本书是一本经典的初级计量经济学教材，语言通俗易懂，且辅以恰到好处的案例指导学生学习和运用计量方法。与大多数其他同类教材最显著的区别是,它的篇章结构是根据分析数据的类型进行划分的：第一篇是横截面数据的回归分析；第二篇是时间序列数据的回归分析；第三篇则介绍了一些更深入的专题。本书的主要特点是： 
（1）不需要具备高深的数学知识，读者只要掌握大学所学的线性代数和概率统计基础知识即可。 
（2）强调计量经济学在实际问题中的应用。 
（3）含有大量例题和练习题。章末习题和计算机习题多着重于经验研究而非复杂的推导。 
（4）课程安排比较灵活。教师可以根据教学需要合理挑选章节进行讲授，而不会影响教学的连续性。 
本书适合各高等院校经济管理类专业本科生作为计量经济学教材，还可供经济管理类教师及科研人员作为参考书使用。 

杰弗里?M.伍德里奇，密歇根州立大学经济学特聘教授。他于1982年在加州大学伯克利分校获得计算机科学与经济学学士学位，并于1986年在加州大学圣迭戈分校获经济学博士学位。伍德里奇博士曾在国际知名期刊上发表了30多篇学术论文。他还是《横截面与面板数据的计量经济分析》(Econometric Analysis of Cross Section and Panel Data)一书的作者。他所获的奖项包括：斯隆(Alfred P．Sloan)研究奖，《计量经济理论》(Econometric Theory)的PluraScripsit奖，《应用计量经济学杂志》(Journal of Applied Econometrics)的斯通(Richard Stone)爵士奖，以及在MIT三次获得研究生教学年度优秀教师奖。他还是计量经济学会(Econometric Society)和《计量经济学杂志》 (Journal of Econometric)的资深会员。

 第1章计量经济学的性质与经济数据1 
1.1 什么是计量经济学1 
1.2 经验经济分析的步骤  2 
1.3 经济数据的结构4 
1.4 计量经济分析中的因果关系和其他条件不变的概念9 
第一篇横截面数据的回归分析 
第2章简单回归模型19 
2.1 简单回归模型的定义19 
2.2 普通最小二乘法的推导23 
2.3 OLS对任一样本数据的性质29 
2.4 度量单位和函数形式33 
2.5 OLS估计量的期望值和方差37 
2.6 过原点回归及对常数回归46 
第3章多元回归分析:估计54 
3.1 使用多元回归的动因54 
3.2 普通最小二乘法的操作和解释57 
3.3 OLS估计量的期望值66 
3.4 OLS估计量的方差73 
3.5 OLS的有效性:高斯马尔科夫定理80 
3.6 对多元回归分析语言的一些说明81 
第4章多元回归分析:推断94 
4.1 OLS估计量的抽样分布94 
4.2 检验对单个总体参数的假设: t检验96 
4.3 置信区间109 
4.4 检验关于参数的一个线性组合假设111 
4.5 对多个线性约束的检验: F检验113 
4.6 报告回归结果122 
第5章多元回归分析:OLS的渐近性132 
5.1 一致性132 
5.2 渐近正态和大样本推断136 
5.3 OLS的渐近有效性142 
第6章多元回归分析:深入专题147 
6.1 数据的测度单位对OLS统计量的影响147 
6.2 对函数形式的进一步讨论151 
6.3 拟合优度和回归元选择的进一步探讨159 
6.4 预测和残差分析164 
第7章含有定性信息的多元回归分析:二值（或虚拟）变量179 
7.1 对定性信息的描述179 
7.2 只有一个虚拟自变量180 
7.3 使用多类别虚拟变量185 
7.4 涉及虚拟变量的交互作用189 
7.5 二值因变量:线性概率模型195 
7.6 对政策分析和项目评价的进一步讨论199 
7.7 离散因变量的回归结果解释201 
第8章异方差性210 
8.1 异方差性对OLS所造成的影响210 
8.2 OLS估计后的异方差—稳健推断211 
8.3 对异方差性的检验216 
8.4 加权最小二乘估计219 
8.5 再议线性概率模型230 
第9章模型设定和数据问题的深入探讨237 
9.1 函数形式误设237 
9.2 对无法观测解释变量使用代理变量241 
9.3 随机斜率模型   247 
9.4 有测量误差时OLS的性质249 
9.5 数据缺失、非随机样本和异常观测253 
9.6 最小绝对离差估计260 
第二篇时间序列数据的回归分析 
第10章时间序列数据的基本回归分析271 
10.1 时间序列数据的性质271 
10.2 时间序列回归模型的例子272 
10.3 经典假设下OLS的有限样本性质275 
10.4 函数形式、虚拟变量和指数280 
10.5 趋势和季节性285 
第11章 OLS用于时间序列数据的其他问题298 
11.1 平稳和弱相关时间序列298 
11.2 OLS的渐近性质301 
11.3 回归分析中使用高度持续性时间序列307 
11.4 动态完备模型和无序列相关312 
11.5 时间序列模型的同方差假定315 
第12章时间序列回归中序列相关和异方差性322 
12.1 含序列相关误差时OLS的性质322 
12.2 序列相关的检验325 
12.3 回归元严格外生时序列相关的修正330 
12.4 差分和序列相关335 
12.5 在OLS后的序列相关—稳健推断336 
12.6 时间序列回归中的异方差性339 
第三篇高级专题 
第13章跨时横截面的混合:简单面板数据方法351 
13.1 跨时独立横截面的混合352 
13.2 利用混合横截面做政策分析356 
13.3 两时期面板数据分析360 
13.4 用两期面板数据做政策分析365 
13.5 多于两期的差分法367 
第14章高级面板数据方法379 
14.1 固定效应估计法379 
14.2 随机效应模型385 
14.3 相关随机效应方法389 
14.4 把面板数据方法用于其他的数据结构391 
第15章工具变量估计与两阶段最小二乘法403 
15.1 动机:简单回归模型中的遗漏变量403 
15.2 多元回归模型的IV估计412 
15.3 两阶段最小二乘415 
15.4 变量误差问题的IV解决方法419 
15.5 内生性检验与过度识别约束检验421 
15.6 异方差条件下的2SLS    424 
15.7 2SLS应用于时间序列方程425 
15.8 2SLS应用于混合横截面和面板数据426 
第16章联立方程模型435 
16.1 联立方程模型的性质435 
16.2 OLS中的联立性偏误438 
16.3 结构方程的识别和估计440 
16.4 多于两个方程的系统445 
16.5 利用时间序列的联立方程模型446 
16.6 利用面板数据的联立方程模型449 
第17章限值因变量模型和样本选择纠正456 
17.1 二值响应的对数单位和概率单位模型457 
17.2 用于角点解响应的托宾模型467 
17.3 泊松回归模型473 
17.4 删截和断尾回归模型477 
17.5 样本选择纠正482 
第18章时间序列高级专题495 
18.1 无限分布滞后模型495 
18.2 单位根检验500 
18.3 伪回归504 
18.4 协整和误差修正模型506 
18.5 预测511 
第19章完成一个实证项目528 
19.1 问题的提出528 
19.2 文献回顾530 
19.3 数据的收集530 
19.4 计量经济分析533 
19.5 实证论文的写作536 
第四篇附录 
附录A 基本数学工具551 
附录B 概率论基础564 
附录C 数理统计基础588 
附录D 矩阵代数概述618 
附录E 矩阵形式的线性回归模型627 
附录F 各章思考题答案638 
附录G 统计用表650 
参考文献657 
术语表     664 
译后记   679