要各方面都做好是非常难的，如果真的能做到那就不会发在国内的期刊上啦！

我不是说要做阿西莫格鲁斯。仅靠玩数学获得智力上的优越感，或者职称之类的东西，等老了回想起来，也许会感觉自己什么都没有做，因为你玩的不是基础数学。
还是那句话，大家都是凡人，自己感觉好就OK!

其实没有多少研究是有实质贡献的啦，只要问心无愧不去害人就好，哈哈

思想吧

按国外的观点，显然是选题更重要。方法是其次的，关键在于适用，而不在于有多少“潮”。

个人浅显的观点认为计量是将经济原理用数学说清楚，再将数学公式变形，令其适合于统计工作，再用真实世界进行证明的过程。
众所周知，单纯的计量方法技巧没有用处，但计量方法的引进能够解释经济现象的时候用处是很大的。大家都知道计量是工具，工具的作用是用来完成某一个目的。新发明的工具对处理某些问题比以前的方法好很多，那么这个也是一个了不起的进步。计量经济在这一点上的意义要比新的观点要好，至少不比他差。因为新观点没有证明、没有可行的实施方法，只是一个假设，如果没有数理经济学和计量经济学的帮忙，用处不大。

呵呵，只要发表了，就会有人去读，有人去引用。。。

现在好多文章自娱自乐，无法解决现实问题。

我也觉着 选题至关重要

计量方法,本质都是统计学,如果只求方法而忽视经济问题本身,那就不是计量经济学,而是标准的统计学.个人认为计量经济学的方法论上的大突破完全是问题驱动的.你看看所有的开山之作,哪一篇的方法论不是源于为了解决研究问题中出现的种种普通方法所不能解决的难点? Cointegration为了解决伪回归以及估计时间序列中存在的long-run equilibrium关系;Sims的VAR源自为了解决当年流行的多方程系统方法所产生的"卢卡斯批判"等问题;最近非常流行的Bayesian DSGE是为了解决Calibration所用信息过于简单,GMM方法有限信息的问题,当然背后的理论思想是理性预期;Regime Switch是为了detect美国宏观数据中出现的明显的structural change; Chow Test是源于他当年在IBM做汽车需求时看到的数据中可能具有结构变化,这是他老人家给我们上课时自己说的; Heckman的two stage regression是为了解决数据本身self-selection(truncated)而导致的内生性问题;我是做宏观的,其他微观例子欢迎补充.
个人觉得国内的计量与其说是计量,还不如说是应用计量或者是实证计量(empirical),除了很少很少(<0.1%)的老师在做理论以外(厦大wise有,华中科大有,上财有,北大光华有,中山岭南有,其他欢迎补充),几乎全是拿国外现成的方法来套中国数据的.我说的"套",并不是指那些由于对经济现象本身的思考而想到用现成计量模型来研究的文章(个人觉得这类文章是应用类的好文章),绝大多数是看到国外出了个新方法,然后赶紧依葫芦画瓢,拿中国的数据直接run的,给中文top审过的文章,全是这种情况,top杂志都这样,可想其他杂志又能好到哪里去?
我们是在做经济学,通过数据中的一些简单的统计性质我们来思考问题(或者相反),然后再构建严密的计量模型来发现现象,解释问题.
所以,如果能用非常简单(或者是合适)的统计技术解决所要研究的问题,这才是好的应用计量.所有国际top杂志的应用计量文章都是问题驱动的,哪有说什么现在人家有个现成的方法,然后我来想想套个什么问题把它写出来的.
片面地刻意追求高深技术的文章(JoE,ECTA的理论文章背后全是有经济问题背景的),不叫经济学,叫统计学.不过,这样的原创文章需要非常坚实的数理统计基础,以中国国内的论文考核制度,没有多少人会静下心来做吧.

都重要

其实没有多少研究是有实质贡献的啦，只要问心无愧不去害人就好，赞一个

分享的东西很不错呢！

都重要，特别是选题！

个人严重同意sphinx_xzw的观点！

思想最重要

建议去企业，最好是知名大企业或者研究公司。拿第一手的数据做第一手的研究，马上还可以变为企业价值，这个意义比较大。不然就永远活在自己的论文世界中了，也赚不到钱。

纠结于选题的飘过

计量只是必要条件，非充分条件。

当然是选题重要。
从逻辑线索来看，当然是先选题，然后驱动研究设想、变量构造，继而搜集数据，计量实证。
难道你让数据来驱动选题？先有什么样的数据，再来考虑写什么样的主题？
但是，从写论文的角度，我建议在一开始选题的时候，就要注意好不好搜集所需数据，二者应该结合起来。不要题目选好后，回头一看，糟糕！找不到所要数据。
就如用专利引用数据来分析知识溢出，国外自Jaffe开始，照葫芦画瓢的海了去了，但是国内鲜有相关研究。其实其方法并不复杂，但是中国的专利数据，反正我是找不到引用了哪些前人专利的。

看不同领域了~

选题最重要！如果研究的问题没有意义，那么再先进的方法、更精确的数据又有什么作用呢？

感觉都很重要，因为论文是一个整体。