写在前面
舔着脸的写一下怎么做实证分析。说实话，我并没有身经百战，各大国内国外核心期刊发遍，所以我并没有说我说的东西就是金科玉律。
我只是作为一个过来人，把我遇到的那些疑惑，自己找的答案，自己看到的资料，分享给大家。
那么，废话不多说，开始吧！
一、入门篇：简单来说
我简单的总结为：2个导向，3个法宝，四部曲，n个变量。
1.“2个导向”问题导向：
你的研究是一个问题，并且是一个科学问题。
（1）问题从哪里来的？
可能是从文献、生活事件、*策文件、新闻中来。
举个例子：我写了一篇文章，关于数字金融和消费的关系。其实最开始想到这个问题是源于我工作的经历。上班的时候，很多年轻人（包括我自己）都在用支付宝的“蚂蚁花呗”，经常是上一个月用花呗进行超前消费，然后下个月一发工资就拿去还钱。其实，这个在经济学中就是一个“跨期消费”的问题，对应的可以去思考解决“我国消费率较低”的问题。
（2）什么是科学问题？
跟老师和同学都讨论过这个问题。其实对于新手入门来说，搞清楚这个问题很重要，如果上手了有感觉了，可能这个问题就被弱化了。
回答1（同学给我的）：
回答2（导师给我讲的）：
（1）首先是个问题：等待解决。
（2）是一个有价值的问题：具有实践意义。
（3）有理论支撑的问题：这意味着这个问题经得起推敲，能够被验证，被重复，具有普遍性。
（4）如何选题和寻找灵感？
这个视频大概就讲了学术研究到底是怎么一回事，其中有很重要的观点：
1）你的文章是“以飨读者，而非自娱自乐”，所以遣词造句要合乎学术规范，不要沉浸在自己的世界里，大概作者画了这么个图。
2）说到关键问题了，你的文章要有价值，那么它要对你想研究的这个领域有边际贡献（创新性）。这位老教授画了一个图，学过经济学的知道，沿着斜线向上，与柱状图之间的三角形就是“边际值”的概念。而创新意识要求的就是你撇弃大家都知道了东西，去探究未知的东西，做出哪怕一点点贡献。
PS：其实这个要求有点高，可能一开始你只能有一点点小的新发现，但是边际贡献应该是学术最终的追求，创新意识决定了你能走多远。
2.“3个法宝”技术：起码简单的eviewsspss（硕士），stata（博士），你要熟练掌握一个吧。
思想：当你掌握基本的技术能力之后，会发现思想对于研究更重要。一个好的idea，决定了你这个研究有没有价值。思想从哪里来，我想是来自于这些地方：深厚的本学科的理论基础、一些交叉学科的知识、分析问题和解决问题的能力、批判性的思想能力。
实践：我常说的一句话，成功无他，唯手熟尔。“纸上得来终觉浅，觉知此事要躬行”。stata的视频、理论、命令看再多，背再多，还是要回到实践中，要从具体的研究中亲身操作，提升更大。
3.“四部曲”问题、理论（机理）、实证、结果和讨论（argue）。
这基本是一个论文的架构了。心目中完整的经济学研究范式都遵循这个套路。
我记得我看看acemoglu的《微观经济学》的时候，对这个流程尤其有感悟（大神都是这样做的呢！）。
那是不是从前到后一定按照这个流程呢？
不一定！
有可能你是从某个中间环节产生了灵感的！
比如：
有时候是看到合适的数据，想着，诶，我可以做一个什么分析呢；
有时候是一个现象；
有时候是理论；
有时候是一个方法，比如学了PSM-DID，想到可以在什么领域用一下！~~
我看《量子史话》里普朗克推导公式研究黑体的过程就是这样，一开始纠缠于既有理论刻板假定，结果一无所获。索性直接根据数学感觉凑出了公式，公式出来后，再回过头去思考其物理意义。
4.“n个变量”1）提出你的问题（核心解释变量和被解释变量）：x影响了y
2）找到你的理论基础，也就是什么机制（中间变量）：x通过什么影响了y
3）找到控制变量：除了x还有什么影响y
4）选择数据或者数据库（合适的代理变量）：x和y以及控制变量的代理变量，数据是否支持
5）选择合适的模型：截面还是面板？线性还是非线性？
6）稳健性和内生性问题
发现没有，一篇实证分析好多个步骤都是跟变量有关的。陆铭老师说过，学生一找他说什么研究什么研究行不行，他就直接问他，“你的x是什么，y是什么”。可见，一开始把这两个问题确定下来多么重要。
说到陆铭老师的研究方法，不得不提这篇文章。可能你看了之后，对变量的感悟、对研究的感悟会更深一层。
现实?理论?证据—谈如何做研究和写论文
二、进阶篇：审慎原则
一篇好的研究，对于变量的选择、方法的选择和数据的选择，都是谨慎而又谨慎的。
1.拿数据来举例：
1）数据库：必须具有代表性，要有取舍。拿我来说，我研究金融和消费，有两个微观数据库可供选择，CHFS和CFPS。CFPS的调查结果更合理，更成熟一点，消费数据从里面选比较好。但是呢，CHFS对于各个维度的家庭金融的调查更全，所以我最终选择了CHFS。没有什么数据库是专门为你的研究而产生的，所以，你必须去权衡和取舍，这个就需要你耐心点去比较，很考验你的功底。
2）数据清洗：数据清洗除了要掌握必要的统计和计量知识外，还必须要掌握经济意义。请移步下一篇文章。应用Stata在计量回归之前，你真的会进行数据清理么
其他，还会遇到好多变量选择、模型选择的问题，都需要仔细去推敲！我推荐于晓华老师这篇文章，把问题、理论（机理）、实证、结果过程中需要注意的各种问题讲得非常仔细。
一个完整的实证分析框架：从数据、模型到结果检
2.怎么学习选择方法？
1）看文献。别人怎么做的，有什么优缺点；A和B用了不同的指标代表同一个变量，哪一个更好？
2）看别人经验总结。大家可能已经发现了，我已经陆陆续续给大家推荐很多了专业人士的经验总结了。
在反复练习过程中会发现很多问题，由此引导我们去了解计量经济学的全貌。
这里，推荐《经济学实证研究中的40个误区》，可以作为手边书哈哈，避免以后踩雷。
三、高手篇：进一步提升
1.练中学，学中练善学者，应把一切为我所有。
有意识的训练自己，选好的期刊，大师的文章，细致入微地去理解、复刻、模仿别人的思路和研究方法。
模仿的基础上，再去进行创新。
2.追随专家可能在这篇文章之前，你已经看到过很多教你做研究的文章了——我也是！如何大浪淘沙，选到真正有用的？
我的回答是：
1）适合你的，就是有用的。
陆铭那篇，就很适合我。案例是他的那篇《Identity,Inequality,andHappiness—EvidencefromUrbanChina》,里面很多观点，我至今受用。
还有姚洋老师的：观点新颖，比较好操作，附带案例，接地气。
我总结他这篇文章的一些观点：
1.经济学家的任务不是去复制这个世界，而是去解释这个世界。各种不同的解释连在一起，我们才能反映一个真实的世界，这才是我们的世界。
2.好的理论模型：
假设是不是合理，模型应用是否得当。
3.垃圾进垃圾出：
这个是针对一开始数据选择和清理的数据没整好，后面的结论和分析不可信，这句话不是随便乱说的哦，《经济分析史》熊彼特说的。
4.譬如与审稿人对话
做经验研究的时候，永远记着有一个审稿人坐在你对面，问各种各样的问题，然后你应该想方设法的用你的计量结果来回答他。
姚洋：如何发表高质量的论
2）适合现阶段的你的，就是有用的
不要排斥自己看不懂的，不要看不懂就马上认定是垃圾。
有可能是你自己现在的境界不够！！
比如：李子奈老师的《关于计量经济学模型方法的思考》，太哲学太思辨，对于现在的我来说，还不能很好的体会，所以我先保存了，以后再看。
四、推荐一些计量的资料
劳伦斯·汉密尔顿的《应用stata做统计分析》：对stata命令不懂的，这本书结合案例讲得和很详细，跟陈强的区别是，陈强是重理论来的，这本书直接上结果上案例。
陈强的《高级计量经济学》：涵盖了很完整的一个计量分析的方法体系，我学长告诉我，博士看着一本书就够了（可能他有基础吧，对于我来说不够）。我认为就因为这本书太全了，所以在案例分析的时候案例都比较理想，当我得不到他这个结果的时候，就不知道怎么处理了。
重思想重理论前沿的几本书：《基本有用的计量经济学》（赵西亮）、《基本无害的计量经济学》（安格里斯特）、《因果推断分析》。这几本书主要解决计量中的“因果识别”问题。以往都是研究x影响y，但是入门的时候很少去考虑其中的因果机制怎么检验，这几本书就很好。
伍德里奇的《计量经济学导论》：，不知道怎么分析回过的结果，不懂计量基本原理，计量基本入门的时候，可以看这本。
伍德里奇的《横截面和面板数据数据的计量分析》：哎，里面的推导对我来说点难。
连玉君老师的stata命令集：初级、高级、论文篇，很系统很规范，基本涵盖了所有问题，我之前都在淘宝上找打印店把彩色版打印出来了，作为手边书进行学习。
谢宇的《回归分析》：也是讲得比较清楚，对基本的回归问题搞不清楚的时候我会去看。
整理：灵感君
内容来源：“一起学习经济学”知乎专栏
图片来源：网络温馨提示：推广的内容如有侵权请您告知我们会在第一时间处理或撤销；互联网是一个资源共享的生态圈，我们崇尚分享。转载请注明出处。
预览时标签不可点收录于话题#个上一篇下一篇