恩恩呢

实证仍然离不开理论的基础，只是实证需要大量的数据，而数据的真实性与获得，是实证分析的困难。

我觉得中国的很多数据做实证分析，的确和预想的有很大区别，有可能是中国的实际情况不同，也有可能是数据存在很大水分。所以，加强数据库的建设很重要

实证研究的的目的就是要论证构建理论模型是否达到预想的效果，最近刚写完博士论文，感触很深，一是，问卷的设计十分的重要，不要马虎，每一个问项都关乎最后的结果，但是就如楼上有人说的，运用别人的问项其实和我们调查的对象会有些偏差，比方说，日本，韩国和台湾的学者偏爱用欧美学者开发的问项，但是实际的效果会有些偏差，其实我倒觉得开发适合国人的问卷，其贡献远大于你说要论证的模型。2是用SPSS和Amos进行分析，那个更合理的问题，我是人力资源专业的，虽然学界上都在普及Amos，但仅个人看来，其实不一定非要迎合这种趋势，在效度分析的过程中，AMOS的要因分析方法迫使我们过多的拔掉了问项，其实反过来看，很多关键的问项因此而忽略掉了，但不是说不要效度，差不多就可以了，比较喜欢spss的探索性要因分析，可以不伤本源的进行下一步的分析，可是本人却迫于趋势的压力，两种软件都用了，没办法啊，毕业最大啊

还有就是好多朋友都在寻找如何画调节效果的图，本人推荐modgraph,很不错，但是有一个小小的问题，就是这个网页上推荐做乘积的变数要centering，经过本人多次测试，没有那必要，没centering的效果其实更好，其实图的效果是一样的，好的地方就是Y轴上的数标至少正常

quite useful
reserve for future reference

个人体会：
1、计量不等于统计。我觉得实证应该可以分为两种：一种是计量类实证，一种是统计类实证。计量主要是检验经济变量之间的相关关系，即用数据检验模型；而统计类实证是根据数学方法推导出合适的模型，用模型来检验数据，统计类的文章数据可以用真实数据，也可以simulation。
2、要明确研究逻辑很重要。即是先收集数据，再找合适和模型进行分析？还是先选择合适的模型，再收集相关数据进行数据分析？
3、我的方式是：先推导模型，再找数据支持。做实证研究的文章首先在明确研究目的之后，在选择模型时，一定要将模型的假定弄清楚。在模型假设基础上，可以进行适当的创新（即放宽原来模型的假设），推导出属于自己的新模型。
4、在确保模型数学层面上正确后，再收集相关数据，如果实在没有真实数据，可以做数据模拟来验证模型。
5、实证不显著怎么办？首先看模型的设定和变量之间的关系是否正确，是否遗漏常数项，是否数据存在自相关等问题。如果都没问题，结果还是不显著，那么必须找到导致不显著的原因，并在文中详细说明并解释。
ps：结果不显著，有时候可以从技术层面上解决，或者运用一些trick，即可以增加限制条件或引入虚拟变量等等（不知道是否合规矩）

好东西

我觉得一篇实证的文章主要是理论、模型、数据和结论（或建议）这几部分。但是目前的学术论文在每一部分都实际存在着很大的误区。不是学者们不努力、不解决，而是论文写作过程中遇到的问题大家基本的思路或解决方法相近造成的。
     从理论基础论述这方面来说，很多作者的研究并没有深入，至少没有深入地了解自己研究的选题的内在逻辑关系，只是从文章里人云亦云，或者堆积文献。因为理论的内在逻辑关系其实是整个文章的基点和内涵，但是很多人在写论文时总是看到参考文献里已经有论述而图省劲或者不突破，仔细看的话，大部分好文章都是在理论基础这块逻辑清楚，论述简明扼要，从而使读者觉得通俗易懂，深入浅出。这一块是应该下工夫的地方。
     说到模型，不知道除了多元回归以外，还有没有新的模型。现在看到多元回归都已经想吐了，特别想知道经济学中那么动态而又复杂的关系怎么能用一个多元回归就能解决的？有没有更好的模型或者至少摆脱多元线性回归的更多个模型形式出现？看到现在有很多论文学习西方经济学里面的自己设命题自己证明的，觉得这至少是一种尝试。只是自己也不想再论述了很多研究对象之间的关系后，只能用解释变量、被解释变量和控制变量来弱弱地描述经济现象的关系了。
      再说数据，不说自己调研数据有多少可靠性、可用性，也不说上市公司公开的数据具体能披露到什么程度，也不说每年国家统计年鉴里的数据真实性有多少，就想问下，有没有人考虑过数据统计的口径吗？自己在录入一份问卷时都会因为时间和心情的不同造成结果或评分的不同，更何况统计人员和调研人员的多种不同情况呢？数据统计的口径不一致的话，大家用这么多数据所做的比较，基础就不一样，比较的意义就没有了。
      最后的结论或建议。不知道有多少人在写建议的时候是完全出自科学的推导而不是根据知名人士的语言或者当前的现实，从自己的脑子里归纳出来的政策建议。有多少不是与法制或体系改善沾边的？有多少不是与空洞而又缓慢的政策变动相关的？或者有的建议在参考了国外研究之后，创新性是具有了，但是一旦实施，后果不可想象，可是还是有很多人提出来了？为什么没有对这些乱提意见的人有惩罚措施？没有惩罚的情况下就百花齐放，百家争鸣了？学术不应该这样随意吧？但学术研究还是实务界的指导和参考的，这一点实在很令人头疼。因为建议其实就那么几条，怎么提都超不过一个范围，只能宏观了再宏观，细致了再细致。

      不知道究竟是什么导致了当今的学术论文这些乱象。至少有一点可以确定的是，这绝对不是研究者们自己的原因，还有更多的其他因素以及更长时间的积累。不仅要关心论文说了什么，还要关心没有说什么。抛开那些上来就做假设，选变量，堆数据的范文来说，其实实证挺累。
      
     

看过一些二本学校的硕士生的毕业论文，计量的泛化让人感到恐怖。似乎一篇论文不用计量就毕不了业，但是，令人恐怖的不是这个，而是对计量的理解和运用。

绝大多数，没错，至少百分之八十五以上的学生运用计量都有大问题！他们对计量的理解和掌握远远没有达到一个硕士生应该有的水平，为了毕业，盲目运用软件进行计量，结果都不值得推敲。

主要问题在于以下几个方面：

1.缺少理论基础。
2.模型选择不合适。
3.变量选择不合适。
4.变量的反映指标选择不合适。
5.模型不显著。
6.变量不显著。
7.结论解释不到位。

本人系心理学专业出身，近年来也写了几篇实证论文，采用问卷和实验的方法收集数据。通过自身的经历和身边高人的指点，觉得实证研究对于学科的发展是有很大益处的，科学的一个很大标志就是通过精确的数据来说话。而且，数据背后应该是一个逻辑清晰的理论作支撑，空有数据没有理论那无疑是花架子，华而不实。而且，从投稿的角度讲，大部分编辑也喜欢实证类的论文。但是，做研究或写论文之前务必要给自己的研究找到一个理论支持，即有个理论模型，进而同时数据来证实之。个人经验，把自己的预期假设多与同行交流，看本领域内的顶级期刊来找到相关研究佐证。

1.基础数据水分太大。
2.文章一般以先后关系切入，但是先后并非因果。
3.规律惯性考虑的人太少了。。。
4.基于过去经验的结论是否能作为未来的指导？

点滴心得，在此分享；一知半解，在此澄清；真知灼见，在此汲取。青虫菜鸟，在此觅食；山猫灵雀，在此成道；游侠大佬，自成江湖。自由探讨，不分尊卑；充分交流，无关荣辱；多角剖析，事理洞明。真是学术之生气，万物之福地！

我觉得在中国实证论文中存在的最大的问题就是相当多的实证论文都是套用外文文献中的数理模型及实证研究方法，自身的创新性不高。当然在国外学者研究的基础之上利用中国数据重新进行研究探讨对于发现中国经济管理中存在的问题有一定的意义，但是这难免让人觉得中国学者在数理模型的推导的水平不够，在研究思想上不如国外学者能够大胆创新细心求证。我想这可能也是中国一直出不来十分杰出的有影响力经济学家的重要原因。

我也一直迷惑这个问题。为什么经典线性回归模型的假定中X的值是固定的？X随机性来源样本选择吗？

我想问下那经典线性回归模型中假定X值是固定的怎么理解呢？希望高人知道。。。。

仅仅为了初级水平下统计量推导方便，估计你用的书观点太老了。看看伍德里奇《计量经济学导论》，解释变量是随机的是很“正常”的一个假定，不知道弄个固定有何意义，徒增理解难度。。

经济学论文大致可以分为三类：纯理论的论文，纯实证的论文以及理论和实证相结合的论文。以上大都从纯实证的角度讨论。事实上，理论和实证相结合的论文在国内比较好的期刊也较为流行，但多数文献存在一些问题：
1.理论模型的构建问题：一些学术论文的理论模型基本是借鉴国外学者的研究思路，有些直接照搬，有些稍作修改，但是理论模型的存在一个关键的问题。即模型假设问题，任何理论模型乃至任何模型都基于一定的假设之上，而这些假设本身是否合理，假设是否符合国内情况，稍作修改的假设是否有意义、有必要，这些是需要严加考虑的。
2.数据匹配问题：大多数模型都是从微观的角度来构建，而实证分析时却使用宏观数据。微观的变量在宏观上能够一一对应，也就是说理论模型中所涉及的解释变量和被解释变量在现实中能否找到合理的“替代变量”是一个必须要斟酌的问题。我们从许多此类论文中会发现，如果把理论模型去掉，剩下部分依然可以成文，那么理论模型的必要性在哪？这就违反了奥卡姆剃刀的原则。
3.结果的理论解释问题.经济学重在解释。计量分析得到的结果如果没有相应的经济学解释，文章将会大大折扣，事实上，学术论文写作也同样遵循2-8法则，模型的构建，计量模型处理在一篇文章中所占的重要性比重可能占据20%，尽管花费时间可能较多。一篇好文章要具有较强的可读性，而文字的表述可能是其重要体现之一，占据文章的80%左右。
总之，理论模型和实证变量要匹配，计量结果和经济解释要对应。

来晚了，看前面不少坛友对实证论文的问题做了很好的分析，我也来谈谈自己的体会。

“不断的利用理论分析、文献综诉，就算把你论文的主题吹得天花乱坠，别人一样会质疑你论文的可信度；实证分析以反映基存经济现象的数据出发，通过软件分析出结果，进而验证所得分析结果是与经济理论经济现象相符还是相悖，能大大提高论文的可信度和质量”，这是刚开始接触计量经济学时教授讲的，当时不懂他在说什么，现在对这点深有体会。

还记得自己第一次写实证类论文的时候，按照大多数相关论文的模式，ADF检验-协整方程-VAR模型-IMPURS RESPONSE函数-分散分解，纠结了很久，但还是一步步如期完成，结果虽然不算特别理想但是还算过得去，所以自信满满拿给导师（在国外上学，导师比较严谨的）看，结果是被一顿狠批。之所以被批，不是因为结果出得不理想，是因为导师觉得我完全是没有下工夫去思考自己的论文应该用什么模型、应该怎样写，而是直接套用人家的东西，为了出结果而出结果。最后经过反复修改，那篇论文根本没用VAR模型，只用到了很简单的一般最小二乘法GLS，但是不得不承认，无论是和论文内容的相容性，还是出来的实证结果，都比之前那个我自认为不错的结果好很多，可以更好的进行理论阐述。这就是我想说的第一点，搞学术并非“拼”学术，一味地按照别人的模式做，很有可能做出来的结果不伦不类，不仅影响自己的分析判断，也会让本该大放异彩的论文变得平平一般。

另外一点是在我看了不少国内核心期刊论文和硕博论文后的体会。现在国内（当然，国外也有不少这种情况）绝大多数计量分析类论文都是照搬国外的模型，改了下分析对象分析数据，然后出来了一篇篇的实证论文。其实这也算正常，毕竟每篇论文都用到一个新的模型也是不可能的，资源稀缺性嘛。但是既然模型上没办法做到创新，我们可以在论文选题上、分析对象上下工夫创新啊。个人看了不少金融类论文，不夸张的说，VAR模型和VECM模型在金融这块儿是被用烂了的，随便抓出来10篇至少有7篇都用到了这两个模型。姑且不论金融方面还有KMV、ARCH等不少模型可以用的问题，这些论文的选题更是大有跟风之嫌。如果一篇论文写到“中国银行贷款率对xx的影响”，那么马上会有“xx省银行贷款率对xx的影响”、“xx地区银行贷款率对xx的影响”、“中国银行贷款率对xx的影响--利用X个省的实证数据”等诸如此类的。虽然中国地域宽广并且地区间差异性较大，可能针对不同地区会出现不同的分析结果，但是就我所看的论文而言，大多数出来的分析结果相差无几。这样的论文，当然不可能称其为优秀的学术论文，甚至严格意义上不能称其为学术成果，因为大有学术不端之嫌（不说了，扯远了，这么严重的问题不是一两句能说清楚的）。总之，论文创新是多方面的，尤其是实证类论文。要想写出优秀的实证论文，创新必不可少，在哪个方面怎么创新，就是我们每个人应该思考的问题了。

实证研究是用数据来说明看具体的例子和理论基础的结论是否一致或者是属于理论中的哪一类，所以数据的真实性和选择合适的模型很重要

前几天去参加一个论坛，主题发言的老师提到，现在的经济类学生在还没有弄清楚变量间的理论逻辑时便开始找数据，做模型，做实证，最后的结果是一篇文章完全成了一些数字的堆积，缺乏理论基础。自己在写文章的过程中也存在着这样的问题，现在经济类的文章过分的强调数理模型，而忽略了内在的理论逻辑，这也是一种无奈。尤其对我们这些经济类的博士生来说，有毕业指标要求，急于求成，一味追求模型。希望自己以后有所改进……

在做实证过程中，我们首先遇到的当然是模型选择的问题，对于那些计量出生的同学来说，更加偏向于复杂的模型，因为他们有比较深厚的编程功底，但经常会出现这样的问题，原本可以用一个非常的模型来解释的问题，却选择了一个非常复杂的模型，也就是说为了做模型而做模型，这往往就得不偿失了。对于那些非计量出生的同学来说，更加偏向于基础化的模型，因为更容易计算结果。其次就是变量选取的问题，涉及到了变量的相关性，变量选取的准确性等等。在一个就是数据问题，数据是否缺漏，是否异常，样本区间是否足够，我们往往会遇到这样的情况，选择了一个非常好的模型，但往往没有相应的数据库的支撑，自己调研有没有经费和人脉的支撑，最后只能选择放弃，这也是一种无奈。最后就是实证了，选用什么样的软件来做也是一个问题，stata往往是非计量类的首选，方便快捷，统计类的就更加偏向于matlab和R，编程方便。回归结果是否显著就是一个比较大的问题了，也是最头痛的问题了，往往做了一大堆工作之后发现结果不显著。然后开始在变量和数据方面下功夫，换变量，增减变量，数据处理，不同百分为上进行winsor处理，结果还真就显著了（这里面很有可能会涉到学术不端问题了），这也是大部分同学认为计量比较不靠谱的原因，也是好多同学不想做学术的原因，至少我是这么认为的。以上是自己的一点想法，不对的地方还请大家指正。

我提个问题：针对计量方法的预测模型，建立模型用的都是当期数据的话，预测模型如何进行数据的选取？这里应该有什么样的思路？

解决措施嘞

头疼实证分析的数据来源还有变量选取，有时候数据的更新情况还有真实性比较郁闷

先顶一下，不错

作为一名马上将要开始写毕业论文的学生，我觉得实证论文最难的部分是有些命令不知道怎么编，比如最近遇到一个计算一个时间序列数据连续5年的标准差的问题，看了很多资料都不知道怎么能解决这个问题。