下载文档原格式
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（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。
经济学考研计量经济学核心知识计量经济学是经济学中的一个重要分支，通过运用数理统计方法和经济理论来分析经济现象和经济行为的关系。
在经济学考研中，计量经济学是必修内容之一，对于候选人们来说，掌握计量经济学的核心知识是非常重要的。
一、回归分析回归分析是计量经济学中最基本的方法之一。
其通过建立经济模型，通过样本数据对模型进行估计，并利用估计结果进行经济问题的预测和对经济政策的评估。
回归分析包括单元根检验、OLS估计、假设检验等内容。
1. 单元根检验单元根检验是回归分析中的一个重要步骤，用于检验一个时间序列是否具有平稳性。
常用的单元根检验方法有ADF检验、PP检验等。
2. OLS估计OLS估计是回归分析中最常用的估计方法，通过最小化残差平方和来估计模型中的参数。
需要注意的是，OLS估计的有效性需要满足一定的假设条件，如线性性、正态性、无多重共线性等。
3. 假设检验假设检验是回归分析中用于判断经济模型的显著性的方法。
常用的假设检验方法有t检验、F检验等。
二、时间序列分析时间序列分析是计量经济学中的另一个重要内容，通过对时间序列数据的统计方法和经济理论进行结合，来评估经济现象和经济政策的影响。
时间序列分析包括平稳性检验、协整关系检验、Granger因果检验等内容。
1. 平稳性检验平稳性检验是时间序列分析的首要步骤，用于判断一个时间序列是否具有平稳性。
常用的平稳性检验方法包括ADF检验、PP检验等。
2. 协整关系检验协整关系检验是时间序列分析中的一个重要内容，用于研究两个或多个非平稳时间序列之间的长期均衡关系。
常用的协整关系检验方法有Johansen检验、Engle-Granger检验等。
3. Granger因果检验Granger因果检验是时间序列分析中用于检验两个变量之间是否存在因果关系的方法。
通过引入滞后项对自变量进行延迟处理，然后进行假设检验，判断因果关系是否显著。
三、面板数据模型面板数据模型是计量经济学中用于分析横截面和时间序列数据的一种方法。
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）。
计量经济学课程论文完整版引言。
计量经济学是经济学的一个重要分支，它运用数学、统计学和计算机技术来研究经济现象。
在这门课程中，我们学习了许多重要的计量经济学方法和模型，以及它们在经济领域的应用。
在本文中，我将讨论我在这门课程中学到的知识，并且对一些相关的经济现象进行分析和解释。
一、计量经济学方法和模型。
在这门课程中，我们学习了许多计量经济学的方法和模型，包括线性回归模型、时间序列分析、面板数据分析等。
其中，线性回归模型是最基础的模型之一，它可以用来分析一个或多个自变量对因变量的影响。
通过线性回归模型，我们可以得到自变量与因变量之间的关系，并且进行预测和检验。
另外，时间序列分析是研究时间序列数据的一种方法，它可以用来分析经济变量随时间变化的规律。
通过时间序列分析，我们可以研究经济变量的趋势、季节性和周期性等特征，从而进行预测和政策制定。
面板数据分析则是研究横截面数据和时间序列数据的一种方法，它可以用来分析不同个体或单位之间的差异和联系。
通过面板数据分析，我们可以研究个体特征对经济现象的影响，以及个体之间的相互作用。
二、计量经济学在经济领域的应用。
在实际经济研究中，计量经济学方法和模型被广泛应用于各个领域，包括宏观经济学、微观经济学、金融学等。
其中，宏观经济学是研究整体经济运行的一个重要领域，通过计量经济学方法和模型，我们可以研究国民经济的增长、通货膨胀、失业等重要问题。
在微观经济学领域，计量经济学方法和模型可以用来研究市场结构、企业行为、消费者选择等问题。
通过微观经济学的研究，我们可以了解市场的运行机制，以及政策对市场的影响。
在金融学领域，计量经济学方法和模型可以用来研究股票市场、债券市场、汇率市场等问题。
通过金融学的研究，我们可以了解金融市场的波动规律，以及政策对金融市场的影响。
三、实证分析。
在本文的最后部分，我将通过一个实证分析来展示计量经济学方法和模型在经济研究中的应用。
我选择了一个关于教育支出对经济增长的影响的实证研究。
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），古扎拉弟就算了，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WOO.对于开始的人，woo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woo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，GREEN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GREEN附录的那些内容是要了解的（尤其MLE）。
教材：买一本GREEN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Golderberg（怀疑又拼错了）吧，个人认为和GREEN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，wooldridge（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，JEP 2001FALL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), V AR, GARCH(granger),等等等等。
唉，太精彩了。
去看看爽一下吧。
本文来自: 中国经济学教育科研网论坛() 详细出处参考：h若数学水平较高，有意进一步玩弄经济学之数学智力游戏，则可参读以下数学工具：中国大学本科考研究生之数学三（高数、线性代数、概率论与数理统计）为必修之基础课，其他之数学工具则包括拓扑学初步（凸集、凹集、微分方程稳定性）、线性规划（代数理论、几何理论、对偶理论）、非线性规划（不等式约束规划）、变分法（欧拉方程、泛函函数、收敛问题、可变端点、横截条件、勒让得必要条件、相图分析）、最优控制理论（最大值原理、汉密尔顿函数）、连续时间优化规划、离散时间优化规划（不动点性质、值函数）、时间序列分析、非线性混沌系统、随机变量等等。
相关参考书目如下：1、《经济学中的数学》（入门水平）2、蒋中一《数理经济学基础》（基础水平）3、《动态优化基础》（进阶水平）4、高山成（takayama）《经济学中的优化方法》（推荐阅读）5、龚六堂《经济学中的优化方法》（推荐阅读）6、《经济学中的动态递归方法》（推荐阅读）7、〈数理经济学手册〉人大版（重点阅读）本文来自: 中国经济学教育科研网论坛() 详细出处参考：/dispbbs.asp?boardid=33751&id=390505ttp:///dispbbs.asp? boardid=33751&id=390505我最喜欢的一本计量书：约翰斯顿，迪纳尔多的《计量经济学方法》，中国经济出版社，此书在70年代的引用率仅次于马克思的《资本论》，世界排名第二。
里面能够找到一些很实用但在普通的计量书上不易找到的东西，如密计集算方法选讲中的bootstrap 方法，此外，此数关于LM,LR,Wald检验的讨论，更是经典。
不过此书是中级向高级过渡的级别，矩阵用得较多。
我入门看的是李子奈的，同时看的古扎拉蒂的。
我用了三个星期看了李子奈的计量，然后接着看古扎拉蒂的，感觉此二本书互相配合，非常好，推荐作为入门的首选。
伍德里奇的现代观点，入门看不太适合，主要原因是它内容太多，例子太多，入门一下子反而不容易抓住主线，还不如李子奈的来得快，让你短短一个月内略览计量的概貌。
而且，伍德的讲述方法是现代手法，即一开始就不假定解释变量的非随机性质，这样是很有好处的，但对于入门而言，我觉得还是选把经典的假设学完，有了个大体框架之后，再去学伍德里奇的那一套，有个比较，才能很好地领会现代计量的方法相对于古典而言的妙入。
所以，建议看完李子奈和古扎拉蒂的之后，再看伍德里奇的现代观点。
然后，中级进阶，首选当然是一开始说的约翰斯顿，迪纳尔多的《计量经济学方法》了，此书思路之清晰，言简意赅，内容丰富，真让人爱不释手也。
接着进入高级，我看的是格林（Greene）的计量经济分析，four edition，影印版，清华大学出版社，看前面的贴子说人大出版社出了第五版的中译本，还没见过。
此书被称为计量经计学的Bible，当然是名不虚传，内容很多。
我觉得这本书矩阵用得比约翰斯顿的进了一个台阶，如果矩阵不过关，是肯定无法真正了解的。
所以，读这本书需要毅力。
还需要补充矩阵的知识，我的经验是，熟能生巧，如D. Lay所说的，要象学外语一样来每天都学习线性代数，达到这种境界，自然水到渠成。
现在我也没有完全搞定这本Econometric analysis，但这的确是本好书，高级的必读，过了这本书和矩阵这一关，差不多就有资格进入一个阶段了。
我有的比格林更高一层次的只有两本（纸版的），即伍德里奇，《横截面与面板数据的经济计量分析》，英文版我也打印了一份，《Econometric analysis of cross section and Panel Data》，此书被誉为对计量做了一次“艺术级”的讨论（Hausman语），的确经典，但也很难，我只是在有必要时查找其中一些内容，如Panel 的自相关检验等。
我还有一本就是北京大学出的影印的萧政教授的《面板数据分析》，此书比起伍德的更难，主要是写得更精简，矩阵用得更夸张，看起来很费力。
我也只是要用时查一下其中的内容，如Dynamic Panel的内容，还有Panel Unit root的内容。
我自觉还没达到可以通学习此二本高级内容程度。
最后，还有一本，是林文夫（Hayashi的Econometric）计量经济学，此书在本论坛上有电子版下。
觉得是一本宏观计量方面的书，主要以GMM（广义矩估计）方法为框架来介绍计量，也有不少Panel Data 的东西，但我觉得此书更注重计量的统计推断和一些渐近性质的讨论，偏理论化。
而且于时间序列的单位根方面有很好的讨论，是一本很值得一读的书。
听说此书和伍德的截面与面板在欧美已经是标准的教科学了。
总结一下，从我个人收藏的和读过的计量来看，推荐大家以这个顺序来阅读计量书：入门：李子奈，古扎拉蒂《计量经济学》————>初至中及：伍德里奇：《计量经济学现代观点》————>中级至高级初步：约翰斯顿，迪纳尔多的《计量经济学方法》————>高级：格林《计量经济分析》————>高级更进一步：伍德里奇《Econometric analysis of cross section and panel data》，林文夫《Econometrics》，萧政教授的《面板数据分析》当然，除了以上，我读过的还有一些是不错的，如人民大学的何晓群的《回归分析方法与建模》，朱平芳《现代计量经济学》，赵国庆《计量经济学》，作为国人编写的来说，都还不错。
本文来自: 中国经济学教育科研网论坛() 详细出处参考：/dispbbs.asp?boardid=33751&id=390505。
