01 / 導讀
導讀
引用
Angrist, J. D., & Pischke, J.-S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton University Press.
章節概要
作為研究生計量經濟學著作，本書篇幅不長，參考文獻之前約340頁（普林斯頓大學出版社標示平裝本總頁數為392頁）。全書分為三個板塊：導論（第1–2章）、核心（第3–5章）和擴展（第6–8章），最後是一個簡短的收尾部分。出版社稱，本書是對計量經濟學要點的一次不拘一格的回顧，聚焦於應用研究者最常用的工具，並解釋了為什麼更花哨的技術通常沒有必要，甚至有危險。
第1章 關於問題的問題（Questions about Questions）
導論部分的簡短開篇，講述驅動各種方法的問題。全書圍繞明確的因果問題展開，例如縮小班級規模是否能提高學習成效，或者教育能使工資提高多少。
第2章 理想的實驗（The Experimental Ideal）
把隨機實驗作為因果推論的基準。各節依次討論選擇問題、隨機分配如何解決選擇問題，以及對實驗的迴歸分析。
第3章 讓迴歸有意義（Making Regression Make Sense）
核心部分開頭的一章，篇幅較長，約85頁。內容包括迴歸基礎、迴歸與因果關係、異質性與非線性，以及迴歸細節一節。附錄推導平均導數加權函數。
第4章 工具變數的實際運用：有時你能得到你所需要的（Instrumental Variables in Action: Sometimes You Get What You Need）
把工具變數作為分析自然實驗的方法。各節涉及工具變數與因果關係、漸近兩階段最小平方法推論、兩樣本與分樣本工具變數、潛在結果異質時的工具變數、局部平均處理效果（LATE）的推廣，以及工具變數的細節，並有附錄。
第5章 平行世界：固定效果、差異中之差異與追蹤資料（Parallel Worlds: Fixed Effects, Differences-in-Differences, and Panel Data）
討論個體固定效果、差異中之差異，以及固定效果與落後應變數之間的選擇，並附有關於後者的附錄。
第6章 有點跳躍：斷點迴歸設計（Getting a Little Jumpy: Regression Discontinuity Designs）
涉及精確斷點迴歸設計和模糊設計，本章把後者與工具變數聯繫起來。
第7章 分量迴歸（Quantile Regression）
介紹分量迴歸模型以及分量處理效果的工具變數估計，把分析從條件平均數擴展到分配的其他位置。
第8章 非標準的標準誤問題（Nonstandard Standard Error Issues）
處理如何得到正確的標準誤：穩健標準誤估計的偏誤，以及追蹤資料中的群聚與序列相關，附錄推導簡單的 Moulton 因子。
結語（Last Words）
位於縮寫表、實證研究索引和參考文獻之前的簡短收尾部分。
核心概念
導論（第1–2章）
- 選擇問題：群體之間的差異不僅來自處理本身，也來自誰接受了處理。
- 隨機分配：消除選擇問題的實驗，是非實驗研究的基準。
核心（第3–5章）
- 迴歸與因果關係：迴歸係數在什麼情況下可以解讀為因果效果。
- 工具變數與 LATE：用工具變數識別其改變了處理狀態的那部分人的效果。
- 固定效果與差異中之差異：利用重複觀測和政策變化來控制不可觀測的差異。
擴展與推論（第6–8章）
- 斷點迴歸（精確與模糊）：利用規則中的門檻，比較恰好位於門檻兩側的個體。
- 分量迴歸：估計結果分配上平均數以外位置的效果。
- 穩健標準誤與群聚標準誤：允許異質變異以及組內相關的統計推論。
評析
優點
- 集中的工具箱。 本書集中講述用於統計控制的迴歸、工具變數、差異中之差異、斷點迴歸和分量迴歸，外加標準誤。作者網站上引用的評論者稱它濃縮了通常需要多年才能獲得的知識（Amitabh Chandra，哈佛甘迺迪學院），並稱它很好地結合了統計細節、計量直覺和實務指導（Bill Evans，聖母大學）。
- 先設計，後技術。 每種工具都被作為回答因果問題的方式引入，並以第2章的理想實驗為錨點，使讀者有一套一貫的標準來評判識別策略。
- 大量實證例子。 出版社強調書中有許多應用個體經濟學的實證例子，書末還有所用實證研究的索引。
- 面向實務工作者。 Sandra Black（加州大學洛杉磯分校）稱它不僅是學生的資源，也是所有從事實證工作者的資源。
- 對統計推論的涵蓋。 用整整一章講標準誤，包括群聚和序列相關，提供了同等篇幅的教科書常常缺少的實用指導。
- 公認的教學用書。 根據普林斯頓大學出版社的資料，本書獲得了芝加哥大學布斯商學院頒發的2018年（第二屆）Eugene Fama 博士教育傑出貢獻獎。這項獎項肯定的是它在博士教學中的角色，而非其研究貢獻。出版社頁面上還刊載了 James Davidson（Times Higher Education）、Diane Coyle、James Robinson（哈佛大學）、Gary Solon（密西根州立大學）、Guido Imbens（哈佛大學）和 Orley Ashenfelter（普林斯頓大學）的推薦語。這些屬於宣傳性推薦，應將其視為本書在經濟學家之中地位的訊號，而非獨立的評價。
侷限
- 以修過一門課程為前提。 本書是一本伴讀而非入門教科書；沒有學過普通最小平方法和基本機率的讀者會覺得內容密集。
- 有選擇的工具箱。 本書集中於應用個體經濟學的方法，沒有專講時間序列方法的章節，因此是對完整計量經濟學教科書的補充而非替代。
- 課程中常為選擇性指定。 下文所列的課程大綱只指定部分章節，有些還將本書與另一本教科書或原始研究文獻搭配使用。
在課程中的定位
這是書單上層次最高的計量經濟學著作，面向將要從事應用個體經濟學研究的讀者。Stock 與 Watson 的 Introduction to Econometrics 和 Wooldridge 的 Introductory Econometrics: A Modern Approach（本站皆有導讀）從頭講授迴歸、假設檢定、追蹤資料和工具變數，是合適的起點；Studenmund 的 Using Econometrics 透過直覺和實作而非矩陣代數講授單一方程式迴歸。Newbold 等人的 Statistics for Business and Economics 是提供機率與推論背景的統計學教科書。
同兩位作者的 Mastering 'Metrics（本站亦有導讀）是通俗的伴讀本：它透過著名研究，用平實的語言和極簡的符號介紹五種核心工具。先讀它或與之並讀，能讓 Mostly Harmless Econometrics 中更形式化的論述容易理解得多，作者自己的網站也把覺得數學太重的讀者引向那本書。有些研究所課程明確採取這種搭配，例如下文所列的休士頓大學課程就同時指定這兩本書。
出版社指出，Joshua Angrist 於2021年獲得諾貝爾經濟學獎；而上文提到的 Fama 獎，則特別標誌了本書作為博士教學用書的地位。
如何使用本書
本書適合已經掌握普通最小平方法以及基本機率統計（期望值、變異數、抽樣分配）的經濟學及相關領域研究生和應用研究者。
實用安排：
- 核心： 按順序讀第2至5章。第2章確立邏輯；第3章值得仔細閱讀，尤其是關於迴歸與因果關係的各節；第4章和第5章給出處理不可觀測干擾因素的兩大主要策略。
- 擴展： 第6章和第7章在第5章之後可以任意順序閱讀。
- 推論： 在開展任何實證專案之前先讀第8章，因為它講穩健標準誤和群聚標準誤。
每讀一章，可從書中的實證研究索引裡選一項研究，閱讀原論文，看這種方法如何實際運用。初讀時可跳過附錄，需要推導時再回頭查閱。
常見課程指定閱讀
以下公開的課程大綱指定的是本書的部分內容而非全書，主要集中在開篇和核心章節：
近期：
- 休士頓大學，ECON 7335 Applied Econometrics（Chin，2026年春季）： 第1章；第2章關於選擇與隨機分配的內容；第3章關於迴歸與配對的內容。本課程將本書與 Mastering 'Metrics 搭配使用。
較舊的存檔書單：
- 密西根大學，PUBPOL 639（Stange，2012年冬季）： 第3章至3.2.3節，接著讀3.3節；第5章至5.1節；以及關於差異中之差異的5.2節，並與 Card 和 Krueger（1994）一併閱讀。
- 佛羅里達大學，ECO 7452（2017年春季）： 第1–2章，作為現代實證研究的入門。
如果是自學，合理的起點是第1–3章（與休士頓大學課程相同）。第5章的差異中之差異內容，最好如密西根大學課程那樣，搭配 Card 和 Krueger（1994）等經典應用一起閱讀。
版本說明
普林斯頓大學出版社平裝本（ISBN 9780691120355）於2009年1月4日出版，共392頁，分為導論（第1–2章）、核心（第3–5章）和擴展（第6–8章）三個板塊。依照課程大綱的章節編號閱讀時，請確認所指的是 Mostly Harmless Econometrics 而非 Mastering 'Metrics，因為有些課程材料會混用這兩本書。
