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 2001 FALL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GREEN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。（来自网友machisoftgodden)