微观计量经济学是一门介于经济学与统计学之间的边缘学科，包括经济学理论和用于分析微观数据的统计方法。也就是说，用经济学理论和统计学方法分析反映个体、家庭和企业的微观数据，并从中获得反映社会更为本质的经济信息。微观数据一般有两种表现形式：一种称为截面数据，表现为同一时点上不同情况的集合；另一种称为经度数据，即同一观察单位在不同时点（如年份）上的连续情况的集合。近30年来，微观计量经济学领域由于产生了包括微观数据的大型数据库，获得了迅速扩展。此时，微观数据越来越容易的可获得性和不断增强的计算能力，为实证分析检验微观经济理论提供了全新的便利和可能；在此基础上研究人员具备了检查分析关于“个体”的许多新问题的能力。
下面是经网友推荐和评选的最优秀的微观计量经济学的学习资料：
图书：《微观计量经济学方法与应用》（英文版），卡梅隆,特里维迪 著 机械工业出版社 （2008年）
本书对微观计量经济学进行了全面详细的论述,使用回归方法,分析了产生于企业和个人经济行为的个体层面的数据,涉及横截面数据和面板数据,强调非线性模型和稳健推断以及按章论述的GMM估计、非参数回归、基于模拟的估计、自举方法、贝叶斯方法、分层和整群样本—方法评价、误差度量和数据缺失,使用大量丰富的实际例证。我最近在学习这本书，刚开始以为很难懂，就找了译本中文的以为相辅相成地学习，但是后来发现直接看英文的更合适。
图书 ：微观经济计量学:方法与应用， A.科林·卡梅伦(A.Colin Cameron) (作者), 普拉温·K.特里维迪(Pravin K.Trivedi) (作者), 王忠玉 (译者)，上海财经大学出版时，2009年版
《微观经济计量学:方法与应用》针对微观经济计量分析做出了详细研究，内容涉及对揭示个体或厂商经济行为的个体层面数据加以分析。《微观经济计量学:方法与应用》旨在为应用研究者提供一种综合的统计方法，以及将其用于现代微观经济计量领域的研究方法。《微观经济计量学:方法与应用》适合从事相关研究工作的人员参考阅读。
图书，《微观计量经济学要义:问题与方法探讨》，林少宫，华中科技大学出版社（2003年）
微观计量经济学是计量经济学前沿发展的重要部分。华中科技大学经济学院于2002年举办了“微观计量经济学高级研讨班”，邀请cFadden教授前来领衔主讲，同时组织在该院任职或兼职的教授做配套讲课，以补充微观计量经济学的一些基本概念和应用。该书是根据研讨班的讲课内容和资料整理而成的，内容新颖，利于有志于应用者拓展视野。
图书，《横截面与面板数据的经济计量分析》，伍德里奇，中国人民大学出版社（2007年）；
该书在微观经济计量学领域中已被国内外多所大学指定为研究和学习微观经济计量学以及相关课程的研究生教材。
中国人民大学经济学院微观计量经济学高级研修班PDF文献资料：
面板数据分析方法：
Lecture 1:
点击下载：1-Introduction_Advantages and Challenges.rar
Lecture 2:
点击下载：2-Linear Panel Data Models.rar
Lecture 3:
点击下载：3-Nonlinear Panel Data Models.rar
点击下载：BookAmemiya(1985)Advanced Econometrics.PDF
点击下载：BookCameron and Trivedi(2005)Microeconometrics.PDF
点击下载：BookMaddla(1983)Limited-dependent and Qualitative variables in economics.PDF
点击下载：BookMatyas and Sevestre(2008)The Econometrics of Panel Data.PDF
实证劳动经济学
实证产业组织
点击下载：Methods of Modern Empirical IO.rar
离散和局限相依变量模型
Text： J.M. Wooldridge, Econometric Analysis of Cross Section and Panel Data, Sec- Course Outline： 点击下载：Models with Qualitative and Limited-dependent Variables.rar
ond Edition, MIT Press, 2010.点击下载：conometric Analysis of Cross Section and Panel Data 2nd Edition.pdf，点击下载：Econometric Analysis of Cross Section and Panel Data.pdf
1. Models with Qualitative and Limited-dependent Variables:
Binary Choice Models; Bivariate and Multivariate Probit Models; Logit Mod-
els for Multiple Choices; Models for Ordered Data; Models for Truncated Data;
Models for Censored Data; Selection Problem; Models for Count Data; Duration
Models.
2. Simulation Based Inference and Bayesian Methods:
GHK; Importance Sampling; Basic Bayesian Techniques; MCMC.
