如果以为今天想做研究，明天就可开始，或许不现实。要开 始真正的研究，需要一系列的准备工作。首先，必须掌握一定的经济 理论，以获得观察经济现象的必要视 角 (perspective)、参照系 (reference 或 benchmark) 与分析工具 (analytical tools)。否 则，即使看到经济现象，也可能无从下手分析。正如钱颖一 所指出：

　　有了潜在的研究问题后，首先需要进行初步的 “探索性研 究” (exploratory study)，看看它是否具有新颖性与可行性。比如， 通过查找文献，考察别人是否已经做过类似研究，并大致了解数据是 否可得。

　　察看数据的常见方法为，计算变量的主要统计特征 (summary statistics)，包括均值、最大值、最小值、标准差、相关系数等， 并根据经济常识判断它们是否合理。比如，虚拟变量的最小值与最大 值必然为 0 与 1;否则，此变量有误。如果数据有时间维度 (比如时 间序列或面板数据)，还可画时间趋势图。如果发现在某个时点上的 变量取值异常波动，则应考察此数据是否有误;即使数据无误，也应 考虑异常波动的原因。

　　实证研究的第一步就是选题，即选择研究的题目。对于刚起 步的研究者，常常不知如何选题。研究者通常知道自己想要研究的领 域 (比如，经济增长)，但这还不是一个具体的 “研究问题” (research question)。

　　对实证分析而言，研究问题通常是有关 “ X 对 Y 有何作 用” 之类的因果关系。如果想研究 “家庭联产承包责任制对农业经 济增长的作用”，就更具体了，此处 X 指 “家庭联产承包责任制”， 而 Y 指 “农业经济增长” 。当然，实证研究也可以只有 Y 而没有 X，比如对于某个统计指标 Y 的测算;但纯粹描述性的研究已比较少 见。

　　既然经济学还不是科学，获得诺贝尔奖的经济学家可能持有 相反的观点，那么又哪来的权威呢?重要的是，使用逻辑与实证的方 法对不同的观点进行甄别与质疑。如果认为前人所做的研究已经十全 十美，你都赞同，那么，你怎么可能做出新的边际贡献呢?

　　在正式开始研究之前，还应大致知道所需要的数据不仅存在， 而且可以得到。数据从何而来?一般来说，数据要么是别人提供的 (比 如统计局)，要么是自己收集的 (比如问卷调查)。寻找数据可以从网 络搜索开始 (比如谷歌或百度)，也可以询问专家或同行。如果确实 不知道该从哪里找数据，还可关注文献中同类研究的数据来源，然后 溯本及源。因此，阅读一定文献之后，就应该基本了解该研究领域的 常见数据来源了。近年来，一些国际期刊已在其网站公开了发表论文 中所用的数据集与估计程序 。

　　浏览这些期刊中的论文 (通常技术性较Baidu Nhomakorabea，故未必从头读到 尾)，可大致知道当前的经济学者都在研究哪些前沿问题，取得了哪 些成果，还有哪些未解之谜;进一步，可以评估他 (她) 们的研究方 法是否可靠，以及可能的改善空间。

　　如果能提出好的研究问题，也许你的研究就成功了一半。什 么是好的研究问题呢?总的来说，研究问题越具体、越有趣、越新颖、 越有可行性，则越好!

　　(4) 可行：即使你的研究问题很具体、很有趣、很新颖，如 果找不到相应的数据，则不可行。

　　对于刚开始选题的学生而言，似乎自己能想到的题目，都已 被别人做过了。其实未必。要想做出新的边际贡献，当然可在前人的 基础上，继续拓展与改进 (改进计量方法，增加变量，使用新数据 等) 。

　　另一方面，也可以完全撇开前人，去研究全新的现象。比如， 20 世纪 70 年代末中国农村实行了家庭联产承包责任制改革，这是史 无前例的。到了 1990 年左右，就涌现出一批研究农村改革对中国农 业产出影响的论文 (比如，Lin, 1992)。又比如，2014 年 11 月开始 实行上交所与港交所之间的 “沪港通”。假以时日 (有了足够的数 据后)，就可以研究沪港通对中国证券市场的影响。

　　其次，为了进行实证研究，还必须掌握一定的计量方法与统 计软件 (比如 Stata)。即使你收集到相关的数据，但数据也不会 “自己说话”，仍需要使用统计软件，运用适当的计量方法进行统计 推断。因此，计量经济学对于实证研究不可或缺。在具备一定的理论 功底与计量训练后，即可正式开始做实证研究了。

　　学术论文是一个系统的，比较专业的讨论或研究的问题，在 科学领域，表达的科学研究成果的文章，本文就关于如何做实证研究 及写作论文这些问题给大家详细介绍，供大家参考。

　　究竟什么是论文?简单地说，论文就是对新的研究成果的汇 报。为什么一位成绩优秀的学生，在撰写毕业论文时可能一筹莫展? 这主要是因为，平时上课做题，主要学习已有知识，只需被动消化吸 收即可，有固定模式可循;而做研究写论文，则需主动创造 (哪怕是 一点点) 新知识。因此，刚起步研究的学生，面临着从学习知识 (学

　　(1) 具体：简单来说，在以上“ X 对 Y 有何作用” 的句型 中，应能明确 X 与 Y 具体是什么。

　　(2) 有趣：你的研究问题为什么重要?别人会感兴趣吗?为什 么我们要在乎你的问题 (Why should we care)?知道问题的答案后， 能影响人们对世界某方面的看法吗?

　　(3) 新颖：论文的核心价值在于其创新性，即做出了文献中 所没有的边际贡献。这种边际贡献可以是研究了新的现象、使用了新 的 (更好的) 计量方法，或者使用了新的数据集。做研究的过程是创 造新知识的过程，在本质上不同于学习已有 (旧) 知识的过程。

　　研究问题可以来源于理论 (比如，检验资产定价模型 CAPM 是否成立)，也可来自对经济现象的观察 (比如媒体报道、社会调研); 可以研究某政策的效应 (比如新劳动法对失业率的影响)，也可以对 文献中已有论文进行改进。

　　如果没有任何研究想法，则建议先浏览一些经济学的顶级期 刊。比如，经济学中文期刊的 “四大金刚”，即《经济研究》、《经

　　论文与一般的文章或散文不同，后者可以仅仅表达某种情感， 或记录一些事情。经济学论文必须用十分严谨的数理逻辑或统计推 断，来一步一步地得到结论，保证每个环节都丝丝入扣、经得起推敲; 而不能随便发表议论，或轻率地下结论。而且，论文贵在创新，其价 值主要在于其原创性 (originality ) 或新颖性(novelty)，即对于 已有文献的边际贡献 (marginal contribution)，参见下图。当然， 本科或硕士论文并不要求有太多创新，但至少应有一点点创新;而绝 不能是 “山寨版” 或抄袭。

　　即使是前人已经研究过的现象 (太阳底下没有新的事物)，也 可用新眼光、新视角去观察。重要的是，要有敏锐的观察力，并 “像 经济学家那样去思考” (Think like an economist)。当然，对于刚 起步的新手，应尽量避免已经被研究得很烂、或过于富有挑战性的题 目。显然，备选的研究问题越多越好，因为能 “存活” 下来的研究 想法通常不多。

　　论文贵九游娱乐 九游娱乐官方在有新意。假设你找到了一个具体、有趣而可行的研 究问题，但它究竟有多少新颖性，这就不可避免地需要查阅文献，看 看文献中是否已有类似研究。如果别人已做过很相似的研究，则通常 须更换题目;除非另辟蹊径，找到很不相同的方法或数据。

　　我在哈佛大学做博士生的时候，韦茨曼 (Martin Weitzman) 教授问我，受过现代经济学系统训练的经济学家和没有经过这种训练 的经济学家究竟有什么区别?他研究比较经济制度，经常去苏联访问， 问这个问题是从与苏联经济学家交往中有感而发的。韦茨曼的回答 是，受过现代经济学系统训练的经济学家的头脑中总有几个参照系， 这样，分析经济问题时就有一致性，不会零敲碎打，就事论事。

　　什么时候开始看文献，即看文献的时机，也很重要。如果从 一开始就大量地阅读文献，则可能被文献所淹没，望洋兴叹，自觉渺 小。更好的方法是，当自己有了一定的想法之后，再去系统地看文献。 这样，才会知道自己究竟要看什么，也更能带着批判的眼光去看。

　　另外，阅读文献的态度也十分重要。虚心地从经典论文中汲 取营养，才能站在巨人的肩膀上，但仍应带着某种批判性的眼光。事 实上，由于经济现象的复杂性 (经济学还只是软科学)，任何论文都 有一定缺点 (比如，忽略了某些可能重要的因素)，也都有可以改进 的空间 (甚至可能推翻作者的结论)，故不必太迷信 “权威”。

　　这正是经济学界常说的 “像经济学家那样思考” (Think like an economist)。当然，爱因斯坦更早就说过类似的话，甚至更 为深刻：

　　你能不能观察到眼前的现象取决于你运用什么样的理论，理 论决定着你到底能观察到什么。

　　显然，那种认为可以不需要任何理论指导而直接去 “看真实 世界” 的想法或许过于天真了。这些经济理论的学习，主要体现在 微观经济学、宏观经济学以及经济学的各专业课程上，比如金融学、 财政学、发展经济学、产业经济学、劳动经济学等。

　　从数据的来源格式来看，数据可分为电子版与非电子版两大 类。对于非电子版的数据，需耐心输入数据 (通常先输入 Excel 表， 再导入 Stata 中)，并注意检查，防止出错。即便下载电子版数据， 也应检查可能存在的错误。

　　实证研究的关键材料乃是数据。如果数据质量不高，则 “巧 妇难为无米之炊”。无论多么高深的计量方法，如果原始数据质量有 问题，也只能是 “垃圾进去，垃圾出来” (garbage in, garbage out)。Zvi Griliches 在 1994 年给美国经 济学会做 的主席演 讲 (presidential address) 指出，由于经济学家不够注意数据的来源 及产生过程，经常错误地解释数据，导致研究的进展缓慢;如果不提 高数据质量，计量理论方面的重大进展将无用武之地。为此，将数据 导入统计软件后，需仔细察看数据 (inspect the data)。一个九游娱乐 九游娱乐官方常见 误区是，研究者只知进行回归，却不去熟悉原始数据 (raw data)， 或增加对数据的感觉 (get a feel for the data)。