01 / 导读
导读
引用
Angrist, J. D., & Pischke, J.-S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press.
章节概要
作为研究生计量经济学著作，本书篇幅不长，参考文献之前约340页（普林斯顿大学出版社标注的平装本总页数为392页）。全书分为三个板块：导论（第1–2章）、核心（第3–5章）和扩展（第6–8章），最后是一个简短的收尾部分。出版社称，本书是对计量经济学要点的一次不拘一格的回顾，聚焦于应用研究者最常用的工具，并解释了为什么更花哨的技术通常没有必要，甚至有危险。
第1章 关于问题的问题（Questions about Questions）
导论部分的简短开篇，讲述驱动各种方法的问题。据出版社介绍，全书围绕明确的因果问题展开，例如班级缩小是否提高学习成绩，或者教育能使工资提高多少。
第2章 理想的实验（The Experimental Ideal）
把随机实验作为因果推断的基准。各节依次讨论选择问题、随机分配如何解决选择问题，以及对实验的回归分析。
第3章 让回归有意义（Making Regression Make Sense）
核心部分开头的一章，篇幅较长，约85页。内容包括回归基础、回归与因果关系、异质性与非线性，以及回归细节一节。附录推导平均导数加权函数。
第4章 工具变量的实际运用：有时你能得到你所需要的（Instrumental Variables in Action: Sometimes You Get What You Need）
把工具变量作为分析自然实验的方法。各节涉及工具变量与因果关系、渐近两阶段最小二乘推断、两样本与分样本工具变量、潜在结果异质时的工具变量、局部平均处理效应（LATE）的推广，以及工具变量的细节，并有附录。
第5章 平行世界：固定效应、双重差分与面板数据（Parallel Worlds: Fixed Effects, Differences-in-Differences, and Panel Data）
讨论个体固定效应、双重差分，以及固定效应与滞后因变量之间的选择，并附有关于后者的附录。
第6章 有点跳跃：断点回归设计（Getting a Little Jumpy: Regression Discontinuity Designs）
涉及精确断点回归设计和模糊设计，本章把后者与工具变量联系起来。
第7章 分位数回归（Quantile Regression）
介绍分位数回归模型以及分位数处理效应的工具变量估计，把分析从条件均值扩展到分布的其他位置。
第8章 非标准的标准误问题（Nonstandard Standard Error Issues）
处理如何得到正确的标准误：稳健标准误估计的偏误，以及面板中的聚类与序列相关，附录推导简单的 Moulton 因子。
结语（Last Words）
位于缩略语表、实证研究索引和参考文献之前的简短收尾部分。
核心概念
导论（第1–2章）
- 选择问题：群体之间的差异不仅来自处理本身，也来自谁接受了处理。
- 随机分配：消除选择问题的实验，是非实验研究的基准。
核心（第3–5章）
- 回归与因果关系：回归系数在什么情况下可以解读为因果效应。
- 工具变量与 LATE：用工具变量识别其改变了处理状态的那部分人的效应。
- 固定效应与双重差分：利用重复观测和政策变化来控制不可观测的差异。
扩展与推断（第6–8章）
- 断点回归（精确与模糊）：利用规则中的门槛，比较恰好位于两侧的个体。
- 分位数回归：估计结果分布上均值以外位置的效应。
- 稳健标准误与聚类标准误：允许异方差以及组内相关的统计推断。
评析
优点
- 集中的工具箱。 本书集中讲述用于统计控制的回归、工具变量、双重差分、断点回归和分位数回归，外加标准误。作者网站上引用的评论者称它把通常需要多年才能获得的知识浓缩了（Amitabh Chandra，哈佛肯尼迪学院），并称它很好地结合了统计细节、计量直觉和实践指导（Bill Evans，圣母大学）。
- 先设计，后技术。 每种工具都被作为回答因果问题的方式引入，并以第2章的理想实验为锚点，使读者有一套一贯的标准来评判识别策略。
- 大量实证例子。 出版社强调书中有许多应用微观经济学的实证例子，书末还有所用实证研究的索引。
- 面向实践者。 Sandra Black（加州大学洛杉矶分校）称它不仅是学生，而且是所有做实证工作的人的资源。
- 对统计推断的覆盖。 用整整一章讲标准误，包括聚类和序列相关，提供了同等篇幅的教材常常缺少的实用指导。
- 作为教学用书获得认可。 据普林斯顿大学出版社介绍，本书获得了芝加哥大学布斯商学院颁发的2018年（第二届）尤金·法玛博士教育杰出贡献奖（Eugene Fama Prize for Outstanding Contributions to Doctoral Education）。该奖表彰的是它在博士教学中的作用，而非其研究贡献。出版社页面还刊载了 James Davidson（《泰晤士高等教育》）、Diane Coyle、James Robinson（哈佛大学）、Gary Solon（密歇根州立大学）、Guido Imbens（哈佛大学）和 Orley Ashenfelter（普林斯顿大学）的推荐语。这些属于宣传性推荐，应视为本书在经济学家中地位的信号，而不是独立的评价。
局限
- 以学过一门课程为前提。 本书是一本伴读而非入门教材；没有学过普通最小二乘法和基本概率的读者会觉得内容密集。
- 有选择的工具箱。 本书集中于应用微观经济学的方法，没有专讲时间序列方法的章节，因此是对完整计量经济学教材的补充而非替代。
- 课程中通常只选用部分内容。 下文列出的教学大纲只指定部分章节，其中一些还把本书与另一本教材或原始研究文献搭配使用。
在课程中的定位
这是书单上层次最高的计量经济学著作，面向将要从事应用微观经济学研究的读者。Stock 与 Watson 的 Introduction to Econometrics 和 Wooldridge 的 Introductory Econometrics: A Modern Approach（本站均有导读）是从头讲授回归、假设检验、面板数据和工具变量的教材，是合适的起点。Studenmund 的 Using Econometrics 通过直觉和实践而非矩阵代数讲授单方程回归。Newbold 等人的 Statistics for Business and Economics 是提供概率与推断背景的统计学教材。
同两位作者的 Mastering 'Metrics（本站也有导读）是通俗的伴读本：它通过著名研究，用平实的语言和极简的符号介绍五种核心工具。先读它或与之并读，能让 Mostly Harmless Econometrics 中更形式化的论述容易理解得多，作者自己的网站也把觉得数学太重的读者引向那本书。一些研究生课程明确采用这种搭配，例如下文列出的休斯敦大学2026年春季课程就同时指定了这两本书。
出版社指出，Joshua Angrist 于2021年获得诺贝尔经济学奖；而上文提到的法玛奖则专门表明本书是一本博士教学用书。
如何使用本书
本书适合已经掌握普通最小二乘法以及基本概率统计（期望、方差、抽样分布）的经济学及相关领域研究生和应用研究者。
实用安排：
- 核心： 按顺序读第2至5章。第2章确立逻辑；第3章值得仔细阅读，尤其是关于回归与因果关系的各节；第4章和第5章给出处理不可观测混杂因素的两大主要策略。
- 扩展： 第6章和第7章在第5章之后可以任意顺序阅读。
- 推断： 在开展任何实证项目之前先读第8章，因为它讲稳健标准误和聚类标准误。
每读一章，可从书中的实证研究索引里选一项研究，阅读原论文，看这种方法如何实际运用。初读时可跳过附录，需要推导时再回头查阅。
常见课程安排
以下公开的教学大纲只指定本书的部分内容而非全书，重点集中在开篇和核心章节：
近期：
- 休斯敦大学，ECON 7335 应用计量经济学（Chin，2026年春季）： 第1章；第2章关于选择问题与随机分配的内容；第3章关于回归与匹配的内容。该课程与 Mastering 'Metrics 搭配使用。
较早的存档书单：
- 密歇根大学，PUBPOL 639（Stange，2012年冬季）： 第3章至3.2.3节，然后是3.3节；第5章至5.1节；以及关于双重差分的5.2节，与 Card 和 Krueger（1994）一并阅读。
- 佛罗里达大学，ECO 7452（可能为2017年春季）： 第1–2章，作为现代实证研究的入门。
如果自学，一个合理的起点是第1–3章（与休斯敦大学的课程相同）。第5章的双重差分内容最好与经典应用研究（如 Card 和 Krueger（1994））对照阅读，正如密歇根大学的课程那样。
版本说明
普林斯顿大学出版社的平装本（ISBN 9780691120355）于2009年1月4日出版，共392页，分为导论（第1–2章）、核心（第3–5章）和扩展（第6–8章）三个板块。按照教学大纲中的章节编号阅读时，请确认所指的是 Mostly Harmless Econometrics 而非 Mastering 'Metrics，因为有些课程材料会把这两本书混在一起。
