结果和预期不一致，原因很多。可以考虑以下几个方面，1，出现了较严重的多重共线性，2，遗漏了一些重要的变量，这个可以考虑多加入控制变量再回归，3，函数设定错误，可以考虑参考相关文献做法或者考虑经济理论，找出正确模型。另外，2，3都可以使用Reset检验，软件里很容易实现。
不符合正态和同方差，应该看出LZ刚开始学初级计量吧。1.在大样本理论下，对残差分布没有要求，简单说样本足够大，根据中心极限定理，其残差服从渐进正态，所以这个根本不是问题。2.异方差问题仅仅影响了有效性，实证中往往考虑报告异方差稳健标准误，不清楚可以百度一下，软件一个命令解决的事情。不建议采用FGLS修正，原因是你主观设定的残差函数形势如果是错误的，会导致不一致性等更严重的后果。总之，稳健标准误就是个“万金油”，所谓的FGLS就是个“特效药”，慎用特效药

在处理数据时，经常会发现数据结果与自己的预期相反，而且还显著。遇到这种数据结果跟预期显著相反的情况，一般是哪里出了问题，一般怎么处理

翻看国内的很多期刊，全是计量模型和实证研究，但论文的逻辑并不清楚，经济学毕竟是一门社会科学，应当注重逻辑分析，即使是需要用计量，也是作为一种手段。现在是本末倒置，没有计量，一切免谈。这也催生了在计量论文中对数据的处理和造假。这也跟学术环境有很大的关系。

本文刚发了一篇基于省际面板数据的实证性文章，前前后后修改到录用花尽我半年时间，对实证性文章有了自己一点心得，希望跟大家交流一下：
1.首先确定选题。根据选题阅读相关文献，特别是那些下载次数比较多的文献，要精读。
2.数据搜集。要善于从中国统计年鉴、中国经济统计年鉴、中国能源年鉴、环境年鉴、工业年鉴、城市年鉴等等搜集数据。一般要用面板数据做文章，期刊比较喜欢一些。
3.数据处理。要剔除存在问题的数据，合理补充空缺的数据，平均值法，内插法等。再对数据进行平减，保存
4.工具选择。选择适合自己需要的软件，如eviews、sas、stata、spass、deap、matlab、lingo等，各有各的优点，最好掌握多种软件。在处理数据时，要不断调整、检验、分析，直到好的结果出现。注意，要做记录，以免忘记先前的实验结果。
5.实证分析。就是用经济理论去解释这些实验结果，并说出这些结论在现实社会上有什么应用价值，没有应用价值的文章是没有意义的。
6.结论与建议。对前文总结，对你的创新性发现给予说明，在此基础上，提出建议或对策。千万不要忽视结论，往往审稿人看的就是这点。在这篇文章中，我根据审稿意见重新写了结论，与之前相比，确实提升了好几个档次。

xue xi

一是学习前人的经验，做学问往往是站在前人的肩膀之上的；
二是改进与提高，不断在实验中提高；
三是不要过于注重实证的的标准，有时候，不显著也是一个不错的结论
四是最低标准：不可作假。

选定方法 找找数据看看能不能找到然后再做

spass？

我确实是初学计量。非常感谢您的回复。另外想追问一下：第一：您说在大样本理论下，对残差分布没有要求，简单说样本足够大，根据中心极限定理，其残差服从渐进正态，所以这个根本不是问题。可是我用了2000多个样本，残差正态性检验却显示残差不符合正态分布是怎么回事？第二：异方差稳健的标准误在Eviews里的操作是不是在quick-estimate equation后选option,然后选white？这样估计出的结果其标准误与原始的估计结果稍有不同，但是在进行white异方差检验的时候仍然显示是存在异方差的？

深有同感。微观数据很少，且不容易获取，有些数据即使获得了，也会发现很多存在问题，影响到接下来研究的进行。实证的结果有时和理论以及预期存在较大差别。

我且根据我的经验和遭遇，谈一下实证分析论文。现在很多人做实证都变味了，一是实证在中国泛滥程度令人发指，二是中国人不爱玩“虚的”，玩计量也显得“高深”。但是实证分析常常走味。实证分析的起点的是理论，理论得出逻辑思路，也由理论得出实证模型，然后用实际数据去检验。而不是上来就言之不清，直接一个莫名其妙的回归方程或者什么的去做检验。这样子不叫实证，是数据挖掘。实证的终点也是理论，用理论去加以阐释，这样则可，不是夸夸其谈，不是指点江山。好的实证能说明问题，滥用实证只能是制造垃圾。计量工具要适度使用，能说明问题则可，也要有针对性，剂量是个无底洞，好的实证文章还有个特点就是观点新颖。或许理论都是现成的，你用的理论不一样，解释的角度不同且具有较强的解释力，就是好的论文。爱因斯坦说纯粹的逻辑创造不出来什么东西，或许因为大多数做实证的不是糊口就是完成任务，所以，不去重视。搞到最后，人人皆谈实证。这里推荐两篇文章钱颖一的《理解现代经济学》和田国强的《现代经济学的基本分析框架与研究方法》，看看这些牛逼的国人怎么做实证。

参与学习，以前多规范研究，实证研究缺乏。希望在论坛多学习这方面知识！

这个主题太好了最近遇到的一个小问题，我国没有季度GDP数据，看到一些论文中是用工业增加值代替，但工业增加值现在只有增速，且涉及到名义、实际值的问题，不能直接推算，不知道应该怎么办？求各位高手指点~

不仅统计计量类论文不好搞 案例研究类的也搞不好 中国经济学家现在几乎不重视案例研究 前段时间看政治地理学的一篇论文案例研究做的很棒 而且用的就是传统经济学中的理论 汗颜……

本人才疏学浅，很多东西都没有弄明白，希望各位老师能够指点： 1、就我的理解经济学是要用经济学理论去解释现实，发现问题，而管理学才是去解决问题，可是我发现经济学论文写作中一般都不是遵循的这样的套路？     2、现在很多人的研究都是基于ZF的统计年鉴或者公报，但是据了解，统计年鉴或者公报的数据或由于统计尺度不同，或由于统计技术不够，使得统计数据的可靠度下降，这意味着以这些数据为基础的实证存在很大的质疑，那么请问各位老师，作为初入门经济学研究的人来说，应该怎样取舍？

而且我发现一个问题就是：很多实证论文在选用实证方法的时候基本不对为什么选用这个方法进行分析；而且经济学强调假设前提很重要，可是很少有实证论文在运用理论或者模型的时候写明假设前提。

方法创新，数据创新，选题创新，能做到一个，就很不容易了！

两点困惑求高人指点：
如果用调查问卷做实证得到的数据真实性无法剔除法来保证，比如问卷填写人的素质参差不齐而且本身填问卷的过程都受到各种客观因素干扰（这个之前的回帖貌似也有说到）
这两年在顶级期刊上看到了很多基于WEB数据挖掘的实证论文，那基于互联网的数据进行实证是否真的可靠呢？据个人阅读的论文来看，这类论文里面一般是对模型进行检验而没有对数据进行检验，是否能保证数据的可靠性呢？

来学习一下

thanks for sharings

关注！！

第一，原因很多了，不知道你用什么方法检验的，多用几种检验QQ图，JB检验等等。如果确实不是正态分布，对模型变量取对数，因为对数变换可明显改善显著右偏的单个数据集，使之驱向对称，以至于更大程度地满足许多常用模型对变量正态分布的假定。
第二，这个方法并不是要修正异方差使其成为同方差，异方差的问题就在于OLS方差计算不正确，导致假设检验的问题。所谓稳健标准误就是根据原来OLS回归提供正确的方差计算方法，所以和原来不同。当然这个方法要牺牲一点有效性，但是计量模型最重要的是一致性，而你用更有效的FGLS修正可能会由于我说过的原因而导致不一致，这个后果更严重。

实证分析一定要结合，而且模型设计要符合，不能为了单纯搞实证而写论文。。。会很空。。。

亲啊，我现在也在犯愁此类事情，定好了题目想必论文大纲也好弄的，结果发现实证部门的每一个指标数据的可得性以及理论综述的指导性如何联系一起真是一件浩瀚工程，费脑筋啊

目前水平有限，对于实证论文的认识还处在学习积累阶段，因此问题也是一堆。
主要有三点：
首先是引言部分，看国外文章逻辑性强，国内文章引言好多形同虚设，但出于版面精简的要求，似乎整体篇幅都过短，等同于实证分析表格的罗列。 引言部分的逻辑性应该是硬功夫，要积累，积累，再积累。。。
其次是理论模型，感觉目前有的文章是为了研究而研究，将曾经有过的某研究添加新兴变量，即提出自己新的研究观点来了，有的不免牵强，解释力也不足。我疑问在于，怎样确保模型的独特性和有效性？
最后是数据收集，大家对问卷的应付程度真是让人胆颤，数据收集过程漫长且艰难，成为做研究的一个无形阻力。
呵呵 浅见，水平有限，且且虚心听取各方意见。

以前注重计量的部分，现在发现最重要的是文章的中心论题是什么，计量只是为了证明观点的，由此可见，观点才是最重要的，试想一下，即使实证做得很好，由A说明B，B对实践没有多大意义，那么实证又有什么必要呢？岂不是搬了石头？因此，现在我觉得成熟有意义的想法是最重要的问题，文章在这方面拔得较高，实证部分再出现问题，多半是技术和数据的问题，总归是可以想法子解决的。
另一方面，对于更想将文字变成铅字的人来说，观点是非常重要的。

这里可以提供一个参考；虽然帖子很长，但都是实证中的问题，或者说是实践中发生的需要不断解决的问答过程；如果耐心读完，必有所获
https://bbs.pinggu.org/thread-447042-1-1.html

首先，事实上，我并不是经济学专业出身，可能也不是很了解，写一点自己从管理转到经济的一些体会吧。本人本科学的是管理学，自以为管理学是相当偏文的东西，因为很多东西难以量化，所以管理学的实证分析最重要的是“量化思维”在硕士期间，我选择了管理科学与工程专业，而这个我们一般叫做“优化思维”，基本上的方法是基于运筹学+算法的实证分析，但管理学与经济学的关系紧密程度也让管理学里有了更多的经济学因素。下面也就简单的说一下自己的一些浅见。鄙人认为实证研究最重要的其实是创新的问题，包括选题的创新和方法的创新。存在的问题也主要是这两个方面的问题。实证研究中存在着诸多假设，但这并不妨碍我们做出一个很好的结果。反而假设也能成为我们论文实证过程中的两点，通过放宽假设条件，得出不同的实证结果，检验模型的稳健性、鲁棒性。选题的创新更大程度上不需要特别高神莫测的方法，简单的方法最好能够说明问题。而方法的创新则比较难了，实证分析中很多的问题均出现在方法之中。与其说是方法的问题，不如说我们压根没有对自己的题目有很好的认识，没有对计量经济学这个方法有很好的认识，其实方法出的问题，很大程度上是我们使用软件导出的结果问题，没有得到自己想要的结果就认为方法不好，我们现在做的论文很多都是急功近利性的，弄懂问题从来没想过，只想过怎么输入软件，点击记下，导出结果，加点文字就OK了，我们实证分析问题无非就是这些。个人浅见，不值一提。

最可靠的实证结果一般都出自于随机控制实验，现在越来越多的研究倾向于采用这种方法。

论坛币通货膨胀有点严重哦