小弟有一问题请教各位大虾

以positivism（实证主义）而言，经济学的分析方法遵循严格的模型建立，数据检验，如同自然科学。（这里仅仅谈论实证分析，不是规范分析）

其方法论应该在于

1.构建核心问题
2.确立前提（assumption），因变量（DV），自变量（IV），与上述两者对应的参数（indicator）
3.建立纯理论模型，论述传导机制（在实证分析前提下，一般是数学公式表示，诠释DV与IV在理论上的关联性，这里的实质是通过模型将DV与IV的传导机制通过数学的严谨逻辑呈现，当然基于一系列严格的假定）
4.通过数据进行回归检验，验证问题。这里假设数据检验证明了DV和IV一定的关联性。（以某显著性水平）
（这里暂且到此，假设并不研究因素的影响）

如果上述过程是无误的，那么其核心实际是模型本身及模型与数据的适配性。

但为何在当前国内经济学的实际学术研究中，包括甲级核心的期刊中，大量的文章存在下述两个环节的问题：

1、因变量（DV）与自变量（IV）传导机制内容的缺失，或者模糊不清。其中有的是以作者自身角度的定性叙述代替了模型，没有严谨的证明（当然如果是引用前人成熟的模型，或者以文献综述方式倒是无妨）；有的则是将诸多已有理论的结论进行阐述和重构，通常多个角度：a,某理论；b,某理论；c,某理论……，最终构建了一个“独特”的原创机制，其实每个经典理论自身都有自己严格的假定与前提，如果没有严谨的证明推导，是难以让人信服的。


2、更为严重的是（即使这里暂且忽略传导机制环节理论构建本身的问题），为何此类文章在数据检验环节可以脱离上阶段自己在文中传导机制环节所运用的模型（无论借鉴前人成熟的模型，还是对诸多模型的综合），而用一个完全不同的计量检验方法进行回归检验？这里令人非常不解。

毕竟每种检验方法其实也是具有一定的模型基础，或是线性或是非线性，或是别的形式。如果自己论文中的DV和IV之间的传导机制并不符合所用检验方法的模型，怎么直接套用这种方法来检验？

举个简单的例子说明，柯布道格拉斯生产函数，恰恰模型在传导机制上可以对生产环节进行解释，而更重要的是在检验阶段恰巧可以变化为线性的检验方程，这样的计量检验无可厚非（纯从理论上。）

但更多的论文中，传导机制的模型常常与检验方法的模型并非那么容易通过变换得到同一，通常是完全不相干的。比如前几年火热的协整检验，检验方法的前提是一个线性的模型。但在运用中，很多DV和IV实际并不符合线性的关系，或者不可以通过转换变成线性关系（此类文章，自身论述了相当复杂的传导机制，甚至有的建立了别的复杂模型以论述传导机制），却最后都用协整来检验。

这样的论文严格意义上在方法论环节就存在问题，为何却在主流经济学界屡见不止？


这是小弟的问题，或许有自身理解的错误，请各位大虾批评指正！