碩士畢業(yè)論文實(shí)證研究方法選擇

1、本文的緣起：當(dāng)初一個(gè)舍友來(lái)自西部地區(qū)，從沒(méi)學(xué)過(guò)計(jì)量（OLS都沒(méi)學(xué)過(guò)）。但畢業(yè)論文老板要求用數(shù)據(jù)說(shuō)話，發(fā)愁。我于心不忍，告訴她：我每天晚上自習(xí)回來(lái)，睡覺(jué)前花10分鐘給你講解一下STATA的操作和出來(lái)的各項(xiàng)結(jié)果意義。第一天，我講了OLS。畫了一張散點(diǎn)圖和一根直線，用了1分鐘就讓她完全理解了OLS的精髓，這是用來(lái)干啥的。后面9分鐘講解了STATA的操作和OLS的各種變種。結(jié)果只一個(gè)星期，講完五種方法（下面會(huì)介紹），她信心大增。后來(lái)一下子發(fā)了好

2、幾篇CSSCI，計(jì)量做的天花亂墜，讓人誤以為是一個(gè)大師。畢業(yè)論文也順利通過(guò)。她說(shuō)我的方法是當(dāng)今世界上最快的計(jì)量速成法。她說(shuō)，以后有時(shí)間要好好看看計(jì)量書，打打基礎(chǔ)。我推薦她讀伍德里奇的那本現(xiàn)代觀點(diǎn)。但她論文發(fā)表了好多篇，至今還沒(méi)看那本書。問(wèn)其原因：“看了一下OLS，跟你講的沒(méi)啥區(qū)別，就是多了些推導(dǎo)。那些推導(dǎo)看不看都不影響我用軟件。現(xiàn)在沒(méi)空看，先發(fā)論文再說(shuō)?！蔽倚ζ涮≡?。但后來(lái)想想，這種學(xué)習(xí)方法不一定適合所有人，但或許適合一部分人群。因此

3、有必要寫出來(lái)讓這部分人群都有所收獲，不會(huì)因?yàn)榘l(fā)不了CSSCI而擔(dān)憂，不會(huì)因?yàn)楫厴I(yè)論文不會(huì)做計(jì)量而擔(dān)憂。因此有了本文。你是不是屬于這樣的人群？請(qǐng)看下面：本文的目標(biāo)人群：1、不懂計(jì)量的人；2、想學(xué)計(jì)量卻苦于缺乏時(shí)間的人；3、想學(xué)計(jì)量卻看不懂、推導(dǎo)不了那些恐怖矩陣的人，也就是不想看推導(dǎo)過(guò)程，也想發(fā)論文的人。4、不想看計(jì)量書，卻想寫計(jì)量論文，發(fā)幾篇CSSCI，盡快畢業(yè)的人。5、所有想速成的人。但是目標(biāo)人群一定要能看懂STATA軟件操作手冊(cè)的人（

4、或者其他軟件操作手冊(cè)）。如果你不認(rèn)得手冊(cè)上的字，不要來(lái)告訴我。我也不認(rèn)得。如果你能找到一個(gè)懂STATA、EVIEWS的人給你講解一下，那么你看不懂手冊(cè)也無(wú)所謂。本文的目標(biāo)：不看計(jì)量推導(dǎo)、不看計(jì)量書籍就能發(fā)計(jì)量論文，而且是大規(guī)模批量生產(chǎn)計(jì)量論文，甚至是發(fā)經(jīng)濟(jì)研究和管理世界。目標(biāo)能否實(shí)現(xiàn)：取決于你能否掌握本黑客教程的內(nèi)容，能否閱讀軟件手冊(cè)。申明：不是教你如何抄襲作弊，而是教你寫計(jì)量論文的方法和捷徑。目錄一、計(jì)量論文的兩大要點(diǎn)是什么？二、如何

5、判斷計(jì)量論文的水平高低？三、做計(jì)量的“大殺器”有哪些？四、瞎倒騰計(jì)量的秘訣五、大規(guī)模發(fā)CSSCI的建議一、計(jì)量論文的兩大要點(diǎn)是什么？1、計(jì)量模型的建立（就是那個(gè)方程，表達(dá)什么經(jīng)濟(jì)含義要知道）；2、模型中的系數(shù)如何估計(jì)出來(lái)（關(guān)鍵在于估計(jì)方法的選擇）。第1個(gè)要點(diǎn)涉及你論文主題。你一般要想用數(shù)據(jù)檢驗(yàn)?zāi)撤N經(jīng)濟(jì)關(guān)系，根據(jù)這種經(jīng)濟(jì)關(guān)系來(lái)建立計(jì)量模型。如果你不知道要檢驗(yàn)什么經(jīng)濟(jì)關(guān)系，那我勸你就此打住。你發(fā)不了經(jīng)濟(jì)研究了。第2個(gè)要點(diǎn)。千萬(wàn)種方法的出現(xiàn)，

6、目的都是要把那個(gè)系數(shù)給估計(jì)出來(lái)。不同估計(jì)方法的估計(jì)效果好壞，就是根據(jù)各種統(tǒng)計(jì)量來(lái)判斷。如果能選擇一種最合適你數(shù)據(jù)的估計(jì)方法，那有人會(huì)問(wèn)：簡(jiǎn)單回歸會(huì)不會(huì)太簡(jiǎn)單？我只能說(shuō)你真逗。STATA里面那么多選項(xiàng)，你加就是了。什么異方差、什么序列相關(guān)，一大堆盡管加。如果你實(shí)在無(wú)法確定是否有異方差和序列相關(guān)，那就把選項(xiàng)都加上。反正如果沒(méi)有異方差，結(jié)果是一樣的。有異方差，軟件就自動(dòng)給你糾正了。這不很爽嘛。如果樣本太少，你還能加一個(gè)選項(xiàng)：bootstrap

7、來(lái)估計(jì)方差。你看爽不爽！bootstrap就是自己提靴子的方法。自己把腳抬起來(lái)扛在肩上走路，就這么牛。這個(gè)bootstrap就是用30個(gè)樣本能做到30萬(wàn)樣本那樣的效果。有吸引力吧。你說(shuō)這個(gè)簡(jiǎn)單回歸簡(jiǎn)單還是不簡(jiǎn)單！很簡(jiǎn)單，就是加選項(xiàng)?？墒?，要理論推導(dǎo)，就不簡(jiǎn)單了。我估計(jì)國(guó)內(nèi)能推導(dǎo)的沒(méi)幾個(gè)人。經(jīng)濟(jì)研究上論文作者，最多只有5%的人能推導(dǎo)，而且大部分是海龜。所以，你不需要會(huì)推導(dǎo)，也能把計(jì)量做的天花亂墜。工具變量(IV)回歸，這不用說(shuō)了，有內(nèi)生性

8、變量，就用這個(gè)吧。一旦有內(nèi)生性變量，你的估計(jì)就有問(wèn)題了。國(guó)際審稿人會(huì)拼了老命整死你。國(guó)內(nèi)審稿人大部分不懂這東西（除了經(jīng)濟(jì)研究這類刊物的部分審稿人以外）。工具變量的選擇只要掌握一個(gè)關(guān)鍵點(diǎn)就行：找一個(gè)和內(nèi)生性變量有數(shù)據(jù)相關(guān)的，但是沒(méi)有因果關(guān)系的東西，這就是你的IV了。例如貿(mào)易量如果是內(nèi)生的，那么你找地理距離作為IV。北京到紐約的距離，那是自然形成的，沒(méi)人認(rèn)為是由貿(mào)易量導(dǎo)致的，這就是沒(méi)有因果關(guān)系。但是你會(huì)發(fā)現(xiàn)兩者在數(shù)據(jù)上具有相關(guān)性。這就很好。

9、這種數(shù)據(jù)相關(guān)性越強(qiáng)，IV的效果就越好。就這么一段話，IV變量回歸就講完了。在STATA里面，你直接把原回歸方程寫出來(lái)，然后把IV填進(jìn)去就可以了，回車就得到你的結(jié)果。關(guān)鍵是你不一定能找到這樣的工具變量。你能找到，這個(gè)工具也不大能用。不過(guò)要注意，IV不靈不代表你不能發(fā)表。經(jīng)濟(jì)研究上還不是發(fā)了一大堆這樣的論文。所以，你只要找到一個(gè)IV，效果不是差的太離譜，一般都能發(fā)。當(dāng)然不能發(fā)國(guó)際一流了。國(guó)內(nèi)是沒(méi)問(wèn)題。國(guó)內(nèi)審稿人沒(méi)人會(huì)重復(fù)你的結(jié)果看看是否有問(wèn)

10、題，因此你說(shuō)這個(gè)IV效果已經(jīng)是最好的了，世界上還找不到第二個(gè)比這個(gè)更好的了，審稿人也沒(méi)的話說(shuō)。就發(fā)表唄！如果審稿人說(shuō)，另外一個(gè)IV效果可能要比你的好。那你就采納他的建議用他的IV（盡管他的建議會(huì)更差），然后感謝他一下。第二次審稿，難道他還會(huì)說(shuō)自己上次是胡說(shuō)八道？？？所以就發(fā)表了，哈哈哈哈！有人又會(huì)問(wèn)：面板不是還有個(gè)隨機(jī)效應(yīng)嘛？我只能說(shuō)，你是看過(guò)書的人，所以才知道隨機(jī)效應(yīng)。其實(shí)隨機(jī)效應(yīng)壓根就沒(méi)什么用處。有人信誓旦旦說(shuō)可以用hausman來(lái)

11、檢驗(yàn)。我只能告訴你，這檢驗(yàn)壓根就不可靠。可靠也是理論上可靠，實(shí)踐上根本沒(méi)人信。當(dāng)然中國(guó)人都信，不信的都是美國(guó)歐洲這樣的計(jì)量經(jīng)濟(jì)學(xué)家。你難道不知道hausman還會(huì)出現(xiàn)負(fù)值！做過(guò)這個(gè)檢驗(yàn)的人都很頭疼這個(gè)負(fù)值，不知道該怎么做。你如果看看一些高手的建議，或者一些書籍，你就會(huì)發(fā)現(xiàn)，最權(quán)威的建議就是：當(dāng)你無(wú)法判斷該用固定效應(yīng)還是隨機(jī)效應(yīng)的時(shí)候，選擇固定效應(yīng)更可靠。隨機(jī)效應(yīng)不是任何時(shí)候都可以做，但是固定效應(yīng)是任何時(shí)候都可以做。所以你知道該怎么做了吧

12、。差分再差分，是固定效應(yīng)的一個(gè)變種，在估計(jì)某個(gè)事件發(fā)生帶來(lái)的效應(yīng)時(shí)最有用的方法，特簡(jiǎn)單，看看STATA手冊(cè)就明白了。狂忒二回歸(Quantile)是一般均值回歸的一個(gè)推廣。看名字挺嚇人，其實(shí)很簡(jiǎn)單。如果你知道OLS是一個(gè)均值回歸，那類推就可以知道12分位數(shù)回歸。你知道的，正態(tài)分布下，均值就是12分位數(shù)的地方。均值回歸就是12分位數(shù)回歸。知道了12回歸，你自然知道14和34分位數(shù)回歸了。如果還不懂，翻開伍德里奇的書，講到簡(jiǎn)單OLS回歸時(shí)，

13、我記得有一個(gè)圖，上面對(duì)不同位置的x位置畫了不同的正態(tài)分布密度函數(shù)(第2版是figure2.1，pp26，見下面)。如果是異方差問(wèn)題，那么不同x位置的正太分布圖的方差就有變化。這個(gè)圖上注明了預(yù)測(cè)值是E(Y|X)，就是Y的條件期望，就是那根回歸預(yù)測(cè)直線啦。在正態(tài)分布下就是Y的密度函數(shù)的中心點(diǎn)的連線，就是12分位數(shù)點(diǎn)的連線。如果那條預(yù)測(cè)線畫在密度函數(shù)的14和34分位數(shù)點(diǎn)上，那么預(yù)測(cè)結(jié)果就不是Y的均值（在非正態(tài)下可能是均值），而是14和34分位