第1章導(dǎo)論計量經(jīng)濟學(xué)及stata應(yīng)用

1ei(X是否導(dǎo)致Y)例(相關(guān)關(guān)系)例(相關(guān)關(guān)系)根據(jù)與流感相關(guān)的海量詞條搜索記錄，谷歌公司通過分析大數(shù)據(jù)(bigdata)，可以很快地預(yù)測流行病的地域傳播。這也只是相關(guān)關(guān)系，上網(wǎng)搜索流感信息并不導(dǎo)致流感。如果只對預(yù)測 X導(dǎo)致Y的作用機制。但即使有理論基礎(chǔ)，因果關(guān)系常常依然不好分辨。2 例(逆向因果 金融發(fā)展能夠促進經(jīng)濟增長(為企業(yè)成長 。例(逆向因果 收入增加引起消費增長，而消費增長也拉 濟停滯（氣候沖擊引起內(nèi)戰(zhàn)，內(nèi)戰(zhàn)不可能導(dǎo)致氣候異常3其次，被遺漏的第三個變量(Z)也可能對這兩個變量X,Y)同時起作用（要證明X→Y的因果關(guān)系，需要剝離Z→Y的影響，1.1。

4例(遺漏變量 結(jié)果發(fā)現(xiàn)，許多人類躺在醫(yī)院病床X)之后死去(Y) ，總是發(fā)生 外星人于是 于某頂尖經(jīng)濟學(xué)期，并Understandingcausalityisimportantbecausemisunderstandingitcanleadtototallydifferentimplications.5例(遺漏變量

考慮決定教育投資回報率(returnstolnwisi lnwi(工資對數(shù))：被解釋變量(dependentsi(schooling, 教育年限)：解釋變量(ex regressor)或自變量(independentvariable)。

i：不可觀測(unobservable)的“誤差項”(errorterm)或“隨機擾動項”(stochasticdisturbance)，包括所有除si以外對lnwi有影響的下標(biāo)i：表示第i個觀測值( 6截距項與斜率的經(jīng)濟含義為教育投資的回報率，即多上一年學(xué)，未來工資教育年限顯著正相關(guān)，且教育投資回報率 7、 (2013)研究發(fā)現(xiàn)，我國勞動 行為，身材“偏胖”對女 影響；女性身高每增加１厘米其工資收入會提高1.5%-2.2% 勞動力市場中的“美貌經(jīng)濟學(xué)身材重要嗎？，《經(jīng)濟學(xué)(季)》第12卷第3期）、 (2010)發(fā)現(xiàn)，吸煙對收入沒有顯著的影響 ，2010，香煙、美酒和收入經(jīng)濟研究》第10期8需盡可能多地引入“控制變量”(controlvariables)，也就是多元 ofinterest)，即本例的教育投資回報率。現(xiàn)實中總有某些相關(guān)的變量無法觀測，即存在“遺漏變量”(omittedvariables)，而遺漏變量統(tǒng)統(tǒng)被納入到隨機擾動項i隨機擾動項i中還可能包含哪些其他因素呢？如果真實模型(truemodel)lnwss2 i那么s2也被納入到擾動項中了(可以視為廣義的遺漏變量)。 i9 但我們又希望擾動項擁有很好的性質(zhì)（關(guān)等在很多情況下，這是自 的由于經(jīng)濟學(xué)通常無法做“控制實驗”(controlledexperiment)濟數(shù)據(jù)一般不是“實驗數(shù)據(jù)”(experimentaldata)，而是自然發(fā)生的“觀測數(shù)據(jù)”(observationaldata)；比如，收集的數(shù)據(jù)。 量 中，為了簡單起見，有時假設(shè)解釋變量是非隨機的、固定的(fixedregressors)。這只是教學(xué)法上的權(quán)宜之計，給深入的理論探討帶來不便。在 的 橫截面數(shù)據(jù)(cross-sectionaldata，簡稱截面數(shù)據(jù))： 比如，2013年中國 的GDP，參見表1.1。表 2013年中國分省GDP(億元內(nèi)圖 注：燈光亮度與GDP顯著正相關(guān)（Hendersonetal.，2012； 時間序列數(shù)據(jù)(timeseries 比如，1994—2013年山東省每年的GDP。表 1994-2013年山東省GDP(億元

圖 頻率（公元722-1911年面板數(shù)據(jù)(panel 比如，1994—2013年中 每年的GDP，參見表。表 1994-2013年中國分省GDP(