碩士畢業(yè)論文實證研究方法選擇

1、本文的緣起：當初一個舍友來自西部地區(qū)，從沒學(xué)過計量（OLS都沒學(xué)過）。但畢業(yè)論文老板要求用數(shù)據(jù)說話，發(fā)愁。我于心不忍，告訴她：我每天晚上自習(xí)回來，睡覺前花10分鐘給你講解一下STATA的操作和出來的各項結(jié)果意義。第一天，我講了OLS。畫了一張散點圖和一根直線，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)果只一個星期，講完五種方法（下面會介紹），她信心大增。后來一下子發(fā)了好

2、幾篇CSSCI，計量做的天花亂墜，讓人誤以為是一個大師。畢業(yè)論文也順利通過。她說我的方法是當今世界上最快的計量速成法。她說，以后有時間要好好看看計量書，打打基礎(chǔ)。我推薦她讀伍德里奇的那本現(xiàn)代觀點。但她論文發(fā)表了好多篇，至今還沒看那本書。問其原因：“看了一下OLS，跟你講的沒啥區(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?，F(xiàn)在沒空看，先發(fā)論文再說?！蔽倚ζ涮≡?。但后來想想，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、有必要寫出來讓這部分人群都有所收獲，不會因為發(fā)不了CSSCI而擔憂，不會因為畢業(yè)論文不會做計量而擔憂。因此有了本文。你是不是屬于這樣的人群？請看下面：本文的目標人群：1、不懂計量的人；2、想學(xué)計量卻苦于缺乏時間的人；3、想學(xué)計量卻看不懂、推導(dǎo)不了那些恐怖矩陣的人，也就是不想看推導(dǎo)過程，也想發(fā)論文的人。4、不想看計量書，卻想寫計量論文，發(fā)幾篇CSSCI，盡快畢業(yè)的人。5、所有想速成的人。但是目標人群一定要能看懂STATA軟件操作手冊的人（

4、或者其他軟件操作手冊）。如果你不認得手冊上的字，不要來告訴我。我也不認得。如果你能找到一個懂STATA、EVIEWS的人給你講解一下，那么你看不懂手冊也無所謂。本文的目標：不看計量推導(dǎo)、不看計量書籍就能發(fā)計量論文，而且是大規(guī)模批量生產(chǎn)計量論文，甚至是發(fā)經(jīng)濟研究和管理世界。目標能否實現(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。申明：不是教你如何抄襲作弊，而是教你寫計量論文的方法和捷徑。目錄一、計量論文的兩大要點是什么？二、如何

5、判斷計量論文的水平高低？三、做計量的“大殺器”有哪些？四、瞎倒騰計量的秘訣五、大規(guī)模發(fā)CSSCI的建議一、計量論文的兩大要點是什么？1、計量模型的建立（就是那個方程，表達什么經(jīng)濟含義要知道）；2、模型中的系數(shù)如何估計出來（關(guān)鍵在于估計方法的選擇）。第1個要點涉及你論文主題。你一般要想用數(shù)據(jù)檢驗?zāi)撤N經(jīng)濟關(guān)系，根據(jù)這種經(jīng)濟關(guān)系來建立計量模型。如果你不知道要檢驗什么經(jīng)濟關(guān)系，那我勸你就此打住。你發(fā)不了經(jīng)濟研究了。第2個要點。千萬種方法的出現(xiàn)，

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

7、來估計方差。你看爽不爽！bootstrap就是自己提靴子的方法。自己把腳抬起來扛在肩上走路，就這么牛。這個bootstrap就是用30個樣本能做到30萬樣本那樣的效果。有吸引力吧。你說這個簡單回歸簡單還是不簡單！很簡單，就是加選項?？墒?，要理論推導(dǎo)，就不簡單了。我估計國內(nèi)能推導(dǎo)的沒幾個人。經(jīng)濟研究上論文作者，最多只有5%的人能推導(dǎo)，而且大部分是海龜。所以，你不需要會推導(dǎo)，也能把計量做的天花亂墜。工具變量(IV)回歸，這不用說了，有內(nèi)生性

8、變量，就用這個吧。一旦有內(nèi)生性變量，你的估計就有問題了。國際審稿人會拼了老命整死你。國內(nèi)審稿人大部分不懂這東西（除了經(jīng)濟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關(guān)鍵點就行：找一個和內(nèi)生性變量有數(shù)據(jù)相關(guān)的，但是沒有因果關(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，沒人認為是由貿(mào)易量導(dǎo)致的，這就是沒有因果關(guān)系。但是你會發(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，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，然后把IV填進去就可以了，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，這個工具也不大能用。不過要注意，IV不靈不代表你不能發(fā)表。經(jīng)濟研究上還不是發(fā)了一大堆這樣的論文。所以，你只要找到一個IV，效果不是差的太離譜，一般都能發(fā)。當然不能發(fā)國際一流了。國內(nèi)是沒問題。國內(nèi)審稿人沒人會重復(fù)你的結(jié)果看看是否有問

10、題，因此你說這個IV效果已經(jīng)是最好的了，世界上還找不到第二個比這個更好的了，審稿人也沒的話說。就發(fā)表唄！如果審稿人說，另外一個IV效果可能要比你的好。那你就采納他的建議用他的IV（盡管他的建議會更差），然后感謝他一下。第二次審稿，難道他還會說自己上次是胡說八道？？？所以就發(fā)表了，哈哈哈哈！有人又會問：面板不是還有個隨機效應(yīng)嘛？我只能說，你是看過書的人，所以才知道隨機效應(yīng)。其實隨機效應(yīng)壓根就沒什么用處。有人信誓旦旦說可以用hausman來

11、檢驗。我只能告訴你，這檢驗壓根就不可靠?？煽恳彩抢碚撋峡煽浚瑢嵺`上根本沒人信。當然中國人都信，不信的都是美國歐洲這樣的計量經(jīng)濟學(xué)家。你難道不知道hausman還會出現(xiàn)負值！做過這個檢驗的人都很頭疼這個負值，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，你就會發(fā)現(xiàn)，最權(quán)威的建議就是：當你無法判斷該用固定效應(yīng)還是隨機效應(yīng)的時候，選擇固定效應(yīng)更可靠。隨機效應(yīng)不是任何時候都可以做，但是固定效應(yīng)是任何時候都可以做。所以你知道該怎么做了吧

12、。差分再差分，是固定效應(yīng)的一個變種，在估計某個事件發(fā)生帶來的效應(yīng)時最有用的方法，特簡單，看看STATA手冊就明白了。狂忒二回歸(Quantile)是一般均值回歸的一個推廣。看名字挺嚇人，其實很簡單。如果你知道OLS是一個均值回歸，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，講到簡單OLS回歸時，

13、我記得有一個圖，上面對不同位置的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)。如果是異方差問題，那么不同x位置的正太分布圖的方差就有變化。這個圖上注明了預(yù)測值是E(Y|X)，就是Y的條件期望，就是那根回歸預(yù)測直線啦。在正態(tài)分布下就是Y的密度函數(shù)的中心點的連線，就是12分位數(shù)點的連線。如果那條預(yù)測線畫在密度函數(shù)的14和34分位數(shù)點上，那么預(yù)測結(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