计量经济学学习方法
计量经济学复习资料
计量经济学复习资料一、引言计量经济学是研究经济现象的数量关系和经济变量之间相互影响的学科。
它通过运用统计学和数学方法，以实证的方式分析经济模型和数据，以期为经济理论的验证和决策制定提供科学依据。
计量经济学作为经济学的重要分支，在经济学领域里起着举足轻重的作用。
本文将为大家提供一个关于计量经济学的复习资料，以便大家更好地复习和理解这门学科。
二、计量经济学基础1. 理论基础：回顾计量经济学的理论基础，包括经济学中的基本原理、假设和模型，以及计量经济学方法的发展演变过程。
2. 计量经济学的基本概念：介绍计量经济学中的一些基本概念，如变量、参数、模型、数据等，帮助读者建立对计量经济学基础概念的理解和认知。
三、计量经济模型1. 线性回归模型：介绍线性回归模型的基本原理和假设，包括最小二乘估计法、截距项、解释变量的选择和回归结果的解释等。
2. 多元线性回归模型：介绍多元线性回归模型的基本原理、假设和参数估计方法，包括多重共线性、异方差和自相关等问题的处理方法。
3. 非线性回归模型：介绍非线性回归模型，如对数线性模型、二项式模型和估计方法等。
4. 时间序列模型：介绍时间序列模型的基本原理、假设和参数估计方法，包括平稳性、季节性和趋势性等问题的处理方法。
四、计量经济学常用方法1. 模型诊断：介绍计量经济学中的模型诊断方法，包括残差分析、异方差检验和自相关检验等。
2. 假设检验：介绍计量经济学中的假设检验方法，包括参数显著性检验、模型拟合优度检验和模型比较等。
3. 预测方法：介绍计量经济学中的预测方法，包括时间序列分析、回归分析和面板数据分析等。
4. 因果推断：介绍计量经济学中的因果推断方法，包括工具变量法、自然实验和计量分析的注意事项等。
五、计量经济学在实际应用中的案例研究1. 劳动经济学：介绍计量经济学在劳动经济学领域的实际应用，包括劳动力市场分析、教育回报率和人力资本投资等。
2. 金融经济学：介绍计量经济学在金融经济学领域的实际应用，包括资本市场分析、投资组合选择和风险管理等。
高级计量经济学课程
高级计量经济学课程（最新版）目录1.计量经济学的概述2.高级计量经济学课程的简介3.高级计量经济学课程的主要内容4.高级计量经济学课程的学习方法与技巧5.高级计量经济学课程的重要性和应用前景正文一、计量经济学的概述计量经济学是经济学的一个重要分支，它运用统计学、数学和计算机科学等工具来研究经济现象和经济问题。
计量经济学通过建立经济模型，对经济现象进行定量分析和预测，为经济政策制定提供科学依据。
二、高级计量经济学课程的简介高级计量经济学课程是计量经济学的一个重要组成部分，它主要面向经济学和管理学等相关专业的研究生和学者。
高级计量经济学课程旨在培养学生对计量经济学理论和方法的深入理解和掌握，提高学生运用计量经济学方法解决实际经济问题的能力。
三、高级计量经济学课程的主要内容高级计量经济学课程主要包括以下内容：1.计量经济学的基本概念和方法，包括回归分析、时间序列分析、面板数据分析等。
2.计量经济学的模型建立和估计方法，包括最小二乘法、极大似然估计、贝叶斯估计等。
3.计量经济学的模型检验和优化方法，包括模型的拟合度、模型的显著性、模型的稳定性等。
4.计量经济学的应用领域，包括宏观经济分析、金融市场分析、政策效果评估等。
四、高级计量经济学课程的学习方法与技巧学习高级计量经济学课程需要掌握一定的数学和统计学基础，同时需要具备良好的逻辑思维和数据分析能力。
以下是一些学习高级计量经济学课程的方法和技巧：1.扎实掌握基础知识，包括数学、统计学和计算机科学等。
2.认真阅读经典教材和学术论文，理解并掌握计量经济学的理论和方法。
3.多做练习题和案例分析，提高自己运用计量经济学方法解决实际问题的能力。
4.积极参与学术讨论和研究，拓展自己的学术视野和思维。
五、高级计量经济学课程的重要性和应用前景高级计量经济学课程对于培养经济学和管理学等相关专业的研究生和学者具有重要意义。
通过学习高级计量经济学课程，学生可以掌握计量经济学的理论和方法，提高自己对经济现象和经济问题的分析和预测能力，为从事经济研究和经济政策制定提供有力支持。
计量经济学知识点总结
计量经济学知识点总结计量经济学是一门融合了经济学、统计学和数学的交叉学科，它通过建立经济模型，运用统计方法对经济数据进行分析，以揭示经济变量之间的关系和规律。
以下是对计量经济学中一些重要知识点的总结。
一、回归分析回归分析是计量经济学的核心方法之一。
简单线性回归模型表示为：＄Y ＝＼beta_0 ＋＼beta_1 X ＋＼epsilon$，其中$Y$是被解释变量，＄X$是解释变量，＄＼beta_0$是截距项，＄＼beta_1$是斜率系数，＄＼epsilon$是随机误差项。
在进行回归分析时，需要对模型进行估计。
常用的估计方法是最小二乘法（OLS），其基本思想是使残差平方和最小，从而确定参数的估计值。
通过估计得到的回归方程可以用于预测和解释变量之间的关系。
回归分析还需要进行一系列的检验，包括拟合优度检验（如判定系数$R^2$）、变量的显著性检验（＄t$检验）和方程的显著性检验（＄F$检验）等。
二、多重共线性多重共线性指的是解释变量之间存在较强的线性关系。
这可能导致参数估计值不稳定、方差增大、＄t$检验失效等问题。
检测多重共线性的方法有多种，如计算解释变量之间的相关系数、方差膨胀因子（VIF）等。
解决多重共线性的方法包括剔除一些相关变量、增大样本容量、使用岭回归或主成分回归等方法。
三、异方差性异方差性是指随机误差项的方差不是常数，而是随解释变量的变化而变化。
异方差性会影响参数估计的有效性和假设检验的可靠性。
常用的检测方法有图形法（如绘制残差平方与解释变量的关系图）、怀特检验等。
解决异方差性的方法有加权最小二乘法（WLS）等。
四、自相关性自相关性是指随机误差项在不同观测值之间存在相关关系。
自相关性会导致参数估计值有偏、无效，以及$t$检验和$F$检验不可靠。
常用的检测方法有杜宾沃森（DW）检验等。
解决自相关性的方法有广义差分法等。
五、虚拟变量虚拟变量用于表示定性变量，如性别、季节等。
在模型中引入虚拟变量可以更准确地反映经济现象。
计量经济学 —理论方法EVIEWS应用--第七章 序列相关性
在其他假设仍然成立的条件下，随机干扰项序列相关意味着
（7-2）
如果仅存在
E ( ) 0 , i 1 , 2 , . . . , n i i 1
（7-3）
则称为一阶序列相关或自相关（简写为AR(1))，这是常见的一种序列相关问题。
D .W .
不存在一阶自相关，构造如下统计量： t
t
( eˆ
t2
n
ˆt 1 ) 2 e
2 t
eˆ
t 1
n
杜宾—沃森证明该统计量的分布与出现在给定样本中的X值有复杂的关系，
其准确的抽样或概率分布很难得到；
因为D.W.值要从
eˆ t 中算出，而 eˆ t
又依赖于给定的X的值。
2 χ 因此D-W检验不同于t、F或 检验，它没有唯一的临界值可以导出拒绝或
用OLS法估计序列相关的模型得到的随机误差项的方差不仅是 有偏的，而且这一偏误也将传递到用OLS方法得到的参数估计 量的方差中来，从而使得建立在OLS参数估计量方差基础上的 变量显著性检验失去意义。
以一元回归模型为例，
Y X i 0 1 i i
2
ˆ) Var ( 1 2 xt
序列相关性及其产生原因序列相关性的影响序列相关性的检验序列相关的补救第一节序列相关性及其产生原因序列相关性的含义对于多元线性回归模型71在其他假设仍然成立的条件下随机干扰项序列相关意味着如果仅存在则称为一阶序列相关或自相关简写为ar1这是常见的一种序列相关问题
—理论· 方法· EViews应用
郭存芝 杜延军 李春吉 编著
二、回归检验法
， eˆ， 以 e ˆ t 为解释变量，以各种可能的相关变量，诸如 t1
计量经济学重点
计量经济学重点引言计量经济学是经济学的一个重要分支，旨在通过使用统计学和数学方法来对经济理论进行实证分析。
它的核心目标是通过利用经济数据和数学经济理论的相互关系，解释经济现象，并提供经济政策的科学依据。
本文将介绍计量经济学的一些重要概念和方法，用以帮助读者更好地理解和应用计量经济学。
一、回归分析回归分析是计量经济学中最基本的统计方法之一。
它用于研究因果关系和预测变量之间的关系。
回归分析的核心思想是找到一个最佳的函数来解释因变量和自变量之间的关系。
在回归分析中，因变量是我们希望解释或预测的变量，而自变量是我们认为与因变量相关的变量。
通过建立数学模型并对数据进行估计，我们可以得到最佳的函数来解释因变量和自变量之间的关系。
常用的回归模型包括线性回归模型、多元回归模型和非线性回归模型等。
二、时间序列分析时间序列分析是计量经济学中研究时间序列数据的一种方法。
时间序列数据是按照时间顺序排列的观测值序列，如股票价格、GDP增长率等。
时间序列分析的目标是建立一个统计模型来描述数据的变化趋势和周期性，并进行预测。
时间序列分析涉及到许多重要的概念，包括平稳性、滞后项、自相关性和滑动平均等。
通过对时间序列数据的建模和分析，可以揭示数据背后的规律和趋势，为经济决策提供重要的参考。
三、计量经济学中的假设检验在计量经济学中，假设检验是一个非常重要的工具，用于验证经济模型的有效性和推断。
假设检验的核心思想是根据样本数据对经济理论中的假设进行检验。
假设检验通常包括一个原假设和一个备择假设。
原假设是对经济理论的一个特定假设进行的陈述，备择假设是对原假设的一个否定陈述。
通过计算统计量和确定显著性水平，可以对原假设做出决策，判断是否拒绝原假设。
一些常见的假设检验方法包括t检验、F检验和卡方检验等。
通过假设检验，我们可以评估经济理论的有效性，并对经济政策和决策提供科学依据。
四、面板数据分析面板数据分析是计量经济学中应用最广泛的方法之一，用于处理同时包含多个数据点和时间点的数据集。
计量经济学讲义
计量经济学讲义第一部分：引言计量经济学是研究经济现象的量化方法，它结合了统计学和经济学原理，旨在提供对经济现象进行定量分析的工具和技术。
本讲义将介绍计量经济学的基本概念和方法，帮助读者理解和应用计量经济学的基本原理。
第二部分：经济数据和计量经济学模型1. 经济数据的类型- 我们将介绍经济数据的两种主要类型：时间序列数据和截面数据。
时间序列数据是在一段时间内收集的数据，而截面数据是在同一时间点上收集的数据。
2. 计量经济学模型- 我们将讨论计量经济学模型的基本原理和应用，例如最小二乘法和线性回归模型。
这些模型可以帮助我们分析经济数据之间的关系，并进行预测和政策评估。
第三部分：经济数据的描述性统计分析1. 描述性统计分析的概念- 我们将介绍描述性统计分析的基本概念和方法，包括中心趋势测量、离散度测量和分布形态测量。
这些方法可以帮助我们理解和总结经济数据的基本特征。
2. 经济数据的描述性统计分析实例- 我们将通过实例演示如何使用描述性统计分析方法来分析和解释经济数据。
例如，我们可以使用均值和方差来描述一个国家的经济增长和收入分配。
第四部分：计量经济学的统计推断1. 统计推断的概念- 我们将讨论统计推断的基本概念和方法，包括假设检验和置信区间。
这些方法可以帮助我们从样本数据中推断总体参数，并评估推断的精度和可靠性。
2. 统计推断的实例- 我们将通过实例演示如何使用统计推断方法来研究和解释经济现象。
例如，我们可以使用假设检验来判断一个政策措施对经济增长的影响。
第五部分：计量经济学的回归分析1. 单变量线性回归模型- 我们将介绍单变量线性回归模型的基本原理和应用。
这个模型可以帮助我们分析一个因变量和一个自变量之间的关系，并进行预测和政策评估。
2. 多变量线性回归模型- 我们将讨论多变量线性回归模型的基本原理和应用。
这个模型可以帮助我们分析多个自变量对一个因变量的影响，并进行政策评估和变量选择。
第六部分：计量经济学的时间序列分析1. 时间序列模型的基本概念- 我们将介绍时间序列模型的基本概念和方法，包括自回归模型和移动平均模型。
2024年计量经济学学习心得范本(3篇)
2024年计量经济学学习心得范本在计量经济学的学习过程中，我通过课堂学习、实践操作和参与讨论等方式逐渐领悟到了计量经济学在经济研究中的重要性和实用性。
本文将围绕我的学习心得进行分享，主要涵盖了计量经济学的基本概念、模型构建和实证分析三个方面。
首先，在学习计量经济学的初期，我对基本概念的理解起着重要的作用。
课程中详细介绍了诸如变量、模型、假设、因果关系等概念的含义和应用。
通过对这些概念的学习和掌握，我逐渐了解了计量经济学的研究领域和方法。
特别是在面对大量经济数据时，变量的选择和模型的构建显得至关重要。
我学会了如何对变量进行合理的选择和分类，并通过建立适当的经济模型来描述真实世界中的经济现象。
同时，我也认识到了在实际研究中，概念的准确性和清晰性对于结果的解释和推导具有重要意义。
只有在具备清晰而准确的理论基础上，才能进行合理的实证分析。
其次，在计量经济学中，模型的构建是一个至关重要的环节。
模型的建立既要能够准确描述经济现象，又要具有实用性。
在学习过程中，我通过案例分析和实践操作，逐步熟悉了模型构建的方法和技巧。
在模型构建中，我了解到变量的选择和功能形式的设定对结果的解读和推导具有重要影响。
合理选择变量需要充分考虑经济理论和实证分析的需要，确保变量之间的相关性和解释性。
同时，我也了解到模型的功能形式是模型构建中的关键环节，其选择应该基于对经济现象的了解和经验研究的依据。
在实践操作中，我结合具体的经济问题进行了模型构建，增强了自己对模型构建的理解和技能。
最后，在计量经济学的学习中，实证分析是巩固理论知识的重要手段。
实证分析通过对已有数据的统计处理和回归分析来验证经济理论和模型的有效性。
通过实证分析，我不仅学会了如何使用计量经济学软件（如Stata、Eviews等），还能够合理解读统计结果和提出合理的政策建议。
在实证分析中，对数据的选择和处理显得至关重要。
数据的可靠性和合理性对结果的准确性和解释性起着重要的作用。
计量经济学课程教学中的“四步法”
计量经济学课程教学中的“四步法”计量经济学是经济学的一个重要分支，它主要研究经济现象的数量化分析和经济理论模型的实证检验。
在计量经济学课程的教学中，“四步法”是一种常用的教学方法，它包括问题提出、模型设定、数据采集和估计检验四个步骤。
这种教学方法能够帮助学生深入理解计量经济学的核心概念和方法，提高他们的实证分析能力和逻辑思维能力。
本文将从四个方面来介绍计量经济学课程教学中的“四步法”。
问题提出是计量经济学教学中的第一步。
在教学中，老师通常会选择一些现实生活中的经济问题或者经济理论中的疑问作为分析的对象。
通过引导学生思考并提出相关问题，老师可以引起学生的兴趣，激发他们对经济现象的好奇心和探索欲望。
老师可以提出一个问题：影响学生学习成绩的因素有哪些？这个问题既可以引出回归分析的概念，也能够激发学生对影响学习成绩的因素进行进一步思考。
模型设定是计量经济学教学的第二步。
在问题提出的基础上，老师需要指导学生建立起相应的经济模型，以此为基础进行后续的数据采集和分析。
模型设定是计量经济学研究的核心和基础，通过模型设定，学生可以深入了解经济现象背后的机制和规律。
针对上述提出的问题，老师可以指导学生建立一个关于学习成绩与学习时间、学习任务量、家庭背景等因素之间关系的模型，为后续的实证分析做好准备。
数据采集是计量经济学教学的第三步。
在模型设定完成后，老师需要向学生介绍如何收集和整理相应的数据，以验证所建立的经济模型。
数据采集是计量经济学实证分析的重要一环，学生需要学会如何获取和利用已有的数据来进行实证分析。
通过数据采集的过程，学生可以了解到真实世界中数据的不完美性和存在的各种问题，从而提高他们的实证分析能力和数据处理能力。
估计检验是计量经济学教学的最后一步。
在完成数据采集后，老师需要向学生介绍如何进行模型的估计和检验。
通过对建立的模型进行参数估计和假设检验，学生可以验证模型的合理性和稳健性，从而得出对经济现象的认识和结论。
计量经济学教案完整版
面板数据模型分类
混合效应模型、固定效应模型、随机效应模 型
面板数据模型优势
控制个体异质性、提供更多信息、增加自由 度等
03
微观计量经济学模型与方法
消费者行为模型构建与分析
01 效用最大化理论
介绍消费者如何在预算约束下最大化效用，以及 效用函数的选择与性质。
02 需求函数推导
基于效用最大化理论，推导马歇尔需求函数和希 克斯需求函数，并解释其经济含义。
介绍描述性统计分析、因 果推断、回归分析等微观 数据分析方法，为实证分 析提供有力工具。
04
宏观计量经济学模型与方法
宏观经济指标选取与解释
GDP与经济增长
详细解释GDP的计算方法 、经济增长率的含义及其 在宏观经济分析中的重要 性。
通货膨胀与失业
阐述通货膨胀率、失业率 等关键指标的计量方法， 及其在货币政策和财政政 策制定中的作用。
计量经济学发展历程
01 早期发展
20世纪初，随着统计学和数学的发展，经济学家 开始尝试将数学方法应用于经济分析，计量经济 学逐渐萌芽。
02 快速发展
20世纪50年代以后，随着计算机技术的普及和统 计学、数学等学科的进一步发展，计量经济学得 到了快速发展，并逐渐形成了完整的学科体系。
03 现代发展
进入21世纪，随着大数据、人工智能等技术的兴 起，计量经济学面临着新的挑战和机遇，其研究 方法和应用领域也在不断拓展。
生产者最优化决策
分析生产者在技术约束和市场需求下 如何做出最优化生产决策，如产量、 生产要素投入等。
市场均衡模型及其政策含义
市场均衡条件
01
介绍市场均衡的基本概念，分析市场均衡的条件及影响因素。
市场失灵与政府干预
计量经济学简明教程
计量经济学简明教程计量经济学是经济学的一个重要分支，旨在运用数学和统计方法分析经济现象。
它的研究对象包括各种不同的经济问题，例如市场需求和供应、价格形成机制、生产与成本、国际贸易等。
本文将从计量经济学的基础概念、常用模型以及实证研究方法三个方面进行讨论。
一、基础概念变量在计量经济学中，变量是指表示不同因素的度量。
可以将变量分为自变量和因变量。
自变量通常表示影响因素，而因变量则表示被影响的结果。
模型模型是对真实情况的简化描述，通常用数学公式表达。
模型可以帮助我们理解现象，并预测未来可能发生的情况。
在计量经济学中，常见的模型有线性回归模型、时间序列模型等。
假设在建立模型时，我们需要假设某些条件得到满足。
这些假设可能基于理论或者统计分析，并且可能是暂时或者永久性的。
假设通常会影响我们对数据进行解释和预测。
二、常用模型线性回归模型线性回归模型是计量经济学中最常用的模型之一。
它是基于自变量和因变量之间的线性关系建立的。
线性回归模型通常表示为：Y = β0 + β1X1 + β2X2 + …+ ε其中，Y表示因变量，Xi表示自变量，βi表示自变量的系数，ε表示误差项。
差分法差分法是用于解决非平稳时间序列数据问题的一种方法。
它将时间序列数据转换为相邻观测值之间的差异。
这样可以消除数据中的趋势和季节性，使得数据更有利于进行统计推断。
面板数据模型面板数据模型也称为长期追踪研究。
它是一种同时考虑个体和时间维度上变化的方法。
通过面板数据模型，我们可以更好地理解不同个体之间以及不同时期之间的差异。
三、实证研究方法在计量经济学中，实证研究方法主要依赖于统计分析技术。
以下是几种常用方法：假设检验假设检验是一种确定样本是否代表总体、相对大小是否具有显著性的方法。
在假设检验中，我们需要先提出一个关于总体参数值的假设，然后通过样本数据来判断这个假设是否成立。
参数估计参数估计是计算线性回归模型中的系数的一种方法。
最常用的参数估计方法是普通最小二乘法（OLS）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
【转】计量经济学的学习经验首先声明我的观点，计量是工具也是理论，它不是普通计算机软件，不懂背后的道理也可以用，我个人强烈反对不掌握扎实的理论就去“应用”计量经济学，那绝对是强奸数据。
本人学习经历：读过大多数国际流行的各种“级别”的计量教科书（除了Hayashi那本，没借到），熟悉SAS，做过大量计算机练习，“蹂躏”过不少中国的数据，现在读paper，参考手册。
开始篇（不是入门，那是很往后的事情了）个人认为只有Wooldridge那本书是值得反复读的（是那个初级本，国内译本也很好），古扎拉蒂就算了，很多理论上的原因大家学到后来就明白了。
古的书我读了两遍，现在早就扔了。
但现在依然常常翻阅Wooldridge。
对于开始的人，Wooldridge书上的海量例子太宝贵了，而且绝大多数取材于著名论文，值得仔细品味。
学习方法：用随便那个软件（我用SAS）把书中的例子几乎全部做一遍，知道你用的软件所报告的结果中那些重要的东西是怎么来的（不用知道的太精确），该怎么解释——书上后来那几章不懂也没关系。
数学要求：基础数理统计学（就是一般初级书上附录那些内容），不用懂大样本理论，知道有一致性这个概念就行了，并且记住它是计量经济学中几乎唯一重要的评价统计量的标准。
什么无偏啊，有效啊都几乎是空中楼阁，达不到的标准。
忠告：1、别管R square，几乎不用管多重共线性，知道异方差和自相关的概念就行了，知道大概怎么诊断，至于纠正嘛，不用太在意。
不过对于GLS还是要有个认识。
2、对于简单二元模型中OLS相关的重要推导全部背下来，不多，但很重要。
3、这个阶段不要陷入公式推导。
4、如果你是初学者，不要指望把Wooldridge的书处处看懂，差不多就行了。
5、可以拿中国的数据“蹂躏”一下。
入门篇数学要求：矩阵，大样本理论，稍微再难一点的统计学矩阵书很多，Greene附录也可以（推荐Dhrymes：Mathematics for Econometrics，这本书对大多数人来说需要看的也就大概三四十页吧）。
大样本理论有难度，需要做比较严肃的准备，有比较好的概率背景的同学大概也需要时间来适应其中繁琐的推导，White：Asympotic Theory for Econometricians前三四章是值得花时间的。
数理统计学教材多如牛毛，不说了，大致Greene附录的那些内容是要了解的（尤其MLE）。
教材：买一本Greene的书放着，看完附录就算了，可以以后时不时的查阅其中其他内容。
读过这本书的同学我相信会有很多人认为它是不值得通读的，没有重点，全面铺开，很恶心的做法。
而且这本书例子不多，实际上我认为思想也很肤浅，没有着重捕捉回归的思想，计量模型中的因果含义等等。
建议：读Goldberger吧，个人认为和Greene功力的差距是本质的，又短又好的一本书，某些地方值得反复读啊读。
起码他会真正告诉你OLS假设的含义，呵呵。
基本读完这本书之后，对计量差不多就有个认识了，可以真正开始深入学习了，Wooldridgeldridge（2001）和Hamilton的很多章节是必读的。
学到这个阶段的朋友就不需要我多罗嗦了。
估计手册和必读的精彩论文都已经有所认识了。
忠告：1、要时不时的作个图看看，不看图（尤其是时间序列）是疯子的做法。
ARMA模型要玩熟，要不然总有一天你得回来重新再学，嘿嘿。
2、学好OLS的相关内容实在是太重要了，不要见了更高深的方法就以为OLS没用了，多学几遍OLS吧。
基本的矩阵推导要烂熟烂熟烂熟！大样本的结论坚持都推一遍。
3、可以尝试着用计量了，记住如果你只有二三十个样本点，最好不要计量。
如果你有50个左右，解释变量别超过三个。
学得挺闷吧，JEP2001FALL整整一本讲计量应用的，全是顶尖大牛，每人讲一个方法，要求文章中公式不超过三个，巨精彩。
什么非参半参，GMM（Wooldridge），IV （angrist@kruger）,VAR,GARCH（Granger）,等等等等。
唉，太精彩了。
去看看爽一下吧。
□不太明白为什么Greene的书在国内被称做圣经，其实就是在AMZON上，这本书得到很多负面评价。
/gp/product ... Fencoding=UTF8&;customer-reviews.sort%5Fby=-SubmissionDate&n=507846Fumio Hayashi的《Econometrics》则是好评如潮。
/exec/obido ... 68607?v=glance&;s=books&n=507846Russell Davidson,James G.Mackinnon的《Econometric Theoryand Methods》也是一本使用比较广泛的教科书。
/exec/obido ... 68607?v=glance&;s=books&n=507846Takeshi Amemiya的《Advanced Econometrics》出版于1985年，是一本广受赞誉的书。
/exec/obido ... 68607?v=glance&;s=books&n=507846Arthur S.Goldberger的《A Course in Econometrics》。
/exec/obido ... 68607?v=glance&;s=books&n=507846Goldberger还著有一本初级教科书《INTRODUCTORY ECONOMETRICS》。
现在中国的学生真的很幸运，因为很多的书在国外出版不久，就被翻译或影印到国内了。
比如两位时序领域的巨人James H.Stock，Mark W.Watson的初中级教科书Introduction to Econometrics，我先是看到上海财经大学出了这本书的影印本，接着又发现东北财经大学出版社又出版了中文版。
出版周期真的是很快。
有的人除了是好的研究者，还是天生的好的教科书的作者、好的教授。
比如已故的G.S.Maddala教授，他和古扎拉蒂都是印度人。
他写的初级教科书《Introduction to Econometrics》3rd Edition，个人认为要比古扎拉第的好太多了。
□你说的那些书我基本都有接触，个人也非常喜欢DAVIDSON & MACKINNON（2004），很好。
对于想了解投影知识以得到回归的直观感觉的人，本书前2章是值得看的。
此外，由于是新书，本书把BOOTSTRAP方法贯彻始终，基本每一部分都有讨论。
但是这里申明一点，我个人在各种教科书上花的时间太多了，二楼说的都是好书，但是学完一本再学一本的方法是不足取的。
太浪费时间了，毕竟，计量终归是作出来的！本人认为取其中之一二作为基础精读之即可，而Wooldridge和Golderberger绝对是首选。
当认真学完Goldberger后，进一步看哪本书实际都不费劲（除了时间序列需要花点时间），这个阶段该看论文和手册了。
对于MONTECARLO和BootStrap，我认为应该尽早接触。
本文来自: 人大经济论坛计量经济学与统计版，详细出处参考：/forum.php?mod=viewthread&tid=865149&page=1【转】中级计量经济学学习体会四川大学杨可扬（我的博客：/）在学习计量之前看到过一位网友的计量学习经验，对我很有帮助。
现在自己学完中级，有点小体会，记录下来，希望对正在学或者将要学的朋友有所帮助。
一、学习的路径我以为计量经济学的学习可以沿着：初中级教材＝＞高级教材＝＞时间序列和面板的专门教材＝＞学术论文，这样的路径。
初中级教材，我刚读完，有发言权，下面详谈。
高级教材中，我即将读，从已经学过的同学得到的经验来看，要想建立完整的理解体系，林文夫是首选；要想重在应用，格林和戴维森的很好。
时间序列的教材，汉密尔顿是经典（不过，我翻了一下，很技术化。
汉密尔顿自己上计量的课也只将其作为参考，而将林文夫的作为教材。
）面板的教材，伍德里奇的很好，可惜的是国内网站上似乎还没有完整的答案提供。
二、中级教材的比较我学习中级计量主要是选用了伍德里奇和古扎拉蒂的。
就我个人而言，我更喜欢伍德里奇的。
伍德里奇教材比起古扎拉蒂的最明显优势在于海量的例题。
这些例题一般也都提供了数据。
它的数据质量通常较好，样本量很大。
这才容易得到大样本性质嘛。
古扎拉蒂的样本量通常较小，有时只有10几个数据，怎么得到大样本性质。
伍德里奇的习题也很好，通常都有着十分现实的背景，有时是作为例题的延伸。
古扎拉蒂的习题有的相当繁琐，而且待做完之后回首一看，这种繁琐很多都是不必要的。
伍德里奇本人的对计量经济学发展作出了很多贡献，你看论文或者是别的教材的时候经常都会对他有所应用。
但是，伍德里奇的教材也不是在所有方面都比古扎拉蒂好。
例如，伍德里奇对分布滞后模型的处理上面就显得比较散，有的模型是在习题中做的介绍。
还有，他将时间序列部分不如古扎拉蒂简明、清晰，特别是在讲预测部分的时候有点偏难。
顺便说说版本问题。
伍德里奇常见的中文版是第1版的，英文影印版是第二版的。
两个版本差别不大。
翻译的错误也较少。
古扎拉蒂的中文版，有第四版，也有第三版。
强烈建议拥有第四版的。
英文第四版网上可以下载。
理由是：第三版翻译错误较多，第四版做了很大的调整，比如直接增加了面板、非线性估计等章节。
三、我基本的学习步骤（1）看伍德里奇的教材，然后看几个课件，然后做习题。
如果做完之后还没有理解，就把古扎拉蒂的拿来看看。
全书学完之后，作一个总结。
我读的是伍德里奇第二版的英文教材。
这还是我第一次通读英文教材。
原来一般都是选读部分章节。
经济学英语一般都不难。
读原版教材有两个好处：避免翻译带来的信息的遗失和扭曲；把接受英文信息作为习惯，阅读论文很方便。
我这次读书有个特点就是做了大量的旁批。
旁批主要包括两方面的内容：公式推导和总结。
书中的公式有些是没有推导的，或者是推导的步凑不够详细。
如果数学知识够用，我都推一遍。
还有就是总结。
一边读，一边概括，伍德里奇这一段、这个例题、这个练习究竟想讲什么。
这也为后来的复习提供了便利。
（2）看课件。
我最喜欢的两份课件分别是：沈艳教授的和李子奈教授的课件。
沈艳教授的课件是和伍德里奇教材配套的。
可惜的是我手中的并不齐全。
当然这也有可能是沈艳教授没有讲完所有章节的原因。
李子奈教授是国内计量经济学的泰斗了。
他的课件十分简明清晰。
阅读课件对形成整体理解很有好处。
有时候，刚读完一章，感觉很含混，记得的只是一个个细节，看完课件，这些细节才联系了起来，形成一个整体的图景。
（3）做题。
这里我要多说两句。
最初接触经济学的时候，有人声称无需做题，他的理由是：“如果你不懂，那么做不来题；如果你懂了，你又何必做题”。