计量经济学的聊天方式和说教腔调。
在计量经济学课堂上，如果开始有一个又一个的学生不断向老师发起各种提问，这似乎是一个好的预示——至少有那么一些学生已经开始对某些“枯燥乏味”的话题开始自己的思考。但是，也不要高兴太早。因为后面的来回反馈和互动，可能更加让人焦头烂额。情形就好比如，菜市场热闹早市下熙熙攘攘吵闹讨价的买家和卖主，各自吆喝一番，然后各得其所，好像都赚了。
计量经济学学习中有很多坑，不一一失足踏过，就千万不敢妄称深谙其道、门儿清。
外文原著的中文翻译版不可读，或者起码要少读少碰。一是翻译错误多（多半是态度和责任心问题）；或者译词怪异（各种创造，也不能说是谬误，就是觉得奇怪，比如time constant variable译成时常变量看起来“很妥帖”啊；又比如innovation译成新息也有相同后遗症），或者一词多译（还往往出现在同一译本下）；或者前后颠倒语句生涩（大多是生硬套译，中文里美妙的“意译”技巧好像完全施展不出来。ps:怀念一下傅雷翻译罗曼罗兰的《约翰克里斯多夫》，不过人家操刀上架的可是文学作品）。如此种种，能耐心看完的也算得上是忍性极好之人。
计量经济学独特的语言体系。计量经济学充满了各类符号、记号、公式等，初接触它无异于观地外文明、听梦魇呓语。总体上看，计量经济学好似有其独特的语言体系。这套语言体系，主体应该以数学语言为其蓝本，但是又大量加入了各种神秘万千的假设（Assumptions），远不如数学语言那么严格优美。
场景变幻和剧情线条很重要。模型千万个，理论各有理。同一个符号出现在A场景里，可能在B场景里就完全变了另一个含义。比如总体回归模型（PRM）\(Y_i = \beta_1 +\beta_2X_i +u_i\)和样本回归模型（SRM）\(Y_i = \hat{\beta}_1 + \hat{\beta}_2X_i +e_i\)，两个场景下\(Y_i\)的含义完全不同（前者是总体\(Y_i\)，后者是样本\(Y_i\)，一般前者要包含后者的）。另外就是要考虑讲故事的剧情。同样是表达方差，总体方差要记成\(\sigma^2_{\hat{\beta}_2}=\frac{\sigma^2}{\sum{x_i^2}}\)，样本方差就要记成\(S^2_{\hat{\beta}_2}=\frac{\hat{\sigma}^2}{\sum{x_i^2}}\)，而\(\hat{\sigma}^2\)又是PRM中随机干扰项\(u_i\)的方差的无偏估计量，如此这番，这个剧情和故事线的深度简直堪比HBO神剧的编剧设定，让你欲罢不能，脑细胞非要死一大片不罢休。
统计软件上手操作，那是真的“伤痛”。EViews、SPSS之类的软件，菜单驱动的做法本质上就是给初学者完美定制了一个个“宠坏孩子”的“工具黑箱”！使用这些方便的套件久了，真的会禁锢人的思维，麻痹人类的神经。事实上，你会发现书本上的理论和假设，跟你的实际分析案例总是那么格格不入。削足适履也好，生搬硬套也好，总觉得那那难受。
下面说一点“建设性”的意见：
计量经济学原著走起吧，少年！这个舶来品，还是原汁原味的读起来更顺畅。它不能像文学作品那样，意译可以活灵活现，能植入到本土文化中并让你感同身受。它更多的是科学作品，追求严格和准确，因此直译你会水土不服（产生文化排斥），意译你会不知所云（丢失太多信息）。
熟悉“主流话语”，忘掉哪些非主流的“方言”吧。计量大咖们（已经被封神）的经典传世之作一定要好好拜读（Wooldridge、Green之类的），它们的“语言符号”大多经过精巧打磨，形成了、影响着、并决定着“主流话语”（官方语言）。
理论与实践，各露一手。熟悉一门编程统计语言（R语言,Python,Stata等等皆可，最好精通一门），有备无患，上能通天会仙，下能镇妖除魔。理论和实践要兼顾，相得益彰。
下面以面板数据（panel data analysis）的相关学习为例：
理论方面的书籍主要可以看：
Wooldridge, J. M. Introductory econometrics. A modern approach(6th) [M], Cengage Learning, 2016. 关于面板的内容，精简了很多。
Wooldridge, J. M. Econometric Analysis of Cross Section and Panel Data 2ed [M], MIT press, 2010. 当然是经典了，但是阅读难度较大（矩阵知识和技巧）。