Answers:
就个人分析而言,我喜欢
(1)是相当简短的可读经典。(2)更具介绍性,具有很多直觉,尽管它为nlogit软件投入了大量空间。(3)具有与(2)相同的功能,但主题更为集中。(4)也是非常入门的,重点是使用Stata。它可能是这四个中最不“经济”的,但仍然相当不错。
对于计数数据,我喜欢Cameron和Trivedi的计数数据书,其次是Winkelmann的。
您列出的书很好,特别是Wooldridge,但是它们比离散数据覆盖了更多的领域,但以深度为代价。
我建议也考虑一下Alan Agresti的“分类数据分析”。
在这里,您可以查看详细的目录,并了解本书的水平。在这里,用户评论讨论了第二版和第三版之间的区别。在这里,您可以查看2003年第二版。
这本书不专注于计量经济学的应用,这正是我建议这样做的原因。它会带给您关于此事的更一般的观点,有时会带来新的想法。
我的经验是使用第二版。这本书的对象不是其他学者,而是学生和从业人员。从临时演员,我特别喜欢ch。16“分类数据分析的历史之旅”,因为它始终有益于我对材料的理解,从而可以了解科学领域是如何发展的。
非常广泛。值得至少作为参考,因为它涵盖了许多模型和估计技术。不过,直觉还是有点亮。此外,还有一个点燃版,比非常昂贵的精装书便宜很多
我没有看过这个,所以不能从经验谈起。好像很受欢迎
以我的经验,这本书比较容易阅读,并且在尝试自我解释方面做得更好。它不如Greene广泛。我会先去读这本书,因为我发现它更容易理解。如果我没有得到所需的答案,则可能在Greene中。