陳強：如何做實證研究及寫作論文

陳強：如何做實證研究及寫作論文

1、什么是論文究竟什么是論文？簡單地說，論文就是對新的研究成果的匯報。為什么一位成績優(yōu)秀的學生，在撰寫畢業(yè)論文時可能一籌莫展？這主要是因為，平時上課做題，主要學習已有知識，只需被動消化吸收即可，有固定模式可循；而做研究寫論文，則需主動創(chuàng)造

(哪怕是一點點)

新知識。因此，剛起步研究的學生，面臨著從學習知識

(學生)

到創(chuàng)造知識

(研究者)

的轉型。論文與一般的文章或散文不同，后者可以僅僅表達某種情感，或記錄一些事情。經(jīng)濟學論文必須用十分嚴謹?shù)臄?shù)理邏輯或統(tǒng)計推斷，來一步一步地得到結論，保證每個環(huán)節(jié)都絲絲入扣、經(jīng)得起推敲；而不能隨便發(fā)表議論，或輕率地下結論。而且，論文貴在創(chuàng)新，其價值主要在于其原創(chuàng)性或新穎性，即對于已有文獻的邊際貢獻

，參見下圖。當然，本科或碩士論文并不要求有太多創(chuàng)新，但至少應有一點點創(chuàng)新；而絕不能是

“山寨版”

或抄襲。

已有知識與新研究的關系一般來說，規(guī)范的實證研究包括以下幾個步驟，即準備階段、選題、探索性研究、收集數(shù)據(jù)、建立計量模型、選擇計量方法、解釋回歸結果、論文寫作、與同行交流、提交論文或投稿，下面分別進行介紹。2、準備階段如果以為今天想做研究，明天就可開始，或許不現(xiàn)實。要開始真正的研究，需要一系列的準備工作。首先，必須掌握一定的經(jīng)濟理論，以獲得觀察經(jīng)濟現(xiàn)象的必要視角、參照系與分析工具

。否則，即使看到經(jīng)濟現(xiàn)象，也可能無從下手分析。正如錢穎一

(2002,p.2)

所指出：我在哈佛大學做博士生的時候，韋茨曼

(MartinWeitzman)

教授問我，受過現(xiàn)代經(jīng)濟學系統(tǒng)訓練的經(jīng)濟學家和沒有經(jīng)過這種訓練的經(jīng)濟學家究竟有什么區(qū)別？他研究比較經(jīng)濟制度，經(jīng)常去蘇聯(lián)訪問，問這個問題是從與蘇聯(lián)經(jīng)濟學家交往中有感而發(fā)的。韋茨曼的回答是，受過現(xiàn)代經(jīng)濟學系統(tǒng)訓練的經(jīng)濟學家的頭腦中總有幾個參照系，這樣，分析經(jīng)濟問題時就有一致性，不會零敲碎打，就事論事。這正是經(jīng)濟學界常說的“像經(jīng)濟學家那樣思考”(Thinklikeaneconomist)。當然，愛因斯坦更早就說過類似的話，甚至更為深刻：你能不能觀察到眼前的現(xiàn)象取決于你運用什么樣的理論，理論決定著你到底能觀察到什么。顯然，那種認為可以不需要任何理論指導而直接去

“看真實世界”

的想法或許過于天真了。這些經(jīng)濟理論的學習，主要體現(xiàn)在微觀經(jīng)濟學、宏觀經(jīng)濟學以及經(jīng)濟學的各專業(yè)課程上，比如金融學、財政學、發(fā)展經(jīng)濟學、產(chǎn)業(yè)經(jīng)濟學、勞動經(jīng)濟學等。其次，為了進行實證研究，還必須掌握一定的計量方法與統(tǒng)計軟件

(比如Stata)。即使你收集到相關的數(shù)據(jù)，但數(shù)據(jù)也不會

“自己說話”，仍需要使用統(tǒng)計軟件，運用適當?shù)挠嬃糠椒ㄟM行統(tǒng)計推斷。因此，計量經(jīng)濟學對于實證研究不可或缺。在具備一定的理論功底與計量訓練后，即可正式開始做實證研究了。3、選題Everythinghasbeenthoughtbefore,buttheproblemistothinkofitagain.

----

JohannWolfgangvonGoethe

實證研究的第一步就是選題，即選擇研究的題目。對于剛起步的研究者，常常不知如何選題。研究者通常知道自己想要研究的領域

(比如，經(jīng)濟增長)，但這還不是一個具體的

“研究問題”

(researchquestion)。對實證分析而言，研究問題通常是有關“X對Y有何作用”

之類的因果關系。如果想研究

“家庭聯(lián)產(chǎn)承包責任制對農(nóng)業(yè)經(jīng)濟增長的作用”，就更具體了，此處X指“家庭聯(lián)產(chǎn)承包責任制”，而Y指

“農(nóng)業(yè)經(jīng)濟增長”

。當然，實證研究也可以只有Y而沒有X，比如對于某個統(tǒng)計指標Y的測算；但純粹描述性的研究已比較少見。研究問題可以來源于理論

(比如，檢驗資產(chǎn)定價模型CAPM是否成立)，也可來自對經(jīng)濟現(xiàn)象的觀察

(比如媒體報道、社會調(diào)研)；可以研究某政策的效應

(比如新勞動法對失業(yè)率的影響)，也可以對文獻中已有論文進行改進。如果沒有任何研究想法，則建議先瀏覽一些經(jīng)濟學的頂級期刊。比如，經(jīng)濟學中文期刊的

“四大金剛”，即：《經(jīng)濟研究》《經(jīng)濟學(季刊)》《世界經(jīng)濟》《管理世界》以及經(jīng)濟學英文期刊的

“Top5”，即：AmericanEconomicReviewEconometricaJournalofPoliticalEconomyQuarterlyJournalofEconomicsReviewofEconomicStudies這些頂級期刊都是經(jīng)濟學的一般性期刊

(generalinterestjournal)，涵蓋經(jīng)濟學的各個領域。如果確定研究經(jīng)濟學的某個領域，比如金融學，還可關注《金融研究》等專業(yè)期刊

(fieldjournal)。瀏覽這些期刊中的論文

(通常技術性較強，故未必從頭讀到尾)，可大致知道當前的經(jīng)濟學者都在研究哪些前沿問題，取得了哪些成果，還有哪些未解之謎；進一步，可以評估他

(她)

們的研究方法是否可靠，以及可能的改善空間。如果能提出好的研究問題，也許你的研究就成功了一半。什么是好的研究問題呢？總的來說，研究問題越具體、越有趣、越新穎、越有可行性，則越好！(1)

具體：簡單來說，在以上“X對Y有何作用”的句型中，應能明確X與Y具體是什么。(2)

有趣：你的研究問題為什么重要？別人會感興趣嗎？為什么我們要在乎你的問題

(Whyshouldwecare)？知道問題的答案后，能影響人們對世界某方面的看法嗎？

(3)

新穎：論文的核心價值在于其創(chuàng)新性，即做出了文獻中所沒有的邊際貢獻。這種邊際貢獻可以是研究了新的現(xiàn)象、使用了新的

(更好的)

計量方法，或者使用了新的數(shù)據(jù)集。做研究的過程是創(chuàng)造新知識的過程，在本質上不同于學習已有

(舊)

知識的過程。(4)

可行：即使你的研究問題很具體、很有趣、很新穎，如果找不到相應的數(shù)據(jù)，則不可行。對于剛開始選題的學生而言，似乎自己能想到的題目，都已被別人做過了。其實未必。要想做出新的邊際貢獻，當然可在前人的基礎上，繼續(xù)拓展與改進

(改進計量方法，增加變量，使用新數(shù)據(jù)等)

。另一方面，也可以完全撇開前人，去研究全新的現(xiàn)象。比如，20世紀70年代末中國農(nóng)村實行了家庭聯(lián)產(chǎn)承包責任制改革，這是史無前例的。到了1990年左右，就涌現(xiàn)出一批研究農(nóng)村改革對中國農(nóng)業(yè)產(chǎn)出影響的論文

(比如，Lin,1992)。又比如，2014年11月開始實行上交所與港交所之間的

“滬港通”。假以時日

(有了足夠的數(shù)據(jù)后)，就可以研究滬港通對中國證券市場的影響。即使是前人已經(jīng)研究過的現(xiàn)象

(太陽底下沒有新的事物)，也可用新眼光、新視角去觀察。重要的是，要有敏銳的觀察力，并

“像經(jīng)濟學家那樣去思考”

(Thinklikeaneconomist)。當然，對于剛起步的新手，應盡量避免已經(jīng)被研究得很爛、或過于富有挑戰(zhàn)性的題目。顯然，備選的研究問題越多越好，因為能

“存活”

下來的研究想法通常不多。4、探索性研究IfIhaveseenfurtheritisbystandingontheshouldersofgiants.

--IsaacNewton盡信書，則不如無書。

--《孟子

·

盡心章句下》有了潛在的研究問題后，首先需要進行初步的“探索性研究”

(exploratorystudy)，看看它是否具有新穎性與可行性。比如，通過查找文獻，考察別人是否已經(jīng)做過類似研究，并大致了解數(shù)據(jù)是否可得。(1)通過文獻回顧評估選題的新穎性論文貴在有新意。假設你找到了一個具體、有趣而可行的研究問題，但它究竟有多少新穎性，這就不可避免地需要查閱文獻，看看文獻中是否已有類似研究。如果別人已做過很相似的研究，則通常須更換題目；除非另辟蹊徑，找到很不相同的方法或數(shù)據(jù)。對于中文論文，可在CNKI中搜索。對于英文論文，可在JSTOR(JournalStorage)

輸入關鍵字進行搜索；二者均全文收錄了許多經(jīng)濟類英文期刊，但前者有幾年滯后。對于二者未覆蓋的經(jīng)濟類期刊，可通過一些主要出版社

(集團)

搜索，比如ElsevierScienceDirect,SpringerLink,Taylor&Francis,Wiley等。某些工作論文則可通過百度或谷歌搜索。以山東大學圖書館為例，其電子資源的第一頁提供了如下資源

(參見下圖)：

山東大學圖書館電子資源首頁什么時候開始看文獻，即看文獻的時機，也很重要。如果從一開始就大量地閱讀文獻，則可能被文獻所淹沒，望洋興嘆，自覺渺小。更好的方法是，當自己有了一定的想法之后，再去系統(tǒng)地看文獻。這樣，才會知道自己究竟要看什么，也更能帶著批判的眼光去看。另外，閱讀文獻的態(tài)度也十分重要。虛心地從經(jīng)典論文中汲取營養(yǎng)，才能站在巨人的肩膀上，但仍應帶著某種批判性的眼光。事實上，由于經(jīng)濟現(xiàn)象的復雜性

(經(jīng)濟學還只是軟科學)，任何論文都有一定缺點

(比如，忽略了某些可能重要的因素)，也都有可以改進的空間

(甚至可能推翻作者的結論)，故不必太迷信

“權威”。既然經(jīng)濟學還不是科學，獲得諾貝爾獎的經(jīng)濟學家可能持有相反的觀點，那么又哪來的權威呢？重要的是，使用邏輯與實證的方法對不同的觀點進行甄別與質疑。如果認為前人所做的研究已經(jīng)十全十美，你都贊同，那么，你怎么可能做出新的邊際貢獻呢？(2)確定所需數(shù)據(jù)是否可得在正式開始研究之前，還應大致知道所需要的數(shù)據(jù)不僅存在，而且可以得到。數(shù)據(jù)從何而來？一般來說，數(shù)據(jù)要么是別人提供的

(比如統(tǒng)計局)，要么是自己收集的

(比如問卷調(diào)查)。尋找數(shù)據(jù)可以從網(wǎng)絡搜索開始

(比如谷歌或百度)，也可以詢問專家或同行。如果確實不知道該從哪里找數(shù)據(jù)，還可關注文獻中同類研究的數(shù)據(jù)來源，然后溯本及源。因此，閱讀一定文獻之后，就應該基本了解該研究領域的常見數(shù)據(jù)來源了。近年來，一些國際期刊已在其網(wǎng)站公開了發(fā)表論文中所用的數(shù)據(jù)集與估計程序

。5、收集與整理數(shù)據(jù)從數(shù)據(jù)的來源格式來看，數(shù)據(jù)可分為電子版與非電子版兩大類。對于非電子版的數(shù)據(jù)，需耐心輸入數(shù)據(jù)

(通常先輸入Excel表，再導入Stata中)，并注意檢查，防止出錯。即便下載電子版數(shù)據(jù)，也應檢查可能存在的錯誤。實證研究的關鍵材料乃是數(shù)據(jù)。如果數(shù)據(jù)質量不高，則

“巧婦難為無米之炊”。無論多么高深的計量方法，如果原始數(shù)據(jù)質量有問題，也只能是

“垃圾進去，垃圾出來”

(garbagein,garbageout)。ZviGriliches在1994年給美國經(jīng)濟學會做的主席演講

(presidentialaddress)

指出，由于經(jīng)濟學家不夠注意數(shù)據(jù)的來源及產(chǎn)生過程，經(jīng)常錯誤地解釋數(shù)據(jù)，導致研究的進展緩慢；如果不提高數(shù)據(jù)質量，計量理論方面的重大進展將無用武之地。為此，將數(shù)據(jù)導入統(tǒng)計軟件后，需仔細察看數(shù)據(jù)

(inspectthedata)。一個常見誤區(qū)是，研究者只知進行回歸，卻不去熟悉原始數(shù)據(jù)

(rawdata)，或增加對數(shù)據(jù)的感覺

(getafeelforthedata)。察看數(shù)據(jù)的常見方法為，計算變量的主要統(tǒng)計特征

(summarystatistics)，包括均值、最大值、最小值、標準差、相關系數(shù)等，并根據(jù)經(jīng)濟常識判斷它們是否合理。比如，虛擬變量的最小值與最大值必然為

0

與1；否則，此變量有誤。如果數(shù)據(jù)有時間維度

(比如時間序列或面板數(shù)據(jù))，還可畫時間趨勢圖。如果發(fā)現(xiàn)在某個時點上的變量取值異常波動，則應考察此數(shù)據(jù)是否有誤；即使數(shù)據(jù)無誤，也應考慮異常波動的原因?？傊?，在察看數(shù)據(jù)的過程中，主要觀察數(shù)據(jù)中是否存在不一致

(inconsistent)

的地方；比如，出現(xiàn)了不可能、不現(xiàn)實或可疑的取值。如果發(fā)現(xiàn)，則要進行處理

(比如，可能是數(shù)據(jù)輸入錯誤)，這被稱為

“數(shù)據(jù)清理”

(datacleaning)。對于大多數(shù)從事應用研究的學者而言，主要是使用別人

(比如統(tǒng)計局、世界銀行)

提供的數(shù)據(jù)。即便如此，也應該對數(shù)據(jù)的質量有一個清醒的判斷，并使用相應的計量方法

(至少在做出實證研究的結論時，應考慮數(shù)據(jù)質量的影響)。在使用別人提供的數(shù)據(jù)時，還應注意其定義及統(tǒng)計口徑，是否是與理論模型中的變量相對應。比如，中國的失業(yè)率指的是

“城鎮(zhèn)登記失業(yè)率”，其統(tǒng)計口徑與標準教科書中以及西方國家的失業(yè)率概念有很大不同。對于計量的初學者來說，與真實數(shù)據(jù)打交道也是加深對計量經(jīng)濟學理解的重要途徑。只有弄臟你的手

(getyourhandsdirty)，才能真正學會做實證研究。6、建立計量模型雖然實證研究可以沒有理論模型，但如果有好的理論模型作為基礎，則更有說服力。具體來說，回歸分析一般只能說明變量之間的相關性，要對變量之間的因果關系做出判斷，常常需要依賴于經(jīng)濟理論。因此，即使無法提供完整的理論模型，也應該進行一定的理論分析。最理想的情形是，從理論模型中推導出計量模型

(econometricmodel)，即待估計的回歸方程。一般來說，一篇好的實證論文，需要講一個好的

“故事”

(story)，然后用數(shù)據(jù)來證實或檢驗此故事。對于回歸函數(shù)的具體形式，可以考慮線性、對數(shù)

(變量只取正數(shù)且有指數(shù)增長趨勢)、雙對數(shù)、非線性

(邊際效應不是常數(shù))等。在進行模型設定時，應盡量使用常識

(commonsense)

與經(jīng)濟理論

(economictheory)

。比如，將

“人均變量”

(如人均消費)

與

“人均變量”

(如人均GDP)

相匹配；使用實際匯率來解釋實際進出口。又比如，考慮FDI對經(jīng)濟增長的作用。由于FDI起作用需要時間，如果把當年的增長率對當年的FDI進行回歸，可能沒有太大意義。比較適當?shù)淖龇ㄊ牵紤]期初的FDI對隨后五年

(或若干年)

經(jīng)濟增長的作用

(這樣做也可緩解雙向因果關系)。如果不確定該如何設定計量模型，可借鑒文獻中同類研究的模型設定。另外，模型既不能過于簡單

(解釋變量過少)，也不宜過于復雜，而應當保持適當?shù)暮啙?/p>

(keepitsensiblysimple)。在選擇解釋變量時，“從小到大”

(specific-to-general)

的建模方法簡單易行，但可能偏差較大

(因為存在遺漏變量)；而

“從大到小”

(general-to-specific)

的建模方法偏差小，但不易執(zhí)行。實踐中，常采用折衷方案，即選擇簡單而有解釋力的模型。7、選擇計量方法有了計量模型與數(shù)據(jù)之后，即可根據(jù)數(shù)據(jù)類型與特點，選擇合適的計量方法。比如，被解釋變量為虛擬變量，則可使用Probit或Logit；如果是面板數(shù)據(jù)，則應考慮固定效應、隨機效應、時間效應等；如果是時間序列，則須先判斷是否含單位根，再決定使用相應的計量方法。對于一般的數(shù)據(jù)，通常先做OLS，看看結果，作為一個參照系。做完OLS后，可以畫殘差圖，大致看看擾動項是否符合經(jīng)典假定，然后進行嚴格的檢驗。如果有所違背

(比如，存在異方差、自相關)，則做相應的處理（使用穩(wěn)健標準誤或GLS）。對于時間序列，還可檢驗是否存在結構變動

(鄒檢驗，Chowtest)。另外，應該對數(shù)據(jù)的質量進行檢驗，判斷是否存在多重共線性、極端值、弱工具變量等，并做相應的調(diào)整。由于受數(shù)據(jù)可得性

(dataavailability)

的限制，遺漏變量幾乎不可避免。因此，很有必要在實證論文中對此進行討論。不外乎以下兩種情況。第一，存在遺漏變量，但與解釋變量不相關

(需要說明為什么不相關)，故可以不做處理。第二，存在遺漏變量，且與解釋變量相關，則必須進行處理，例如增加控制變量、尋找代理變量、使用工具變量、使用面板數(shù)據(jù)等。另一常見問題是內(nèi)生解釋變量。此時，一般需找到有效的工具變量才能得到一致的估計。由于面板數(shù)據(jù)可以在一定程度上克服遺漏變量問題，故比橫截面數(shù)據(jù)或時間序列更有說服力。因此，如果可以獲得面板數(shù)據(jù)，則應盡力爭取。比如，對于中國的宏觀變量，如果使用全國的時間序列，則一般樣本容量較小。此時，可考慮收集省際面板

(provincialpanel)

的相應數(shù)據(jù)。大多數(shù)的實證論文都希望說明X對Y的因果作用。而從回歸分析的相關關系升華到因果關系，是很大的飛躍，需要使用適當?shù)挠嬃糠椒▉碜R別這種因果關系。總之，在這部分應該說明，為什么所用的計量方法是最恰當?shù)?。計量?jīng)濟學的理論總是建立于一些理想化的假定基礎之上，而現(xiàn)實的經(jīng)濟數(shù)據(jù)通?；蚨嗷蛏俚夭环线@些假定。因此，盡管計量理論是可以嚴格證明的一門科學，但實證研究在一定程度上卻是一門藝術，常需要在理論與現(xiàn)實之間找到適當?shù)耐讌f(xié)

(bepreparedtocompromise)。8、解釋回歸結果There

are

two

things

you

are

better

off

not

watching

in

the

making:

sausages

and

econometric

estimates.

--EdwardLeamer使用計量方法估計模型后，計算機軟件

(

比如Stata)

將輸出相應的計量結果。此結果可能較長，包含密密麻麻的表格與數(shù)字。如果你嘗試了各種不同的計量方法與解釋變量

(alternativespecifications)，則結果就會更復雜。如何看這些結果？簡單地說，只能用一個字一個字地看，直到看明白為止。當然，也有訣竅。計量結果可能很復雜，但真正重要的信息通常不多，比如回歸系數(shù)

(含符號)、p值，以及樣本容量、擬合優(yōu)度等。以一元回歸為例

(工資對數(shù)對教育年限回歸)

，回歸結果參見下圖。

工資對數(shù)對教育年限的回歸結果在上圖的回歸結果中，變量s(教育年限)的回歸系數(shù)符號為正(與經(jīng)濟理論相符)，系數(shù)估計值為0.0966245，p值為

0.000

(在1%

水平上具有統(tǒng)計顯著性)，樣本容量為758，而擬合優(yōu)度

為

0.2527(教育年限可解釋工資對數(shù)約四分之一的變動)。在上圖中，左上角的殘差平方和、右下角的置信區(qū)間，乃至常數(shù)項等信息，基本可以不關心

(除非有需要)。在解釋回歸系數(shù)時，還應注意區(qū)分統(tǒng)計顯著性與經(jīng)濟顯著性?！敖y(tǒng)計顯著性”

(statisticalsignificance)

主要通過p值來考察。如果p值小于或等于

0.05，則意味著該系數(shù)在統(tǒng)計上顯著地不等于零；反之，則在統(tǒng)計上不顯著，在統(tǒng)計上可將此系數(shù)視為零

(不存在)。“經(jīng)濟顯著性”

(economicsignificance)

主要通過系數(shù)的絕對值來考察，須特別注意變量的取值單位。在上例中，解釋變量教育年限s的單位為年，而被解釋變量工資對數(shù)lnw可解釋為工資的百分比變化，故s的回歸系數(shù)為

0.0966245意味著，每增加一年教育，未來工資收入將提高9.66%，具有很高的經(jīng)濟顯著性

(可能過高了)。反之，假如s的回歸系數(shù)為

0.01或

0.001，則意味著每增加一年教育，未來工資收入只會上升1%

或

0.1%，顯然在經(jīng)濟意義上很不顯著。此時，統(tǒng)計上顯著而經(jīng)濟上不顯著，則意味著解釋變量對被解釋變量的影響很小

(經(jīng)濟上不顯著)，盡管這種影響被估計得很精確

(統(tǒng)計上顯著)。類似地，在進行計量檢驗時(比如，豪斯曼檢驗)，Stata可能輸出很多結果，但最需要關注的只是原假設以及p值；因為知道二者就可以進行檢驗了，而其余信息都是細節(jié)。研究者通?；ㄙM較長時間收集與整理數(shù)據(jù)。將數(shù)據(jù)導入Stata，然后輸入相應的回歸命令，則是

“見證奇跡的時候”

(momentoftruth)。如果關鍵解釋變量兼具統(tǒng)計與經(jīng)濟顯著性，符號也與理論預期一致，而其他控制變量的符號與顯著性也大體與預期相符，則會感到十分欣慰，過去收集整理數(shù)據(jù)的辛勞也都值了。但有時，所得計量結果未必盡如人意，比如關鍵解釋變量不顯著，甚至符號與預期相反。此時應怎么辦呢？大致來說，出現(xiàn)這種情況，可能有如下三種原因。(1)

使用計量方法不當。比如，在上述一元回歸中，顯然遺漏了許多變量，可能存在遺漏變量偏差，導致OLS估計不一致。更一般地，如果存在內(nèi)生性而未加以處理，將導致不一致的估計，使得本應顯著的變量變得不顯著。(2)

數(shù)據(jù)質量有問題。如果數(shù)據(jù)存在較大的度量誤差，所用代理變量與真實變量相差較遠

(由于真實變量不可觀測)，或者數(shù)據(jù)輸入中的人為錯誤，都有可能影響估計的一致性。(3)

經(jīng)濟理論有問題。在排除了以上兩種可能性之后，最后一種可能性是，經(jīng)濟理論不正確。經(jīng)濟理論所預期的某種效應可能不存在；或者同時存在其他作用機制，使得凈效應的符號相反。實證研究的目的之一就是檢驗經(jīng)濟理論。如果發(fā)現(xiàn)已有理論與經(jīng)驗證據(jù)不符，則說明此理論尚有改進空間，甚至需要放棄。正如林毅夫

(2001,p.75)

所指出：如果發(fā)現(xiàn)理論推論和我國經(jīng)驗事實不一致,要堅持的不是現(xiàn)有的理論,而是進一步去了解我國的經(jīng)驗現(xiàn)象,然后,根據(jù)經(jīng)驗現(xiàn)象構建一個可以解釋這個現(xiàn)象的理論。所以,當發(fā)現(xiàn)這種不一致時,不要死抱理論,成為現(xiàn)有理論的俘虜,也不要在巨人的面前而感到自己渺小。其實,這正是對理論發(fā)展做出貢獻的絕好機會。在計量實踐中，研究者經(jīng)常根據(jù)計量結果而調(diào)整模型，以期得到更為理想的結果，并且只在論文中匯報最佳的結果，而將尋找此結果的過程隱去。這實際上是

“數(shù)據(jù)挖掘”

(datamining)

的一種形式。數(shù)據(jù)挖掘既有成本

(缺點)，也有收益(優(yōu)點)。數(shù)據(jù)挖掘的優(yōu)點是，可對數(shù)據(jù)進行各種

“實驗”，以期揭示數(shù)據(jù)中的某種規(guī)律性，發(fā)現(xiàn)模型設定的錯誤，以此改進理論或計量模型。數(shù)據(jù)挖掘的缺點則是，由于它根據(jù)數(shù)據(jù)特征來設定計量模型，故模型設定由數(shù)據(jù)產(chǎn)生，如果再用此數(shù)據(jù)去檢驗由它產(chǎn)生的模型，就不是客觀的檢驗，由此導致偏差。事實上，一定程度的數(shù)據(jù)挖掘是不可避免的，而這兩種形式的數(shù)據(jù)挖掘的界限并不清晰，正如Heckman(2000)

指出，“盡管使用數(shù)據(jù)來檢驗受到該數(shù)據(jù)啟發(fā)的理論存在嚴重的問題，但如果拒絕從數(shù)據(jù)中學習并修改理論，則會導致更嚴重的問題”

。解決數(shù)據(jù)挖掘所帶來的偏差的方法之一是進行穩(wěn)健性檢驗，而不是僅匯報最佳的結果。

9、診斷性檢驗任何計量方法都有其適用的前提條件；如果前提不成立，則無法使用此計量方法

(可能導致不一致的估計)。因此，在估計完模型后，應對計量方法的前提條件進行

“診斷性檢驗”

(diagnosticchecking)

或作出定性說明。比如，使用工具變量法進行2SLS估計后，應進行弱工具變量檢驗、過度識別檢驗

(假設存在過度識別)、解釋變量內(nèi)生性檢驗；并從定性的角度說明

“排他性約束”

(exclusionrestriction)

為什么成立。又比如，使用時間序列估計自回歸

(AR)

或向量自回歸模型

(VAR)，則應檢驗殘差是否為白噪聲

(無自相關)。即使進行OLS回歸，也應說明解釋變量為什么外生，或者遺漏變量偏差為什么不重要。10、穩(wěn)健性檢驗Wehavetolearn...thattheprimevirtueofanyeconometricprocedureisrobustness.

--RobertSolow為了使用特定的計量方法，研究者通常需要做一系列的假定。但問題是，論文的主要結果是否對這些假定很敏感？為此，有必要放松論文的某些假定，看結果是否穩(wěn)健或基本不變，這稱為“穩(wěn)健性檢驗”

或

“敏感度分析”

。比如，通過改變樣本區(qū)間

(或去掉極端值)、函數(shù)形式、計量方法、控制變量、變量定義、數(shù)據(jù)來源等，來考察計量結果的穩(wěn)定性。在計量實踐中，研究者通常會通過數(shù)據(jù)挖掘，找到

“最佳”

的計量模型。如果僅匯報此最佳模型，則會導致偏差。因此，有必要適當?shù)馗淖兡Ｐ偷脑O定，比較其主要結果的變化。顯然，只有穩(wěn)健的結果才有說服力，故穩(wěn)健性檢驗已成為高質量實證論文不可或缺的一部分。11、論文寫作Learntowritebutalsowritetolearn.

--WilliamThomson得到較為理想的實證結果之后，即可開始寫論文。簡單地說，論文就是對研究成果的匯報。為了便于讀者更快地從論文中獲取信息，經(jīng)濟學論文通常有一定的結構，而論文寫作本身也是一門精益求精的藝術。經(jīng)濟學家曼昆曾問過加爾布雷斯

(JohnK.Galbraith)

寫作成功的秘密；加爾布雷斯回答說，他寫的所有東西都會修改很多次，通常直到第五稿時才會基本滿意。下面分別介紹論文的各個部分。（1）標題、關鍵字、摘要論文的首頁通常包括標題、作者、摘要、關鍵字等信息。標題

(title)

是論文的標簽，正如商品的商標或名稱。一般應選擇簡潔而有吸引力的標題，并能讓讀者知道該文主要做什么。在論文寫作乃至成文之后，都有可能修改論文題目，使之更為貼切有趣。在題目之下一般為作者姓名，而將具體的作者單位、聯(lián)系方式、感謝語

(包括基金資助)

以及

“文責自負”

等聲明放在腳注里。如果有多位作者，一般需選擇其中一位作者作為

“通訊作者”

(correspondingauthor)，負責投稿并與編輯部保持聯(lián)系

。在題目與作者之下，一般為摘要

(abstract)，通常在100字左右。摘要需突出論文的重要意義、研究方法與主要結論。一般讀者會先看摘要，再決定是否看全文。因此，論文摘要應字斟句酌，凸顯本文的主要貢獻，并激起讀者進一步閱讀的興趣。摘要通常在論文主體完成后才撰寫，因為此時作者對于論文的主要內(nèi)容會有更清晰的概念。在摘要的下面，通常還需提供幾個關鍵字

(keywords)，以便讀者能很快地根據(jù)關鍵字搜索到此文。關鍵字常常來自論文的題目。另外，在關鍵字之下，還可能提供JEL分類號，這是美國經(jīng)濟學會主辦的JournalofEconomicLiterature雜志所用的經(jīng)濟學各領域的分類編號

。經(jīng)濟學實證論文的正文一般依次包括以下部分：引言、文獻回顧

(可歸入引言)、理論框架或背景介紹

(可省略)、數(shù)據(jù)說明、計量模型與估計方法、回歸結果、穩(wěn)健性檢驗

(可歸入回歸結果)、結論。下面分別進行說明。(2)引言(Introduction)

引言雖是全文的第一部分，卻經(jīng)常最后寫。原因之一，引言集中了全文的賣點

(sellingpoints)，最難撰寫，須反復修改；原因之二，引言概括了全文的內(nèi)容，只有在全文大體完工后，才能準確地總結與提煉。引言通常包括以下內(nèi)容：本文研究了什么問題，此問題為什么重要

(研究意義)；本文使用了什么數(shù)據(jù)

(最好在數(shù)據(jù)來源上有所創(chuàng)新或挖掘)，實證研究的計量方法是什么，得到了哪些主要結論；此研究與已有文獻的關系，本文的主要創(chuàng)新與邊際貢獻等。由此可見，引言將論文的精華部分以非技術性的方式呈現(xiàn)給讀者，可視為擴展版的摘要，是

“銷售”

此文的重要手段。事實上，許多讀者在瀏覽論文時，常常先看引言與結論，然后再決定是否細讀正文；可見引言的重要性。

引言的寫作大致有兩個套路。傳統(tǒng)的套路是，在提出研究問題之后，首先回顧已有文獻的相關研究以及不足之處，然后順勢引出本文的研究方法與主要貢獻

(比如，填補了文獻的空白)。傳統(tǒng)套路的優(yōu)點是，比較有邏輯性，能自然地呈現(xiàn)學術發(fā)展的脈絡；其缺點在于讀者需要有一定耐心，先回顧主要文獻，然后才知道本文的主要工作。現(xiàn)代的套路是，提出問題之后，馬上直奔主題，介紹本文的研究方法與主要結論，然后再回頭介紹本研究與現(xiàn)有文獻的關系。這兩種套路各有優(yōu)缺點，適合不同的論文，但直奔主題的現(xiàn)代套路似乎日益流行。另外，引言的最后一段通常提供全文的路標

(roadmap)，告訴讀者本文的其余部分在結構上如何安排，以便于讀者閱讀。(3)文獻回顧(LiteratureReview)文獻回顧如果較短，可以歸入引言部分；反之，如果文獻回顧較長，則可單獨作為論文的一個部分。對于文獻的回顧一般按文獻出現(xiàn)的時間先后進行，著重介紹重要的文獻，而其他文獻可以簡略介紹、放入腳注，甚至略去。文獻回顧的寫作切忌只是堆砌羅列一些文獻，而未進行深入分析。事實上，文獻回顧的根本目的是為了厘清本文的研究與已有文獻的關系，以凸顯本文的邊際貢獻及其在文獻中的地位。為此，在肯定現(xiàn)有文獻的原創(chuàng)貢獻外，難免會指出其不足之處

(或被忽略的方面)。此時，應注意語氣委婉，因為這些文獻的作者有可能正是未來的審稿人或編輯。另一方面，你又希望突出本文的獨特貢獻

(當然必須實事求是)。因此，在指出現(xiàn)有文獻的不足與突出本文的貢獻之間，需要找到措辭與語調(diào)上的平衡。(4)背景介紹(BackgroundInformation)或理論框架(TheoreticalFramework)

實證論文并非僅僅是找一堆數(shù)據(jù)，然后匯報回歸結果。只有告訴讀者有關經(jīng)濟現(xiàn)象的背景，完整地述說一個經(jīng)濟故事，才能使得計量結果更有說服力。比如，NunnandQian(2011)

研究引入

“新世界”

(NewWorld)

作物土豆對

“舊世界”

(OldWorld)

人口增長與城市化的影響，在其第二節(jié)背景部分，即以大量篇幅介紹土豆的優(yōu)點

(virtuesofthepotato)、土豆如何從新世界傳播到舊世界，以及其他新世界作物。因此，實證研究者的工作并不僅僅是下載數(shù)據(jù)進行回歸，還需要熟悉所研究現(xiàn)象的歷史、制度與文化背景，乃至數(shù)據(jù)的來源與產(chǎn)生過程。如果可能，在此部分可引入一個簡單的理論模型

(theoreticalmodel)

或思想框架(conceptualframework)，為后續(xù)的實證研究提供理論基礎。但對于實證論文而言，其理論部分不宜太過復雜，以致喧賓奪主。另外，如果經(jīng)濟現(xiàn)象過于復雜，沒有現(xiàn)成的理論，也可根據(jù)常識

(commonsense)

直接寫下計量模型或回歸方程。(5)數(shù)據(jù)說明(Datadescription)實證論文的結論是否可靠，首先取決于數(shù)據(jù)的質量。因此，在數(shù)據(jù)說明部分，應詳細說明數(shù)據(jù)的具體來源，并評估其可靠性。介紹數(shù)據(jù)來源的詳細程度，應使讀者能按圖索驥得到同樣的數(shù)據(jù)，以保證科學結果的可重復性。如果對原始數(shù)據(jù)進行了一些處理或加工，也應一一說明。如果學術界對于數(shù)據(jù)的質量有質疑，則應說明這些潛在的數(shù)據(jù)質量問題，對于你的研究有何影響。比如，GDP的絕對水平可能被夸大了，而你僅使用GDP的增長率，故可能影響不大。如果數(shù)據(jù)來自問卷調(diào)查，則應說明隨機抽樣如何進行，問卷如何發(fā)放與執(zhí)行等，并在附錄中附上具體的問卷。介紹數(shù)據(jù)來源之后，通常以表格形式給出主要變量的統(tǒng)計特征

(summaryofstatistics)，比如樣本容量、均值、標準差、最小值、最大值等，使讀者對數(shù)據(jù)的基本特征有所了解。有時，還會提供關鍵變量的相關系數(shù)矩陣

(matrixofcorrelation)，作為對變量之間關系的初步證據(jù)。(6)計量模型與估計方法(Econometricmodelandestimation)在此部分，需要結合所研究的問題以及已有數(shù)據(jù)，給出具體的計量模型，即回歸方程。通常會有一個基準

(baseline或benchmark)

的計量模型，然后在此基礎上對模型設定

(modelspecification)

有所變化，比如增加或替換變量。此部分著重需說明論文的估計策略

(estimationstrategy)，即究竟應使用什么計量方法來識別主要變量之間的因果關系。初學者易犯的錯誤是，在論文中直接使用某計量方法，而未說明為什么這是最合適的計量方法。任何計量方法都有適用的前提條件，需要研究者仔細甄別與判斷。如果有兩個計量方法，各有優(yōu)缺點，則可二者都用，然后作為穩(wěn)健性檢驗，比較二者的結果。(7)回歸結果(Regressionresults)介紹計量方法之后，即可匯報回歸結果，通常以表格形式來呈現(xiàn)，主要包括以下信息：被解釋變量與解釋變量的名稱、回歸系數(shù)估計值、標準誤

(或t統(tǒng)計量)，以星號表示統(tǒng)計顯著性，以及相關的統(tǒng)計量

(樣本容量、擬合優(yōu)度等)。在正文中，需要對回歸結果進行解讀，包括回歸系數(shù)的統(tǒng)計顯著性與經(jīng)濟顯著性，符號是否與理論預期相符等。(8)穩(wěn)健性檢驗(Robustnesschecks)在實證論文中僅僅匯報一個回歸結果顯然是不夠的，因為變量的顯著性可能在不同的模型設定下變化。只有在不同的模型設定下，都能得到類似的結果，才是穩(wěn)健與可信的。對于穩(wěn)健性檢驗的結果匯報，如果篇幅比較短，可歸入上一部分的

“回歸結果”；反之，如果做了較多的穩(wěn)健性檢驗，則可單獨作為論文的一個部分。(9)結論(Conclusion)結論是論文的最后部分，對全文所作工作進行總結，并給讀者留下最后的印象。結論部分通常概要地回顧本文的研究問題、計量方法與主要結論，也可重申本文的獨特貢獻。由于任何論文都有局限性，故也可指出未來的改進空間與研究方向。許多讀者會先看引言與結論，再決定是否看正文，故結論部分也十分重要。（10）參考文獻(References)幾乎所有研究都建立在前人成果之上，故必然會在文中引用他人的論文或著作。這些論著的詳細出處，則一般收集于文末的參考文獻。需要特別注意的是，文中所有引用的論著，都應包括在參考文獻中；反之，所有參考文獻中的論著，都應在正文中被引用。參考文獻的順序一般按照作者姓氏的字母

(拼音)

進行排列，對于同一作者的作品則按發(fā)表年代排序。另外，不同期刊對于參考文獻的具體格式也有不同要求；在投稿前需按所投期刊的要求進行修改。（11）附錄(Appendix)有些論文還有附錄，主要收集不影響正文閱讀，但篇幅較長的細節(jié)。比如，對于理論文章，可能把繁瑣的證明放在附錄。而對于實證論文，有時會把過長的數(shù)據(jù)說明放在附錄。如果數(shù)據(jù)來自問卷調(diào)查，則通常把具體的問卷放在附錄。（12）寫作風格經(jīng)濟學論文屬于科學類的論文，并不需要過于華麗的詞藻，而應首先注意行文的簡潔與邏輯性。另一方面，優(yōu)美流暢的文筆對于提高論文可讀性、吸引讀者注意力十分重要。對于初次寫論文者，首先要注意

“書面語”

與

“口語”

的區(qū)別，避免過分口語化；不能嘴上怎么說，筆下就怎么寫，而應使用更為洗練到位的書面語言。在下筆之前，可先在腦海里構思文章的結構與寫作風格。事實上，寫作的過程也是使思路更加清晰的過程。對于論文中的方程式，可使用Word文檔中的“insert”

→

“object”

→“MicrosoftEquations”

進行編輯，使得方程更為美觀

。論文中所有單獨成行的方程式，都應按順序編號，以(1)、(2)、(3)等表示，以便于檢索。對于論文中的表格與圖片，也應注意其格式。一般來說，表格的標題應在表的上方；而圖片的標題則在圖的下方。在表格或圖片的下方，還可以有注釋，說明數(shù)據(jù)來源、變量定義等相關信息。對于初學者，建議仔細觀察經(jīng)典論文的文章結構與風格，并注意模仿。比如，中文論文可以模仿《經(jīng)濟研究》或《經(jīng)濟學季刊》，而英文論文則可參照AmericanEconomicReview等。正如古語所云，“熟讀唐詩三百首，不會作詩也會吟”。12、與同行交流論文初稿完成后，通常不宜直接投稿，或作為畢業(yè)論文提交。這是因為，在研究與寫作過程中，難免受到個人先入為主的主觀限制，出現(xiàn)這樣或那樣的偏差或疏忽。因此，懇請導師、同行或朋友閱讀你的論文，并提出批評與修改意見，是十分必要的。更正式的渠道包括將論文提交至學術會議，或應邀到相關學術機構作報告；以便收集有益反饋，然后進一步修改論文。當代論文的復雜程度越來越高，需要考慮的問題也越來越多，如果一味閉門造車則難免掛一漏萬，難以保證論文的高質量。13、提交論文或初稿經(jīng)過與同行交流并將論文修改完善后，可考慮提交畢業(yè)論文，或將論文投稿到合適的期刊。在選擇期刊時，首先要評估論文的重要性與質量，即該文是否研究了一個重要或有趣的問題，以及所用方法是否嚴格、結論是否可信；然后再將論文投給相應檔次的期刊。這里所說的

“重要”，并不一定非要是影響國計民生的重大課題，也可以只有學術上的意義。即使只是一個有趣的小問題，如果使用了嚴格的研究方法，也可能很有價值。反之，如果研究方法有漏洞，即便研究的是大問題，也可能大而無當。如果不清楚論文該投給哪個雜志，可請教導師或有投稿經(jīng)驗的前輩。在投稿時，切忌

“一稿多投”，即將一篇稿件同時投給多個雜志，造成編輯部的審稿資源浪費。這是投稿的基本規(guī)則；如果違背，可能導致嚴重的