# 计量识别：先说清系数为何能作因果解释 — 学习任务单

[学习指南](https://unireadinglist.com/zh-cn/guides/econometric-identification/)

[课程专题: 计量经济学](https://unireadinglist.com/zh-cn/subjects/economics/#course-econometrics)

来源确认日期: 2026-11-04

学习计划与例题由 University Reading List 编辑整理。

需经济学、概率、期望和回归基础。The Effect提供免费直觉设计，Wooldridge深化回归假设，Stock／Watson连接应用推断。二元工具题无真人、真实干预或政策数据。

## 选择你的起点

- [ ] 先理解设计
  用The Effect的识别、因果图再读工具变量，先说明想隔离什么变异。

- [ ] 需回归基础
  用所选Wooldridge讲假设、系数和内生性，不套新版页码到2006条目。

- [ ] 需应用与推断
  用Stock／Watson连接问题、有效性威胁与统计误差，分清总体比率与样本估计。

## 三本书如何取舍

### The Effect: An Introduction to Research Design and Causality

Nick Huntington-Klein · 2 · 2025
免费教材，侧重因果识别

什么情况下适合读: 想在实现前理解图形识别。
什么情况下选别本: 需要研究生渐近理论，或把画图当验证箭头。
建议阅读范围: 2025第2版路线按标题读识别、因果图／路径、处理效果和工具变量。
局限与取舍: 获准免费网页可独立修订，纸书ISBN 9781032580227；R／Stata／Python不改变识别假设。

#### 选书前试做

画Z→D→Y，列所有其他Z影响Y的渠道。
检查标准: 分开独立性、相关性与排除，不能因能预测处理就称有效。

你的笔记:

________________________________

ISBN: 9781032580227

[官方免费阅读](https://theeffectbook.net/)

[书目信息与获取方式](https://unireadinglist.com/zh-cn/subjects/economics/the-effect-huntington-klein/)

### 计量经济学导论：现代方法

Jeffrey M. Wooldridge · 2006
回归假设主线

什么情况下适合读: 统计后要扎实学习截面、内生性和IV。
什么情况下选别本: 需要当前软件菜单，或认为加控制就因果。
建议阅读范围: 所选2006书ISBN 9780324289787，先回归推断再按本版标题读内生性／IV。
局限与取舍: 不暗换新版；基本假设仍有用，后续方法与界面另读。

#### 选书前试做

给结果、处理写单位，区分第一阶段与简化式。
检查标准: 分母非零只保证能算，不保证因果解释。

你的笔记:

________________________________

ISBN: 978-0-324-28978-7

[书目信息与获取方式](https://unireadinglist.com/zh-cn/subjects/economics/introductory-econometrics-a-modern-approach/)

### Introduction to Econometrics（计量经济学导论）

James H. Stock; Mark W. Watson · 4 · 2018
应用推断参考

什么情况下适合读: 想让经验问题推动回归理论与有效性审查。
什么情况下选别本: 要跳过变异来源或概率先修。
建议阅读范围: 所选2018第4版精装ISBN 9780134461991，按标题读有效性、推断与IV。
局限与取舍: 同页较晚数字版和套装不改2018纸书身份，也不自动含课程权限。

#### 选书前试做

说明有限样本比率会在原题上新增什么不确定性。
检查标准: 抽样与独立、排除、识别哪类人效果分别处理。

你的笔记:

________________________________

ISBN: 9780134461991

[书目信息与获取方式](https://unireadinglist.com/zh-cn/subjects/economics/introduction-to-econometrics-stock-watson/)

## 开始前需要会什么

### 变量是什么？

你的笔记:

________________________________

### 识别谁？

你的笔记:

________________________________

### 精确矩为何？

你的笔记:

________________________________

## 六步学习计划

- [ ] 定目标

建议阅读范围: 处理效果。

要做的练习: 写总体还是服从者效果及单位。

检查标准: 估计量名称不替代目标定义。

你的笔记:

________________________________

- [ ] 画设计

建议阅读范围: 识别和路径。

要做的练习: 画Z→D→Y及旁路、共同原因。

检查标准: 相关性与排除针对不同部分。

你的笔记:

________________________________

- [ ] 分两对比

建议阅读范围: IV阅读。

要做的练习: 算处理概率差与结果均值差。

检查标准: 第一阶段与简化式单位分别标。

你的笔记:

________________________________

- [ ] 解释比率

建议阅读范围: 原题。

要做的练习: 推服从者比例，并在全部假设下解释Wald。

检查标准: 不外推所有单位效果。

你的笔记:

________________________________

- [ ] 改变限制

建议阅读范围: 直接路径变式。

要做的练习: 先扣已知直接效应再除，并检查给定区间。

检查标准: 放开排除后不能保留旧解释。

你的笔记:

________________________________

- [ ] 有边界报告

建议阅读范围: 假设与推断。

要做的练习: 一起报计算、假设、目标及真实数据还需的证据。

检查标准: 敏感性区间不是置信区间，精确不等于设计有效。

你的笔记:

________________________________

## 原创例题与解析: 原创IV总体：比率属于一种反应类型

虚构总体精确E\[D|Z0\]=0.20、E\[D|Z1\]=0.60、E\[Y|Z0\]=10、E\[Y|Z1\]=14；D/Z二元，Y为分。求第一阶段、简化式、服从者比例及识别效果。

前提假设: Z独立于潜在结果和潜在接受类型；处理明确、一致、无干扰。排除规定Z只经D影响Y；每单位D(1)≥D(0)，第一阶段非零。均为精确总体量，不是样本或真人资料。

你的笔记:

________________________________

## 改变假设，再做一题: 改变排除：工具也直接加到结果

保留精确矩和接受假设，改Y=Y\_base(D)+δZ；δ对所有单位相同且无D交互，Z仍独立于基准潜在结果及类型。先δ=1.5分，再只知0≤δ≤2。

你的笔记:

________________________________

## 进入下一阶段之前

- 能说目标及每项识别假设。
- 能复算比率、类型比例和直接路径校正。
- 能区分局部效果、结构区间及抽样误差。

## 答案与解释

### 变量是什么？

Z和D是二元工具与处理，Y以分计。效果比较同单位D1与D0的潜在结果。

### 识别谁？

本题单调模型识别服从者：Z由0到1时D也由0到1者的平均效果，不自动等于一直接受或从不接受者。

### 精确矩为何？

去掉题中抽样噪音，不验证结构假设或自动得到总体平均效果。

### 原创IV总体：比率属于一种反应类型

1. 第一阶段0.40，简化式4分，Wald=4/0.40=10分／处理转换。
2. 单调二元类型为一直接受0.20、服从0.40、从不接受0.40，无反向者。
3. 独立与排除让结果对比来自0.40服从者的处理变化，除该比例得其平均效果10。
4. 其他类型没有揭示反事实效果，四矩不能确定他们或全体平均效果。

第一阶段0.40、简化式4、服从比例0.40及局部平均效果10，依赖完整模型。

检验结果: 核比例合1及0.40×10=4；撤排除或独立，比率仍可算但解释可能失效。

### 改变假设，再做一题: 改变排除：工具也直接加到结果

1. 简化式4同时含δ与0.40×基准服从者效果，即4=δ+0.40×LATE\_base。
2. δ1.5时(4−1.5)/0.40=6.25；未校正10混合了两个渠道。
3. δ在\[0,2\]，校正效果为\[5,10\]。仅是共同加性旁路下的结构敏感性，不是置信区间或任意违例结果。

直接效应已知1.5得6.25，只知\[0,2\]则效果\[5,10\]；原排除假设被替代，并未被验证。

检验结果: 端点乘0.40再加对应δ应回4；异质直接效应或D交互需另模。

## 常见误区

### 相关就有效

工具可推动处理也走别的结果渠道。

### 局部当全体

不改处理者的效果未被识别。

### 敏感性当精度

精确矩去抽样噪音，不消结构疑问。

## 参考来源与版本

- [Author: complete free research-design text](https://theeffectbook.net/)
  免费设计／工具结构支持先识别后实现。

- [Routledge: selected 2025 second edition](https://www.routledge.com/The-Effect-An-Introduction-to-Research-Design-and-Causality/Huntington-Klein/p/book/9781032580227)
  2025第2版与独立更新网页页码分开。

- [KRIHS library: held 2006 third edition and contents](https://library.krihs.re.kr/library/10110/contents/5932510)
  保留旧版回归IV范围，不暗换新书。

- [Pearson: selected 2018 fourth-edition hardcover and later formats](https://www.pearson.com/en-us/subject-catalog/p/introduction-to-econometrics/P200000006421/9780134461991)
  2018精装与较晚数字产品区分；总体矩和解题为原创。

这些是本站建议的学习活动，并非大学官方作业，也不代表对每本书逐页通读。

[编辑与选书方法](https://unireadinglist.com/zh-cn/editorial/)