经管类论文要求的实证越来越规范，方法也原来越来越复杂，好像最传统的OLS文章比较难在国内发了。虽然数据结构、研究问题决定了实证方法的选择，但实证方法也会影响文章选用结果。
       现在最流行的DID/RD/IV方法又对数据要求比较高，不知道在数据受到限制，如截面或调查数据时，还有哪些常用方法可以供选择。
       我自己感觉除了选题、内容之外，只从实证方法来看的话，表面看起来从简单到复杂的最常用模型为：
       一、最小二乘，适用范围最广；
       二、Probit、Logit模型，适用于因变量为二元；
       三、泊松分布，适用于因变量泊松分布；
       四、固定效应模型，适用于存在不可观测的不存时间变化的个体效应的面板数据；
       五、双重差分，适用于政策评估的面板数据；
       六、断点回归，适用于处理点位置存在大量数据的数据结构；
       七、合成控制法，适用于案例分析、案例比较；
       八、机器学习，适用于预测，而非因果分析。
      欢迎大家补充指正。