有问卷分析做的比较好的中文文献吗？英文的对英语很差的人来说阅读是一件令人心碎的事情。
实证分析中最突出的问题个人认为是数据的可获得性以及真实性，统计年鉴上的数据真实性暂不讨论，很多连可比性都做不到，这样的实证分析别说经济学意义，统计学意义都不存在。

当前，经济学科的实证分析文章多存在一个问题。那就是，重点突出数据与工具的使用，而忽略了相关变量的逻辑论证。好的实证分析文章应该是先论证相关变量的逻辑关系，这是模型构建的前提和基础。偶尔看了看很多期刊杂志的实证文章，很多作者一上来就开始设置变量，数据罗列，工具应用，实证结果分析，并草草下结论，提出建议建言。这样很不好。这样的做法可能会出现严重的逻辑问题。严谨的做法是，先通过论证和理顺变量之间的关系，包括解释变量与被解释变量之间的关系，如反向或正向关系。再讨论解释变量之间是否存在相关关系的可能性。继而再讨论模型的构建问题。另外，模型的构建也并不是简单地将变量罗列在等式两边。应该在讨论被解释变量可能存在的相关影响因素的基础上再进行下一步工作。这一步的工作主要是确保不遗漏重要的解释变量。另外，还应讨论影响因素对被解释变量的影响属于直接影响，或是间接影响。在确保模型无误的基础上，才可以进行数据搜集工作。当前，工具变量大多是通过Eviews,Spss,Stata等工具实现的。若样本数量太少，则结果将存在偏误。因此，应尽可能地增加样本数量。当然，实证论文的写作工作中还需要注意的事情仍然较多，这只有在平时的学习与科研工作中经验的积累的基础上才会体会到的。暂时先说这么多吧。欢迎大家深入讨论。

理论研究 也是在现实数据的基础上完成的 是广泛地总结历史数据和现实规律 理论研究只不过是广泛的实证研究 实证研究要考虑到 理论研究的背景和假设 在结合具体案例 使之向理论研究的背景和假设靠拢 0.0

我觉得，实证研究最重要的前提是原始数据一要可以获得；二要保证其准确性。其次是模型的设定，再次是模型的解释问题。

个人认为，还是应该采取问题导向的研究方式：先找到一个在现实中重要的问题，可以是热点问题，也可以是一些与常识相悖的问题。再去寻找可以解释的理论。对于解释不了的，再去看是否有什么其他的限制。再去做实证研究。

       响应楼主的号召，探讨“论文实证研究中的问题”这个主题。在实证研究进行的过程中，我经常会遇到“当核心变量不显著时，我们该怎么办？”这个问题。
       这是一个系统性的问题，很难一下子解释清楚，我很想说一句话：这是一个你向着一个饶有兴趣的问题艰苦前行的过程。恰恰是这一点，充分而准确的表达了科学理论具有的本质特征：可证伪性！

       尽管如此，但在实际操作中，还是有一定的路径可循。需要说明的是，这只是一个参考，并不限于此。将此路径记录在这里，以备不时地提醒自己。

       当核心解释变量不显著时，我们该怎么办？检查的思路分为：理论上的和实证上的。

      （1）理论上的路径。理论认为这个变量应该显著，但你的结果并不显著，如果你的分析逻辑基本符合推理的话，这意味着理论的适用边界可能出现了问题。也就是说理论认为变量显著事实上依赖于理论的假设条件，所以我们应该重新考虑研究的假设条件。我的经验是，以人的行为的自私性（意图）为基础，展开情景设置或实地调研，以明确的人的行为选择结果（事实）为导向，考察与分析研究假设的局限条件。这个局限条件可以是几个，但最好不要有太多的重叠；可以重点关注其中之一，但也要关注其他局限条件的变化。当然这些都需要理论的支撑，这一点是必须的，而不是可能。简单地说，一是重新审视自己的假设条件；二是，补充新的假设条件。

      （2）实证上的路径。首先，核定模型设置的合理性。如OLS后，看是否使用Robust与Cluster；如果是有时间序列，了解AR的情况；如果是面板，看看FE或RE，甚至GMM等；当然内生性觉不能回避。需要指出的是，上面是一般的套路，关键看我们研究问题的具体需要，变系数、前沿面、门槛、DID、联立性方程、似无相关、误差修正、倾向得分匹配等等等都是“斧头”，恰当地择之使用。除此之外，遗漏变量决不能忽视，这个对应着上文的新增局限条件。其次，数据的整理与处理。整理的部分，因研究的目标不同，千差万别，剩下的就是数据处理了。这里有三个基本经验，一是变量是否是正态性分布可能需要处理，关键在于选定的数学形式，Ln会经常使用，但不仅限于此；二是关键变量的离群值或缺失。微观数据常常Winsor，而宏观数据可用平滑法等等。至于变量值得缺漏，除了简单的平均、指数平滑之外，多重补漏技术应该考虑。三是变量代理指标的选取。尽量使用经典文献的做法，但如果你确定这种做法有“瑕疵”，一定要在理论层面上说明；如果是你自己新建立的代理指标，更应该重墨说明，应该既有理论上的充分分析，也要有实证上的精细设定，乃至详细的计算过程，总之要让同行信服。

       如果上述（2）的问题，你都全面的逐一排除了，但你的关键变量还不显著，请在回到（1）上面，需要理论上的大幅度修改，重复上述过程。如果这个关键变量还是不显著，就有两条路子：一是放弃，因为这不是一个论文产品；二是坚持，放一段时间再继续。

顶一下。

窃以为实证最大的问题，是它本身算不算一种科学的研究方法。

作为假设检验的一个翻版，它是否适合于描述经济学管理学当中的问题，并给予合理解释。

计量经济学自上个世纪中期以来确实得到了迅速发展，但是很对技术问题还是没有解决。但是，相信随着计量理论的推进，很多实证方法也会跟进，这都不在话下。同时，也相信在未来十年内中国不会再计量纯理论上有很大建树（不是计量经济学专业，可能冒犯了国内计量理论研究者）。

然而，中国使用计量方法研究经济学问题的人越来越多，呈现一种“不计量不发文”的态势。但是，正如前两天有人在论坛里提出有人计量结果都是错的却发了很好的核心期刊，其实这种现象在国内还是比较多见的，属于潜规则。几年前，北京一批学者发起了一个倡议，即要求实证研究的透明化，但是几年过去了，事与愿违（中国人民大学的聂辉华老师与其他几个老师有个“中国经济学堂”网站http://www.chinaes.org.cn/ ，上面提供了几篇论文的数据和实证过程的附件）。国内刊物一般不会向作者要求提供原始数据和估计程序，而国内学者几乎不会将自己的文章数据和程序挂到网上，导致所有国内的实证研究的文章其实都是黑箱操作，一些估计结果不得不让人怀疑，作者是不是根据自己的预期调整了估计结果？

当然，可能很多人都是倍受发表成果的压力，或者为了毕业，或者为了评职称，不得不如此为之，算是“共谋”吧。国内经济学不管是教学还是研究水平都在进步，国内培养的经济学博士可能在技术层面确有不足之处，但这不构成不改变的理由，存在即合理，但不否认面向利好局面的改变。

这里有两个小建议，都是针对学术杂志的：

1. 鼓励主要接受非实证论文刊物的发展，作为转向纯理论和实证研究严格要求的过渡，毕竟目前有部分研究者没有这方面的基础；

2. 其次，一个小小技术要求：要求实证结果提供标准差而不是t统计量，通过标准差可以计算真实的t统计量，一定程度上可以防止造假，起码提高了造假的成本。因为t统计量造假比较难查出来，但是标准差需要作者认真查验，增加了造假的难度。

可能还有其他更好的方法增进学术研究和成果发表的水平。同时，也不可否认国内的数据质量与国外不可比拟，导致实证结果不显著也是可能的。

做研究都不容易，贵在做到无愧于心吧。

那照你这样一说，经济数据非随机产生，那么人人都可以准确预测未来经济走势了。
看了你还没明白随机变量和随机变量的实现这两个概念的区别。。

先留名，以后慢慢来学习。
我现在身为一名管理类研究生，感觉实证论文最困难的部分就是收集数据部分。
大部分人填问卷都非常不认真，感觉扫一眼就随便填的那种，数据的真实性和有用性很难保证。
很头疼啊。

模型算出的结果和预期不一致，无法解释怎么办？而且回归中往往面临不符合残差正态和同方差假设的问题，很多论文中对此不加说明和处理。

当前，国内各大期刊都比较偏好于一些实证分析类型的文章，这一点恐怕是经济学研究的陷阱和学者的无奈。就算是比较规范的实证论文，只要认真总结，大多人不过是在前人的理论基础上，建立自己的方程或者变化一下变量，就可以有理有据做实证回归了，接下来为了显示自己模型和实证结果的有效性（可信度），进行一系列的检验和修正。整篇文章就是在干这些事，即让你相信它是对的。很多实证性的文章，千篇一律，尤其是做“影响因素分析”这一类最为明显。
实证研究与理论研究应当结合起来。但是目前，我发现，在发表的论文中，实证的过程是十分丰满的，但是对研究结论的分析倾向于比较简单了，而且其重复率非常高，要么换一下变量，要么换一下研究方法，要么换一下数据，看谁花样多，谁就能写出东西来，虽然，研究结论无奇不有。显然，这比拼的不是思想的输出，而是技巧的投入。可笑的是，有些人把这些当做是创新。
个人认为，实证研究的出路在于，在严谨实证的基础上，要重点分析研究结论，试图去探索因与果之间的作用发生机制，而不是简单地根据实证结果陈述因与果的关系，即在“是什么”的基础上，分析“为什么”。当然，如果所研究的领域较为前沿且少有人涉及，那么能够做好“是什么”也非常不错了。但是，在成熟的领域，能够输出新思想，这可能要重要一些。

论文实证研究中的问题

有几点体会：
1. 是从数据中寻找idea，还是先有经济学直觉，再实证验证理论分析。总会遇到这样的情况，有一个想法，但是实证的结果却可能和自己的想法截然相反，或者不一致。这个时候，我们经常就根据得到的与起初想法不一致的实证结果“造论文”。
2. 用的数据基本相同，有的国内期刊（顶尖期刊）为什么可以做出显著结果，而自己却未能得出预期结果，一直想发邮件给作者询问相关情况。国内的情况，大家清楚，作者经常选择不理睬你。
3. 更注重微观。国内省际面板数据似乎被挖掘得差不多，但是国内的微观数据相对较少，不少高校有自己的调研数据（北大、清华和北师大），之前被用的最多的数据就是CHNS。有好的idea，拿不到这些微观数据，也很心碎。
4. 关于计量方法的选择。我们总是偏向于使用更复杂的计量方法，动态面板等，而这些方法还是很不成熟，但是根据陆铭的一篇文章对国外顶级期刊论文的统计分析，用的最多的还是OLS这些简单而经典的方法。看了一些文献，自我感觉，在一些新问题的研究上，计量方法使用得比较简单；而在一些老问题上，例如人力资本回报率的估计，就是新方法、新工具比拼的战场。

俺经常遇到的问题就是指标设置，不知道怎么设

好好

实证不等于计量
理论实证，推导出模型
然后才是经验实证研究

个人觉得实证的本质是诚信！

写得很好。

实证论文最重要是不要一开始就固定框架，依葫芦画瓢。我们可能会有一个总体上的思路，但选择指标时必须从指标对我们所需反映的目的角度入手，视其重要程度并进行综合考虑

好！

实证研究的目的和重点可以用下面的话来说明:
The ultimate goal of econometrics is to learn about causal relationships from micro
data capturing non-experimental economic behavior. This is hard in principle because
social sciences differ from, e.g., medicine where (double-blind) randomized
experiments are the way to learn. There are often elusive unobservables affecting
the outcome; hence, the need for sample selection (treatment assignment) control.
Economic processes often lead to simultaneity so that we need exogenous
(experiment-like) variation. Econometrics differs from statistics in defining the
identification problem: structural and reduced-form equations.

数据！数据！还是数据！就是有再好的idea没有数据也白搭。现在很多实证研究的数据都是造假的，有几篇文章敢提供原始数据供其他研究者检测的？实证研究的最大特点就是可验证，不提供原始数据怎么验证？还有的论文数据是真实的，但经过“筛选”，实证研究有什么意义呢？！

现在理论经济占主流。尤其在中国的实证数据是稂得到真实在，大家同意不？？

呵呵不是计量经济学的学生，刚刚做完MBA答辩，被导师要求用事件研究法来做实证分析。逼着自己学习了一下皮毛。多少有点心得吧和大家分享。
一、实证分析文章的数据来源要充分。
无论是调研取得，还是自己分析取得，是下文展开论证的基础。过硬的数据基础是合理解释结论的依据。
二、分析过程的严谨。
不论采取何种实证分析方法，严谨的步骤是得出合理结论，且可以解释文章结果的必经之路。在论文写作中，曾经想省略事件研究法中的显著性检验步骤，但被导师一再要求必须注明，以加强说服力。感谢导师对治学的严谨要求。
三、对于实证结果的分析。
对于可能影响实证结果的各类因素要清晰，按照文章核心来展开合理且结构清晰地讨论。实证文章不是为了提出新观点，往往是为了印证某种理论在现实中应用的可行性和局限性。所以结果分析一定要落到合理的结论之上。
以上是一点心得，希望大家多多指教。