实证研究的经济学论文

1、广泛收集参考文献，决定计划的目的和范畴：•决定所要解释的现象是什么？•决定所要检验的假设或理论是什么？•决定所要预测的趋势是什么？•决定所要评估的政策是什么？2.建构实证计量模型；•除研读相关经济理论之外，应比较三至五篇有实证分析之文献中的实证计量模型： 确认计量模型中解释变量和应变量之间的因果关系（causality）； 厘清各模型的异同及优缺点，思考改进文献中现存模型的可能； 最后决定实证计量模型雏形；•初步调查是否有相关的资料，若无则实证模型设计的再好也无用。3.收集相关资料；•对数据的精确性一定要严格查核，对错假漏数据要仔细修正；•使用电子表格软件对数据列表绘图，以验证数据的逻辑合理性，对不合理的数值要有所处理；•不论要用的是横断面数据或是时间数列，数据数目越多越好，追踪数据（PanelData）尤佳；•对资料数值作一些整理，表列各种基本统计量（样本平均值、变异数、变量间的样本相关系数等）、变量之间的两两交互列表、做一些初步图解分析。计量方法的执行：1.计量方法不应太简单（例如只做到最简单的OLS），但也不必过于复杂，应针对问题采用恰到好处的计量方法。若采用了比较复杂的计量方法，则要说明为什么简单的方法不适合。计量方法的好坏不在其复杂程度，而在于它是否能够帮我们得到正确的估计值，以了解数据中所包含的真正信息。2.除了估计值以及对应的t检定外外，也可做一些F检定之对多个系数的假设检定。3.回归模型的设定，尤其是解释变量的取舍，可在估计过程中不断的修正。对应变量和解释变量均可尝试诸如对数、指数、幂函数等不同的转换。这些转换方式的决定，以经济理论上的考虑最为重要，不能单只为了提高模型的配适，而盲目的做一些不合理的变量转换。4.选取解释变量时，应有如下的考虑：•解释变量和应变量之间的因果关系一定要正确，也就是说，解释变量是原因在先，应变量是结果在后，有一定的先后顺序。尤其要注意，有些变量数值的产生很可能是和应变量同时决定的，或是因果关系不很明确（也就是说，相对于应变量而言，这些变量是内生的），则在选取这些变量作为解释变量时，便要非常小心。解释变量的内生问题常常是研究被批评的主要原因；•要注意解释变量的同构型，不能不分青红皂白的将一大堆彼此相关性很高的变量（包括相同变量的不同转换、或是几个变数间的各种交乘项）放进回归式内，造成严重的线性重合问题；•经济理论所牵涉到的变量常常是无法观察到的，因此在做实证研究时必须采用替代变量（Proxy），研究者要对所选用之替代变数的合理性详加说明。由于数据总有些缺失，常有人在束手无策之下，采用了很多匪夷所思的替代变数；•虚拟变量的定义要清楚而合理，使用要小心；•要探讨解释变量不足、观察值有误差等数据缺失所可能造成的计量问题。

实证分析Positive Analysis是和规范分析Normative Analysis相对应的概念。后者一般翻译做规范分析。而两者之间的区别，用老凯恩斯（那个更有名的凯恩斯的老爸）和弗里德曼（就是那个弗里德曼）的话说，就是前者研究“what is”的问题，而后者研究“what ought to be”的问题。换句话说，所谓Positive Analysis就是将经济学当成一门自然科学，完全以旁观者的身份，不带任何感情色彩地、完全客观地描述经济问题，解释经济现象。而Normative Analysis则不同，要回答“what ought to be”，就必须有事先的标准存在，而这个标准很多时候是由个人或社会偏好这些经济学以外的因素决定的。比如“火车票涨价可以缓解买票难问题”，这就是个Positive Analysis的结论。要反驳这个结论，就需要在逻辑上证明火车票涨价无法缓解买票难。而“应当通过火车票涨价来缓解买票难问题”，这就是Normative Analysis了。 这句话是否成立， 还取决于回答这个问题的人心目中的火车票理想分配方案标准。顺便说一句，当前很多人对经济学和经济学家的反感可能都源于无法区分这两者。