超級(jí)強(qiáng)大！不會(huì)寫實(shí)證論文？看完你就懂了！

導(dǎo)讀：跟隨世界主流經(jīng)濟(jì)學(xué)的研究范式，數(shù)量化研究已經(jīng)成為了中國經(jīng)濟(jì)研究的主流。經(jīng)濟(jì)學(xué)，作為社會(huì)科學(xué)中數(shù)量化程度非常高的一門學(xué)科，其本身還是脫離不了社會(huì)科學(xué)本身的限制，經(jīng)濟(jì)學(xué)的主要使命是幫助我們認(rèn)識(shí)復(fù)雜的經(jīng)濟(jì)世界，更多時(shí)候是對(duì)經(jīng)濟(jì)現(xiàn)象提出合理解釋。

一篇嚴(yán)謹(jǐn)?shù)慕?jīng)濟(jì)學(xué)論文，一般需要三個(gè)基本的要素：視點(diǎn)(Perspective)，參照（Benchmark），以及分析方法 (Analytical Tool)（錢穎一，2002）。學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)的目的是為了進(jìn)行實(shí)證研究，對(duì)于學(xué)習(xí)計(jì)量經(jīng)濟(jì)學(xué)的人而言，要寫一篇有實(shí)證研究的計(jì)量經(jīng)濟(jì)學(xué)論文或報(bào)告時(shí)，選題、建立計(jì)量模型、選擇計(jì)量方法等至關(guān)重要。今日為您帶來一篇關(guān)于計(jì)量經(jīng)濟(jì)學(xué)實(shí)證論文寫作的全面解析。

1什么是論文

究竟什么是論文？簡(jiǎn)單地說，論文就是對(duì)新的研究成果的匯報(bào)。為什么一位成績(jī)優(yōu)秀的學(xué)生，在撰寫畢業(yè)論文時(shí)可能一籌莫展？這主要是因?yàn)?，平時(shí)上課做題，主要學(xué)習(xí)已有知識(shí)，只需被動(dòng)消化吸收即可，有固定模式可循；而做研究寫論文，則需主動(dòng)創(chuàng)造 (哪怕是一點(diǎn)點(diǎn)) 新知識(shí)。因此，剛起步研究的學(xué)生，面臨著從學(xué)習(xí)知識(shí) (學(xué)生) 到創(chuàng)造知識(shí) (研究者) 的轉(zhuǎn)型。

論文與一般的文章或散文不同，后者可以僅僅表達(dá)某種情感，或記錄一些事情。經(jīng)濟(jì)學(xué)論文必須用十分嚴(yán)謹(jǐn)?shù)臄?shù)理邏輯或統(tǒng)計(jì)推斷，來一步一步地得到結(jié)論，保證每個(gè)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(jié)論。而且，論文貴在創(chuàng)新，其價(jià)值主要在于其原創(chuàng)性 (originality ) 或新穎性(novelty)，即對(duì)于已有文獻(xiàn)的邊際貢獻(xiàn) (marginal contribution)。

▲已有知識(shí)與新研究的關(guān)系

一般來說，規(guī)范的實(shí)證研究包括以下幾個(gè)步驟，即準(zhǔn)備階段、選題、探索性研究、收集數(shù)據(jù)、建立計(jì)量模型、選擇計(jì)量方法、解釋回歸結(jié)果、論文寫作、與同行交流、提交論文或投稿，下面分別進(jìn)行介紹。

2準(zhǔn)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(shí)。要開始真正的研究，需要一系列的準(zhǔn)備工作。首先，必須掌握一定的經(jīng)濟(jì)理論，以獲得觀察經(jīng)濟(jì)現(xiàn)象的必要視角 (perspective)、參照系 (reference 或 benchmark) 與分析工具 (analytical tools)。否則，即使看到經(jīng)濟(jì)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(xué)做博士生的時(shí)候，韋茨曼 (Martin Weitzman) 教授問我，受過現(xiàn)代經(jīng)濟(jì)學(xué)系統(tǒng)訓(xùn)練的經(jīng)濟(jì)學(xué)家和沒有經(jīng)過這種訓(xùn)練的經(jīng)濟(jì)學(xué)家究竟有什么區(qū)別？他研究比較經(jīng)濟(jì)制度，經(jīng)常去蘇聯(lián)訪問，問這個(gè)問題是從與蘇聯(lián)經(jīng)濟(jì)學(xué)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(jì)學(xué)系統(tǒng)訓(xùn)練的經(jīng)濟(jì)學(xué)家的頭腦中總有幾個(gè)參照系，這樣，分析經(jīng)濟(jì)問題時(shí)就有一致性，不會(huì)零敲碎打，就事論事。

這正是經(jīng)濟(jì)學(xué)界常說的 “像經(jīng)濟(jì)學(xué)家那樣思考” (Think like an economist)。當(dāng)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(yùn)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(rèn)為可以不需要任何理論指導(dǎo)而直接去 “看真實(shí)世界” 的想法或許過于天真了。這些經(jīng)濟(jì)理論的學(xué)習(xí)，主要體現(xiàn)在微觀經(jīng)濟(jì)學(xué)、宏觀經(jīng)濟(jì)學(xué)以及經(jīng)濟(jì)學(xué)的各專業(yè)課程上，比如金融學(xué)、財(cái)政學(xué)、發(fā)展經(jīng)濟(jì)學(xué)、產(chǎn)業(yè)經(jīng)濟(jì)學(xué)、勞動(dòng)經(jīng)濟(jì)學(xué)等。

其次，為了進(jìn)行實(shí)證研究，還必須掌握一定的計(jì)量方法與統(tǒng)計(jì)軟件 (比如 Stata)。即使你收集到相關(guān)的數(shù)據(jù)，但數(shù)據(jù)也不會(huì) “自己說話”，仍需要使用統(tǒng)計(jì)軟件，運(yùn)用適當(dāng)?shù)挠?jì)量方法進(jìn)行統(tǒng)計(jì)推斷。因此，計(jì)量經(jīng)濟(jì)學(xué)對(duì)于實(shí)證研究不可或缺。在具備一定的理論功底與計(jì)量訓(xùn)練后，即可正式開始做實(shí)證研究了。

3選題

實(shí)證研究的第一步就是選題，即選擇研究的題目。對(duì)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(lǐng)域 (比如，經(jīng)濟(jì)增長(zhǎng))，但這還不是一個(gè)具體的 “研究問題” (research question)。

對(duì)實(shí)證分析而言，研究問題通常是有關(guān) “?X?對(duì)?Y?有何作用” 之類的因果關(guān)系。如果想研究 “家庭聯(lián)產(chǎn)承包責(zé)任制對(duì)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)的作用”，就更具體了，此處?X?指 “家庭聯(lián)產(chǎn)承包責(zé)任制”，而?Y指 “農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)” 。當(dāng)然，實(shí)證研究也可以只有?Y?而沒有?X，比如對(duì)于某個(gè)統(tǒng)計(jì)指標(biāo)?Y?的測(cè)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(yàn)資產(chǎn)定價(jià)模型 CAPM 是否成立)，也可來自對(duì)經(jīng)濟(jì)現(xiàn)象的觀察 (比如媒體報(bào)道、社會(huì)調(diào)研)；可以研究某政策的效應(yīng) (比如新勞動(dòng)法對(duì)失業(yè)率的影響)，也可以對(duì)文獻(xiàn)中已有論文進(jìn)行改進(jìn)。

如果沒有任何研究想法，則建議先瀏覽一些經(jīng)濟(jì)學(xué)的頂級(jí)期刊。比如，經(jīng)濟(jì)學(xué)中文期刊的 “四大金剛”，即《經(jīng)濟(jì)研究》、《經(jīng)濟(jì)學(xué)(季刊)》、《世界經(jīng)濟(jì)》、《管理世界》；以及經(jīng)濟(jì)學(xué)英文期刊的 “Top 5”，即?American Economic Review，Econometrica，Journal of Political Economy，Quarterly Journal of Economics，Review of Economic Studies。這些頂級(jí)期刊都是經(jīng)濟(jì)學(xué)的一般性期刊 (general interest journal)，涵蓋經(jīng)濟(jì)學(xué)的各個(gè)領(lǐng)域。如果確定研究經(jīng)濟(jì)學(xué)的某個(gè)領(lǐng)域，比如金融學(xué)，還可關(guān)注《金融研究》等專業(yè)期刊 (field journal)。

瀏覽這些期刊中的論文 (通常技術(shù)性較強(qiáng)，故未必從頭讀到尾)，可大致知道當(dāng)前的經(jīng)濟(jì)學(xué)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(jìn)一步，可以評(píng)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(jiǎn)單來說，在以上“?X?對(duì)?Y?有何作用” 的句型中，應(yīng)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(huì)感興趣嗎？為什么我們要在乎你的問題 (Why should we care)？知道問題的答案后，能影響人們對(duì)世界某方面的看法嗎？?

(3) 新穎：論文的核心價(jià)值在于其創(chuàng)新性，即做出了文獻(xiàn)中所沒有的邊際貢獻(xiàn)。這種邊際貢獻(xiàn)可以是研究了新的現(xiàn)象、使用了新的 (更好的) 計(jì)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(shí)的過程，在本質(zhì)上不同于學(xué)習(xí)已有 (舊) 知識(shí)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(yīng)的數(shù)據(jù)，則不可行。

對(duì)于剛開始選題的學(xué)生而言，似乎自己能想到的題目，都已被別人做過了。其實(shí)未必。要想做出新的邊際貢獻(xiàn)，當(dāng)然可在前人的基礎(chǔ)上，繼續(xù)拓展與改進(jìn) (改進(jìn)計(jì)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(jì)70年代末中國農(nóng)村實(shí)行了家庭聯(lián)產(chǎn)承包責(zé)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(duì)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(shí)行上交所與港交所之間的 “滬港通”。假以時(shí)日 (有了足夠的數(shù)據(jù)后)，就可以研究滬港通對(duì)中國證券市場(chǎng)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(jì)學(xué)家那樣去思考” (Think like an economist)。當(dāng)然，對(duì)于剛起步的新手，應(yīng)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?yàn)槟?“存活” 下來的研究想法通常不多。

4探索性研究

有了潛在的研究問題后，首先需要進(jìn)行初步的 “探索性研究” (exploratory study)，看看它是否具有新穎性與可行性。比如，通過查找文獻(xiàn)，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(xiàn)回顧評(píng)估選題的新穎性

論文貴在有新意。假設(shè)你找到了一個(gè)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(xiàn)，看看文獻(xiàn)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(duì)于中文論文，可在 CNKI (China National Knowledge Infrastructure) 中搜索。對(duì)于英文論文，可在 JSTOR (Journal Storage) 或 EconLit with Full Text (美國經(jīng)濟(jì)學(xué)會(huì)) 輸入關(guān)鍵字進(jìn)行搜索；二者均全文收錄了許多經(jīng)濟(jì)類英文期刊，但前者有幾年滯后。對(duì)于二者未覆蓋的經(jīng)濟(jì)類期刊，可通過一些主要出版社 (集團(tuán)) 搜索，比如 Elsevier Science Direct, Springer Link, Taylor & Francis, Wiley 等。某些工作論文則可通過百度或谷歌搜索。

▲山東大學(xué)圖書館電子資源首頁

什么時(shí)候開始看文獻(xiàn)，即看文獻(xiàn)的時(shí)機(jī)，也很重要。如果從一開始就大量地閱讀文獻(xiàn)，則可能被文獻(xiàn)所淹沒，望洋興嘆，自覺渺小。更好的方法是，當(dāng)自己有了一定的想法之后，再去系統(tǒng)地看文獻(xiàn)。這樣，才會(huì)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(xiàn)的態(tài)度也十分重要。虛心地從經(jīng)典論文中汲取營(yíng)養(yǎng)，才能站在巨人的肩膀上，但仍應(yīng)帶著某種批判性的眼光。事實(shí)上，由于經(jīng)濟(jì)現(xiàn)象的復(fù)雜性 (經(jīng)濟(jì)學(xué)還只是軟科學(xué))，任何論文都有一定缺點(diǎn) (比如，忽略了某些可能重要的因素)，也都有可以改進(jìn)的空間 (甚至可能推翻作者的結(jié)論)，故不必太迷信 “權(quán)威”。

既然經(jīng)濟(jì)學(xué)還不是科學(xué)，獲得諾貝爾獎(jiǎng)的經(jīng)濟(jì)學(xué)家可能持有相反的觀點(diǎn)，那么又哪來的權(quán)威呢？重要的是，使用邏輯與實(shí)證的方法對(duì)不同的觀點(diǎn)進(jìn)行甄別與質(zhì)疑。如果認(rèn)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(xiàn)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(yīng)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(jì)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(luò)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(shí)不知道該從哪里找數(shù)據(jù)，還可關(guān)注文獻(xiàn)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(xiàn)之后，就應(yīng)該基本了解該研究領(lǐng)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(jì)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(duì)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(dǎo)入Stata中)，并注意檢查，防止出錯(cuò)。即便下載電子版數(shù)據(jù)，也應(yīng)檢查可能存在的錯(cuò)誤。

實(shí)證研究的關(guān)鍵材料乃是數(shù)據(jù)。如果數(shù)據(jù)質(zhì)量不高，則 “巧婦難為無米之炊”。無論多么高深的計(jì)量方法，如果原始數(shù)據(jù)質(zhì)量有問題，也只能是 “垃圾進(jìn)去，垃圾出來” (garbage in, garbage out)。Zvi Griliches 在 1994 年給美國經(jīng)濟(jì)學(xué)會(huì)做的主席演講 (presidential address) 指出，由于經(jīng)濟(jì)學(xué)家不夠注意數(shù)據(jù)的來源及產(chǎn)生過程，經(jīng)常錯(cuò)誤地解釋數(shù)據(jù)，導(dǎo)致研究的進(jìn)展緩慢；如果不提高數(shù)據(jù)質(zhì)量，計(jì)量理論方面的重大進(jìn)展將無用武之地。為此，將數(shù)據(jù)導(dǎo)入統(tǒng)計(jì)軟件后，需仔細(xì)察看數(shù)據(jù) (inspect the data)。一個(gè)常見誤區(qū)是，研究者只知進(jìn)行回歸，卻不去熟悉原始數(shù)據(jù) (raw data)，或增加對(duì)數(shù)據(jù)的感覺 (get a feel for the data)。

察看數(shù)據(jù)的常見方法為，計(jì)算變量的主要統(tǒng)計(jì)特征 (summary statistics)，包括均值、最大值、最小值、標(biāo)準(zhǔn)差、相關(guān)系數(shù)等，并根據(jù)經(jīng)濟(jì)常識(shí)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(shí)間維度 (比如時(shí)間序列或面板數(shù)據(jù))，還可畫時(shí)間趨勢(shì)圖。如果發(fā)現(xiàn)在某個(gè)時(shí)點(diǎn)上的變量取值異常波動(dòng)，則應(yīng)考察此數(shù)據(jù)是否有誤；即使數(shù)據(jù)無誤，也應(yīng)考慮異常波動(dòng)的原因。

總之，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(shí)或可疑的取值。如果發(fā)現(xiàn)，則要進(jìn)行處理 (比如，可能是數(shù)據(jù)輸入錯(cuò)誤)，這被稱為 “數(shù)據(jù)清理” (data cleaning)。

對(duì)于大多數(shù)從事應(yīng)用研究的學(xué)者而言，主要是使用別人 (比如統(tǒng)計(jì)局、世界銀行) 提供的數(shù)據(jù)。即便如此，也應(yīng)該對(duì)數(shù)據(jù)的質(zhì)量有一個(gè)清醒的判斷，并使用相應(yīng)的計(jì)量方法 (至少在做出實(shí)證研究的結(jié)論時(shí)，應(yīng)考慮數(shù)據(jù)質(zhì)量的影響)。在使用別人提供的數(shù)據(jù)時(shí)，還應(yīng)注意其定義及統(tǒng)計(jì)口徑，是否是與理論模型中的變量相對(duì)應(yīng)。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(jì)口徑與標(biāo)準(zhǔn)教科書中以及西方國家的失業(yè)率概念有很大不同。

對(duì)于計(jì)量的初學(xué)者來說，與真實(shí)數(shù)據(jù)打交道也是加深對(duì)計(jì)量經(jīng)濟(jì)學(xué)理解的重要途徑。只有弄臟你的手 (get your hands dirty)，才能真正學(xué)會(huì)做實(shí)證研究。

6建立計(jì)量模型

雖然實(shí)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(chǔ)，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(guān)性，要對(duì)變量之間的因果關(guān)系做出判斷，常常需要依賴于經(jīng)濟(jì)理論。因此，即使無法提供完整的理論模型，也應(yīng)該進(jìn)行一定的理論分析。最理想的情形是，從理論模型中推導(dǎo)出計(jì)量模型 (econometric model)，即待估計(jì)的回歸方程。一般來說，一篇好的實(shí)證論文，需要講一個(gè)好的 “故事” (story)，然后用數(shù)據(jù)來證實(shí)或檢驗(yàn)此故事。

對(duì)于回歸函數(shù)的具體形式，可以考慮線性、對(duì)數(shù) (變量只取正數(shù)且有指數(shù)增長(zhǎng)趨勢(shì))、雙對(duì)數(shù)、非線性 (邊際效應(yīng)不是常數(shù))等。在進(jìn)行模型設(shè)定時(shí)，應(yīng)盡量使用常識(shí) (common sense) 與經(jīng)濟(jì)理論 (economic theory) 。

比如，將 “人均變量” (如人均消費(fèi)) 與 “人均變量” (如人均 GDP ) 相匹配；使用實(shí)際匯率來解釋實(shí)際進(jìn)出口。又比如，考慮 FDI 對(duì)經(jīng)濟(jì)增長(zhǎng)的作用。由于 FDI 起作用需要時(shí)間，如果把當(dāng)年的增長(zhǎng)率對(duì)當(dāng)年的 FDI 進(jìn)行回歸，可能沒有太大意義。比較適當(dāng)?shù)淖龇ㄊ?，考慮期初的 FDI 對(duì)隨后五年 (或若干年) 經(jīng)濟(jì)增長(zhǎng)的作用 (這樣做也可緩解雙向因果關(guān)系)。如果不確定該如何設(shè)定計(jì)量模型，可借鑒文獻(xiàn)中同類研究的模型設(shè)定。

另外，模型既不能過于簡(jiǎn)單 (解釋變量過少)，也不宜過于復(fù)雜，而應(yīng)當(dāng)保持適當(dāng)?shù)暮?jiǎn)潔 (keep it sensibly simple)。在選擇解釋變量時(shí)，“從小到大” (specific-to-general) 的建模方法簡(jiǎn)單易行，但可能偏差較大 (因?yàn)榇嬖谶z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(shí)踐中，常采用折衷方案，即選擇簡(jiǎn)單而有解釋力的模型。

7選擇計(jì)量方法

有了計(jì)量模型與數(shù)據(jù)之后，即可根據(jù)數(shù)據(jù)類型與特點(diǎn)，選擇合適的計(jì)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(yīng)考慮固定效應(yīng)、隨機(jī)效應(yīng)、時(shí)間效應(yīng)等；如果是時(shí)間序列，則須先判斷是否含單位根，再?zèng)Q定使用相應(yīng)的計(jì)量方法。

對(duì)于一般的數(shù)據(jù)，通常先做 OLS，看看結(jié)果，作為一個(gè)參照系。做完 OLS 后，可以畫殘差圖，大致看看擾動(dòng)項(xiàng)是否符合經(jīng)典假定，然后進(jìn)行嚴(yán)格的檢驗(yàn)。如果有所違背 (比如，存在異方差、自相關(guān))，則做相應(yīng)的處理（使用穩(wěn)健標(biāo)準(zhǔn)誤或 GLS）。

對(duì)于時(shí)間序列，還可檢驗(yàn)是否存在結(jié)構(gòu)變動(dòng) (鄒檢驗(yàn)，Chow test)。另外，應(yīng)該對(duì)數(shù)據(jù)的質(zhì)量進(jìn)行檢驗(yàn)，判斷是否存在多重共線性、極端值、弱工具變量等，并做相應(yīng)的調(diào)整。

由于受數(shù)據(jù)可得性 (data availability) 的限制，遺漏變量幾乎不可避免。因此，很有必要在實(shí)證論文中對(duì)此進(jìn)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(guān) (需要說明為什么不相關(guān))，故可以不做處理。第二，存在遺漏變量，且與解釋變量相關(guān)，則必須進(jìn)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(shí)，一般需找到有效的工具變量才能得到一致的估計(jì)。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(shí)間序列更有說服力。因此，如果可以獲得面板數(shù)據(jù)，則應(yīng)盡力爭(zhēng)取。比如，對(duì)于中國的宏觀變量，如果使用全國的時(shí)間序列，則一般樣本容量較小。此時(shí)，可考慮收集省際面板 (provincial panel) 的相應(yīng)數(shù)據(jù)。

大多數(shù)的實(shí)證論文都希望說明?X?對(duì)?Y?的因果作用。而從回歸分析的相關(guān)關(guān)系升華到因果關(guān)系，是很大的飛躍，需要使用適當(dāng)?shù)挠?jì)量方法來識(shí)別這種因果關(guān)系。

總之，在這部分應(yīng)該說明，為什么所用的計(jì)量方法是最恰當(dāng)?shù)摹Ｓ?jì)量經(jīng)濟(jì)學(xué)的理論總是建立于一些理想化的假定基礎(chǔ)之上，而現(xiàn)實(shí)的經(jīng)濟(jì)數(shù)據(jù)通?；蚨嗷蛏俚夭环线@些假定。因此，盡管計(jì)量理論是可以嚴(yán)格證明的一門科學(xué)，但實(shí)證研究在一定程度上卻是一門藝術(shù)，常需要在理論與現(xiàn)實(shí)之間找到適當(dāng)?shù)耐讌f(xié) (be prepared to compromise)。

8解釋回歸結(jié)果

使用計(jì)量方法估計(jì)模型后，計(jì)算機(jī)軟件 ( 比如 Stata ) 將輸出相應(yīng)的計(jì)量結(jié)果。此結(jié)果可能較長(zhǎng)，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(jì)量方法與解釋變量 (alternative specifications)，則結(jié)果就會(huì)更復(fù)雜。

如何看這些結(jié)果？簡(jiǎn)單地說，只能用一個(gè)字一個(gè)字地看，直到看明白為止。當(dāng)然，也有訣竅。計(jì)量結(jié)果可能很復(fù)雜，但真正重要的信息通常不多，比如回歸系數(shù) (含符號(hào))、?p?值，以及樣本容量、擬合優(yōu)度等。

▲工資對(duì)數(shù)對(duì)教育年限的回歸結(jié)果

在上圖的回歸結(jié)果中，變量?s?(教育年限) 的回歸系數(shù)符號(hào)為正 (與經(jīng)濟(jì)理論相符)，系數(shù)估計(jì)值為 0.0966245，?p?值為 0.000 (在 1% 水平上具有統(tǒng)計(jì)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(duì)數(shù)約四分之一的變動(dòng))。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(xiàng)等信息，基本可以不關(guān)心 (除非有需要)。

在解釋回歸系數(shù)時(shí)，還應(yīng)注意區(qū)分統(tǒng)計(jì)顯著性與經(jīng)濟(jì)顯著性?！敖y(tǒng)計(jì)顯著性” (statistical significance) 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(jì)上顯著地不等于零；反之，則在統(tǒng)計(jì)上不顯著，在統(tǒng)計(jì)上可將此系數(shù)視為零 (不存在)。

“經(jīng)濟(jì)顯著性” (economic significance) 主要通過系數(shù)的絕對(duì)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(duì)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(jì)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(huì)上升 1% 或 0.1%，顯然在經(jīng)濟(jì)意義上很不顯著。此時(shí)，統(tǒng)計(jì)上顯著而經(jīng)濟(jì)上不顯著，則意味著解釋變量對(duì)被解釋變量的影響很小 ?(經(jīng)濟(jì)上不顯著)，盡管這種影響被估計(jì)得很精確 (統(tǒng)計(jì)上顯著)。

類似地，在進(jìn)行計(jì)量檢驗(yàn)時(shí) (比如，豪斯曼檢驗(yàn))，Stata 可能輸出很多結(jié)果，但最需要關(guān)注的只是原假設(shè)以及?p?值；因?yàn)橹蓝呔涂梢赃M(jìn)行檢驗(yàn)了，而其余信息都是細(xì)節(jié)。

研究者通常花費(fèi)較長(zhǎng)時(shí)間收集與整理數(shù)據(jù)。將數(shù)據(jù)導(dǎo)入Stata，然后輸入相應(yīng)的回歸命令，則是 “見證奇跡的時(shí)候” (moment of truth)。如果關(guān)鍵解釋變量兼具統(tǒng)計(jì)與經(jīng)濟(jì)顯著性，符號(hào)也與理論預(yù)期一致，而其他控制變量的符號(hào)與顯著性也大體與預(yù)期相符，則會(huì)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(shí)，所得計(jì)量結(jié)果未必盡如人意，比如關(guān)鍵解釋變量不顯著，甚至符號(hào)與預(yù)期相反。此時(shí)應(yīng)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(jì)量方法不當(dāng)。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(dǎo)致 OLS 估計(jì)不一致。更一般地，如果存在內(nèi)生性而未加以處理，將導(dǎo)致不一致的估計(jì)，使得本應(yīng)顯著的變量變得不顯著。

(2) 數(shù)據(jù)質(zhì)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(shí)變量相差較遠(yuǎn) (由于真實(shí)變量不可觀測(cè))，或者數(shù)據(jù)輸入中的人為錯(cuò)誤，都有可能影響估計(jì)的一致性。

(3) 經(jīng)濟(jì)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(jì)理論不正確。經(jīng)濟(jì)理論所預(yù)期的某種效應(yīng)可能不存在；或者同時(shí)存在其他作用機(jī)制，使得凈效應(yīng)的符號(hào)相反。實(shí)證研究的目的之一就是檢驗(yàn)經(jīng)濟(jì)理論。如果發(fā)現(xiàn)已有理論與經(jīng)驗(yàn)證據(jù)不符，則說明此理論尚有改進(jìn)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(yàn)事實(shí)不一致,要堅(jiān)持的不是現(xiàn)有的理論,而是進(jìn)一步去了解我國的經(jīng)驗(yàn)現(xiàn)象, 然后, 根據(jù)經(jīng)驗(yàn)現(xiàn)象構(gòu)建一個(gè)可以解釋這個(gè)現(xiàn)象的理論。所以, 當(dāng)發(fā)現(xiàn)這種不一致時(shí), 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(shí),這正是對(duì)理論發(fā)展做出貢獻(xiàn)的絕好機(jī)會(huì)。

在計(jì)量實(shí)踐中，研究者經(jīng)常根據(jù)計(jì)量結(jié)果而調(diào)整模型，以期得到更為理想的結(jié)果，并且只在論文中匯報(bào)最佳的結(jié)果，而將尋找此結(jié)果的過程隱去。這實(shí)際上是 “數(shù)據(jù)挖掘” (data mining) 的一種形式。

數(shù)據(jù)挖掘既有成本 (缺點(diǎn))，也有收益(優(yōu)點(diǎn))。數(shù)據(jù)挖掘的優(yōu)點(diǎn)是，可對(duì)數(shù)據(jù)進(jìn)行各種 “實(shí)驗(yàn)”，以期揭示數(shù)據(jù)中的某種規(guī)律性，發(fā)現(xiàn)模型設(shè)定的錯(cuò)誤，以此改進(jìn)理論或計(jì)量模型。數(shù)據(jù)挖掘的缺點(diǎn)則是，由于它根據(jù)數(shù)據(jù)特征來設(shè)定計(jì)量模型，故模型設(shè)定由數(shù)據(jù)產(chǎn)生，如果再用此數(shù)據(jù)去檢驗(yàn)由它產(chǎn)生的模型，就不是客觀的檢驗(yàn)，由此導(dǎo)致偏差。

事實(shí)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(yàn)受到該數(shù)據(jù)啟發(fā)的理論存在嚴(yán)重的問題，但如果拒絕從數(shù)據(jù)中學(xué)習(xí)并修改理論，則會(huì)導(dǎo)致更嚴(yán)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(jìn)行穩(wěn)健性檢驗(yàn)，而不是僅匯報(bào)最佳的結(jié)果。??

9診斷性檢驗(yàn)

任何計(jì)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(jì)量方法 (可能導(dǎo)致不一致的估計(jì))。因此，在估計(jì)完模型后，應(yīng)對(duì)計(jì)量方法的前提條件進(jìn)行 “診斷性檢驗(yàn)” (diagnostic checking) 或作出定性說明。

比如，使用工具變量法進(jìn)行2SLS估計(jì)后，應(yīng)進(jìn)行弱工具變量檢驗(yàn)、過度識(shí)別檢驗(yàn) (假設(shè)存在過度識(shí)別)、解釋變量?jī)?nèi)生性檢驗(yàn)；并從定性的角度說明 “排他性約束” (exclusion restriction) 為什么成立。

又比如，使用時(shí)間序列估計(jì)自回歸 (AR) 或向量自回歸模型 (VAR)，則應(yīng)檢驗(yàn)殘差是否為白噪聲 (無自相關(guān))。即使進(jìn)行OLS回歸，也應(yīng)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(yàn)

為了使用特定的計(jì)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(jié)果是否對(duì)這些假定很敏感？為此，有必要放松論文的某些假定，看結(jié)果是否穩(wěn)健或基本不變，這稱為 “穩(wěn)健性檢驗(yàn)” (robustness check) 或 “敏感度分析” (sensitivity analysis)。比如，通過改變樣本區(qū)間 (或去掉極端值)、函數(shù)形式、計(jì)量方法、控制變量、變量定義、數(shù)據(jù)來源等，來考察計(jì)量結(jié)果的穩(wěn)定性。

在計(jì)量實(shí)踐中，研究者通常會(huì)通過數(shù)據(jù)挖掘，找到 “最佳” 的計(jì)量模型。如果僅匯報(bào)此最佳模型，則會(huì)導(dǎo)致偏差。因此，有必要適當(dāng)?shù)馗淖兡Ｐ偷脑O(shè)定，比較其主要結(jié)果的變化。顯然，只有穩(wěn)健的結(jié)果才有說服力，故穩(wěn)健性檢驗(yàn)已成為高質(zhì)量實(shí)證論文不可或缺的一部分。

11論文寫作

得到較為理想的實(shí)證結(jié)果之后，即可開始寫論文。簡(jiǎn)單地說，論文就是對(duì)研究成果的匯報(bào)。為了便于讀者更快地從論文中獲取信息，經(jīng)濟(jì)學(xué)論文通常有一定的結(jié)構(gòu)，而論文寫作本身也是一門精益求精的藝術(shù)。經(jīng)濟(jì)學(xué)家曼昆曾問過加爾布雷斯 (John K. 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(huì)修改很多次，通常直到第五稿時(shí)才會(huì)基本滿意。下面分別介紹論文的各個(gè)部分。

（1）標(biāo)題、關(guān)鍵字、摘要

論文的首頁通常包括標(biāo)題、作者、摘要、關(guān)鍵字等信息。標(biāo)題 (title) 是論文的標(biāo)簽，正如商品的商標(biāo)或名稱。一般應(yīng)選擇簡(jiǎn)潔而有吸引力的標(biāo)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(zé)自負(fù)” 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” (corresponding author)，負(fù)責(zé)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(jié)論。一般讀者會(huì)先看摘要，再?zèng)Q定是否看全文。因此，論文摘要應(yīng)字斟句酌，凸顯本文的主要貢獻(xiàn)，并激起讀者進(jìn)一步閱讀的興趣。摘要通常在論文主體完成后才撰寫，因?yàn)榇藭r(shí)作者對(duì)于論文的主要內(nèi)容會(huì)有更清晰的概念。

在摘要的下面，通常還需提供幾個(gè)關(guān)鍵字 (key words)，以便讀者能很快地根據(jù)關(guān)鍵字搜索到此文。關(guān)鍵字常常來自論文的題目。另外，在關(guān)鍵字之下，還可能提供 JEL 分類號(hào)，這是美國經(jīng)濟(jì)學(xué)會(huì)主辦的?Journal of Economic Literature?雜志所用的經(jīng)濟(jì)學(xué)各領(lǐng)域的分類編號(hào) 。

經(jīng)濟(jì)學(xué)實(shí)證論文的正文一般依次包括以下部分：引言、文獻(xiàn)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(jì)量模型與估計(jì)方法、回歸結(jié)果、穩(wěn)健性檢驗(yàn) (可歸入回歸結(jié)果)、結(jié)論。下面分別進(jìn)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(diǎn) (selling points)，最難撰寫，須反復(fù)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(zhǔn)確地總結(jié)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(shí)證研究的計(jì)量方法是什么，得到了哪些主要結(jié)論；此研究與已有文獻(xiàn)的關(guān)系，本文的主要?jiǎng)?chuàng)新與邊際貢獻(xiàn)等。由此可見，引言將論文的精華部分以非技術(shù)性的方式呈現(xiàn)給讀者，可視為擴(kuò)展版的摘要，是 “銷售” 此文的重要手段。事實(shí)上，許多讀者在瀏覽論文時(shí)，常常先看引言與結(jié)論，然后再?zèng)Q定是否細(xì)讀正文；可見引言的重要性。?

引言的寫作大致有兩個(gè)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(xiàn)的相關(guān)研究以及不足之處，然后順勢(shì)引出本文的研究方法與主要貢獻(xiàn) (比如，填補(bǔ)了文獻(xiàn)的空白)。傳統(tǒng)套路的優(yōu)點(diǎn)是，比較有邏輯性，能自然地呈現(xiàn)學(xué)術(shù)發(fā)展的脈絡(luò)；其缺點(diǎn)在于讀者需要有一定耐心，先回顧主要文獻(xiàn)，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(jié)論，然后再回頭介紹本研究與現(xiàn)有文獻(xiàn)的關(guān)系。這兩種套路各有優(yōu)缺點(diǎn)，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(biāo) (roadmap)，告訴讀者本文的其余部分在結(jié)構(gòu)上如何安排，以便于讀者閱讀。

(3) 文獻(xiàn)回顧 (Literature Review)

文獻(xiàn)回顧如果較短，可以歸入引言部分；反之，如果文獻(xiàn)回顧較長(zhǎng)，則可單獨(dú)作為論文的一個(gè)部分。對(duì)于文獻(xiàn)的回顧一般按文獻(xiàn)出現(xiàn)的時(shí)間先后進(jìn)行，著重介紹重要的文獻(xiàn)，而其他文獻(xiàn)可以簡(jiǎn)略介紹、放入腳注，甚至略去。

文獻(xiàn)回顧的寫作切忌只是堆砌羅列一些文獻(xiàn)，而未進(jìn)行深入分析。事實(shí)上，文獻(xiàn)回顧的根本目的是為了厘清本文的研究與已有文獻(xiàn)的關(guān)系，以凸顯本文的邊際貢獻(xiàn)及其在文獻(xiàn)中的地位。

為此，在肯定現(xiàn)有文獻(xiàn)的原創(chuàng)貢獻(xiàn)外，難免會(huì)指出其不足之處 (或被忽略的方面)。此時(shí)，應(yīng)注意語氣委婉，因?yàn)檫@些文獻(xiàn)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(dú)特貢獻(xiàn) (當(dāng)然必須實(shí)事求是)。因此，在指出現(xiàn)有文獻(xiàn)的不足與突出本文的貢獻(xiàn)之間，需要找到措辭與語調(diào)上的平衡。

(4) 背景介紹 (Background Information) 或理論框架 (Theoretical Framework)

實(shí)證論文并非僅僅是找一堆數(shù)據(jù)，然后匯報(bào)回歸結(jié)果。只有告訴讀者有關(guān)經(jīng)濟(jì)現(xiàn)象的背景，完整地述說一個(gè)經(jīng)濟(jì)故事，才能使得計(jì)量結(jié)果更有說服力。

比如，Nunn and Qian (2011) 研究引入 “新世界” (New World) 作物土豆對(duì) “舊世界” (Old World) 人口增長(zhǎng)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(diǎn) (virtues of the potato)、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(shí)證研究者的工作并不僅僅是下載數(shù)據(jù)進(jìn)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(gè)簡(jiǎn)單的理論模型 (theoretical model) 或思想框架(conceptual framework)，為后續(xù)的實(shí)證研究提供理論基礎(chǔ)。但對(duì)于實(shí)證論文而言，其理論部分不宜太過復(fù)雜，以致喧賓奪主。另外，如果經(jīng)濟(jì)現(xiàn)象過于復(fù)雜，沒有現(xiàn)成的理論，也可根據(jù)常識(shí) (common sense) 直接寫下計(jì)量模型或回歸方程。

(5) 數(shù)據(jù)說明 (Data description)

實(shí)證論文的結(jié)論是否可靠，首先取決于數(shù)據(jù)的質(zhì)量。因此，在數(shù)據(jù)說明部分，應(yīng)詳細(xì)說明數(shù)據(jù)的具體來源，并評(píng)估其可靠性。介紹數(shù)據(jù)來源的詳細(xì)程度，應(yīng)使讀者能按圖索驥得到同樣的數(shù)據(jù)，以保證科學(xué)結(jié)果的可重復(fù)性。

如果對(duì)原始數(shù)據(jù)進(jìn)行了一些處理或加工，也應(yīng)一一說明。如果學(xué)術(shù)界對(duì)于數(shù)據(jù)的質(zhì)量有質(zhì)疑，則應(yīng)說明這些潛在的數(shù)據(jù)質(zhì)量問題，對(duì)于你的研究有何影響。比如，GDP的絕對(duì)水平可能被夸大了，而你僅使用 GDP 的增長(zhǎng)率，故可能影響不大。如果數(shù)據(jù)來自問卷調(diào)查，則應(yīng)說明隨機(jī)抽樣如何進(jìn)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(jì)特征 (summary of statistics)，比如樣本容量、均值、標(biāo)準(zhǔn)差、最小值、最大值等，使讀者對(duì)數(shù)據(jù)的基本特征有所了解。有時(shí)，還會(huì)提供關(guān)鍵變量的相關(guān)系數(shù)矩陣 (matrix of correlation)，作為對(duì)變量之間關(guān)系的初步證據(jù)。

(6) 計(jì)量模型與估計(jì)方法 (Econometric model and estimation)

在此部分，需要結(jié)合所研究的問題以及已有數(shù)據(jù)，給出具體的計(jì)量模型，即回歸方程。通常會(huì)有一個(gè)基準(zhǔn) (baseline 或 benchmark) 的計(jì)量模型，然后在此基礎(chǔ)上對(duì)模型設(shè)定 (model specification) 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(jì)策略 (estimation strategy)，即究竟應(yīng)使用什么計(jì)量方法來識(shí)別主要變量之間的因果關(guān)系。初學(xué)者易犯的錯(cuò)誤是，在論文中直接使用某計(jì)量方法，而未說明為什么這是最合適的計(jì)量方法。任何計(jì)量方法都有適用的前提條件，需要研究者仔細(xì)甄別與判斷。如果有兩個(gè)計(jì)量方法，各有優(yōu)缺點(diǎn)，則可二者都用，然后作為穩(wěn)健性檢驗(yàn)，比較二者的結(jié)果。

(7) 回歸結(jié)果 (Regression results)

介紹計(jì)量方法之后，即可匯報(bào)回歸結(jié)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(jì)值、標(biāo)準(zhǔn)誤 (或?t?統(tǒng)計(jì)量)，以星號(hào)表示統(tǒng)計(jì)顯著性，以及相關(guān)的統(tǒng)計(jì)量 (樣本容量、擬合優(yōu)度等)。在正文中，需要對(duì)回歸結(jié)果進(jìn)行解讀，包括回歸系數(shù)的統(tǒng)計(jì)顯著性與經(jīng)濟(jì)顯著性，符號(hào)是否與理論預(yù)期相符等。

(8) 穩(wěn)健性檢驗(yàn) (Robustness checks)

在實(shí)證論文中僅僅匯報(bào)一個(gè)回歸結(jié)果顯然是不夠的，因?yàn)樽兞康娘@著性可能在不同的模型設(shè)定下變化。只有在不同的模型設(shè)定下，都能得到類似的結(jié)果，才是穩(wěn)健與可信的。對(duì)于穩(wěn)健性檢驗(yàn)的結(jié)果匯報(bào)，如果篇幅比較短，可歸入上一部分的 “回歸結(jié)果”；反之，如果做了較多的穩(wěn)健性檢驗(yàn)，則可單獨(dú)作為論文的一個(gè)部分。

寶寶起名