如何写第一篇实证研究论文.doc

Econometics & Finance 如 何 寫 第 一 篇 實 證 研 究 論 文以下摘自台湾中央研究院钟经樊老师个人主页，请大家讨论。學習計量經濟學的最後目的是為進行實證研究，但對初學計量經濟學的人而言，要寫一篇有實證研究的報告或論文時常有不知如何著手的感覺，這裡我便對實證研究的規劃以及論文的寫作做一些粗淺的建議。前期規劃：廣泛收集參考文獻，決定計劃的目的和範疇：決定所要解釋的現象是什麼？ 決定所要檢驗的假設或理論是什麼？ 決定所要預測的趨勢是什麼？ 決定所要評估的政策是什麼？建構實證計量模型；除研讀相關經濟理論之外，應比較三至五篇有實證分析之文獻中的實證計量模型：確認計量模型中解釋變數和應變數之間的因果關係（causality）； 釐清各模型的異同及優缺點，思考改進文獻中現存模型的可能； 最後決定實證計量模型雛形；初步調查是否有相關的資料，若無則實證模型設計的再好也無用。收集相關資料；對資料的精確性一定要嚴格查核，對錯假漏資料要仔細修正；使用試算表軟體對資料列表繪圖，以驗證資料的邏輯合理性，對不合理的數值要有所處理；不論要用的是橫斷面資料或是時間數列，資料數目越多越好，追蹤資料（Panel Data）尤佳；對資料數值作一些整理，表列各種基本統計量（樣本平均值、變異數、變數間的樣本相關係數等）、變數之間的兩兩交互列表、做一些初步圖解分析。 計量方法的執行： 計量方法不應太簡單（例如只做到最簡單的 OLS），但也不必過於複雜，應針對問題採用恰到好處的計量方法。若採用了比較複雜的計量方法，則要說明為什麼簡單的方法不適合。計量方法的好壞不在其複雜程度，而在於它是否能夠幫我們得到正確的估計值，以瞭解資料中所包含的真正信息。除了估計值以及對應的 t 檢定外外，也可做一些 F 檢定之對多個係數的假設檢定。迴歸模型的設定，尤其是解釋變數的取捨，可在估計過程中不斷的修正。對應變數和解釋變數均可嘗試諸如對數、指數、冪函數等不同的轉換。這些轉換方式的決定，以經濟理論上的考量最為重要，不能單只為了提高模型的配適，而盲目的做一些不合理的變數轉換。選取解釋變數時，應有如下的考量：解釋變數和應變數之間的因果關係一定要正確，也就是說，解釋變數是原因在先，應變數是結果在後，有一定的先後順序。尤其要注意，有些變數數值的產生很可能是和應變數同時決定的，或是因果關係不很明確（也就是說，相對於應變數而言，這些變數是內生的），則在選取這些變數作為解釋變數時，便要非常小心。解釋變數的內生問題常常是研究被批評的主要原因；要注意解釋變數的同質性，不能不分青紅皂白的將一大堆彼此相關性很高的變數（包括相同變數的不同轉換、或是幾個變數間的各種交乘項）放進迴歸式內，造成嚴重的線性重合問題；經濟理論所牽涉到的變數常常是無法觀察到的，因此在做實證研究時必須採用替代變數（Proxy），研究者要對所選用之替代變數的合理性詳加說明。由於資料總有些缺失，常有人在束手無策之下，採用了很多匪夷所思的替代變數；虛擬變數的定義要清楚而合理，使用要小心；要探討解釋變數不足、觀察值有誤差等資料缺失所可能造成的計量問題。橫斷面資料要注意干擾項不均齊變異（Heteroscedasticity）的問題，時間數列的資料則要注意干擾項自我相關（Autocorrelation）的問題。要確定時間數列的穩定性（Stationarity），若有季節變動也要加以處理。模型的穩定性要注意，可能需要諸如 Chow Test 或 CumSum Test 的檢驗。若用到 MLE 或 GMM 等非線性計算，則在撰寫報告時要對數值方法的細節，諸如統計軟體及數值方法的名稱、起始值之選取、收斂速度、是否產生區域解（local solution）、收斂條件的設定等，均需有所說明。若實證模型中有多個應變數（和對應之方程式）值得同時分析，則可考慮採用 Seeming unrelated regression 甚至聯立迴歸模型等系統模型，以更有效的利用各迴歸式之間的相關性。 報告的寫作：首頁：報告題目，作者名字，系所，學號，日期。摘要：對全文宗旨作一簡單描述，並簡述文章的目的是對經濟結構的分析，還是對未來趨勢的預測，還是對政策的評估；然後簡單介紹所使用的模型及變數，資料的種類及來源，所估計的模型，所採用的計量方法；最後以最主要的實證結果為終結。緒論：說明研究的性質、範圍和目的，並從不同角度或一個比較寬廣的視野（歷史、社會、文獻、問題嚴重性等）來解釋研究的重要性。文獻回顧：對和主題有直接和間接關係的文獻做一個簡單清楚有系統的回顧，和主題有直接關係但有不同結果的文獻，更是要有比較完整的解釋。模型設定：模型有理論模型和實證模型兩類。理論模型是從經濟理論中直接導出，而實證模型則是從理論模型衍申出來，是要實際以資料來估計的。理論模型通常需以數學推導，因此文章中可列出一些關鍵的數式以幫助理論的闡述，但不應長篇累牘的堆積只有間接關係的數式。實證模型通常是以迴歸模型的形式表示，對模型中所涉及的變數均須給與明確的定義，對解釋變數和應變數之間的關係要詳盡的說明，也要解釋對模型中主要係數（或由這些係數所導出之彈性、乘數等）可能數值的大小及符號有怎樣的理論預期。資料說明：對資料的種類，性質，來源出處，資料修訂的方式，資料中可能有的錯誤和缺失，都要有詳細的說明，最好也能將資料的基本統計量表列出來。計量方法的描述：對所用到的每一個符號都要有清楚的定義。實證結果的報告：係數估計的主要結果均須以表列出，在表中每一係數對應之變數名稱要寫清楚，每一係數估計值旁均須伴隨一標準差（s.e.）或 t 統計量，也可加列 p 值，對於顯著的估計值也可附加諸如星號之特殊標記以提醒讀者。顯示模型整體表現的統計量，諸如 R2（線性迴歸模型）， F 檢定統計量， Durbin-Watson 檢定統計量（對時間數列資料），也可選擇性的列於表內。在表的註腳中，必須說明表中所有的特殊符號和簡稱，表中變數名稱的選取，應盡量採用有意義的中文簡稱，少用無意義的英文字母組合。製表的基本原則就是要讓讀者便捷、完整而清楚的瞭解估計的結果；對主要迴歸係數（或由迴歸係數所導出之彈性、乘數等）估計值的大小、符號及顯著與否要詳加討論，對於顯著的估計值更要和理論預期值比較，若有明顯的矛盾，則要探討原因；若能在文獻中找到類似模型的估計結果，則應擇要報告，並做比較；對重要迴歸係數若是得不到顯著的估計值，則要探討其中原因。也絕不能對不顯著的估計值做出過度的解釋，尤其不能宣稱不顯著的估計值支持或不支持某些特定結論。我們要知道估計值不顯著，就是表示所使用的資料不能夠提供足夠的資訊，若是沒有足夠的資訊，當然不能夠也不應該做出任何確切的結論；為增加文章的清晰度，能夠條列的結果應盡量條列（但要注意條列式的闡述易流於機械化而讓讀者失去興趣），同樣的，能夠列表的結果應盡量列表，表格應盡可能的明確、獨立自主而自成一體（多利用表格下端的附註詳加解釋表格的內容），盡可能讓讀者不用在文章中到處找相關說明。此外，圖表也是一個非常精準有效之傳達信息的方式，應多加利用；所有具有政策意義的重要論點都要經過假設檢定的嚴謹統計程序探討其顯著性；若要根據估計模型對資料外的時期或狀況進行預測，則態度必須保守謹慎，儘可能設想預測可能不準的原因，所有列舉的統計數字應盡量保持統一的小數點位數（小數點後三位數或四位數均可），如果有很小或很大的數字，則可以用科學表示法表示（例如 1.2345 x 10-4），儘可能顯示出三至五位有效數字。結論：對所有重要結果做一個完整的總結，並經由理論或資料中不儘完美處的討論，指明未來研究的方向。列舉參考文獻。 一些注意事項： 正確的進行研究很重要，但如何將研究結果有條有理、完整而正確的寫成報告則更是重要。由於大學教育並不重視國文（英文）寫作的訓練，很多學期報告的問題都在於國文 （英文）的寫作。所以對報告主體完成後的文字修飾工作，一定要給與很大的重視。寫論文應該抱持著推銷產品的心態，所以在包裝產品（即寫文章）之前要清楚的瞭解顧客（讀者）的基本心理：顧客基本上是報著不太關心但走著瞧的心理，所以寫文章時，便要時時設想如何能在非常短的時間內讓顧客對產品發生興趣，當然也要設想如何能讓他們在將產品消化後能對產品讚不絕口。大家都知道文章中每一個章節都有一個主題（章節的標題就是用來點明該主題的），但很多人似乎是不知道，文章中的每一個段落也有各自的主題，也就是說每一個段落只是用來說明一件事情的。很多人常在該分段的時候不分，以致一個段落中常擠進兩三個不太相關連的主題，而讓讀者不易掌握文章重點。相對的另一個問題是，同一個主題，也應該在同一個地方講清楚，而不應該在文章中不同的地方重複出現（在序論及結論中對各主題之概論則例外），尤其是不應該在不同的地方出現互相矛盾的說法。但有時候在對一個主題的解釋過程中，可能需要先了解一些其他的概念，因此有必要將一個主題的解釋，分置於文章中兩個不同的段落。若如此則在前一部份解釋完成後，應預先告知往後還會有更多的說明。這種做法既讓讀者有一個全盤了然的感覺，也提醒自己在前後不同地方的說明要彼此呼應而不重複或矛盾。 計 量 經 濟 學 入 門 簡 介在這裡我簡單介紹要如何準備計量經濟學的課程，並說明計量經濟學在經濟系課程安排中的地位，乃至於在經濟學研究中的角色。我所設想的讀者可分為兩類：經濟系大學部，以及研究所碩、博士班的學生； 聽過計量經濟學這個名詞，大致知道它是許多社會科學研究都會用到的一種數量方法，這包括了管理學院、社會科學學院、公衛學院各科系所的學生。 一般人對經濟學的直覺反應是：嗯！那是一個很高深的理論，然而我們也應該知道，經濟學的研究雖然是從嚴謹抽象的理論出發，但因為研究對象是人的行為，經濟學也必須相當實際，當我們評斷經濟理論是否成立時，當然是要看看符不符合人的行為。因此很大一部份經濟學研究是以實際資料的觀察和分析為中心的。為讓經濟系學生有分析資料的能力，經濟系大學部課程中，就都有分析資料所需的統計學課程。然而許多學生在標準的統計學課程中所學到的，多是基本的描述性統計以及簡單的統計運算，以這樣的課程內容，縱使經過一整年的研習，絕大多數學生還是無法將所學到的統計方法用到實際經濟分析之中。更何況經濟系大學部課程需要統計學的地方並不太多，使得大多數學生不太清楚為什麼需要必修統計學。在這裡我就先稍微描述一下標準統計學課程的內容，然後再說明問題的所在。計量經濟學和統計學： 統計學教材大致可分為兩部份 概率理論和統計推論，概率理論包括隨機變數、密度函數、期望值、變異數等的操作和運算，以及對一些統計分配（常態分配以及相關的卡方分配、t 分配、F 分配等）性質的探討，這些概率觀念和其運算都是統計學第二個部份 統計推論的基礎。而統計推論主要是讓我們瞭解母體和從母體所抽出之樣本資料的分別，然後解釋如何使用樣本資料計算各種統計量，以將樣本中的信息，精簡而正確的表現出來，從而讓我們推論出母體的性質。統計推論的內容大致可分為兩部份 參數估計（估計那些表現母體特徵的參數數值），和假設檢定（檢定我們對母體性質先期設定的一些假設）。不論文科或是理科的學生，所修到的統計學入門課程都不脫這樣的課程安排，我們自然不難想像，在應用這種通識教育型的統計學到經濟學研究時，便很可能有適用性的問題。這個問題可分為兩方面來說，第一、統計學可能教得不夠深入，所學到的統計方法不足以應付形形色色的經濟資料；第二、統計學常常是以自然科學方面的應用為主，對社會科學的研究可能不完全適用。統計學初學者所碰到的這些問題，其實也就是五六十年前，經濟學家剛開始嘗試大規模的對經濟資料進行統計分析時所碰到的問題。在解決統計學適用性的數十年過程中，經濟學家逐漸發展出比較適用於分析經濟資料的許多統計方法（或稱計量方法，主要是以強調解釋變數和應變數之間因果關係的迴歸模型為重心），也就形成了經濟學中的一個獨立領域 計量經濟學。我們應可從這個計量經濟學創始的過程裏看出，若想要比較深入的應用統計方法到經濟研學研究中，我們必須進一步的修習計量經濟學才可。在台灣計量經濟學在大多數經濟系的課程中都只是選修課程（不少美國大學的經濟系是已將計量經濟學列為必修），但在經濟研究所碩士班以及博士班（以及不少管理學院的博士班）課程中，計量經濟學卻又是和個體經濟理論以及總體經濟理論並列為必修的整年課程（在美國也是如此）。博士生通常也都會再多修一些進階的計量課程，這是因為經濟系博士研究生除了少數專攻純理論的人外，其博士論文幾乎毫無例外的都包含有資料分析及實證研究的部份，因此大多數的經濟學者從做博士生開始，就要有處理計量方法的能力和經驗。 計量經濟學和電腦： 計量經濟學對電腦的需求度在經濟學的各個領域中可能是最高的，理由非常簡單，計量經濟學本來就是為分析資料而興起的學問，而大規模資料的處理正是電腦的主要功能。另一方面，在經濟研究日趨複雜精細的今天，高度非線性的經濟模型大行其道，對這些模型的估計必須採用數值方法，其實際計算也只有仰賴電腦。事實上，一些計量經濟學家使用數值方法及電腦的深度，可能讓電腦工程師都要感到訝異。近年來計量經濟學對電腦的需要更不限於資料處理和模型估計，許多複雜計量方法的發展往往只能以模擬試驗來評估，而模擬試驗也只有在電腦中才得以進行。由於電腦的普及，大多數人對電腦都有所認識，幾乎所有的大學生對微軟公司的軟體，像是視窗作業系統或是 Office 系列商用軟體都有或多或少的接觸。我認為對一個計量經濟學的初學者，能夠使用 Office 系列中的 Excel 或是同類的試算表軟體中迴歸分析就算是入門了，其學習成本並不高。我也極力建議初學者一定要盡快對電腦上手，用真實資料做一些簡單的估計和實證分析，因為只有實際動手，才能培養出對計量研究的感覺，也才能夠體會經濟理論在實際世界中的用途。我保證你，在學了幾年理論後，發現真的能在實際資料中找到驗證，你會相當感動的。若要使用更深入的計量經濟方法，當然是需要較試算表軟體更為專業的統計或計量軟體，但我仍要強調，試算表軟體在任何階段的計量分析中都有其功用，因為只要資料數目不是太大（十萬筆以下），試算表軟體可非常輕鬆的幫我們整理資料並進行列表繪圖等初步分析，而這類分析總是很有助於我們對資料的了解，對資料的了解是所有嚴謹實證分析的基礎。市面上個人電腦版的統計軟體（諸如 SAS 、 SPSS 、 Minitab 等）不勝枚舉，會用的人也很多，這些統計軟體對從事實證計量研究有幫助，不少計量經濟學教科書也都推薦使用這些統計軟體。事實上，很多計量經濟學家的學術研究也全都是靠這些統計軟體來進行的。然而也有更多的計量學者偏好較為專業的計量經濟軟體（諸如 STATA、TSP、RATS 等），這類計量專業軟體在經過多年的改進後，都已相當平易近人。一個有普通電腦知識的初學者，通常在一個星期內應可學會一個這類的軟體。和統計軟體相比，計量專業軟體的優點是，其操作手冊乃至於界面上所用的名詞術語多從計量經濟學而來，初學者會覺得比較親切，也比較不容易發生術語意義不明的狀況，使用者想要搜尋某個特定的計量方法也比較容易找到。前述的統計或計量經濟軟體都是所謂的套裝軟體，套裝軟體的使用手續大致如下：使用者在使用之前，必須要先確定所要用的計量方法在這些套裝軟體中存在，然後根據操作手冊鍵入對應的指令，輸入資料，並叫出所要用的計量方法執行之，計算結果便會以標準的形式輸出。一般來說，套裝軟體的優點是簡單方便，缺點則是任何套裝軟體都不可能有使用者所想要用的所有計量方法，基本上也不容許使用者對既有的計量方法做較大的修改，因此套裝軟體有相當大的侷限性。為彌補這種缺點，近年來有名的套裝軟體都不斷加入新指令，以讓使用者比較容易的修改原有的計量方法，或設計一些新的計量方法。這些新指令實際上已可說是一種程式語言，其操作方式是讓使用者用它將所要的計量方法寫成電腦程式後執行之。不少比較深入的實證計量研究結果，都是研究者在套裝軟體原有的計量方法之上，附加修正的電腦程式後所產生。也有不少的計量經濟學家是根本不用套裝軟體的（我便是一個例子），他們偏好以獨立的（不附屬於任何套裝軟體的）程式語言編寫所有要用的計量方法。這類程式語言除了軟體工程師所通用的 C 、 Fortran 、 Pascal 等之外，還有為計量經濟學家所專屬的 GAUSS 、 Matlab 等個人電腦程式語言。所謂計量經濟學家專屬的程式語言通常是指該語言的基本組成元素不是數字，而是向量或矩陣，這種結構非常適合編寫計量方法的電腦程式。學習程式語言通常較花時間，以 GAUSS 為例，可能需要至少三天的時間去熟悉其基本操作手續，而想要到可編寫出有意義之電腦程式的地步，則需視程式的難易程度花一天到一個星期的時間，測試電腦程式的正確性通常還需更多的時間。學習程式語言的時間成本的確是比較高，但我們也要知道程式語言的最大優點在於它的彈性：一個計量經濟研究者若能掌握一種程式語言，則電腦能幫他做的事基本上將不再有任何的限制。電腦是計量經濟學不可或缺的組成份子，我建議在學會試算表軟體後，計量經濟學的學生應該按照實際需求，在統計套裝軟體、計量經濟套裝軟體、以及計量經濟專屬個人電腦程式語言三類難易程度不同之電腦軟體中擇一學習。我也建議，一旦決定要學那一種電腦軟體之後，一定要儘可能將之學個透徹，對電腦軟體的學習一次搞定是最有效率的做法。 計量經濟學和數學： 計量經濟學在一九八零年代以前的的發展大量借用矩陣代數，而近年來則相當廣泛的引用概率論數理分析。正因如此，計量經濟學的初學者常為矩陣代數符號所困擾，而想要涉獵較深入之計量經濟理論的學生，又常被概率論的諸多新名詞新觀念所驚嚇。一以言之，許多學生在學習計量經濟學的過程中，常覺得數學背景不足，總有一種信心不夠不踏實的感覺，以致於寫作業、答考題、乃至於讀文章時，一碰到未曾見過的數學術語，就覺得相當心虛，最後也就對計量經濟學產生了敬而遠之的態度。我在這裡便對這個數學問題提出一些看法和建議。首先我要對計量經濟學的初學者說，矩陣代數並沒有想像中那麼難，事實上計量經濟學所需要的矩陣代數，和數學系學生所必修的線性代數課程不太相同。我們應該知道，一般線性代數課程強調的是一個抽象代數體系的建立，學習一個抽象體系可能需要較多的數學訓練和數學直覺（也就是一般人所說得數學細胞），所以大多數文科學生可能不習慣。但是，為學習計量經濟學所要用到的矩陣代數，對數學背景的要求其實並不是很高，其內容主要是矩陣代數之基本運算規則以及為數不多的運算結果而已。我認為如果教材完備，一個人縱使完全靠自修學矩陣代數，一兩個星期也就夠了。矩陣代數讓一般初學者頭痛的地方是在和統計學觀念結合起來以後才發生的，然而我也要指出，並不是因為矩陣代數融合統計學之後，就變成一種困難度加倍的新學問。問題的產生通常只是反應初學者對矩陣代數和統計學原本就已有的問題而已，也就是說，初學者或是對矩陣代數尚不很熟悉，或是對統計學的一些觀念還不十分透徹。解決這個問題的方法非常簡單，就是多看多做，設法讓自己對矩陣代數更為熟悉，並利用這個機會對那些原來只是一知半解的統計學觀念也順便搞懂。很多初學者在通過這一關之後發現，不僅矩陣代數通了，統計學的觀念也補強了不少，對統計學變得加倍有信心。概率理論對計量經濟學學生所造成的問題比較複雜，以下的討論，主要是針對研究所學生。近一二十年來計量經濟理論的發展主力是在時間數列理論方面，翻開近十多年來的主要經濟學期刊，很少不看到像是單根檢定、不穩定數列、共整合分析、結構改變等名詞，這些都是時間數列計量經濟學的主要內容，而研究時間數列計量經濟理論所需要的數學工具主要就是概率理論。概率理論和矩陣代數的性質極為不同，矩陣代數算是數學中層次較低較淺的技術，而概率理論則屬於數學中層次較高的分析。而時間數列計量經濟學所需要的概率理論，就是在數學系或是統計系的課程中來說，也屬研究所碩士班以上的水準，所以要掌握概率理論以研究時間數列計量經濟學，相當程度的數學訓練是避免不了的。幸運的是，時間數列計量經濟學在經過多年的發展後逐漸成熟，其所需之概率理論的範圍也逐漸確定，已經有不少時間數列計量經濟學參考書，將所需要的概率理論做了有系統的整理和介紹，後進人員便不再需要直接去讀由數學系教授所寫的概率理論教科書，這大大節省了進入這個領域所需的時間成本。我們要知道，數學家所感興趣的概率理論課題，和計量經濟學家所需要的不盡相同（這和數學系所教的線性代數和計量經濟學所需要的矩陣代數不盡相同是同樣道理），計量經濟學學生要學習高等概率理論本來就沒有比較利益，如果還要花時間去追隨數學家所要求的抽象化和一般化，不僅事倍功半，所學到的概率理論還不見得能在計量經濟研究中派得上用場。我認為對計量經濟學研究有興趣的人，矩陣代數應可自修，但若想要對計量經濟學有一個比較完整的研究，到數學系修一門高等微積分或是解析的課後，再修一門實變數分析或類似的課應是相當值得的。我建議在研究所修課過程中，不論原來的研究領域是什麼，花一年到一年半的時間修一些數學課，之後便應可自行閱讀時間數列計量經濟學參考書中的概率理論。至於大多數學計量經濟學只為應用者，可能修一門高微課或許也是必要的（高微觀念不僅計量經濟學需要，對學習較深入的經濟或財務理論等也有很大幫助），在此之後應也可看懂大部分的時間數列計量經濟學文獻。 計量經濟學在經濟學研究中的角色： 經濟學的研究論文，除了小部份屬於純理論之數理推演外，大都包含了實證研究，以證明實際資料中確有支持作者論點的證據。任何理論不論講起來多麼有道理，若是得不到實際資料的佐證，當然是不易被大家接受。但我們也應注意到，資料是死的，使用資料看資料的人卻是活的，分析資料的方式可有千百種，我們應該不會太驚訝的看到下述的兩種情況： 同樣的一筆資料可被用來佐證完全對立的理論； 資料中原本並沒有支持作者論點的證據，但經過人為的包裝組合後卻變成有；而當我們評估一篇實證論文的貢獻時，除了要看資料是不是能夠（最好是強有力的）支持作者的論點外，我們還要判斷作者對資料的處理和分析是不是正確的，以避免上述的情況發生。換句話說，我們對論文中所使用計量方法之好壞要給予很大的關注。有時候原始資料太過紛雜瑣碎而看不出所以然來，要經過仔細的篩選處理後，支持某些論點的證據才能顯現出來，有時候我們更需根據資料特性，以發展出新的計量方法，這些對計量方法的深入討論，都變成一篇論文的重要組成因子，和論文的理論部份具有同樣的重要性。正因為如此，計量經濟學在現代經濟學中具有舉足輕重的地位，幾乎每一個經濟學家都有處理計量方法的能力和經驗。也因為研究人口的眾多，計量經濟學的發展也就日行千里。計量經濟學入門：Griffiths, W. E., R. C. Hill, and G. G. Judge, 1993, Learning and Practicing Econometrics, John Wiley & Sons. Johnston, J. and J. DiNardo, 1997, Econometric Methods, 4th ed., McGraw-Hill.（資格最老，我的啟蒙書） Maddala, G. S., 1992, Introduction to Econometrics, 2nd ed., Prentice-Hall. Ramanathan, R., 1998, Introductory Econometrics with Applications, 4th ed., The Dryden Press.（前四本似乎是大學部程度計量經濟學教科書中最為流行者） Judge, G. G., W. E. Griffiths, R. C. Hill, T.-C. Lee, and H. Lutkepol, 1988, Introduction to the Theory and Practice of Econometrics, 2nd ed., John Wiley & Sons. Kennedy, P., 1998, A Guide to Econometrics, 4th. ed. The MIP Press. （本書嘗試少用數學而多以文字來解釋一些計量經濟學的概念） Goldberger, A. S., 1991, A Course in Econometrics, Harvard University Press. （本書善用簡單例子解釋一些重要的基本觀念，本書缺點在於未能包括一些新課題） Gujarati, D. N., 1995, Basic Econometrics, 3nd. ed., McGraw-Hill. Thomas, R. L., 1996, Modern Econometrics, An Introduction, Addison-Wesley. Lardaro, L., 1993, Applied Econometrics, Harper Collins.（書中包含了一些實例應用） Ghosh, S. K., 1991, Econometrics: Theory and Applications, Prentice-Hall.（書中包含了一些實例應用） Hill, R. C., W. E. Griffiths, and G. G. Judge, 1997, Undergraduate Econometrics, Jogn Wiley & Sons. （本書較薄較淺，適合統計學基礎較弱的讀者） Draper, N. R. and H. Smith, 1998, Applied Regression Analysis, John Wiley & Sons. （本書和下一本書均是非計量經濟學者學迴歸分析常用的教科書） Neter, J. and W. Wasserman, 1996, Applied Linear Statistical Models, 4th ed., Irwin. 中級計量經濟學： Greene, W. H., 1997, Econometric Analysis, 3rd ed., Prentice-Hall , Inc.（最暢銷的研究所計量經濟學教科書，包含範圍很廣，但常有解釋不清的地方。本書作者也是一個相當流行的計量經濟學軟體 Limdep 的作者） Judge, G. G., W. E. Griffiths, R. C. Hill, and T.-C. Lee, 1985, The Theory and Practice of Econometrics, 2nd ed., John Wiley & Sons. （前一本書尚未出來時最暢銷的研究所計量經濟學教科書） Fomby, T., C. Hill, and S. Johnson, 1984, Advanced Econometric Methods, Springer-Verlag.（似乎沒有前兩本書暢銷，所包含的教材沒有前兩本書廣，但對書內有的課題解釋較為清楚，我個人對之有偏愛） Amemiya, T., 1985, Advanced Econometrics, Harvard University Press.（內容較前幾本書深） 進階計量經濟學： Maddala, G. S., 1983, Limited-Dependent and Qualitative Variables in Econometrics, Cambridge University Press.（是研究受限應變數模型的必讀之作，印度籍作者前些時候剛過世，全書文筆流暢，極易閱讀） Hsiao, C., 1986, Analysis of Panel Data, Cambridge University Press.（中央研究院院士蕭政教授的大著，追蹤資料的經典） Baltagi, B., 1995, Econometric Analysis of Panel Data, John Wiley & Sons.（研究追蹤資料的新書，作者在追蹤資料領域著作良多） White, H., 1984, Asymptotic Theory for Econometricians, Academic Press.（計量經濟學在七零年代以前以矩陣代數作為主要分析工具，作者是將嚴謹數統分析工具介紹到計量經濟學的關鍵人物，作者在這方面的貢獻可由本書看出，作者近年來的貢獻則在下一本書） White, H., 1994, Estimation, Inference and Specification Analysis, Cambridge University Press. Davidson, J., 1994, Stochastic Limit Theory, Oxford University Press.（讀者可由本書看出，近年來計量經濟學所需的數學工具和數學系所研究的機率理論不分軒輊） Spanos, A., 1986, Statistical Foundations of Econometric Modelling, Cambridge University Press.（本書性質接近前書） Davidson, J., and MacKinnon, 1993, Estimation and Inference in Econometrics, Oxford University Press.（許多計量經濟模型都可說是非線性模型的特例，因此作者強調以統一的分析方法來研究計量經濟學。喜歡以抽象方式研究問題的人將會喜歡這本書，但對大多數學計量經濟學只為實證分析的人而言，本書將可能不是很有用） 矩陣代數： Graybill, F. A., 1983, Matrices with Applications in Statistics, Wadsworth.（計量經濟學乃至統計學所需的矩陣代數大部分包括在這本書內） Dhrymes, P., 1978, Introductory Econometrics, Springer-Verlag. （附錄裡的矩陣代數相當實用，可補充前一本書） 時間數列專書： Granger, C. and P. Newbold, 1977, Forecasting Economic Time Series, Academic Press. （一本古老但卻仍然很有用的入門書，數學不深，但時間數列的基本概念都被提到） Brockwell, P. J. and R. A. Davis, 1991, Time Series: Theory and Methods, 2nd ed., Springer-Verlag. （本書相當暢銷，作者是統計學家，對時間數列題材的選擇和處理都是標準的統計學方式，內容嚴謹但也提供相當多的直覺解釋，是一本不錯的入門書。本書的缺點是，對經濟研究所關心之不穩定數列的討論太少，必須要有其他書作為補充） Hamilton, J. D., 1994, Time Series Analysis, Princeton University Press.（像是一本時間數列計量經濟學的百科全書，螞蟻般的小字加上八百頁的重量真是讓人氣都喘不過來，作者行文嚴謹仔細，每一個等式都附有證明，但大多數的讀者可跳躍式的閱讀而沒有問題，除了可學到不少東西，每天帶來帶去也可練就一身肌肉） Enders, W., 1995, Applied Econometric Time Series, John Wiley & Sons. Mills, T. C., 1990, Time Series Techniques for Economists, Cambridge University Press. Harvey, A. C., 1991, The Econometric Analysis of Time Series, The MIT Press.（本書和前兩本書都是為經濟系學生所寫的時間數列入門書） Hatanaka, M., 1996, Time-Series-Based Econometrics, Oxford University Press. Banerjee, A., J. J. Dolado, J. W. Galbraith, and D. F. Hendry, 1993, Co-Integration, Error Correction, and the Econometric Analysis of Non-Stationary Data, Oxford University Press.（本書和前一本書的內容正如本書書名所示，是近二十年來時間數列計量經濟學研究的主流） Maddala, G. S. and I.-M. Kim, 1998, Unit Roots, Cointegration and Structural Change, Cambridge University Press. （內容和前兩本書差不多，但寫得深入淺出，相當易讀） Tanaka, K., 1996, Time Series Analysis, John Wiley & Sons.（屬於前幾本書的進階研究，相當難，需要很好的數學訓練才能看得懂） Reinsel, G. C., 1993, Elements of Multivariate Time Series Analysis, Springer-Verlag.（統計學者所寫，書薄而易懂，是本不錯的多變量時間數列模型的入門書） Lutkepohl, H., 1993, Introduction to Multiple Time Series Analysis, Springer-Verlag.（研究多變量時間數列模型的一本百科全書） 計量經濟學應用： Berndt, E., 1990, The Practice of Econometrics, Addison-Wesley.（以數個經濟學課題為主軸，穿插以實證研究所需計量方法的討論，本書缺點是所討論的經濟學課題嫌過時，敘述也過於冗長，讓讀者抓不到重點） Intriligator, M., R. Bodkin, and C. Hsiao, 1996, Econometric Models, Techniques, and Applications, 2nd. ed., Prentice-Hall.（本書對計量經濟理論有一個精簡的闡述，再輔之以一些簡單的經濟學應用） Campbell, J. Y., A. W. Lo, and A. C. MacKinlay, 1997, The Econometrics of Financial Markets, Princeton University Press.（內容包括了財務學者所需要的許多計量經濟方法，創造了一個新學門計量財務學） Taylor, S. J., 1986, Modelling Financial Time Series, John Wiley & Sons.（不是教科書，而是研究財務學時間數列資料的一本專著，讀者可學到許多財務學時間數列資料的性質） Pudney, S., 1989, Modelling Individual Choice: the Econometrics of Corners, Kinks