Ferguson 的A Course in Large Sample Theory是对该主题最好的简明介绍，它以一种很好的教学方式编写，在一章中有相当于一周的讲座课程材料，然后是一组强大的练习。的名义引入了 GMM ，并将它作为该书中的练习之一隐藏起来）。其他人推荐的范德法特的渐近统计也很棒，但它正朝着奇怪的方向发展（对于经济学家而言）。一阶渐近的另一个相对简单的介绍是 Lehmann 的大样本元素理论。我会争辩说，你会从像 Smith & Young's 这样的书中获得更好的成绩$\chi^2$Essentials of Statistical Inference，因为它将教您统计学家的思考方式（充分性、UMPT、Cramer-Rao 界等）。

当然，您不会找到奇怪的计量渐近线，例如单位根或弱工具。很少有统计学家听说过它们，而这些对他们来说太陌生了。然而，你肯定想重新审视这些不寻常的论文，以摆脱错误的信念，即一切渐近在速率下渐近正态（你也可以在这里和那里找到令人不安的反例）。$\sqrt{n}$

既然您提到了Greene 的书，我假设您对更深入地了解渐近统计感兴趣。那么我可以推荐 A. van der Vaart 的“Asymptotic statistics”和 H. White 的“Asymptotic theory for econometricians”。J. Wooldridge 的“横截面和面板数据的计量经济学分析”也有关于渐近理论的精彩章节。

Halbert White 的“计量经济学家的渐近理论”。“统计和概率的渐近理论”，作者：Anirban DasGupta。