The explanatory videos are uploaded to Bilibili.

写在前面：理解计量经济学的3种方式

在计量经济学的学习过程中，我认为有三种理解方式（或认识角度）——理论、操作、应用，这三者你中有我、我中有你、互相映照、共同帮助我们理解计量经济学的本质。

具体而言，理论就是数学基础与推导，比如OLS参数估计值的推导、检验统计量的构造、根据实际研究的问题和数据选择合适的模型等等，这是使用伍德里奇教材时我们主要学习的部分。

操作是运用计算机软件处理、分析数据的过程，在经济学里我们常用Stata来实现。

而应用则是结合经济学模型与实证分析，如估计菲利普斯曲线、验证有效市场假说，让模型与数据有经济学意义，这正是我们在看经济学论文时关注的东西。

！计量初学者可以直接跳过这一部分

我们在书中经常看到这样的“算法块”，以伍德里奇第12章为例，在这里我们不从ARIMA(p,d,q)模型和序列相关、异方差说起，而是以从理论向操作转变的代码描述为例，我建议同学们在学习过程中遇到例题或这种描述性语句多想想Stata代码该怎么写。

下面给出了第12章所有代码描述所对应的基本语法，上图对应最后一个代码块：

* Testing for AR(1) Serial Correlation with Strictly Exogenous Regressors:
reg y_t x_t1 ... x_tk
predict uhat, residual
reg uhat L.uhat

* Testing for Serial Correlation with General Regressors:
reg y_t x_t1 ... x_tk
predict uhat, residual
reg uhat x_t1 ... x_tk L.uhat

* Testing for AR(q) Serial Correlation:
reg y_t x_t1 ... x_tk
predict uh, res
reg uhat x_t1 ... x_tk L.uh L2.uh ... Lq.uh
test L1.uh L2.uh ... Lq.uh

* Feasible GLS Estimation of the AR(1) Model:
reg y_t x_t1 ... x_tk
predict uhat, res
reg uhat L.uhat //Cochrane-Orcutt (CO) estimation
prais y_t x_t1 ... x_tk //Prais-Winsten (PW) estimation

* Serial Correlation–Robust Standard Error for b1_hat:
newey y_t x_t1 ... x_tk, lag(n)

* Feasible GLS with Heteroskedasticity and AR(1) Serial Correlation:
reg y_t x_t1 ... x_tk
predict uh, r
gen lu2 = ln( uh^2 )
reg lu2 x_t1 ... x_tk
predict gh
gen hh = exp(gh)
prais y x_t1 ... x_tk [aw=1/hh]

伍德里奇的例题和习题都是非常好的练习素材，习题内容与难度也是层层递进、前后呼应的；

当我们掌握了第12章所有的理论和Stata操作后，就要通过练习来达到理论联系实际最终达到应用，不妨来看一道有趣的课后计算机练习，这道题还有个名字叫“风浪越大，鱼越贵”（stormy seas would increase the price of fish）：

这道题是当时另一个计量班的作业，有同学问我然后我写的代码如下：

bcuse fish
global x "mon tues wed thurs"
reg lavgprc $x t
test $x
reg lavgprc $x t wave2 wave3
predict u, res
tsset t
reg u l.u
quietly reg lavgprc $x t wave2 wave3
est store m1
quietly newey lavgprc $x t wave2 wave3, lag(4)
est store m2
esttab m1 m2
prais lavgprc $x t wave2 wave3
test wave2 wave3

可以看到，尽管理论部分（Prais-Winsten估计、Newey-West方法…）的计算有些麻烦，但在Stata里往往只需要一行命令就能实现（我们是站在前人的肩膀上摘苹果！），因其简洁性我们是不是通过理解Stata代码就能记住理论推导步骤了呢。

另一个简单的例子

对于刚接触计量经济学的同学来说上面的内容可能有些难度，看不懂没关系，我们换一个更为简单的例子来说明：

1. 理论： 在一元线性回归中，回归模型为： \(y=\beta_0+\beta_1x+u\) 。为了保证OLS被估参数的无偏性，需要满足 \(Gauss-Markov\) 假定，其中假定4为： \(E(u|x)=0\)

2. 应用： 考虑教育的投资回报率（明瑟方程），回归方程就可以写为： \(ln(wage)=\beta_0+\beta_1educ+u\) 。如何理解零条件均值假定？其中需要满足解释变量 \(educ\) 和误差项 \(u\) 不相关，即 \(Cov(x,u)=0\) ， \(u\) 中可能包含有“能力” \(ability\) ，能力 \(ability\) 越高则受教育年限 \(educ\) 可能更大（有更多接受教育的机会），那么 \(educ\) 和 \(u\)就可能相关。

   不要小看这个简单的例子，随着学习的深入，我们会在模型中加入一些控制变量、使用代理变量 \(IQ\) （尽管 \(IQ\) 是 \(ability\) 的好的代理变量，但不是 \(educ\) 的好的工具变量，因为不满足外生性假定），用父母的教育程度或兄弟姐妹数作IV、用出生季度作IV（Angrist & Krueger, 1991），研究女性的教育回报率（Mroz, T.A., 1987）——bcuse mroz（Wooldrige, 6e：例题15.1、15.5、16.5），用PSM-DID方法研究如果上TJU而不是NKU工作后的工资是不是会更高，还可以采用断点回归（fuzzy RD）的方法¹…

3. 操作： 主要用到的就是reg命令，Stata代码为：

   bcuse wage1
   gen lwage = ln(wage)
   reg lwage educ
   

   ---

因此这门课不是对计量1和计量2内容的简单补充和重新组织，也不是一门专门讲Stata数据处理与编程的课，而是基于伍德里奇《计量经济学导论：现代观点》教材，理论与实践并重，用计量理论引领Stata的学习，通过Stata练习反向加深对理论知识的理解，并辅之以相关经典、前沿、顶刊文献的阅读与复现，实现“理论-操作-应用”三个维度的有机融合，以期提高同学们的学术能力与规范，为大创、论文等打下良好且坚实的基础。