乔舒亚•安格里斯特（Joshua D.Angrist），“因为对因果关系分析的方法论贡献”摘获2021年诺贝尔经济学奖。

安格里斯特现任美国麻省理工学院Ford经济学教授、Blueprint Labs主任，美国国家经济研究局研究员，美国艺术与科学院院士，计量经济学学会会员。曾任教于以色列希伯来大学和美国哈佛大学。主要教授劳动经济学和计量经济学，研究领域广泛，涉及教育经济学、社会实验、公共项目的计量经济学方法研究以及政策评估。著有《基本无害的计量经济学：实证研究者指南》《精通计量：因果之道》。

约恩-斯特芬•皮施克（Jörn-Steffen Pischke），英国伦敦政治经济学院（LSE）教授，LSE经济表现中心资深研究员，美国国家经济研究局研究员。主要教授劳动经济学和计量经济学，研究领域集中为教育政策评估，包括义务教育的收入回报、学期长短对学生成绩的影响，以及班级成员间的影响效应等。著有《基本无害的计量经济学：实证研究者指南》《精通计量：因果之道》。

这是一本“背叛”传统计量经济学的实证指南。

小班化教学促进学生的学习吗？

家暴施暴者是否应该被逮捕呢？

教育在多大程度上提升了工资？

……

随着基于自然实验的实证研究的兴起，经济学界越来越重视探寻因果关系在经济学研究中的作用。而计量经济学工具包中的一些核心方法，如工具变量法、双重差分法等，在现代实证主义范式下，引导人们将视线更多地投向寻找和解释清晰的因果问题。与过去强调首先确定理论模型，基于模型假设进行分析不同，本书展示了应用计量经济学的基本工具如何“让数据说话”，为实证研究者把握计量经济学的精义提供了一个向导。

此外，本书还涉及几个重要的扩展——断点回归设计和分位数回归，以及如何修正标准误差。安格里斯特和皮施克解释了为什么很多看似高级华丽的计量方法常常不是必需的，有时甚至是有害的。对于当代社会科学的很多研究领域来说，本书所强调的应用计量经济学方法是极好上手的，并且息息相关。

有趣而且不同寻常，这是本有着自身特点的计量经济学教科书。它为那些需要经常分析经济数据的人士提供了实实在在的答案和建议，以帮助他们解决自己面临的问题。

——吉多·因本斯（Guido Imbens），哈佛大学

无论是政治科学研究者，还是社会学家、历史学家、地理学家抑或是人类学家等，对任何希望在社会科学领域构思研究并进行验证的科研人员而言，都应该将这本开创性的书籍列为必读书目。本书构思精巧、有趣，能够引导你穿越社会科学实证研究的迷雾。我真希望多年前就能读到这本书。

——詹姆斯·鲁宾逊（James Robinson）, 哈佛大学

这是一本适合所有实证研究者而非仅适合学生使用的书籍，任何一个实证计量工作者都能将它看作一份极*的参考文献。

——桑德拉·布莱克（Sandra Black），加州大学洛杉矶分校

Angrist讲述道：

“让我们思考那些原本无法考虑的事物，让我们做那些原本没法去做的事。

让我们准备好与不可言喻的事物作战，

看看是不是我们根本无法将其降服。”

——Douglas Adams, Dirk Gentlys Holistic Detective Agency

Angrist讲述道：

我第一次做回归还是在1979年的夏季，当时我是奥伯林学院（Oberlin College）一名大一升大二的学生。作为一名研究助理，我为Alan Meltzer和Scott Richard工作，他们是在位于我家乡匹兹堡附近的卡内基—梅隆大学任教的老师。那个时候，我仍然对将来在特殊教育方面的职业生涯充满憧憬，因此计划像前一个暑期一样，作为一名勤杂人员到州立精神医院工作。但是经济学课程却使我陷入深思，也使我看到，在同样的工资水平上，一个研究助理的可支配时间和工作条件要比一个医院勤杂人员好得多。当时，我这个研究助理的职责主要包括数据收集和回归分析，虽然那个时候我压根不懂回归，甚至也不大了解统计知识。

那个夏天我所从事的论文（Meltzer and Richard， 1983）试图用GDP中政府支出比例作为对民主政府规模的衡量，将其与收入不平等之间建立某种联系。由于大部分收入分布都会显示出一个右偏的长尾，这意味着平均收入会大于收入的中位数。因此一旦不平等加剧，会有很多投票者发现他们低于平均收入水平。那些收入处在中位数和平均值之间的人们会因为自己收入水平相对于平均水平的下降而愤怒，于是就与收入低于中位数的人们联合起来投票支持劫富济贫的财政政策。于是政府规模扩大。

由于穷人的投票率比较低，所以我并不觉得Meltzer和Richard的论点总是成立，但当时还是被他们的基本理论所吸引。我还记得曾与Alan Meltzer就政府对教育的支出是否应该归类为公共品（那些对全社会所有人都有益并且对他们产生直接影响的商品）还是公共供给的私人品——一种类似于福利的社会再分配形式，进行过争论。你可能会说，这个研究项目标志着我对教育的社会收益的最早兴趣，的确，后来在Acemoglu和Angrist（2000）的论文中，我以更大的热情和更深刻的领会重新回到这个主题。

时至今日，我把Meltzer和Richard的研究理解为使用回归以发现和定量分析令人感兴趣的因果联系的一次尝试。不过在当时，我纯粹是一个“回归机器”。有时候我甚至发现研究助理的工作令人沮丧。在只与老板以及偶尔与那些不怎么会说英语的卡耐基—梅隆大学博士生的交流中，日子飘然而逝。这项工作最好的地方就是能和Alan Meltzer一起共进午餐，Alan是一位杰出的学者，也是一位富有耐心和天性纯良的导师，在我们一起分享食物时他很乐于谈天（由于Alan吃得很少，而我又吃得太快，所以这种时间总是持续得很短）。我记得，曾经问Alan，他是否对把时间花费在寻求回归结果上感到满意，因为那之后只不过是很多双面加宽绿色条的论文而已。他大笑，然后说这是他最愿意做的。

现在，我们也和我们在大学和研究院的老师和指导教师一样，整日快乐地追寻着回归结果。

导读 

前言

致谢

本书结构

第一部分导论

1关于“问题”的问题 

2理想的实验 

2.1选择性偏误 

2.2用随机分配解决选择性偏误 

2.3对实验的回归分析 

第二部分核心

3让回归变得有意义 

3.1回归的基本原理 

3.2回归与因果关系 

3.3异质性与非线性 

3.4回归的细节 

3.5附录：对加权平均导函数求导 

4实践中的工具变量：得到你想要的 

4.1工具变量与因果关系 

4.2两阶段最小二乘的渐进推断 

4.3双样本工具变量和剖分样本工具变量* 

4.4工具变量与异质性潜在结果 

4.5对局部平均处理效应的推广 

4.6工具变量的细节 

4.7附录 

5相似世界：固定效应、双重差分和面板数据 

5．1个体固定效应

5．2双重差分：事前与事后，处理和控制 

5．3固定效应与滞后被解释变量 

5．4附录：对固定效应模型和滞后被解释变量模型的进一步讨论 

第三部分拓展

6更进一步：断点回归设计 

6．1清晰断点回归 

6．2作为一种工具变量法的模糊断点回归 

7分位数回归 

7．1分位数回归模型 

7．2对分位数处理效应的工具变量估计 

8非标准的标准误问题 

8.1在估计稳健标准误时存在的偏误* 

8.2面板数据中的聚类问题和序列相关问题 

8.3附录：对简单Moulton因子的计算 

最后的几句话 

术语表及名词缩写 

参考文献

译后记