毕业论文实证怎么做

要写实证分析，需要进行以下步骤：1、进行案例的调查、分析。2、发现一个证据，可以证明别人已经提出但的尚未被别人证明过的理论。3、用大样本的数据来证明一种理论。4、进行历史分析或者比较分析。5、研究结论及政策含义。6、论文写作中其他应注意的问题。 扩展资料 在写论文的时候，实证分析已经成为写作和选题的重点。因为理论创新很难，而实证分析可以体现论文写作过程中付出的工程量，使论文更容易通过。实证分析的内容包括：1.案例的分析调查。可以划分为具有一定创新意义的案例分析，具有现实意义的社会调查和在一个新的领域内做的调查（别人没做过或者很少做过）。如结合自身情况对大学生借贷状况进行的调查，当前有关“三农”问题的调查。2.发现一个证据，可以证明别人已经提出的但尚未被人证明过的理论。如林毅夫2000年发表的文章就检验的是1998年诺贝尔经济学获得者Sen的理论，属于实证分析中的创新。3.用大样本的数据来验证一种理论，或用一种新的方法和理论。虽然同样的数据别人也使用过，但是自己使用的数据更多，周期更广、论证更有效率、更具说服力的情况下，创新价值会比较高。4.进行历史分析或比较分析，收集的资料比别人更全，或发现新的证据、能够提出新的观点，或有第一手的`资料（直接进行外文文献的翻译或主动调查得到的数据），这样的论文实证会更加出彩，具有记忆点。5.研究结论及政策含义大约占论文整体的5%，是根据论文各部分得出结论的总结和总结的自然延伸，一般一两句话就可以写完。6.写作时要注意有自己的观点，注意创新，引用时要注明出处，不能抄袭。

关于实证论文怎么写如下：

前奏

实证的文章首先要有数据，没有数据一切都是虚构。所以，先把数据处理好。处理数据分两个基本步骤，第一为数据清理；第二为数据计算。这里没有统一的标准应当如何处理数据，但有一个基本要求就是做好识别。

技巧是，要么你借用比较成熟的理论模型，由理论模型到计量模型。这样不会有太大的偏差。如果是自己构建计量模型，那么要自己严格按照统计和计量要求做，对模型的假设前提与限制有全面准确的理解。

研究问题

假设所有模型构建、数据分析、稳健性检验都完成了，这个时候你要动笔写论文。在这个阶段，你要做的第一件事情是搞清楚自己在研究什么问题！

其实，确认研究问题应该在处理数据之前，否则你很难想象连问题都不知道，你如何处理庞大的原始数据。我之所以把数据处理放在确定问题之前，主要是基于现实的情况。

方法论

当你有了实证结果又确认了自己的研究问题是不是就万事俱备了呢？不，至少，在这个阶段，你还不能动笔写论文。

你必须要明白，论文的成功不仅仅依靠“完美”的实证结果！任何实证结果都像是大厨做出的菜，一位厨艺高超的师傅可以用普通原料烹制出美味佳肴。所以，“完美”的结果有时候只能蒙外行，却不能欺审稿人。

这里，我强调逻辑推理与阐述问题时的语言流畅性。不要小看这两个问题，用什么样的叙事结构去组织文章很大程度上决定了文章的档次。

在论文主体部分，应当注意，问题的提出和解决必须严格按照逻辑顺序，要有写“小说”的心态，做好铺垫，突出重点，善于总结。时时刻刻注意论文的走向，并且确保读者（甚至是外行）可以通过你的引导轻松抓住文章的重点要点（即使他们未必理解所有经济学术语和计量方法）。

提纲与计划

在解决了数据、论题、方法论之后，你可以开始制定计划。这种计划不是那种空而无物的标题式提纲，必须在每一个段落明确写作目的，明确所用模型（或其他方法）的假设与限制，明确写作的要点。

完成计划初稿后，不要动笔。两天之后修改计划。再两天之后交给其他人修改。一周之后自己再修改，与导师（或者其他有经验的同行）商议定稿。

写作与发表

接下来，按照提纲扩充论文，具体步骤将在下一段中详细展开。论文完成之后，不要立刻修改。等两周，等自己把一些固有想法淡忘之后再复读论文进行第一次修稿。将第二稿给同事修改，返回后再次修改。

严格地说，在大修改之后，应该再次做报告以确认修改是成功有效的。隔一段日子，对论文重新进行修改，定稿。一般论文从初稿写作完成到投递刊物应该有3-6个月。

投递之后，如果通过初审那么一般会要求作者再次修改（一次就刊发的稿子很少很少），那么接下来就是漫长的修改与等待了。

细节与步骤

一般实证论文分为：摘要、引言、理论框架、实证部分、总结五大部分，其中实证部分可以分为数据描述、实证模型、实证结果、稳健性检验。

最后写作摘要和引言，这是惯例。一般应该先写作理论框架，随后可以确定方法，然后解释模型的设定和数据情况，最后报告结果与稳健性结论。

尾声

实证性文章的结果是报告参数，但其实这些参数的具体值并不重要。这话也许很矛盾，既然我们的工作是围绕着参数进行的，为什么具体值又不重要呢？

第一，这些参数解决不了实际问题。它们不是圆周率的pai值，也不是物理中的g值。就算你计算出了一个很重要的参数，又能如何呢？

第二，参数的解读可以帮助我们理解经济学问题或者现象。从这个角度说， 解读比数字本身重要。

第三，由于国别（或者地区）差异，很多参数并不具备普遍性，也很难真正解释世界。不能夸大参数的作用。为了达到某种效果，无限夸大参数估计的力量，会使很多人迷失方向。