程少为怎么挂号 https://m-mip.39.net/czk/mipso_8231864.html明确站位在谈论如何学习计量经济学之前，我们首先要明确计量经济学的站位。「计量经济学不是统计学，更不是数学，计量经济学是经济学，它关心的是经济变量之间的因果关系」，而不是相关关系，那么究竟什么是因果关系呢？其实说起来很简单，所谓因果就是原因与结果，万事万物，有因必有果，有果必有因，计量经济学要做的无非就是两方面的事情，一是寻找结果背后的原因，二是分析原因对结果的影响。相对而言，第二方面的事情更加简单，可操作性更强，我们做的也更多。在实证研究中，我们通常做的就是分析一个原因变量A对结果变量B的影响（机制），绝大部分经济学实证论文都是如此。例如，林毅夫老师（）发表在AER上的论文《RuralReformsandAgriculturalGrowthinChina》（中国的农村改革与农业增长）研究的就是家庭联产承包责任制对中国农业增长的影响，家庭联产承包责任制改革是因，中国农业增长是果，林老师使用规范的计量经济学方法厘清了中国农村改革和农业增长之间的因果关系。囿于选择性偏差（内生性问题）的存在，识别因果效应是相当困难的，如何消除选择性偏差（内生性问题）可谓成了整个微观计量经济学的核心，「随机试验、回归、工具变量、双重差分和断点回归这“功夫五侠”都能够或多或少地解决某些类型的选择性偏差问题」，至于它们的“功力”如何，大家可以去阅读安神的《精通计量：从原因到结果的探寻之旅》和赵西亮老师的《基本有用的计量经济学》，这两本书都是从消除选择性偏差和识别因果效应角度展开的。除此之外，我们还要明白「计量经济学更多地是用于解释，而不是用于预测」。在计量经济学中，函数形式通常是由经济模型本身给出，而不是数据驱动，模型中每一个参数都是具有“经济学含义”的，我们的计量方法是服务于理论的，经济学理论指导我们建立合适的计量模型，并帮助我们对估计系数的方向和大小进行解释。如果你想要做预测，那么机器学习会更是你的菜，支持向量机、随机森林、XGBoost、LightGBM和神经网络等算法都是预测的好手（但解释能力差），如果你对这方面感兴趣，那么可以去阅读周志华老师的《机器学习》（西瓜书）和李航老师的《统计学习方法》（蓝皮书）。现在有越来越多的学者开始将机器学习方法引入传统的计量经济学，特别值得我们思考的是如何将机器学习与因果推断结合起来，如果不能紧密结合，那么机器学习对经济学来说也就是“牛头不对马嘴”。很多学校在讲授计量经济学的过程中，「过多地进行数学推导和定理证明，不重视与实证问题的结合和对因果推断的强调」，像高斯马尔科夫假定、异方差、自相关和联立方程模型等老掉牙的问题能啰啰嗦嗦讲一大堆，而对现在主流的微观计量方法如固定效应方法（FE）、双重差分法（DID）、断点回归设计（RDD）、合成控制法（SCM）和倾向得分匹配（PSM）等方法提及的篇幅相当少甚至可以说没有。这样老师教的很累，学生学的也很累，甚至会给学生带来计量经济学就是数学和统计学的极大误解，到了写毕业论文的时候，大家也就只会用个OLS、MLE，计量的教学方式存在问题，如何指望学生能写出好的经济学实证论文。武林秘籍当然，想要练就一身计量功夫，那自然少不了“武林秘籍”（教材）的帮助和指引：
入门：中室牧子和津川友介《原因与结果的经济学》，伍德里奇《计量经济学导论：现代观点》，配合安神《精通计量：从原因到结果的探寻之旅》。《原因与结果的经济学》这本小书极其通俗易懂，即使没有数学基础也能读懂，可当做一本睡前枕边读物，伍德里奇《计量经济学导论：现代观点》这本书最大的好处就是根据常用的数据类型介绍对应的方法，但是缺乏因果推断的内容（会让你觉得计量就是高斯马尔科夫假定，就是在跑回归），和安神的新书《精通计量：从原因到结果的探寻之旅》配合起来学习能够更好地理解回归和因果推断。
进阶：陈强老师《高级计量经济学及Stata应用》或科林·卡梅伦《用STATA学微观计量经济学》，这两本书的好处是可以边学计量边学Stata，陈强老师的书中的公式、定理推导较多，不喜欢数学的同学可以只看纯文字部分，然后对照着Stata操作部分进行学习。
应用：安神《基本无害的计量经济学》（“圣经”）、赵西亮《基本有用的计量经济学》、邱嘉平《因果推断实用计量方法》，安神的基本无害可谓是微观计量领域的“圣经”，不过中译版一言难尽，英文好的同志可以去看原版，英文不好的同志可以去读赵西亮老师和邱嘉平老师的那两本书，内容都涵盖了微观计量的主流方法，干货满满，相信诸君读完定有收获。啃完教材就可以开始阅读国内国外top期刊上的经典论文了，AER、QJE和JPE等top期刊都会在