实证论文写法心得

【#第一文档网# 导语】以下是®第一文档网的小编为您整理的《实证论文写法心得》，欢迎阅读！

一、 前期准备

1.广泛收集参考文献

决定要解释的现象是什么

决定要检验的假设或理论是什么 决定所要预测的趋势是什么 决定所要评估的政策是什么

2.构件时政计量模型

研读相关经济理论，比较三五篇有实证分析之文献的市政计量模型（确认模型中解释变量和应变量之间的因果关系，即causality，理清各模型的异同及优缺点，最后决定实证统计量模型雏形）

初步调查是否有相关的资料，若无则实证模型设计的再好也无用

3.收集相关资料

对数据的精确性一定要严格查核，对错误数据要仔细修正

使用eviews或者spss软件对数据列表绘图，以验证数据的逻辑合理性，对不

合理的数值要有所处理

不论要用的是横断面数据或是时间数列，数据数目越多越好，追踪数据尤佳panel data

对资料书制作一些整理，表列各种基本统计量（样本平均值、变异数、变量间

的样本相关系数等）、变量之间的两辆交互列表、做一些初步图解分析。

二、 计量方法的选择

1. 计量方法不应太简单（例如只做到最简单的ols），但也不必过于复杂，应正对问题采用恰到好处的计量方法。若采用了比较复杂的计量方法，则要说明为什么简单的方法不合适。计量方法的好坏不在其复杂程度，而在于他是否能够帮我们得到正确的估计值，以了解数据中所包含的真正信息。

2. 除了估计值以及对应的t检验外，也可做一些f检验之对多个系数的假设检定。 3. 回归模型的设定，尤其是解释变量的取舍，可在估计过程中不断的修正。对应变量和解释变量均可尝试诸如对数、指数、幂函数等不同的转换。这些转换方式的决定，以经济理论上的考虑最为重要，不能但只为了提高模型的失陪，而盲目的做一些不合理的变量转换。

4. 选取解释变量时，应有如下的考虑：

（解释变量和因变量之间的关系一定要正确，也就是说，解释变量是原因在先，应变量是结果在后，有一定的先后顺序。尤其要注意，有些变量数值的产生很可能适合应变量同时决定的，或是因果关系不很明确（也就是说，相对于应变量而言，这些变量是内生的），则在选取这些变来给你作为解释变量时，便要非常小心。解释变量的内生问题通常是研究被批评的主要原因。

要注意解释变量的同构型，不能不分青红皂白的将一大堆彼此相关性很高的变量（包括相同变量的不同转换、或是几个变数间的各种交乘项）放进回归式内，造成严重的现行重合问题。

经济理论所牵涉到的变量通常是无法观察到的，因此在做实证研究时必须替代变量（proxy）,研究者要对所选用之替代变数的合理性相加说明。由于数据总有些缺失，常有人在束手无策之下，采用了很多匪夷所思的替代变数虚拟变量的定义要


清楚而合理，使用要小心要探讨解释变量不足、观察只有误差等数据缺失所可能造成的计量问题。

5. 横断面数据要注意干扰项异方差（heteroscedasticity）的问题，时间数列的数据则要注意干扰项自相关（autocorrelation）的问题。若要确定时间数列的稳定性（stationarity），若有季节变动也要加以处理。

6. 模型的稳定性要注意，可能需要诸如chow test或cumsum test的检验。

7. 若用到mle或gmm等非线性计算，则在撰写论文时要对数值方法的细节，诸如统计软件及数值方法的名称、起始值之选取、收敛速度、是否产生区域解（local solution）、收敛条件的设定等，均需有所说明。

8. 若实证模型中有多个应变量（和对应之方程式）值的同时分析，则可考虑采用seeming unrelated regression甚至联立回归模型等系统模型，以更有效的利用各回归式之间的相关性。

三、 论文的写作

1. 首页：论文题目，作者名字，系所，学好，日期

2. 摘要：对全文宗旨做一简单描述，并简述文章的目的是对经济结构的分析，还是对未来趋势的预测，还是对政策的评估；然后简单介绍所使用的模型及变量，数据的种类及来源，所估计的模型，所采用的计量方法；最后以最主要的实证结果为终结。

3. 绪论：说明研究的性质、范围和目的，并从不同角度或一个比较宽广的视野（历史、社会、文献、问题严重性等）来解释研究的重要性。

4. 文献回顾：对和主题有直接和间接关系的文献做一个简单清楚有系统的回顾，和主题有直接关系但又不同结果的文献，更是要有比较完整的解释。 5. 模型设定：模型有理论模型和实证模型两类。理论模型是从经济理论中直接导出，而实证模型则是从理论模型中衍生出来，是要以实际资料来估计的。理论模型通常需要以数学推导，因此文章中可列出一些关键的公式以帮助理论的阐述，但不应长篇累牍的堆积只有间接关系的公式。实证模型通常是以回归模型的形式表示，对模型中所涉及的变量均需给与明确的定义，对解释变量和应变量之间的关系要详尽的说明，也要解释对模型中主要系数（或由这些系数所导出之弹性、乘数等）肯能数值的大小及符号又怎样的理论预期。

6. 资料说明：对数据的种类，性质，来源出处，数据修订的方式，数据中可能有的错误和缺失，都要有详细的说明，最好也能将资料的基本统计量表列出来。 7. 计量方法的描述：对所用到的每一个符号都要有清楚的定义。 8. 实证结果的论文：

系数估计的主要结果均需以表列出，在表中每一系数对应之变量名称要写清楚，每一系数估计值旁均需伴随一标准差（）或t统计量，也可以加列p值，对于显着的估计值也可附加诸如星号之特殊标记以提醒读者。显示模型整体表现的统计量，诸如R2（线性回归模型），F检定统计量，Durbin—Watson检定统计量（对时间数列资料），也可选择性的列于表内。在表的脚注中，必须说明表中所有的特殊符号和简称，表中变量名称的选取，应尽量采用有意义的中文简称，少用无意义的英文字母组合。制表的基本原则就是要让读者便捷、完整而清楚的了解估计的结果； 对主要回归系数（或又回归系数所导出之弹性、乘数等）估计值的大小、符号及显着与否要详加讨论，对以显着的估计值更要和理论预期值比较，若有明显的矛盾，则要探讨原因；

若能在文献中找到类似模型的估计结果，则应择要论文，并作比较；

9. 对重要回归系数若是得不到显着的估计值，则要探讨其中原因。也绝不能对不显着的估计值做出过度的解释，尤其不能宣称不显着的估计值支持或不支持某些特

本文来源：https://www.dy1993.cn/KvPx.html