多年来，我做过一些有偿计量经济学咨询工作 - 在美国、新西兰、澳大利亚、英国和加拿大。每一份工作都很有趣，也很有收获，而且我总是能从我所承担的任务中学到很多东西。前几天，一个朋友问我：“哪份咨询工作最有趣？”其实，答案很简单！几年前，我为渥太华的加拿大审计长办公室提供咨询。我之所以被聘用，是因为我曾为新西兰税务局提供过逃税问题的咨询，并且我与 Lindsay Tedds 合著了一本关于加拿大“地下经济”的书。那么，审计长办公室的咨询工作到底是什么呢？嗯，他们正在对当时称为加拿大税务局（现为加拿大税务局）的机构进行审计。换句话说，就是“税务人员”！虽然这次审计的报告是公开记录，但我不会在这里讨论
More Tributes to Clive Granger
作为我最近的帖子“Clive Granger 特刊”的后续，我收到了一封来自 Eyüp Çetin（欧洲纯粹与应用数学杂志编辑）的电子邮件。Eyüp 善意地指出，“.........实际上，我们在 2010 年 5 月 27 日，也就是他逝世一周年之际，在 https://www.ejpam.com/index.php/ejpam/issue/view/11 上发表了第一期纪念他的特刊。我们认为这是世界上第一期纪念他的特刊。目录可在此处找到 https://www.ejpam.com/index.php/ejpam/issue/view/11/showToc。另一个值得注意的一点是，我们还发表
Update on the "Series of Unsurprising Results in Economics"
去年 6 月，我发表了一篇关于新杂志《一系列不令人意外的经济学结果》（SURE）的文章。如果你还没有读过那篇文章，我强烈建议你读一读。更重要的是，你一定要看看 Kelsey Piper 几天前发表的这篇文章，标题是“这本经济学杂志只发表无关紧要的结果——这可能会拯救科学”。Kelsey 真正理解 SURE 的原理，以及它在减少出版偏见和协助复制结果方面可以发挥的重要作用。你可以看看 Nick Huntington-Klein 和 Andrew Gill 发表的这篇论文，了解 SURE 能提供什么。我们都期待更多像这样的优秀论文！© 2019，David E. Giles
Recursions for the Moments of Some Continuous Distributions
这篇文章是我最近发表的文章《某些离散分布矩的递归》的延续。我假设您已经阅读了上一篇文章，因此这篇文章会更短一些。我将在这里讨论一些有用的递归公式，用于计算计量经济学中广泛使用的多个连续分布的矩。无论如何，覆盖范围不会详尽无遗。我在上一篇文章中提供了一些查看此类公式的动机，因此我不会在这里重复。当我们处理下面的正态分布时，我们将明确使用 Stein 引理。其他几个结果是通过使用非常类似的方法（在幕后）得出的。那么，让我们从陈述这个引理开始。斯坦引理（Stein，1973）：“如果 X ~ N[θ , σ2]，并且如果 g(.) 是一个可微函数，使得 E|g'(X)| 是有限的，则 E[g(X)(
Recursions for the Moments of Some Discrete Distributions
您可以说，“矩决定分布”。虽然这并不完全正确，但非常接近。概率分布的矩提供了有关底层随机变量行为的关键信息，我们将这些矩用于多种目的。在继续之前，让我们先确保我们的观点一致。一些背景假设我们有一个随机变量 X，其分布函数为 F(x)，其中 x 是 X 的某个值。以下引文来自我的一篇旧博客文章：“有时被称为“矩问题”的东西告诉我们：如果分布的所有矩都存在，那么了解这些矩就等同于了解分布本身。换句话说，矩完全定义了分布。但是，请注意上面结果陈述中的“如果”一词。这是一个非常大的“如果”！问题是，对于许多分布，矩仅在某些条件下存在；对于某些分布，部分或所有矩都无法定义。在这些情况下，“定理”的帮助有
2011 年 2 月 20 日，我在该博客上发布第一篇文章时，真的不知道会有什么结果！毕竟，我的目标是吸引一些小众受众。好吧，949 篇文章和 740 万次页面点击量之后，这个博客已经大大超出了我的预期。但是，我现在已经退休，三个月前我刚满 70 岁。我决定放弃，这是我最后一篇文章。我宁愿对此做出明确的决定，也不愿让博客逐渐消失。目前，计量经济学博客仍将可见，但将关闭，不再接受进一步的评论和问题。通过这个博客，我获得了很多乐趣，也学到了很多东西。我非常感谢你们所有人关注我的帖子、提出建议、提问、提供有用的评论以及指出我的错误。我只希望这对你们来说也是一次积极的体验，就像对我来说一样。谢谢 -
Reporting an R-Squared Measure for Count Data Models
这篇文章的灵感来自于我前段时间收到的一封电子邮件，该邮件来自一位博客读者。我认为，更“广泛”的回应可能会引起其他读者的兴趣......尽管存在许多局限性，但在报告最小二乘回归结果时，包括判定系数 (R2) 或其“调整后”的值是标准做法。就我个人而言，我认为 R2 是我们结果中包含的最不重要的统计数据之一，但我们都这样做。（请参阅上一篇文章。）如果所讨论的回归模型是线性的（在参数中）并且包含截距，并且如果参数由普通最小二乘法 (OLS) 估计，则 R2 具有许多众所周知的属性。这些包括：0 ≤ R2 ≤ 1。如果我们向模型中添加回归量，R2 的值不会减小。无论我们将这个度量定义为“解释平方和”与
Everything's Significant When You Have Lots of Data
嗯......其实不然！表面上看起来是这样，但那是因为你可能使用了完全不恰当的衡量标准来衡量什么是（统计上）显著的，什么不是。我在之前的一篇文章中谈到了这个问题，我说：“Granger（1998 年、2003 年）提醒我们，如果样本量足够大，那么几乎不可能不拒绝任何假设。因此，如果样本非常大，并且回归模型中估计系数相关的 p 值约为 0.10 甚至 0.05，那么这真是个坏消息。当样本量达到数千甚至更大时，我们需要更小的 p 值，然后我们才会对“统计上显著”的结果感到兴奋。”这个一般性观点，即我们选择的显著性水平应该随着样本量的增加而降低，大多数统计学家和计量经济学家都非常理解。 （例如，参见
现在到了——北美已经是劳动节周末了，我们都知道这意味着什么！又到了开学时间。你需要一份阅读清单，以下是一些建议：Frances, Ph. H. B. F.，2019 年。专业预测员和 1 月。计量经济学研究所研究论文 EI2019-25，鹿特丹伊拉斯姆斯大学。Harvey, A. & R. Ito，2019 年。当某些观测值为零时对时间序列进行建模。计量经济学杂志，正在印刷中。Leamer, E. E.，1978 年。规范搜索：使用非实验数据的临时推理。威利，纽约。（这是合法的免费下载。）MacKinnon, J. G.，2019 年。集群稳健推理如何改变应用计量经济学。工作论文 1413，皇
Check out What Happened at the 2019 Joint Statistical Meetings
每年，联合统计会议 (JSM) 都会聚集数千名（今年有 6,500 名）统计学家，这是世界上规模最大的此类聚会。JSM 代表 11 个国际统计组织，包括四个创始组织 - 美国统计协会 (ASA)、国际生物统计学会、数学统计学研究所和加拿大统计学会。作为自 1973 年以来 ASA 的成员，多年来我参加过几次这样的会议，但不幸的是，我上个月底没能参加在丹佛举行的 JSM。与往常一样，该计划非常精彩。昨天，ASA 发布了 2019 年计划的可搜索版本，其中包含许多演讲者使用的幻灯片的可下载文件。您可以在此处找到该版本的计划。浏览该计划时，请查找带有蓝色（矩形）“演示文稿”按钮的演示文稿。您可能对
农业与应用经济学协会 (AAEA) 最近在佐治亚州亚特兰大举行了年度会议。您可以在此处找到详细的计划。今年，我有幸能够出席并参与其中。这要感谢 AAEA 执行委员会成员 Marc Bellemare 的盛情邀请，他当然也是一位博主，你们中的许多人无疑都关注他。（如果您还没有关注，那么您应该关注！）Marc 安排了一场会议，在会上他和我讨论了“食谱式”计量经济学教学方法的利弊。会议出席人数众多，大部分时间都用于与观众进行非常有益的讨论-问答环节。正如您从我以前的一些帖子（例如，这里和这里）中了解到的那样，我并不是“食谱式”方法的忠实粉丝 - 至少，如果它是计量经济学教学的主要/唯一方法的话。Ma
2019 Edition of the INOMICS Handbook
我相信所有读者都熟悉 INOMICS，以及它们为经济学家提供的大量资源。2019 年版 INOMICS 手册现已发布，我向您推荐。今年版的手册包括以下内容：经济学领域的性别偏见作为经济学家取得成功所需的软技能气候变化以及经济学如何帮助解决气候变化成功的经济学家的要素普林斯顿大学教授 Esteban Rossi-Hansberg 的独家专访2019 年 INOMICS 奖获奖者推荐的学习和职业机会© 2019，David E. Giles
最近出版的《欧洲纯粹与应用数学杂志》第 10 卷第 1 期以纪念克莱夫·格兰杰的形式出版。您可以在此处找到目录，所有文章都可以免费下载。这期纪念刊由 Jennifer Castle 和 David Hendry 共同编辑。贡献的论文包括与预测、协整、非线性时间序列和模型选择有关的论文。这是一本非常棒的重要调查类型论文集，绝对值得一读！© 2019，David E. Giles
计量经济学比赛又结束了一年。2019 年的获胜队伍来自墨尔本大学。第二名和第三名的队伍分别来自马斯特里赫特大学和奥胡斯大学。祝贺获胜队伍，也祝贺今年参赛的所有人！© 2019，David E. Giles
正如您已经知道的，我是 EViews 计量经济学软件包的忠实粉丝。在教授经济统计学和计量经济学时，我一直认为它是一种非常棒、用户友好的资源，而且我在自己的研究中也广泛使用它。最近，我和许多其他 EViews 用户有机会“试用”此软件包最新版本 EViews 11 的测试版。EViews 11 现已正式发布，它具有一些很棒的新功能。（单击那里的链接可查看一些非常有用的视频。）要查看现在可用的内容，请在此处查看。更新不错。谢谢！© 2019，David E. Giles
好了，我们到了——已经是六月了。以下是我的阅读建议：Abadie, A., S. Athey, G. Imbens, & J. Wooldridge, 2017. 何时应调整聚类的标准误差？Mimeo。Berk, R., A. Buja, L. Brown, E. George, A. K. Kuchibhotla, W. Su, & L, Shazo, 2019. 假设精益回归。American Statistician，即将出版。Ghosh, T., M. Ghosh, & T. Kubokawa, 2019. 论最小二乘估计量的损失稳健性，American Statistician，即将
A Permutation Test Regression Example
在上周的一篇文章中，我谈到了排列（随机化）检验，以及它们与我们在计量经济学中通常使用的（经典参数）检验程序有何不同。我假设您已经阅读了该文章。（可能在某个时候会有一次小测验！）我承诺会提供一个基于回归的示例。毕竟，我在上一篇文章中介绍的两个示例旨在揭示排列/随机化检验的基本原理。它们确实没有太多“计量经济学内容”。在下文中，我将交替使用术语“排列检验”和“随机化检验”。我们在这里要做的是查看一个简单的回归模型，看看我们如何使用随机化检验来查看回归变量 x 和因变量 y 之间是否存在线性关系。请注意，我说的是“简单回归”模型。这意味着只有一个回归量（除了截距）。多元回归模型为置换检验提出了各种各
这是我最新的也是最终的建议阅读书单：Bellego, C. 和 L-D. Pape，2019 年。处理回归模型中的零对数。CREST 工作文件 No. 2019-13。Castle, J. L.、J. A. Doornik 和 D. F. Hendry，2018 年。选择预测模型。牛津大学经济学系，讨论文件 861。Gorajek, A.，2019 年。善意的经济学家。澳大利亚储备银行，研究讨论文件 RDP 2019-08。Güriş, B.，2019 年。一种新的具有傅立叶函数的非线性单位根检验。统计通信 - 模拟和计算，48，3056-3062。Maudlin, T.，2019 年。世界的
