统计计量 | 知乎热议：如何系统地自学计量经济学？

本文转载自公众号连享会（ID:lianxh_cn）

作者：萧泳銮（广东外语外贸大学）

邮箱：[e-mail]

编者按

经常会有同学问，如何系统地自学计量经济学，该看什么书？和其相关的数学又应该学到什么程度？如何稳扎稳打、高效率地掌握计量知识，比如，读哪些书可以练就基本功，读哪些书又可以适当拔高，循序渐进。为此，本文为大家精心梳理了知乎上各位大神们相关学习经验与资源，希望对大家有一些启发。

目录

1. 学习建议篇

2. 计量经济学入门资料推荐篇

3. 计量经济学进阶资料推荐篇

4. 计量经济学教材整理篇

Part1学习建议篇

掌握计量经济学方法需要不断积累加实践，网友「竹林清风LJ」的建议如下：

• 连享会主页有系统的计量经济学学习方法和 Stata 操作资料，也积累了数百个常见问题的解答；

• 知乎上搜索计量经济学的相关解答；

• 经管之家查找琐碎的计量方法；

• 查阅中国工业经济和 AER 期刊，这些期刊会公布代码和部分研究数据，根据文章边做边还原；

• 关注一些计量经济学的公众号，公众号上会系统介绍一些计量方法，并且会推荐一些参考文献学习。

你要有决心毅力学好计量和有一定的英文和数理统计基础，网友「LCHEN」的建议如下：

• 自学的话不要读别人的课件和 lecture notes，读教科书才是正道；

• 不要同时读两本以上的教科书，建议主读一本，另一本做比较，把一本书读透比读很多本书更有用；

• 选择有课后习题和附带应用、代码、数据的教科书。计量是一门实用的课程，你得动手做；

• 读英文原版，不管开始觉得多困难。

不建议从李子奈的那本书开始学，虽然很多国内高校的计量经济学是从那本书起步的，网友「Bill Zhou」建议如下：

• 学习计量经济学，建议从矩阵运算开始学，也就是线性代数。掌握最基本的矩阵变换法则，然后从矩阵起步，循序渐进学习 OLS, MLE，再逐步进阶。事实上，各种 estimation 是需要不断推导的，假设前提以及达成最优化的条件要加以系统性总结，这样才能看懂模型，进而运用模型；

• 同时为了避免出现 spurious model, 建议不要放松对理论的学习，理解变量之间的相互关系；

• 从软件上看，国内通常是从 Eviews起步，北美是 Minitab，前后者对入门学者来说差距不大。之后，针对非计量经济学专业的同学，建议 Stata、SAS、R 等都用，用熟一个，其他也都会一些。计量专业的同学，建议学通 Matlab，这是立身之本。

计量经济学需要数理统计做基础，需要软件做实践工具，网友「gang sun」建议如下：

• 第一步，结合软件学习数理统计，弄清楚总体、样本、抽样、统计量、参数估计、假设检验，尤其是 t 检验、F 检验。需要三本书，一本是白话统计学之类的以友好语言写的，第二本是以官方语言写的概率论与数理统计的本科教材，第三本是结合软件的，推荐贾俊平的 “统计学——基于 R”；

• 第二步，学习计量经济学教材，弄清楚计量经济学的基本概念和步骤，并使用软件重复例题。需要两本书和搜索引擎，一本是国内教材推荐庞浩的计量经济学第三版，另一本是国外的推荐古扎拉蒂的计量经济学基础，可以先不管推导和各种原因。R 语言用于处理两本教材涉及的操作，可以百度找到；

• 第三步，学习计量经济学教材，弄清楚各种推导和原理，这里可以增加线性代数的内容。古扎拉蒂各章的附录可以看看，还要推荐伍德里奇的教材，相比前者一些假定的来源和目的说得会更清楚，推导附录也要看。

Part2计量经济学入门资料推荐篇

网友「LCHEN」推荐精读 Wooldridge 的 Introductory Econometrics :

• A Modern Approach。如果你能把坚持花一年时间把这本书认真啃完，收获一定超过你想象！同时推荐 Stock and Watson 的书作为比较和补充。

网友「杜撰」认为实现 “稳扎稳打、效率较高地掌握计量知识”，可以这么做：

• 由于计量经济学涉及到概率论和数理统计方面的知识 (比如统计量的构造、P 值、t 检验和 F 检验等等)，我觉得掌握这方面的知识是很有必要的。推荐教材的话，首推茆诗松版本的《概率论与数理统计》 (个人觉得这应该是目前国内这方面教材最好的一个版本)；

• 有了概率论和数理统计方面的知识后，你可以着手学习计量经济学了。入门教材有很多，国内的话，首推庞皓的《计量经济学》，理论知识和实际应用之间的权衡把握的不错。其次就是李子奈的《计量经济学》，可能这本书稍微会难一点。国外的话，优秀的教材就很多了，比如伍德里奇的《计量经济学导论》、古扎拉蒂的《计量经济学基础等等》；

• 计量经济学作为一门工具学科，总要到解决实际的经济学问题中才能发挥的作用，在学习过程中要边看书学习边操作，这样学习效率会比较高。至于要使用哪种软件的话，入门的话可以用 Eviews 和 Stata。

「匿名用户」推荐的入门教材如下：

• 庞皓 《计量经济学》 (第三版)。之所以推荐这本，原因只在于，一有教学视频 (西南财经大学精品课程)，二是有数据和参考答案；

• 张晓峒 《计量经济学》。与庞皓的教材内容相当，矩阵运算要求略高一些。可与庞皓教材对照着看；

• 伍德里奇和古扎拉蒂等国外经典入门教材这两本是很多人初学计量的首选，庞皓和张晓峒的书参考古扎拉蒂的痕迹也很明显。不建议一上来就抱着这两本 “大部头” 啃，虽然它们写得确实很清晰，直觉很多很好。不过书一厚了，不容易抓住重点，而且两者都弱化数学推导，不利于向中高级过渡。

网友「竹林清风LJ」入门书籍推荐如下：

• 伍德里奇的《计量经济学导论：现代观点》，配合安神《精通计量：从原因到结果的探寻之旅》。两本书相结合学习，可以较好地理解回归和因果推断；

• 另外，陈强《计量经济学及 Stata 应用》这本书也不错，适合本科生初学者。这本书就像字典一样，当你遇到问题时，查阅即可知解决办法。

Part3计量经济学进阶资料推荐篇

如果你学有余力或者致力于读数量经济学专业的研究生的话，网友「杜撰」建议这么做：

• 中级和高级的计量经济学中会常常涉及到用矩阵的描述问题或模型，你可以补充一下这放那个面的知识，比如 《线性代数》和《矩阵分析》这样的教材。如果还想进一步提高的话，可以看看濮晓龙版本的《高等数理统计》或者陈希孺版本的《高等数理统计》；

• 接着就可以看看格林版本的《计量经济分析》，这本书几乎包括了计量经济学的方方面面。国内的话，李雪松的《高级经济计量学》也不错；

• 有了以上两方面的基础以后，再学习计量经济学就需要按照你的兴趣来专研了。计量经济学大致可以分为以下几类，时间序列计量经济学、面板数据计量经济学和微观计量经济学。时间序列方面，首推汉密尔顿的《时间序列分析》和蔡瑞胸的《金融时间序列分析》这两本书。面板数据方面，至今还没发现比较好的教材。微观计量经济学方面，首推卡梅隆《微观计量经济学：方法与应用》。

进阶教材，这方面可选的很多，但都没有必要抱着一本读完。「匿名用户」提供的参考如下：

• Goldberger 《A course in econometrics》；

• Greene 《Econometric Analysis》；

• Hansen 《Econometrics》；

• Johnston 《Econometrics Methods》；

• 软件软件方面，经济系用 Stata 的还是比较多的，教程也多，视频教程也有。另外，R，Matlab 乃至 Python，感兴趣的都可以学，精通一样都足以解决大部分问题。

关于学习计量经济学的进阶书籍，网友「竹林清风LJ」推荐如下：

• 安神《基本无害的计量经济学》；

• 赵西亮《基本有用的计量经济学》；

• 陈强《高级计量经济学及 Stata 应用》。

Part4计量经济学教材整理篇

如下是我们整理的主流教科书的链接，多数教科书可以直达作者主页，以便获取书籍相关的程序和数据。

• Hansen B E. 2021. Probability and Statistics for Economists, Princeton University Press, forthcoming.

  -Contents- -PDF- https://www.ssc.wisc.edu/~bhansen/probability/

• Hansen B E. 2021. Econometrics. Princeton University Press, forthcoming.

  -Data and Contents- -PDF- https://www.ssc.wisc.edu/~bhansen/econometrics/

• Greene, W. H. Econometric analysis, 7th ed. [M]. Upper Saddle River, NJ: Prentice Hall, 2012.

  -William H. Greene 主页- -JD- -Stata Dataset- http://people.stern.nyu.edu/wgreene/

• 伍德里奇. 计量经济学导论:现代观点[M]. 中国人民大学出版社, 2003.

  -Jeffrey M.Wooldridge 主页- -JD- -Stata Dataset- http://econ.msu.edu/faculty/wooldridge/

• Stock, J., Watson, M., 斯托克, & 沃森, et al. (2014). 计量经济学导论. 中国人民大学出版社.

  -Mark W. Watson 主页- -文轩网- https://item.winxuan.com/1201632689

• 乔舒亚·安格里斯特, 约恩-斯特芬·皮施克. 基本无害的计量经济学[M]. 格致出版社, 2012.

  -Joshua D. Angrist 主页- -Jörn-Steffen Pischke 主页- -JD--Stata Dataset- https://gitee.com/arlionn/mostly-harmless-replication

• 庞皓. 计量经济学.第3版[M]. 科学出版社, 2014.

  -JD- -Stata Dataset- https://bbs.pinggu.org/forum.php?mod=misc&action=attachpay&aid=1147916&tid=1528496

• 古扎拉蒂. 计量经济学基础[M]. 中国人民大学出版社, 2005.

  -Damodar.N.Gujarati research work- -JD- -Stata Dataset- https://www.researchgate.net/scientific-contributions/Damodar-N-Gujarati-2032605744

• 陈强. 高级计量经济学及 Stata 应用[M]. 高等教育出版社, 2010.

  -陈强主页- -JD- -Stata Dataset- https://bbs.pinggu.org/forum.php?mod=misc&action=attachpay&aid=1291205&tid=2291012

• 乔舒亚·安格里斯特, 约恩-斯特芬·皮施克. 精通计量：从原因到结果的探寻之旅[M]. 格致出版社, 2019.

  -Joshua D. Angrist 主页- -Jörn-Steffen Pischke 主页- -JD- https://www.nber.org/people/jorn-steffen_pischke

• Hamilton, J·D. 时间序列分析[M]. 中国人民大学出版社, 2015.

  -James，D.H 主页- -JD- https://www.nber.org/people/james_hamilton

• 蔡瑞胸. 金融时间序列分析[M]. 人民邮电出版社, 2012.

  -蔡瑞胸主页- -JD- -Stata Dataset- https://item.jd.com/56014642978.html

• 赵西亮. 基本有用的计量经济学[M]. 北京大学出版社, 2017.

  -赵西亮主页- -JD- -Stata Dataset- https://www.wise.xmu.edu.cn/people/faculty/36951ecf-52c4-4c7f-a087-06c2853a9a52.html

• 李子奈, 潘文卿. 计量经济学[M]. 高等教育出版社, 2015.

  -JD- -Stata Dataset- https://bbs.pinggu.org/a-2093983.html

• 张晓峒. 计量经济学[M]. 清华大学出版社，2017.

  -JD- -Stata Dataset- https://bbs.pinggu.org/thread-1130742-1-1.html

• 李雪松. 高级经济计量学[M]. 中国社会科学出版社，2008.

  -JD- -Stata Dataset- https://www.shujugo.cn/forum.php?mod=viewthread&tid=9853&extra=page%3D1

• 卡梅隆, 特里维迪. 微观计量经济学：方法与应用[M]. 机械工业出版社, 2008.

  -JD- https://item.jd.com/10024807487325.html

• 茆诗松, 程依明, 濮晓龙. 概率论与数理统计[M]. 高等教育出版社, 2019.

  -JD- https://item.jd.com/54389669966.html

• 茆诗松, 王静龙, 濮晓龙. 高等数理统计[M]. 高等教育出版社, 2006.

  -JD- https://item.jd.com/10254991.html

• 陈希孺. 高等数理统计学[M]. 中国科学技术大学出版社, 2009.

  -JD- https://item.jd.com/12676651.html

本文转载自公众号：连享会（ID：lianxh_cn），作者：连享会。

星标⭐我们不迷路！

想要文章及时到，文末“在看”少不了！

点击搜索你感兴趣的内容吧

往期推荐

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

推荐 | 青酱

    欢迎扫描👇二维码添加关注    

点击下方“阅读全文”了解更多