定量研究案例

一篇转帖的文章，作者真的很强大！

本文的缘起：

当初一个舍友来自西部地区，从没学过计量（OLS都没学过）。但毕业论文老板要求用数据说话，发愁。我于心不忍，告诉她：我每天晚上自习回来，睡觉前花10分钟给你讲解一下STATA的操作和出来的各项结果意义。第一天，我讲了OLS。画了一张散点图和一根直线，用了1分钟就让她完全理解了OLS的精髓，这是用来干啥的。后面9分钟讲解了STATA的操作和OLS的各种变种。结果只一个星期，讲完五种方法（下面会介绍），她信心大增。后来一下子发了好几篇CSSCI，计量做的天花乱坠，让人误以为是一个大师。毕业论文也顺利通过。她说我的方法是当今世界上最快的计量速成法。她说，以后有时间要好好看看计量书，打打基础。我推荐她读伍德里奇的那本现代观点。但她论文发表了好多篇，至今还没看那本书。问其原因：“看了一下OLS，跟你讲的没啥区别，就是多了些推导。那些推导看不看都不影响我用软件。现在没空看，先发论文再说。”

我笑其太浮躁。但后来想想，这种学习方法不一定适合所有人，但或许适合一部分人群。因此有必要写出来让这部分人群都有所收获，不会因为发不了CSSCI而担忧，不会因为毕业论文不会做计量而担忧。因此有了本文。你是不是属于这样的人群？请看下面：

本文的目标人群：

1、不懂计量的人；

2、想学计量却苦于缺乏时间的人；

3、想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看推导过程，也想发论文的人。

4、不想看计量书，却想写计量论文，发几篇CSSCI，尽快毕业的人。

5、所有想速成的人。

但是目标人群一定要能看懂STATA软件操作手册的人（或者其他软件操作手册）。如果你不认得手册上的字，不要来告诉我。我也不认得。如果你能找到一个懂STATA、EVIEWS的人给你讲解一下，那么你看不懂手册也无所谓。

本文的目标：不看计量推导、不看计量书籍就能发计量论文，而且是大规模批量生产计量论文，甚至是发经济研究和管理世界。

目标能否实现：取决于你能否掌握本黑客教程的内容，能否阅读软件手册。

申明：不是教你如何抄袭作弊，而是教你写计量论文的方法和捷径。

目录

一、计量论文的两大要点是什么？

二、如何判断计量论文的水平高低？

三、做计量的“大杀器”有哪些？

四、瞎倒腾计量的秘诀

五、大规模发CSSCI的建议

一、计量论文的两大要点是什么？

1、计量模型的建立（就是那个方程，表达什么经济含义要知道）；

2、模型中的系数如何估计出来（关键在于估计方法的选择）。

第1个要点涉及你论文主题。你一般要想用数据检验某种经济关系，根据这种经济关系来建立计量模型。如果你不知道要检验什么经济关系，那我劝你就此打住。你发不了经济研究了。

第2个要点。千万种方法的出现，目的都是要把那个系数给估计出来。不同估计方法的估计效果好坏，就是根据各种统计量来判断。如果能选择一种最合适你数据的估计方法，那么这论文基本就成了。

二、如何判断计量论文的水平高低？

掌握了上面两个要点，只是说你能写出一篇计量论文，并不是说能写出一篇高水平的论文。水平的高低在于你处理这两个要点时水平的高低。下面仔细讲解。

如果只是为了写计量论文，只需要“知其然”即可。没有人会因为不会推导OLS估计量而对软件里面出来的结果不知所措。这条途径，最快捷的走法是找一个懂的人，把结果里面的各种东西所表示的意思给你讲一遍，每个东西要注意什么。基本就可以了。在一般的CSSCI 上发表论文没有什么问题。如果找不到人，就看STATA的手册，里面的例子会讲解每个指标参数统计量的含义。这样慢一点，但效果很好，而且也能成为STATA专家。STATA手册比高级计量教材看起来轻松多了，就是告诉你怎么操作软件，然后得到什么结果的。

计量论文中的估计问题，最关键的事情，不是能推导估计量，而是在STATA里面选择一个“合适”的方法估计出来。然后解释结果的经济意义。而计量水平的高低，不在于方法的复杂性，而在于方法的合适程度。因此高水平的计量论文，不必要求作者掌握高深的计量推导，而在于“选择”的技巧。每种计量方法，都有优劣。所谓用人之长，容人之短。水平高的人，能够选择以其之长，攻它之短。同时又能隐藏计量方法内在的拙劣。

其实，计量论文的水平主要决定于论文的主题的重要性。这个话题大家都很关心，就很重要，发表就很容易。所以，你会发现国际顶级期刊上一些计量论文所用的方法很简单。这些论文能发表，主要是他讨论的问题很重要（这涉及第一个要点），采用的方法即使有缺陷，也无伤大雅。如果问题不是非常重要，只是有新意，但是估计方法比较合适，也能发一个中上等期刊。如果问题属于鸡毛蒜皮之类，那就只能诉诸于超级复杂的计量方法，祈求审稿人看论文时，方法还没看完就已经累得半死，再也没有心情来思考你的问题的重要性，然后也能通过了。

三、做计量的“大杀器”有哪些？

所谓的大杀器，不是指超级复杂的计量方法，而是指这种东西一旦用起来，一般不会有人来攻击。所谓的一招毙命，毙了审稿人的命。计量方法很多，可以说满天飞。但是，真正有价值的方法，被人公认为具有一定可信度的方法（就是所谓的“大杀器”），只有5种。并不是你所看到的所有的方法都有人信。这点大部分初学计量的人都不会意识到。看到书上介绍一个方法，就认为这是一个好方法。其实不是。书上很多方法的介绍，仅仅是出于理论推演的需要，并不是实际研究中都能用的。你如果查阅一下国际上关于经验研究类的论文，会发现大部分论文所用方法无非是：

1、简单回归；

2、工具变量回归；

3、面板固定效应回归；

4、差分再差分回归(difference in differnece)；

5、狂忒二回归(Quantile)。

大杀器就这几种，破绽最少，公认度最高，使用最广泛。真是所谓的老少皆宜、童叟无欺。其他的方法都不会更好，只会招致更多的破绽。你在STATA里面还可以看到无数的其他方法，例如GMM、多层次分析法等。这个GMM实在是一个没有用的忽悠，他还分为diffGMM和系统GMM。其关键思想是当你找不到工具变量时，用滞后项来做工具变量。结果你会发现令人崩溃的情况：不同滞后变量的阶数，严重影响你的结果，更令人崩溃的是，一些判断估计结果优劣的指标会失灵。这完全是胡搞！这GMM的唯一价值在于理论价值，而不在于实践价值。你如果要玩计量，你就可以在GMM的基础上进行修改（玩计量的方法后面讲）。

有人会问：简单回归会不会太简单？我只能说你真逗。STATA里面那么多选项，你加就是了。什么异方差、什么序列相关，一大堆尽管加。如果你实在无法确定是否有异方差和序列相关，那就把选项都加上。反正如果没有异方差，结果是一样的。有异方差，软件就自动给你纠正了。这不很爽嘛。如果样本太少，你还能加一个选项：bootstrap来估计方差。你看爽不爽！bootstrap就是自己提靴子的方法。自己把脚抬起来扛在肩上走路，就这么牛。这个bootstrap就是用30个样本能做到30万样本那样的效果。有吸引力吧。你说这个简单回归简单还是不简单！很简单，就是加选项。可是，要理论推导，就不简单了。我估计国内能推导的没几个人。经济研究上论文作者，最多只有5%的人能推导，而且大部分是海龟。所