计量经济学，前半学期最重要的是学习Assumptions。这门课的数学推导过于简单，不需要花费时间，所以重点应当关注不同模型的假设。例如，OLS的三个假设，以及为什么要有这些假设，自己能不能独立想到这些假设，是应当学习的东西。而至于第5节介绍的一些可能存在的问题，这门课程并不能完全说清楚。学一些因果推断、贝叶斯网络、机器学习的课程是有助于理解因果关系的，妄图通过计量经济学就搞会这些东西几乎是不可能的。在这里推荐一本书，Rubin的因果推断是做计量必须要读的Causal Inference in Statistics,Social, and Biomedical Sciences。
后半学期，重要的是思想。例如，拿到一个问题，一组数据，如何建立模型，选择什么样的方法，你有哪些想法。实际上，有关分类变量（Categorical data）如何处理，有经典教材Categorical Data Analysis。有关工具变量，除了Rubin的书，可以读Pearl的书Causal Inference in Statistics A Primier 。时间序列不多说了，有很多经典的书。实际上，这些计量中的topic，如果能以统计学的视角加上计量的视角来学习，很多东西就能学明白了。例如为什么要有工具变量，当然Rubin的书里面作为一种平衡Covariates的方法介绍了，在计量中有更容易理解，更直观的motivating examples。所以这些内容都学一学，才能有更深入的理解和认识。