我主要检查它是否具有 21 世纪的方法或 20 世纪的方法。一些迹象包括

• 它是否过分关注曾经的话题，比如德宾-沃森测试、联立方程等。
• 进一步的危险信号包括过多关注固定回归量，玩具设置中的精确有限样本结果，不关注如今的常规事物，如 Eicker-White 标准错误
• 有点类似，它是否机械地经历了“违反经典假设”，即“如果你发现异方差，做 GLS”，“如果你发现序列相关，做 Cochrane-Orcutt”等等 - 没有任何问题这些技术中的一个，但在实践中很少有这些问题孤立地发生。（公平地说，解释不做什么比解释做什么要容易得多。）
• 它是否关注数值实现，即如何使用软件实际进行经验分析，最好是一种易于重现的软件，例如 R 或 Stata？
• 特别是在本科水平的课文中，它是否包括有趣的经验应用而不是可以输入计算器以说明手动计算某些统计数据的人工样本
• 最后但并非最不重要的一点是，它是否正确排版？

有趣的问题。

我同意克里斯托夫回答的每一点。

我也许会补充：

• 一本好的教科书应该有明确的受众。例如，我个人喜欢Jeffrey Wooldridge的教科书《横截面和面板数据的计量经济学分析》 。但是，我用它来更新我已经知道的东西，或者真正理解某些主题（例如为第二年或第三年的博士考试做准备），但我不推荐这本教科书初级或中级计量经济学课程。

• 如果作者使用一章来描述他们熟悉的子领域，我喜欢它，即使没有到处讨论（我将在这里添加一个示例，目前正在考虑）。如果设法不迷失在细节上，这些专家通常可以提供有趣的见解，而这些见解是您在日常主题中找不到的。

• 一本好的教科书应该使用最新且广泛使用的定义。正如克里斯托夫所写，请不要使用固定回归量，并让学生们困惑为什么你后来突然改变了“世界”（通过从一些“固定”概念转移到随机概念）。另外，请不要使用另一种定义来定义什么是固定效应与随机效应。

• 由于近几十年来许多文献得到了更多的应用，我认为区分理论近似（渐近）和估计器的实际行为是很重要的。Joshua Angrist 和 Jörn-Steffen Pischke 的Harmess Econometrics可能是一个很好的例子，例如，logit/probit 和 OLS 之间的差异在现实生活中通常并不重要（我希望我没记错）。这也是我的一个经验，可以为您节省很多时间！同时，请不要忽视理论方面（见下一点）。

• 自从我离开学术界以来，我现在阅读了更多与机器学习相关的教科书（如果我有时间继续看教科书的话）。在这里，我的小样本印象是顶级教科书的质量非常高。通常你可以免费在线阅读教科书，这太棒了（一些计量经济学教科书也可以在网上找到，但我不知道是否合法，所以我没有在这里链接它们）！没有人必须免费提供他或她的书，但学生喜欢免费书籍。让他们了解免费的优秀文学作品！例如Ian Goodfellow、Yoshua Bengio 和 Aaron Courville的深度学习，Gareth James、Daniela Witten、Trevor Hastie 和 Robert Tibshirani的统计学习简介或统计学习的要素作者：特雷弗·哈斯蒂、罗伯特·蒂布希拉尼和杰罗姆·弗里德曼。虽然我个人认为这些书应该涵盖更多的理论（也许看看计量经济学？！），在可视化、写作风格、编码质量等方面，从这个领域可以学到很多东西！

• 课本中给出的例子的趣味性应该很高！我个人不喜欢玩具示例，或者我已经一次又一次看到的（过时的）数据集。如果你有仍然相关的数据，对学生来说会更有趣。

• 好的教科书应该花时间来解释困难的概念，例如附带参数问题（以及它对线性和非线性模型的含义）或避免使用此类术语。

• 最后但同样重要的是，回答学生反复提出的问题。几个例子

  • 合并 OLS vs 随机效应 vs 固定效应

  • 为什么要平方差而不是取标准差的绝对值？

  • 什么时候有偏估计比无偏估计更可取？或者一般来说，“预测”和（样本内）“回归”（例如这里）之间的差异。

  • 微观计量经济学、宏观计量经济学和时间序列（以及更多？）之间的差异，例如这里

  • 回归和/或匹配？

其他一些想法：

• 给出一些历史背景，对当前炒作的内容持批评态度。例如，告诉学生，为什么像Angus Deaton或James Heckman这样的诺贝尔奖获得者对简化形式的方法持批评态度。当然也可以说是好处/替代品。

• 如果你不想谈论历史。然后也许简要提及与计量经济学相关的更多“新”主题，例如版本控制系统和可重现代码，或者如何处理经典计量经济学估计器通常不适合的大数据？

• 正如克里斯托夫所写：有些话题一度流行（例如提到的联立方程），但十年后几乎不再扮演任何角色。然而，一些作者仍应着眼于对该领域进行广泛的概述（William Greene的计量经济学分析或 Colin Cameron 和 Pravin Trivedi 的微观计量经济学：方法和应用就是两个例子）。关于是否需要使用联立方程模型（在一致性、偏差和效率方面）存在很多混淆。或者为什么赫克曼校正（或其他早期的“准因果”模型）不再那么流行了。所以有时我觉得在 1-2 页上提及这些主题很不错，也许可以告诉读者为什么这个主题不再那么重要了。