前 言 计量经济学作为经济学科各专业的重要核心课程之一，为学生分析经济、金融 数据和解决具体实证问题提供了必要的方法论基础。在过去的十几年里，计量经济 学领域经历了一场被称为;可信性革命的重大变革。这场变革的核心在于因果推 断。在此背景下，研究者开始更加重视实证分析的实验设计，以便更准确地评估因 果关系。此外，随着信息技术的迅速发展和数据采集能力的提升，越来越多的结构 化和非结构化数据被应用于经济和金融领域的实证研究，进而导致研究者需要处理 的变量维度不断增加。为了应对变量维度增加带来的挑战，研究者开始使用更加灵 活的机器学习方法。与实证研究所用方法形成对比的是，现有计量经济学教材较少 介绍因果推断方向的前沿进展，更少涉及机器学习方法的介绍，导致文献中的实证 方法和计量经济学教材讲授方法脱节。这一问题导致学生在学习了计量经济学之后， 依然面对看不懂实证文献的痛苦。因此，有必要更新和改进计量经济学教材，及时 反映最新的研究进展和方法，使学生能够掌握前沿的实证分析技术，更好地应对研 究中遇到的挑战。 针对上述情况，作者编写了本书，旨在弥补现有计量经济学教材在实证方法方面 存在的不足。本书的主要特色如下： 1. 在经典计量方法的介绍中融入因果推断的内容。在介绍一元线性回归时，本书 就引入定义因果关系的潜在结果框架，并说明使回归系数具有因果效应解释和要求误 差项外生是等价的，从而将因果推断和传统计量经济学中对内生性问题的处理有机地 结合在一起。这样的写作方式有助于初学者更好地理解计量经济学和因果推断之间的 关系，避免将它们视为两个完全独立的领域。 2. 通过计量经济分析讲好新时代的中国故事。本书将计量经济学知识的传授和课 程思政相结合，以中文权威期刊上关于低碳转型、数字化转型、智能制造和金融科技 等方向的实证研究为案例，展现了新时代中国特色社会主义经济建设的发展理念。 3. 采用;先总体，再样本的写作思路。线性回归模型是计量经济学的核心，最小 二乘法能否用来估计变量之间的因果关系取决于回归系数是否具有因果效应的解释。 本书借鉴 Hansen [1] 和 Wooldridge [2] 的写作思路，先在第 2 章介绍了总体最小二乘和 线性投影，从而建立回归系数和线性投影系数之间的等价关系。这样的写作思路有利 于初学者理解最小二乘估计的本质，并在不同的模型设定条件下分析回归系数与因果 IV 计量经济分析 效应之间的联系和区别。 4. 将经济、金融实证分析中常用的机器学习方法引入教材。本书详细介绍了 LASSO、岭回归、弹性网和主成分分析等实证研究中常用的机器学习方法，帮助初 学者从计量的角度理解这些方法的意义，并为日后进一步学习其他大数据分析技术打 下基础。 5. 将计量经济学的前沿理论成果引入教材。近十年来，诸如聚类稳健标准误、交 叠双重差分和双重机器学习等方向的计量理论研究取得了重要进展，这些成果对实证 研究产生了深远影响。本书与时俱进，将上述理论成果融入教材内容，并介绍了这些 最新方法的代码实现，为初学者未来的研究和实践奠定坚实基础。 6. 理论和案例选择突出金融特色。在讨论最小二乘估计量的大样本性质时，本书 使用了适用于金融时间序列数据的渐近理论。与此同时，教材选择了金融科技与企业 创新、机器学习驱动的基本面量化投资和系统重要性银行等具有浓厚金融特色的实例。 为了分析这些实例，本书还对金融风险管理中常用的分位数回归和广义自回归条件异 方差模型等理论进行了简单介绍。这种内容安排有助于读者在金融领域进行深入学习 和研究。 本书在写作过程中并不追求大而全，而是致力于提供在金融实证分析中经常使用 的计量方法的详细介绍。学习本书需要读者事先修读过微积分、线性代数和概率论与 数理统计。同时，读者还应具备一定的编程能力。全书主要使用 Stata 实现书中涉及 的各种计量方法。但是，在涉及机器学习和时间序列分析等内容，以及需要读者学习 某估计方法如何从原理出发编程实现时，本书还会使用 R 语言。局限于一种语言往往 会降低实证研究的效率，本书采取多语言相融合的内容设计，有利于培养初学者在复 杂数据环境下进行分析和解决实际问题的能力。本书为读者准备了 Stata 和 R 语言的 介绍文档，可从机械工业出版社教育服务网（www.cmpedu.com）下载。 借本书出版之际，诚挚感谢我博士阶段的两位导师：蔡宗武教授和方颖教授。两 位恩师为我打开了计量经济学的大门，并一直给予我悉心的指导和支持。本书得以顺 利完成，离不开他们的教诲和鼓励。特别感谢在厦门大学王亚南经济研究院就读期间 曾教授过我计量经济学相关课程的教授们：陈海强、高集体、Jerry A. Hausman、洪 永淼、萧政、林明和 Whitney K. Newey，这些教授的计量经济学课程为我打下了扎实 的基础，并拓展了我的视野。还要特别感谢西南财经大学教务处和西南财经大学金融 学院、中国金融研究院院长罗荣华教授为本书出版给予的经费支持，以及金融学院王 丹艺老师为本书绘制了全部非计量软件生成的插图。本书内容在西南财经大学金融学 院;金融与人工智能实验班、金融科技和金融工程专业多次开设的金融计量学（I）， 以及金融学院 2023 级博士班开设的高级计量经济学等课程中使用，感谢同学们在听 课过程中反馈的宝贵建议。最后，感谢我的家人在编写本书过程中给予的大力支持。 本书可作为财经类专业本科生和研究生的计量经济学课程教材，也可供实证研究人员 参考。　　编写一本高质量的计量经济学教材一直是我从事计量经济学教学工作之后追求 前 言 V 的目标。尽管付出了很多的努力，但本人水平终究有限，书中恐有不妥之处，恳请同 行和读者不吝赐教（xuqh@swufe.edu.cn）。 徐秋华 于成都西财柳林

本书遵循*教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。

本书作为计量经济学的入门教材，以由浅入深的方式介绍了经济、 金融领域常用的实证分析方法，以及这些方法基于Stata和R语言的软件 实现。本书特色主要体现在如下方面：计量理论介绍和课程思政并重； 引入因果推断等领域的前沿成果；将常用机器学习方法融入计量内容 体系。 全书共12章，分为两部分。第1部分为计量经济学基础：第1章概要 介绍了计量经济学、因果推断和数据类型；第2章从总体角度剖析了回 归分析的本质；第3~5章介绍了线性回归的基础知识，其中包括回归调 整和倾向得分匹配方法；第6章讨论了标准误的计算，内容涵盖聚类稳 健标准误和重抽样等前沿方法；第7章介绍了工具变量，内容涵盖两阶 段最小二乘、GMM和LIML等估计方法，以及关于弱工具变量问题较详 细的讨论；第8章介绍了面板数据模型，尤其对双重差分的前沿成果进 行了梳理；第9章介绍了二项选择模型和极大似然估计；第10章讨论了 模型与变量选择，内容包括LASSO和主成分分析等机器学习方法。第2 部分为时间序列分析入门：第11章介绍了线性时间序列模型的相关知 识；第12章介绍了单位根与协整的相关内容。 本书可作为高等院校经济、金融和管理等相关专业的本科生或研究 生教材，也可供相关领域的研究人员参考。

徐秋华，厦门大学王亚南经济研究院数量经济学专业博士，现就职于西南财经大学金融学院，金融学副教授，任金融科技系副系主任，金融科技专业负责人，主要研究领域是金融计量方法、实证资产定价、风险管理和金融科技，作为主要参与人之一获得第一届统计科学技术进步奖三等奖。参与多项国家自然科学基金面上项目、重点项目和国家社科基金重大项目，并在《经济学（季刊）》、《管理科学学报》、《系统工程理论与实践》等国内外期刊发表论文多篇。

目 录前言第 1 部分 计量经济学基础第 1 章 导论 ???????????21.1 什么是计量经济学 ?????????21.2 计量经济学的两个公理 ????????41.3 经济学的数据类型 ?????????61.3.1 横截面数据 ?????????61.3.2 时间序列数据 ?????????61.3.3 面板数据 ??????????81.3.4 聚类数据 ??????????91.4 因果关系 ??????????91.5 本章小结 ??????????11习题 ????????????12第 2 章 条件期望和线性投影 ????????132.1 条件期望 ??????????132.2 条件方差 ??????????152.3 线性投影 ??????????162.4 均值独立 ??????????182.5 本章小结 ??????????182.6 附录：主要结论和定理的证明 ???????19习题 ????????????22第 3 章 一元线性回归 ?????????233.1 一元线性回归模型 ???????233.2 普通最小二乘估计 ???????27目 录 VII3.3 回归系数的解释 ?????????293.4 拟合优度 ??????????313.5 回归系数估计量的小样本性质 ???????333.6 Monte Carlo 模拟 ?????????353.7 虚拟解释变量 ?????????373.8 潜在结果与因果推断 ????????393.9 实例：人口与经济增长 ????????423.10 本章小结 ??????????433.11 附录：主要结论和定理的证明 ???????43习题 ????????????46第 4 章 多元线性回归 ?????????484.1 古典线性回归模型 ???????484.2 普通最小二乘法 ?????????534.2.1 最小二乘法的几何意义 ????????564.2.2 Frisch_Waugh_Lovell 定理 ???????574.3 拟合优度 ??????????584.4 OLS 估计量的小样本性质 ???????604.4.1 单个回归系数估计量的方差 ???????614.4.2 sigma;2 的无偏估计 ?????????624.5 古典模型的假设检验 ????????624.5.1 单个回归系数的假设检验 ???????644.5.2 一般线性假设检验 ????????684.5.3 基于残差平方和的 F 统计量表达式 ??????704.6 多重共线性 ????????724.7 离散解释变量 ?????????744.7.1 虚拟变量的交互 ?????????794.7.2 变截距变斜率回归模型 ????????804.8 利用 Stata 做回归分析 ????????824.8.1 Stata 回归表格的说明 ??????834.8.2 其他常用的相关命令 ????????844.8.3 回归结果的规范汇报 ????????864.9 实例：低碳转型冲击就业吗 ???????874.10 本章小结 ??????????894.11 附录：主要结论和定理的证明 ???????904.11.1 补充知识 ?????????904.11.2 主要结论和定理的证明 ???????90VIII 计量经济分析习题 ????????????92第 5 章 线性回归的大样本理论 ????????945.1 渐近理论 ??????????945.1.1 依概率收敛 ?????????945.1.2 一致估计量 ?????????955.1.3 依分布收敛 ?????????965.1.4 渐近分析的重要结论 ????????965.1.5 大数定律和中心极限定理 ???????965.2 时间序列的基本概念 ????????975.3 OLS 估计量的大样本性质 ???????1015.3.1 关于假设的说明 ????????1015.3.2 最小二乘估计的大样本性质 ???????1035.4 大样本统计推断 ?????????1045.5 回归、匹配与因果推断 ????????1075.5.1 回归与因果推断 ????????1075.5.2 匹配与因果推断 ????????1095.6 实例：企业数字化转型赋能产业链关联 ?????1145.7 本章小结 ??????????1195.8 附录：主要定理的证明 ????????1205.8.1 补充知识 ?????????1205.8.2 主要定理的证明 ????????120习题 ???????????122第 6 章 异方差与自相关 ?????????1236.1 （可行）广义最小二乘 ????????1236.1.1 广义最小二乘 ?????????1236.1.2 加权最小二乘 ?????????1256.1.3 可行广义最小二乘 ????????1266.1.4 FGLS 的 Stata 实现 ????????1286.1.5 利用加总数据进行回归 ???????1306.2 异方差检验 ??????????1316.2.1 White 异方差检验 ????????1316.2.2 Breusch_Pagan 异方差检验 ???????1326.3 自相关检验 ??????????1326.3.1 可观测时间序列的自相关检验 ??????1356.3.2 回归误差项的自相关检验 ???????137目 录 IX6.4 异方差稳健标准误 ????????1386.5 异方差自相关稳健标准误 ???????1396.5.1 自相关序列样本均值的渐近理论 ??????1396.5.2 长期方差的估计 ????????1406.6 聚类标准误 ??????????1426.7 重抽样方法 ??????????1446.7.1 Jackknife ????????1456.7.2 聚类数据的 Jackknife ????????1466.7.3 Bootstrap 标准误 ????????1476.8 实例：智能制造政策与中国企业高质量发展 ????1486.9 本章小结 ??????????1516.10 附录：杠杆值与残差 ????????1516.10.1 残差 ??????????1536.10.2 再谈 sigma;2 的估计 ????????154习题 ???????????154第 7 章 内生性和工具变量 ????????1567.1 内部有效性与外部有效性 ???????1567.1.1 遗漏变量 ?????????1577.1.2 变量测量误差 ?????????1607.1.3 双向因果 ?????????1617.1.4 联立方程 ?????????1617.1.5 样本选择 ?????????1627.2 工具变量 ??????????1637.2.1 工具变量估计量 ????????1637.2.2 工具变量的历史 ????????1637.2.3 使用工具变量的经典例子 ???????1647.3 自然实验 ??????????1677.4 两阶段最小二乘 ?????????1697.4.1 变量的简约形式 ????????1707.4.2 IV 和 2SLS 估计量的推导 ???????1717.5 广义矩估计 ??????????1737.5.1 线性矩模型 ?????????1747.5.2 线性 GMM 的大样本性质 ???????1767.5.3 两阶段有效 GMM 估计 ???????1787.5.4 条件同方差情况下的线性 GMM ??????1797.6 弱工具变量 ??????????180X 计量经济分析7.6.1 弱工具变量情况下的参数估计 ??????1867.6.2 弱工具变量情况下的假设检验 ??????1877.7 与工具变量相关的假设检验 ???????1897.7.1 过度识别检验：工具变量外生 ??????1897.7.2 Hausman 检验：解释变量内生 ??????1927.7.3 弱工具变量检验 ????????1947.8 实例：超时加班与劳动收入份额 ??????2017.9 本章小结 ??????????2047.10 附录：主要定理的证明 ????????204习题 ???????????205第 8 章 面板数据模型 ?????????2078.1 为什么使用面板数据 ????????2078.2 固定效应模型 ?????????2118.2.1 固定效应估计量 ????????2128.2.2 最小二乘虚拟变量估计 ???????2148.2.3 估计量方差的估计 ????????2148.2.4 固定效应估计的 Stata 命令 ???????2158.3 随机效应模型 ?????????2168.4 双向固定效应模型 ????????2208.5 面板工具变量回归 ????????2218.6 动态面板数据模型 ????????2218.6.1 Anderson_Hsiao 估计量 ???????2228.6.2 Arellano_Bond 估计量：差分 GMM ?????2238.6.3 弱工具变量问题 ????????2258.6.4 Blundell_Bond 估计量：系统 GMM ?????2268.7 双重差分 ??????????2298.7.1 安慰剂检验 ?????????2338.7.2 稳健性分析 ?????????2368.7.3 交叠 DID ?????????2398.7.4 DID 研究的新进展 ????????2468.8 固定效应的进一步讨论 ????????2508.9 实例：金融科技与企业创新 ???????2548.10 本章小结 ??????????256习题 ???????????256目 录 XI第 9 章 二项选择模型 ?????????2589.1 二项选择模型的基本概念 ???????2589.2 极大似然估计 ?????????2609.2.1 极大似然估计的理论性质 ???????2629.2.2 线性回归模型的极大似然估计 ??????2659.2.3 拟极大似然估计 ????????2679.2.4 三大统计检验 ?????????2679.3 二项选择模型的极大似然估计 ???????2699.4 拟合优度 ??????????2719.5 模型及系数的解释 ????????2729.6 实例：农村信用信息共享对小额贷款偿还的影响 ???2749.7 本章小结 ??????????276习题 ???????????277第 10 章 模型与变量选择 ?????????27810.1 AIC 和 BIC ?????????27810.2 偏误与方差 ?????????27910.3 岭回归 ??????????28110.4 LASSO ?????????28310.5 交叉验证 ?????????28510.6 主成分分析 ?????????28810.6.1 总体主成分分析 ????????28810.6.2 样本主成分分析 ????????29010.7 基于部分线性模型的统计推断 ?????29310.8 实例：机器学习驱动的基本面量化投资 ?????29410.9 本章小结 ?????????299习题 ???????????299第 2 部分 时间序列分析入门第 11 章 线性时间序列模型 ????????30211.1 数据统计特征 ?????????30211.2 移动平均模型 ?????????30411.3 自回归模型 ?????????30711.4 AR 和 MA 模型阶数的选择 ???????31211.5 ARMA 模型 ?????????31411.6 模型参数的估计 ????????316XII 计量经济分析11.7 模型诊断 ?????????31811.8 预测 ???????????31911.9 向量自回归模型 ????????32011.9.1 格兰杰因果 ?????????32511.9.2 脉冲响应 ?????????32711.9.3 预测与预测误差方差分解 ???????32911.10 实例：我国系统重要性银行 ???????33111.11 本章小结 ????????33511.12 附录：广义自回归条件异方差（GARCH）模型 ???335习题 ???????????337第 12 章 单位根与协整 ?????????33912.1 趋势过程 ?????????33912.2 ARIMA 模型 ????????34112.3 单位根检验 ?????????34612.3.1 Dickey_Fuller 检验 ????????34712.3.2 Augmented Dickey_Fuller 检验 ??????35012.4 伪回归 ??????????35212.5 协整 ???????????35312.5.1 EG_ADF 检验 ????????35512.5.2 误差修正模型 ?????????35612.6 实例：我国国债到期收益率的协整分析 ?????36012.7 本章小结 ??????????364习题 ???????????364参考文献 ???????????366