用来点明该主题的），但很多人似乎是不知道，文章中的每一个段落也有各自的主题，也就是说每一个段落只是用来说明一件事情的。很多人常在该分段的时候不分，以致一个段落中常挤进两三个不太相关连的主题，而让读者不易掌握文章重点。

相对的另一个问题是，同一个主题，也应该在同一个地方讲清楚，而不应该在文章中不同的地方重复出现（在序论及结论中对各主题之概论则例外），尤其是不应该在不同的地方出现互相矛盾的说法。但有时候在对一个主题的解释过程中，可能需要先了解一些其它的概念，因此有必要将一个主题的解释，分置于文章中两个不同的段落。若如此则在前一部份解释完成后，应预先告知往后还会有更多的说明。这种做法既让读者有一个全盘了然的感觉，也提醒自己在前后不同地方的说明要彼此呼应而不重复或矛盾。

计量经济学入门简介

在这里我简单介绍要如何准备计量经济学的课程，并说明计量经济学在经济系课程安排中的地位，乃至于在经济学研究中的角色。我所设想的读者可分为两类：经济系大学部，以及研究所硕、博士班的学生；

听过计量经济学这个名词，大致知道它是许多社会科学研究都会用到的一种数量方法，这包括了管理学院、社会科学学院、公卫学院各科系所的学生。

一般人对经济学的直觉反应是：「嗯！那是一个很高深的理论」，然而我们也应该知道，经济学的研究虽然是从严谨抽象的理论出发，但因为研究对象是人的行为，经济学也必须相当「实际」，当我们评断经济理论是否成立时，当然是要看看符不符合人的行为。因此很大一部份经济学研究是以实际资料的观察和分析为中心的。

为让经济系学生有分析资料的能力，经济系大学部课程中，就都有分析资料所需的统计学课程。然而许多学生在标准的统计学课程中所学到的，多是基本的描述性统计以及简单的统计运算，以这样的课程内容，纵使经过一整年的研习，绝大多数学生还是无法将所学到的统计方法用到实际经济分析之中。更何况经济系大学部课程需要统计学的地方并不太多，使得大多数学生不太清楚为什么需要必修统计学。在这里我就先稍微描述一下标准统计学课程的内容，然后再说明问题的所在。

计量经济学和统计学：

统计学教材大致可分为两部份—「概率理论」和「统计推论」，概率理论包括随机变量、密度函数、期望值、变异数等的操作和运算，以及对一些统计分配（常态分配以及相关的卡方分配、t 分配、F 分配等）性质的探讨，这些概率观念和其运算都是统计学第二个部份—统计推论的基础。而统计推论主要是让我们了解「母体」和从母体所抽出之「样本数据」的分别，然后解释如何使用样本数据计算各种「统计量」，以将样本中的信息，精简而正确的表现出来，从而让我们推论出母体的性质。统计推论的内容大致可分为两部份—「参数估计」（估计那些表现母体特征的参数数值），和「假设检定」（检定我们对母体性质先期设定的一些假设）。

不论文科或是理科的学生，所修到的统计学入门课程都不脱这样的课程安排，我们自然不难想象，在应用这种通识教育型的统计学到经济学研究时，便很可能有适用性的问题。这个问题可分为两方面来说，第一、统计学可能教得不够深入，所学到的统计方法不足以应付形形色色的经济资料；第二、统计学常常是以自然科学方面的应用为主，对社会科学的研究可能不完全适用。

统计学初学者所碰到的这些问题，其实也就是五六十年前，经济学家刚开始尝试大规模的对经济资料进行统计分析时所碰到的问题。在解决统计学适用性的数十年过程中，经济学家逐渐发展出比较适用于分析经济资料的许多统计方法（或称计量方法，主要是以强调解释变量和应变量之间因果关系的回归模型为重心），也就形成了经济学中的一个独立领域—计量经济学。我们应可从这个计量经济学创始的过程里看出，若想要比较深入的应用统计方法到经济研学研究中，我们必须进一步的修习计量经济学才可。

在台湾计量经济学在大多数经济系的课程中都只是选修课程（不少美国大学的经济系是已将计量经济学列为必修），但在经济研究所硕士班以及博士班（以及不少管理学院的博士班）课程中，计量经济学却又是和个体经济理论以及总体经济理论并列为必修的整年课程（在美国也是如此）。博士生通常也都会再多修一些进阶的计量课程，这是因为经济系博士研究生除了少数专攻纯理论的人外，其博士论文几乎毫无例外的都包含有资料分析及实证研究的部份，因此大多数的经济学者从做博士生开始，就要有处理计量方法的能力和经验。

计量经济学和计算机：

计量经济学对计算机的需求度在经济学的各个领域中可能是最高的，理由非常简单，计量经济学本来就是为分析数据而兴起的学问，而大规模数据的处理正是计

算机的主要功能。另一方面，在经济研究日趋复杂精细的今天，高度非线性的经济模型大行其道，对这些模型的估计必须采用数值方法，其实际计算也只有仰赖计算机。事实上，一些计量经济学家使用数值方法及计算机的深度，可能让计算机工程师都要感到讶异。近年来计量经济学对计算机的需要更不限于数据处理和模型估计，许多复杂计量方法的发展往往只能以模拟试验来评估，而仿真试验也只有在计算机中才得以进行。

由于计算机的普及，大多数人对计算机都有所认识，几乎所有的大学生对微软公司的软件，像是窗口操作系统或是 Office 系列商用软件都有或多或少的接触。我认为对一个计量经济学的初学者，能够使用 Office 系列中的 Excel 或是同类的电子表格软件中回归分析就算是入门了，其学习成本并不高。我也极力建议初学者一定要尽快对计算机上手，用真实数据做一些简单的估计和实证分析，因为只有实际动手，才能培养出对计量研究的感觉，也才能够体会经济理论在实际世界中的用途。我保证你，在学了几年理论后，发现真的能在实际资料中找到验证，你会相当感动的。

若要使用更深入的计量经济方法，当然是需要较电子表格软件更为专业的统计或计量软件，但我仍要强调，电子表格软件在任何阶段的计量分析中都有其功用，因为只要数据数目不是太大（十万笔以下），电子表格软件可非常轻松的帮我们整理数据并进行列表绘图等初步分析，而这类分析总是很有助于我们对数据的了解，对数据的了解是所有严谨实证分析的基础。

市面上个人计算机版的统计软件（诸如 SAS 、 SPSS 、 Minitab 等）不胜枚举，会用的人也很多，这些统计软件对从事实证计量研究有帮助，不少计量经济学教科书也都推荐使用这些统计软件。事实上，很多计量经济学家的学术研究也全都是靠这些统计软件来进行的。然而也有更多的计量学者偏好较为专业的计量经济软件（诸如 STATA、TSP、RATS 等），这类计量专业软件在经过多年的改进后，都已相当「平易近人」。一个有普通计算机知识的初学者，通常在一个星期内应可学会一个这类的软件。和统计软件相比，计量专业软件的优点是，其操作手册乃至于界面上所用的名词术语多从计量经济学而来，初学者会觉得比较亲切，也比较不容易发生术语意义不明的状况，使用者想要搜寻某个特定的计量方法也比较容易找到。前述的统计或计量经济软件都是所谓的软件包，软件包的使用手续大致如下：使用者在使用之前，必须要先确定所要用的计量方法在这些软件包中存在，然后根据操作手册键入对应的指令，输入数据，并叫出所要用的计量方法执行之，计算结果便会以标准的形式输出。一般来说，软件包的优点是简单方便，缺点则是任何软件包都不可能有使用者所想要用的所有计量方法，基本上也不容许使用者对既有的计量方法做较大的修改，因此软件包有相当大的局限性。为弥补这种缺点，近年来有名的软件包都不断加入新指令，以让使用者比较容易的修改原有的计量方法，或设计一些新的计量方法。这些新指令实际上已可说是一种「程序语言」，其操作方式是让使用者用它将所要的计量方法写成「计算机程序」后执行之。不少比较深入的实证计量研究结果，都是研究者在软件包原有的计量方法之上，附加修正的计算机程序后所产生。

也有不少的计量经济学家是根本不用软件包的（我便是一个例子），他们偏好以独立的（不附属于任何软件包的）程序语言编写所有要用的计量方法。这类程序语言除了软件工程师所通用的 C 、 Fortran 、 Pascal 等之外，还有为计量经济学家所专属的 GAUSS 、 Matlab 等个人计算机程序语言。所谓「计量经济学

家专属的程序语言」通常是指该语言的基本组成元素不是数字，而是向量或矩阵，这种结构非常适合编写计量方法的计算机程序。

学习程序语言通常较花时间，以 GAUSS 为例，可能需要至少三天的时间去熟悉其基本操作手续，而想要到可编写出有意义之计算机程序的地步，则需视程序的难易程度花一天到一个星期的时间，测试计算机程序的正确性通常还需更多的时间。学习程序语言的时间成本的确是比较高，但我们也要知道程序语言的最大优点在于它的弹性：一个计量经济研究者若能掌握一种程序语言，则计算机能帮他做的事基本上将不再有任何的限制。

计算机是计量经济学不可或缺的组成份子，我建议在学会电子表格软件后，计量经济学的学生应该按照实际需求，在统计软件包、计量经济软件包、以及计量经济专属个人计算机程序语言三类难易程度不同之计算机软件中择一学习。我也建议，一旦决定要学那一种计算机软件之后，一定要尽可能将之学个透彻，对计算机软件的学习一次搞定是最有效率的做法。

计量经济学和数学：

计量经济学在一九八零年代以前的的发展大量借用矩阵代数，而近年来则相当广泛的引用概率论数理分析。正因如此，计量经济学的初学者常为矩阵代数符号所困扰，而想要涉猎较深入之计量经济理论的学生，又常被概率论的诸多新名词新观念所惊吓。一以言之，许多学生在学习计量经济学的过程中，常觉得数学背景不足，总有一种信心不够不踏实的感觉，以致于写作业、答考题、乃至于读文章时，一碰到未曾见过的数学术语，就觉得相当心虚，最后也就对计量经济学产生了敬而远之的态度。

我在这里便对这个数学问题提出一些看法和建议。首先我要对计量经济学的初学者说，矩阵代数并没有想象中那么难，事实上计量经济学所需要的矩阵代数，和数学系学生所必修的线性代数课程不太相同。我们应该知道，一般线性代数课程强调的是一个抽象代数体系的建立，学习一个抽象体系可能需要较多的数学训练和数学直觉（也就是一般人所说得数学细胞），所以大多数文科学生可能不习惯。但是，为学习计量经济学所要用到的矩阵代数，对数学背景的要求其实并不是很高，其内容主要是矩阵代数之基本运算规则以及为数不多的运算结果而已。我认为如果教材完备，一个人纵使完全靠自修学矩阵代数，一两个星期也就够了。矩阵代数让一般初学者头痛的地方是在和统计学观念结合起来以后才发生的，然而我也要指出，并不是因为矩阵代数融合统计学之后，就变成一种困难度加倍的新学问。问题的产生通常只是反应初学者对矩阵代数和统计学原本就已有的问题而已，也就是说，初学者或是对矩阵代数尚不很熟悉，或是对统计学的一些观念还不十分透彻。解决这个问题的方法非常简单，就是多看多做，设法让自己对矩阵代数更为熟悉，并利用这个机会对那些原来只是一知半解的统计学观念也顺便搞懂。很多初学者在通过这一关之后发现，不仅矩阵代数通了，统计学的观念也补强了不少，对统计学变得加倍有信心。

概率理论对计量经济学学生所造成的问题比较复杂，以下的讨论，主要是针对研究所学生。近一二十年来计量经济理论的发展主力是在时间数列理论方面，翻开近十多年来的主要经济学期刊，很少不看到像是「单根检定」、「不稳定数列」、「共整合分析」、「结构改变」等名词，这些都是时间数列计量经济学的主要内容，而研究时间数列计量经济理论所需要的数学工具主要就是概率理论。概率理论和矩阵代数的性质极为不同，矩阵代数算是数学中层次较低较浅的「技术」，而概率理论则属于数学中层次较高的「分析」。而时间数列计量经济学所需要的

概率理论，就是在数学系或是统计系的课程中来说，也属研究所硕士班以上的水平，所以要掌握概率理论以研究时间数列计量经济学，相当程度的数学训练是避免不了的。

幸运的是，时间数列计量经济学在经过多年的发展后逐渐成熟，其所需之概率理论的范围也逐渐确定，已经有不少时间数列计量经济学参考书，将所需要的概率理论做了有系统的整理和介绍，后进人员便不再需要直接去读由数学系教授所写的概率理论教科书，这大大节省了进入这个领域所需的时间成本。我们要知道，数学家所感兴趣的概率理论课题，和计量经济学家所需要的不尽相同（这和数学系所教的线性代数和计量经济学所需要的矩阵代数不尽相同是同样道理），计量经济学学生要学习高等概率理论本来就没有比较利益，如果还要花时间去追随数学家所要求的抽象化和一般化，不仅事倍功半，所学到的概率理论还不见得能在计量经济研究中派得上用场。

我认为对计量经济学研究有兴趣的人，矩阵代数应可自修，但若想要对计量经济学有一个比较完整的研究，到数学系修一门高等微积分或是解析的课后，再修一门实变量分析或类似的课应是相当值得的。我建议在研究所修课过程中，不论原来的研究领域是什么，花一年到一年半的时间修一些数学课，之后便应可自行阅读时间数列计量经济学参考书中的概率理论。

至于大多数学计量经济学只为应用者，可能修一门高微课或许也是必要的（高微观念不仅计量经济学需要，对学习较深入的经济或财务理论等也有很大帮助），在此之后应也可看懂大部分的时间数列计量经济学文献。

计量经济学在经济学研究中的角色：

经济学的研究论文，除了小部份属于纯理论之数理推演外，大都包含了实证研究，以证明实际资料中确有支持作者论点的证据。任何理论不论讲起来多么有道理，若是得不到实际数据的左证，当然是不易被大家接受。但我们也应注意到，数据是死的，使用数据看数据的人却是活的，分析数据的方式可有千百种，我们应该不会太惊讶的看到下述的两种情况：

同样的一笔资料可被用来左证完全对立的理论；

数据中原本并没有支持作者论点的证据，但经过人为的包装组合后却变成有；而当我们评估一篇实证论文的贡献时，除了要看数据是不是能够（最好是强有力的）支持作者的论点外，我们还要判断作者对数据的处理和分析是不是正确的，以避免上述的情况发生。换句话说，我们对论文中所使用计量方法之好坏要给予很大的关注。

有时候原始数据太过纷杂琐碎而看不出所以然来，要经过仔细的筛选处理后，支持某些论点的证据才能显现出来，有时候我们更需根据资料特性，以发展出新的计量方法，这些对计量方法的深入讨论，都变成一篇论文的重要组成因子，和论文的理论部份具有同样的重要性。正因为如此，计量经济学在现代经济学中具有举足轻重的地位，几乎每一个经济学家都有处理计量方法的能力和经验。也因为研究人口的众多，计量经济学的发展也就日行千里。

计量经济学入门：

Griffiths, W. E., R. C. Hill, and G. G. Judge, 1993, Learning and Practicing Econometrics, John Wiley & Sons.

Johnston, J. and J. DiNardo, 1997, Econometric Methods, 4th ed., McGraw-Hill.（资格最老，我的启蒙书）

Maddala, G. S., 1992, Introduction to Econometrics, 2nd ed.,

Prentice-Hall.

Ramanathan, R., 1998, Introductory Econometrics with Applications, 4th ed., The Dryden Press.（前四本似乎是大学部程度计量经济学教科书中最为流行者）

Judge, G. G., W. E. Griffiths, R. C. Hill, T.-C. Lee, and H. Lutkepol, 1988, Introduction to the Theory and Practice of Econometrics, 2nd ed., John Wiley & Sons.

Kennedy, P., 1998, A Guide to Econometrics, 4th. ed. The MIP Press. （本书尝试少用数学而多以文字来解释一些计量经济学的概念）

Goldberger, A. S., 1991, A Course in Econometrics, Harvard University Press. （本书善用简单例子解释一些重要的基本观念，本书缺点在于未能包括一些新课题）

Gujarati, D. N., 1995, Basic Econometrics, 3nd. ed., McGraw-Hill. Thomas, R. L., 1996, Modern Econometrics, An Introduction,

Addison-Wesley.

Lardaro, L., 1993, Applied Econometrics, Harper Collins.（书中包含了一些实例应用）

Ghosh, S. K., 1991, Econometrics: Theory and Applications, Prentice-Hall.（书中包含了一些实例应用）

Hill, R. C., W. E. Griffiths, and G. G. Judge, 1997, Undergraduate Econometrics, Jogn Wiley & Sons. （本书较薄较浅，适合统计学基础较弱的读者）

Draper, N. R. and H. Smith, 1998, Applied Regression Analysis, John Wiley & Sons. （本书和下一本书均是非计量经济学者学回归分析常用的教科书）Neter, J. and W. Wasserman, 1996, Applied Linear Statistical Models, 4th ed., Irwin.

中级计量经济学：

Greene, W. H., 1997, Econometric Analysis, 3rd ed., Prentice-Hall , Inc.（最畅销的研究所计量经济学教科书，包含范围很广，但常有解释不清的地方。本书作者也是一个相当流行的计量经济学软件 Limdep 的作者）

Judge, G. G., W. E. Griffiths, R. C. Hill, and T.-C. Lee, 1985, The Theory and Practice of Econometrics, 2nd ed., John Wiley & Sons. （前一本书尚未出来时最畅销的研究所计量经济学教科书）

Fomby, T., C. Hill, and S. Johnson, 1984, Advanced Econometric Methods, Springer-Verlag.（似乎没有前两本书畅销，所包含的教材没有前两本书广，但对书内有的课题解释较为清楚，我个人对之有偏爱）

Amemiya, T., 1985, Advanced Econometrics, Harvard University Press.（内容较前几本书深）

进阶计量经济学：

Maddala, G. S., 1983, Limited-Dependent and Qualitative Variables in Econometrics, Cambridge University Press.（是研究受限应变量模型的必读之作，印度籍作者前些时候刚过世，全书文笔流畅，极易阅读）

Hsiao, C., 1986, Analysis of Panel Data, Cambridge University Press.（中央研究院院士萧政教授的大着，追踪数据的经典）

Baltagi, B., 1995, Econometric Analysis of Panel Data, John Wiley & Sons.（研究追踪资料的新书，作者在追踪资料领域著作良多）

White, H., 1984, Asymptotic Theory for Econometricians, Academic Press.（计量经济学在七零年代以前以矩阵代数作为主要分析工具，作者是将严谨数统分析工具介绍到计量经济学的关键人物，作者在这方面的贡献可由本书看出，作者近年来的贡献则在下一本书）

White, H., 1994, Estimation, Inference and Specification Analysis, Cambridge University Press.

Davidson, J., 1994, Stochastic Limit Theory, Oxford University Press.（读者可由本书看出，近年来计量经济学所需的数学工具和数学系所研究的机率理论不分轩轾）

Spanos, A., 1986, Statistical Foundations of Econometric Modelling, Cambridge University Press.（本书性质接近前书）

Davidson, J., and MacKinnon, 1993, Estimation and Inference in Econometrics, Oxford University Press.（许多计量经济模型都可说是非线性模型的特例，因此作者强调以统一的分析方法来研究计量经济学。喜欢以抽象方式研究问题的人将会喜欢这本书，但对大多数学计量经济学只为实证分析的人而言，本书将可能不是很有用）

矩阵代数：

Graybill, F. A., 1983, Matrices with Applications in Statistics, Wadsworth.（计量经济学乃至统计学所需的矩阵代数大部分包括在这本书内）Dhrymes, P., 1978, Introductory Econometrics, Springer-Verlag. （附录里的矩阵代数相当实用，可补充前一本书）

时间数列专书：

Granger, C. and P. Newbold, 1977, Forecasting Economic Time Series, Academic Press. （一本古老但却仍然很有用的入门书，数学不深，但时间数列的基本概念都被提到）

Brockwell, P. J. and R. A. Davis, 1991, Time Series: Theory and Methods, 2nd ed., Springer-Verlag. （本书相当畅销，作者是统计学家，对时间数列题材的选择和处理都是标准的统计学方式，内容严谨但也提供相当多的直觉解释，是一本不错的入门书。本书的缺点是，对经济研究所关心之不稳定数列的讨论太少，必须要有其它书作为补充）

Hamilton, J. D., 1994, Time Series Analysis, Princeton University Press.（像是一本时间数列计量经济学的百科全书，蚂蚁般的小字加上八百页的重量真是让人气都喘不过来，作者行文严谨仔细，每一个等式都附有证明，但大多数的读者可跳跃式的阅读而没有问题，除了可学到不少东西，每天带来带去也可练就一身肌肉）

Enders, W., 1995, Applied Econometric Time Series, John Wiley & Sons. Mills, T. C., 1990, Time Series Techniques for Economists, Cambridge University Press.

Harvey, A. C., 1991, The Econometric Analysis of Time Series, The MIT Press.（本书和前两本书都是为经济系学生所写的时间数列入门书）

Hatanaka, M., 1996, Time-Series-Based Econometrics, Oxford University Press.

Banerjee, A., J. J. Dolado, J. W. Galbraith, and D. F. Hendry, 1993, Co-Integration, Error Correction, and the Econometric Analysis of

Non-Stationary Data, Oxford University Press.（本书和前一本书的内容正如本书书名所示，是近二十年来时间数列计量经济学研究的主流）

Maddala, G. S. and I.-M. Kim, 1998, Unit Roots, Cointegration and Structural Change, Cambridge University Press. （内容和前两本书差不多，但写得深入浅出，相当易读）

Tanaka, K., 1996, Time Series Analysis, John Wiley & Sons.（属于前几本书的进阶研究，相当难，需要很好的数学训练才能看得懂）

Reinsel, G. C., 1993, Elements of Multivariate Time Series Analysis, Springer-Verlag.（统计学者所写，书薄而易懂，是本不错的多变量时间数列模型的入门书）

Lutkepohl, H., 1993, Introduction to Multiple Time Series Analysis, Springer-Verlag.（研究多变量时间数列模型的一本百科全书）

计量经济学应用：

Berndt, E., 1990, The Practice of Econometrics, Addison-Wesley.（以数个经济学课题为主轴，穿插以实证研究所需计量方法的讨论，本书缺点是所讨论的经济学课题嫌过时，叙述也过于冗长，让读者抓不到重点）

Intriligator, M., R. Bodkin, and C. Hsiao, 1996, Econometric Models, Techniques, and Applications, 2nd. ed., Prentice-Hall.（本书对计量经济理论有一个精简的阐述，再辅之以一些简单的经济学应用）

Campbell, J. Y., A. W. Lo, and A. C. MacKinlay, 1997, The Econometrics of Financial Markets, Princeton University Press.（内容包括了财务学者所需要的许多计量经济方法，创造了一个新学门「计量财务学」）

Taylor, S. J., 1986, Modelling Financial Time Series, John Wiley & Sons.（不是教科书，而是研究财务学时间数列资料的一本专著，读者可学到许多财务学时间数列数据的性质）

Pudney, S., 1989, Modelling Individual Choice: the Econometrics of Corners, Kinks and Holes, Basil Blackwell.（本书是所谓个体计量经济学的典范，读者可看到个体经济理论使如何的和计量经济模型紧密的结合在一起）Fair, R. C., 1994, Testing Macroeconometric Models, Harvard University Press.（介绍六零、七零年代非常流行但现在已风光不再的多方程式总体计量模型，本书易读，读者可看到一些不是很难的计量模型是怎样的应用到总体经济的实证研究中）

Morgan, M. S., 1990, The History of Econometric Ideas, Cambridge University Press.（内容正如书名，说明五零年代以前，经济学家是如何的从一些问题的研究中，逐渐的发展出计量经济学这个学门）

如何用计量经济学作实证分析

相关文档

最新文档