|
|
经济学研究的主要目的是用经济理论来解释预测的经济现象，预测经济趋势，提出政策建议。实证分析是利用数据来描述客观经济现象，找出数据中存在的规律和性质，为经济研究提供依据。
那些刚开始使用计量经济学方法的人在进行研究、撰写基于实证研究的报告或论文时往往会遇到许多困难。对此，本文对计量经济学实证分析论文结构给出了一些建议。
01用理论或逻辑表述提出研究选题
这是你提出问题的部分，即告诉读者你为什么要研究这个问题。例如，认为一个现象不能用现有的理论来解释、澄清对一个问题的认识、或者对现有的理论提出质疑。这一步是为了让读者相信你的问题是“重要的，或有趣的，或两者兼而有之”。举例而言，环保政策是否会带来环境改善？汇率变化对进出口贸易的影响？
对这个问题的解释可以通过经济理论的表述来分析，也可以根据经济现象之间的逻辑关系来表述。不同的是，经济理论严谨但复杂，逻辑分析简单但不严谨。
选题方向可根据计量分析的目的，选择以下方向：
- 经济变量关系分析，即结构分析。通常是解释某些经济学现象
- 政策选择，即政策评价。就是通过政策模拟找到最远经济政策
- 预测经济学现象，即经济预测。就是预测某些经济学指标的未来趋势
- 经济学假说的检验，即验证经济理论。就是要检验相关经济学假设或理
02建构实证计量模型
由于选题的内在逻辑是由经济理论分析或逻辑分析决定的，因此可以用数学模型来表达。在确定模型时，应明确以下几点：
- 确认计量模型中解释变量和被解释变量之间的内在联系或因果关系
- 对可以使用的计量模型进行选择性评价，对模型是否适宜研究该问题进行讨论，为实证分析中模型的改进提供理论依据
- 依据上述分析确定初步的理论经济计量分析模型
同时，你要注意：
第一， 应该对本领域的实证分析范式有所了解，即通过阅读相关文献了解这一类模型的实证分析方法；
第二， 除研读相关经济理论之外，应比较三至五篇有实证分析的文献中的实证计量模型；
第三， 应初步调查是否有相关的数据，若无数据则无法进行实证分析。
03数据资料收集与处理
数据收集可以在数据库（通常由学校购买）、统计年鉴等出版物中找到，可以发邮件询问已使用相关数据的论文作者；在合作研究的情况下，他们的数据可能会与合作伙伴共享；而互联网也是数据收集的有效来源。
对数据的收集与使用要注意以下几点。
- 对数据的精确性一定要按经济学定义严格查核。模型中的变量是经济学变量，但实际经济系统中提供的统计指标不一定与模型中的经济学变量严格对应。如C-D生产函数中的资本存量K，可以使用原值，也可以使用净值，选择不同，结论亦会有差异
- 如果数据中有异常值需要进行特殊处理。如没有理由剔除，应选择虚拟变量进行表述；如果使用季节时间序列数据就必须进行季节调整，因为许多季节数据不可直接相比
- 数据处理完毕后可以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；不论要用的是横截面数据还是时间数列，数据量越大越好，如果能够使用面板数据（Panel Data）就更好
- 对于时间序列数据，如果是价值量数据还需要进行可比价处理，即处理为同一时期价格计量的价值量指标。只有这样，不同时期的数据才具有可比性，研究结论才是可信的
- 对资料数值作一些描述统计分析是实证分析的前期准备。通常通过图表列描述各统计指标的各项统计量，包括样本平均值、变异数、变量间的样本相关系数等
04参数估计与模型取舍
估计方法的选择
不应强调复杂性或过于简单，应根据实际问题的需要确定最合适的方法。在估计模型参数的过程中，需要根据经济理论检验、统计检验和计量经济学检验的结论不断修正模型，直至找到最优模型。
如果使用更复杂的计量方法，则需要解释为什么更简单的方法不适用。一种测量方法的好坏不在于它的复杂性，而在于它是否有助于获得准确的估计，以了解数据中包含的真实信息。
回归模型的设定
特别是函数形式和解释变量的选择，在估计过程中会不断修改。对于解释变量和解释变量，可以尝试不同的函数类型，例如对数函数、指数函数和幂函数。最重要的是，这些函数形式的选择是基于经济理论的考虑，不能盲目选择一些不合理的函数形式来提高模型的估计效果。经济理论分析需要的经济理论分析所需的弹性分析、半弹性分析、边际分析，决定了模型的函数形式。
解释变量的选取
- 解释变量是用来解释被解释变量的，因此，要么解释变量是原因，要么解释变量是被解释变量的先行指标。也就是说，解释变量是原因在先，被解释变量是结果在后，有一定的先后顺序
- 要注意解释变量的相关性，不能将一大堆彼此相关性很高的变量放进回归式内，如此会造成严重的多重共线性问题
- 经济理论所牵涉到的变量如果是无法观察到的，做实证研究时必须采用替代变量（Proxy），研究者要对所选用的替代变量的合理性加以说明
- 虚拟变量的定义要清楚而合理，使用要小心
- 如果解释变量有观测误差等数据缺陷，需要探讨可能造成的计量问题
- 横截面数据应该关注异方差（Heteroscedasticity）问题；时间序列数据应该关注自相关（Autocorrelation）问题；需要检查时间序列的稳定性（Stationarity）；注意模型参数的稳定性，可使用Chow Test来确定断点是否存在。
05
实证分析报告的写作
实证分析论文与一般经济学论文有共同之处，这里只介绍计量经济分析论文的特殊方面。
绪论：需要解释研究的性质、范围和目的，并从更广泛的视角（历史、社会、文学、问题的严重性等）解释研究的重要性。
文献综述：对与主题直接或间接相关的文献进行的简单、清晰、系统的综述，要求对与主题直接相关但有不同发现的文献进行较为完整的描述。有必要就文章模型的使用进行归纳总结，提出文章模型使用的特点和创新点。
模型设定：由于计量经济模型必须能够进行实证分析，因此研究经济问题所使用的计量经济模型必须是能够应用样本数据估计参数和相关统计量的模型。这些模型可以从数理经济学模型中推导出来，也可以建立在简单的逻辑联系上。模型包含的变量必须有其明确定义，并解释变量及其之间的关系必须详细解释、模型的主要系数（或从系数推到得到的弹性、乘数等）、可能数值的大小及符号、有怎样的理论预期。这些解释正是文章试图用模型解决的经济学问题。
数据收集与处理：对数据的类型、性质、来源、修订方法、数据误差和遗漏等内容应有详细说明，最好能说明资料的基本统计情况。
实证分析结果的报告：
- 对数据的精确性一定要按经济学定义严格查核。模型中的变量是经济学变量，但实际经济系统中提供的统计指标不一定与模型中的经济学变量严格对应。如C-D生产函数中的资本存量K，可以使用原值，也可以使用净值，选择不同，结论亦会有差异
- 如果数据中有异常值需要进行特殊处理。如没有理由剔除，应选择虚拟变量进行表述；如果使用季节时间序列数据就必须进行季节调整，因为许多季节数据不可直接相比
- 数据处理完毕后可以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；不论要用的是横截面数据还是时间数列，数据量越大越好，如果能够使用面板数据（Panel Data）就更好
- 对于时间序列数据，如果是价值量数据还需要进行可比价处理，即处理为同一时期价格计量的价值量指标。只有这样，不同时期的数据才具有可比性，研究结论才是可信的
- 对资料数值作一些描述统计分析是实证分析的前期准备。通常通过图表列描述各统计指标的各项统计量，包括样本平均值、变异数、变量间的样本相关系数等
- 模型估计结果可用公式和表格表示。如果模型比较简单，解释变量较少，可以用公式法表示，其较为简洁明了，易于理解；如果解释变量较多，可以选择用表格来加以表示。但应在相关位置注明回归系数和主要检验统计量。可以在系数的每个估计值旁边显示相应的标准误差或t统计量，也可以添加一个p值列，或者，显着的估计值可以用星号标记以提醒读者。同时，显示模型整体表现的统计数据，如Ｒ2（线性回归模型），F统计量，必须列出。对于时间序列数据模型，必须列出Durbin-Watson统计量。
- 应详细讨论主要回归系数（或从回归系数导出的弹性、乘数等）估计值的大小、符号和显着性。并且，那些显著的估计应与理论预期进行比较，如有明显差异，应追究其成因。
- 对没有获得显著的重要回归系数的估计值，也应该探讨其成因。不应过度解释这些不显著的估计，尤其是不应这些不显著的估计，支持或不支持某个特定的结论。如果估计值不显着，则说明所使用的数据不能提供足够的信息，进而，没有足够的信息，是不可能的、也不应该做出任何定论。
- 每项具有政策意义的重要论点都经过假设检验、并检查其显著性。
- 根据建立的估计模型对收集数据之外的时期或条件进行预测，尤其需要保持保守和谨慎，并想象做出的预测可能不准确的原因。
- 应该尽量将列出的所有统计数字保留相同的小数位（大多小数点后3或4位），如果数据非常小或非常大，则使用科学记数法（例如1.2345×10－ 4），并保留3到5位有效数字。
06结论与政策建议
综合你在整篇文章中的研究结论，并用短句表达它们。然后提供与您的结论相对应的解释。实证分析论文的结论必须来自实证分析模型，并有相应的统计检验支持。有2-3个重点研究的结论已经很好。流行、但不是你重点研究的内容，一定不能作为文章结论。
政策建议应该是机基于对研究结果产生的所有重要发现的完整总结。同时，应该通过对理论或数据当中不完美的讨论，指出未来的研究方向。 |
|
发表于 2023-6-29 08:56:09
