我曾经很认真的问恩师,如果没有你的参与,这篇文章最终会不会发到这么好的期刊上呢? 得到的回答是: 恐怕会发表在这等期刊上的几率会降很多。不过随后恩师又加了一句: 没有你的参与,这篇文章就不会存在了。
前言
我是一个比较优柔寡断的人。
比如在这篇文章时,原本的题目准备起《学术新人如何在顶级SSCI上发表文章》。后来一想,一个学术新人教人怎么在顶级SSCI上发表文章也太不靠谱了,于是题目就改成了 《学术新人在顶级SSCI上发表文章的一些经验》。 再细一琢磨,“顶级”两个字可能在不同人的字典里有不同的意义,引起争议,或者误人子弟就麻烦了,于是又把题目改成《学术新人在高质量SSCI上发表文章的一些经验》。本想把题目再改改,后来又一想只是写个帖子,又不会有什么审稿人,还是省点儿时间写正文吧。
既然是介绍经验,有人就一定会问:“你在这大言不惭给别人介绍经验,你自己在高质量的SSCI上发了几篇呐,你有资格介绍经验吗?” 实话说,虽然笔者在SSCI上发过几篇文章,但是如果能称得上没有争议高质量期刊的,可能只有一篇。发表的期刊是一个在一些评级上评为4*的期刊(注:在欧洲的一些国家有的评级体系把SSCI期刊的排名从低到高分1-4星,4星再往上就是4*,比如AER和Econometrica,QJE就是4*, Economic Journal 算4星,American Economic Journal 系列算3星等等。当然不同评级也会有些许的差距,不过也不会差的太大), 期刊的五年的影响因子接近4,所以应该是可以称得上高质量的SSCI的。与之前一样,由于不是所谓的还愿帖或是炫耀帖,期刊的名字就不说了。 但需要说明的是,发表的文章是在我当年博士论文的基础上写出来的,当年准备的时候着实下了一番功夫,所以会得到些经验。当然,只靠一篇发表就介绍经验也是很单薄的,我的经验还来自于我的恩师和师兄师姐们。恩师就不细说了,我并没有花时间细找,而他自己也记不太清,不过五大期刊加起来应该能有十几篇。我的两位前几年毕业的师兄,一位在AER上发了2篇,另一位在Econometrica发了1篇,师姐虽然暂时没有五大,也在4星SSCI期刊上发表过。我是属于同门里面比较一般的,因此平日里和他们一起合作写文章,或者是一起吃饭聊天的时候,在讲些学术圈的八卦之余,他们会对我不藏私的介绍一些文章发表的经验。当然,我说这些的目的并是为了炫耀我有多么牛X的恩师和师兄师姐,毕竟认识牛人和自己牛是完全两个不同的概念,虽然在饭桌上吹牛的时候很多人喜欢把这两个概念混在一起,但认识的牛人再多,自己不牛也是枉然。说这些的目的是要让大家相信我下面介绍的一些经验不是自己胡乱想出来的,而是经过了一定实践的检验而总结出来的。因此你看了以后或许能够对论文的发表有所帮助,又或者像我一样,能看到差距,并找到一个正确的努力方向。
这篇文章主要是给一些已经搞过一些学术研究,有了一些经验,并且有意留在学术界的学术新人们写的。当然,假如你还是一名刚刚开始学习搞研究的博士生,我的另一篇文章 博士生在国外SSCI期刊上面发表文章的一些经验 对你的帮助或许会更大些。
闲言少叙,书归正文。
选题
在我们讨论如何在高质量,甚至顶级SSCI期刊发表文章之前,我们先要问自己一个问题:你的文章能给这些期刊带来什么好处?可能有人会觉得我的问题问反了,从来都是在顶级期刊发表文章能给我自己带来好处,比如让我升值加薪,赢取白富美,走向人生巅峰什么的,什么时候反过来了?难道你是想让我贿赂编辑?!先不要慌,发型不要乱,其实如果你仔细想这是一个再正常不过的问题。你就好比是一个商人,需要把你的论文卖给这些期刊,这时候你当然需要了解他们的需求是什么,这样才能知道你需要制造什么样的商品才能满足他们的需求。
我本人给一些还可以的SSCI期刊当过审稿人(referee),同时也看过一些顶级期刊编辑和审稿人拒绝接受论文的理由。简单的总结一下,当你文章没有什么写作,技术上,或者研究方法上的毛病的时候,很多拒绝的理由大致是这样的:你的文章写的很好,方法也用的很规范,但是你研究的问题不够新颖/不够有趣/不符合我们期刊的要求...建议投其它的期刊。我一开始对这样的拒绝理由是很摸不到头脑的,不符合期刊要求也就罢了,什么叫不够有趣(interesting),谁来规定这个问题是不是有趣呢?经过恩师和同门的讲解,我才慢慢明白其中的道理。
首先我们要了解一点,顶级期刊(其实任何期刊都一样)追求的东西实际上是发表在该期刊论文的引用量和影响力。顶级期刊之所以是顶级,而且能持续的保持在顶级的位置,其中的一个秘诀就是该期刊发表的论文被学术界引用的次数很高,因为如此一来这个期刊的影响力就会很高。那么问题又来了,如何能使你的文章被引用的次数高呢?当然,拼命的引用自己写的文章,或者当审稿人的时候厚着脸皮要求被审论文添上自己的文章引用是一种方法,但是这些方法解决不了根本的问题。一个真正增加引用的方法是你的研究问题需要是“开创式”的,而不是仅仅是“增加式”的,这是什么意思呢?用一句简单的形容说,你的研究最好能开辟一个平台,让别人能在这个平台上展开他们自己的研究。
我给大家举几个例子。
比如05年的诺贝尔经济学奖获得者Thomas Schelling早在1960年写了一本关于合作和冲突的书。 在书里面的一个小章节,他举了一些生活上的例子,说明了在现实生活中很多时候人与人的合作问题是传统博弈论无法解释的。当然,要一个学术新人马上要整出这么一本书是不现实的,这个例子要说的不是他。Schelling的想法虽然很好,但毕竟那是50多年前,当时他在书里并没有用科学方法搜集数据来证明他看法的正确性。而奇怪的是,这本书发表后的30年里,竟然没有一为学者这个博弈论没法解释的有意思问题进行过研究,直到1994年才有一群学者用搜集数据证明了Schelling的看法的确是正确的,并发展了一个以如今看也并不是很完美的理论去解释这个现象,这篇1994年的文章后来发表在AER上,被引用了几百次。这篇文章就是一个典型的“开创式”研究,因为它创造了一个研究此类问题的范式和一个理论,换句话说,也就是开创了一个平台给后人研究。而后来的事实证明很多学者利用了这个范式和理论来对相关的问题进行了”增加式”的研究,比如研究男女的合作差异,在比如研究组与组之间的差异等等,这样一来自然而然引用率就会非常高了。
如果你搞计量经济,那么可能会对下面这个例子感兴趣。2000年经济学诺奖得主Daniel McFadden,在70年代用随机效用最大化(RUM - random utility maximization) 为基础创造了一系列的离散选择模型(discrete choice models)来分析人的选择问题,我们如今计量经济学里用的logit, probit 等模型都属于离散选择模型。后来以RUM为基础有很多学者又发展了很多其它的模型(比如nested logit, , ordered probit/logit, mixed logit等等,这里就不一一细说了)。 直到08年,Caspar G. Chorus等人摒弃了Daniel McFadden使用的效用最大化,转而用随机后悔最小化 (RRM - random regret minimization) 建立起了一个同样能用来解释人的选择的计量模型。再后来2014年又有一些心理学家采用一些动态叠加式模型(比如 Decision Field Theory)做基础来建立能解释人行为的计量模型,虽然模型的假设非常不完美,还是发表在领域内的顶级期刊上。这些都是典型的”开创式”研究,因为他们都开创了一个新的平台,供后人拓展。近几年很多学者发现在一些环境下用这些计量分析人的行为要比用logit, probit更加准确。现在很多学者已经开始在数据分析中引入这个模型来分析数据 (当然,根据经济学界的一贯保守态度,用新发展的计量模型分析数据恐怕还得个几十年)。
说到这里要解释一下,做开创式研究并不是让你不看前人的理论,然后抱着头自己异想天开。恰恰相反,只有大量阅读自己领域的文献和书籍,在了解很多之后才会有可能得到”开创式”的想法。当然,新人(包括我自己在内)和牛人一个很大的区别就是对领域内知识掌握的全面性上。由于新人入行的时间短,难免会在相关知识上有欠缺。我的经验是,学术新人在一开始最好专攻一个分支领域并深入的坚持下去,不要三心二意,什么都想搞,这样一来会造成基础比较松散。换句话说什么都知道些,但知道的并不深。由于对一个领域的基础性研究文献了解的不够,造成的结果是只能做一些”增加式”的研究。比如看一个人的模型用美国的数据跑的挺好,得嘞,我用中国的数据再跑一遍吧。又或者看别人的模型少了个变量,那我加个变量试试会不会显著吧。当然,我并不是说”增加式”的研究没有意义,事实上,非常多的增加式的研究都会发表在不错的SSCI期刊上,但是如果你的目标是顶级期刊,或者高质量的期刊,那么在选题的时候不妨问问自己,在我要做研究的内容之上,别的学者还能做些什么呢?
写作
其实作为一个新人我是没有什么资格谈写作的,但又没法避开,因为写作是一个在高质量期刊发表至关重要的一环。我所说的写作不是在英语和用词上,也不是学术文章的基本结构,这些细节的东西每个人的方法可能都是不相同的,也没必要千篇一律。我这里要说的是写作是切入的角度。大家可能知道有一类研究是偏向于技术型的,比如生物,数学,物理,化学,工程等等等等,这一类的研究其实严格说对写作是没什么大要求的,按照格式,写的清楚就可以。有的人戏称这类文章为八股文。但无论如何,这类文章数据分析或者模型本身就基本包含所发现的重点了,一目了然。但遗憾的是很多社会科学的研究没有办法这样做。原因很简单,研究社会科学通常人们会问你一个问题,你的研究意义是什么?请注意,研究意义这个东西在技术性非常强的领域里通常不是一个大问题,因为这类学科要么意义很明确,要么不需要意义。比如数学家证出了哥德巴赫猜想,很少有人跑过来问,你证明这个猜想的意义是什么呢?再或者一个物理学家用模型提出了平行宇宙理论,也很少有人问: 所以平行宇宙有什么意义?再比如天文学家发现了一个新恒星,也不会有人问,你发现了这颗星星有什么用呢?可一旦到了社会科学这里,意义的问题是回避不了的。因为社科的存在其实就是为了解决,描述或预测人的行为和社会上一些真实的问题。脱离了这些,你的模型再精美,结果再绚丽,P值再小,都一点儿用也没有。那么如何把你研究的意义表达出来呢?这时候就要看写作的功力了。
说到这里有的人可能会觉得写作就是编故事,谁编的故事好听,喊的口号响亮,谁的论文就能发表在好的期刊上。如果你存在这样的想法,就太低估顶级期刊的审稿人的水平了。我并不否认会编故事,口号喊的响亮会受到一部分媒体和外行的青睐,但这些手段拿到顶级期刊的审稿人面前基本不会有什么大用。这些审稿人绝大多数都是在领域里身经百战行家,你文章里哪句话说的不太严谨都很有可能被他们拎出来说道一番,更别说硬编一个故事了。所谓写作的功力,是要能看出一些看似普通的结果在整个领域的价值。这就好比块璞玉放在你面前,不懂得它价值的人看它就是一块石头,懂的人才能看出这是一块上好的美玉。这么说可能有些难以理解,我来举个例子:
假如你搜集到了一组很有意思的数据,数据显示: 在没有交换成本的前提下,人们对同一种商品可接受的最高买价(willingness to pay),和可接受的最低卖价(willingness to accept)间相差了好几倍。 什么意思呢?比如说,村里边有一个小伙子叫铁蛋,他拥有一个杯子,他准备把这个杯子卖了,定价100块钱。财叔问,铁蛋,我出99块钱买你的杯子你卖不卖?铁蛋说,低一分也不卖!这说明铁蛋觉得这个杯子最少值100块钱。为了简化问题,让我们假设在平行宇宙中也有一个铁蛋,他和我们这个宇宙的铁蛋一模一样,唯一的区别是平行宇宙中的铁蛋没拥有这个杯子,可财叔有。这时候财叔拿出了同样的杯子问铁蛋最多愿意出多少钱买,铁蛋说: 不超过30块我就买,财叔问,31块买不买?铁蛋说,30块多一分也不买。这说明平行宇宙的铁蛋觉得这个杯子最多值30块钱。你的这一组数据里有1千个铁蛋,每一个铁蛋都给出了类似的报价,也就是说: 当拥有这个杯子的时候,他们觉得杯子值100块左右,当不拥有这个杯子的时候,觉得杯子值30块左右。这看上去是不符合逻辑的一组数据,因为在两个平行世界里其实铁蛋面对的是同样一个问题: 这个杯子值多少钱。然而他给出的答案竟然是不统一的!让我们姑且假设搜集数据的过程方法没有瑕疵,好了,下面问题来了,假如你现在拥有这组数据,让你写一篇论文,你的切入点是什么呢?(在看下一段之前,你可以试着先自己想一下)
事实上这组数据并不是我凭空编出来的,这是一个很著名的现象,叫做禀赋效应(endowment effect),是2002年的经济学诺奖得主卡尼曼教授在1990年发现并提出来的。这种现象不但在经济学里被发现,在其它各个领域也被反复的发现。是一种非常稳定的效应。 可能这些结果在一个新人眼中也没什么,最多是个挺有意思的现象,还可能会觉得这些人怎么这么笨呢? 但不少经济学的教授在看到这个现象的第一反应是看出了一个非常有意思的问题,这组数据似乎在说明了人的偏好(preferences)在不同的环境下是变化的,或者说人的偏好是依赖于外界环境的(context dependent preferences)。没有背景知识的人可能会觉得,这个切入点有什么大不了的,变就变了呗,这还可能是由于铁蛋是双子座的呢。那么为什么说这个切入点很棒呢?这要回到经济学的一个根源的问题,偏好的稳定性。比如在整个福利经济学中,我们计算福利(welfare),也就是所谓的“剩余”有一个至关重要的前提条件是人们的偏好必须是唯一不变的。因为以人们唯一不变的偏好作为基准点,经济学家才能算出福利的大小。比如一个人觉得对一个茶杯愿意最高支付的价格是100元(这是他的偏好的体现),而这个茶杯的市场价格只有60元(这是现实的市场价格),那么我们就可以说,此人购买茶杯以后有了100-60=40元的”剩余”。但是假如这个人的偏好一会儿是100元,一会儿是30元,基准点变了,我们应该用哪个偏好计算剩余呢?如果没法计算剩余和福利,那整个福利经济学可能就要陷入大麻烦了。所以,一部分的大牛们开始辩论人到底是否存在一个真实的偏好。而以这些辩论为基础的一部分科研成果发表在了五大和一些挺不错的经济期刊上。当然,我们在这里对这个问题不做更深的讨论,我只是举个给大家举个例子说明写作中切入点的重要性,如果说数据分析和模型是一篇文章的血肉,那么切入点则是一篇文章的灵魂。很多人到这里可能已经看出来了,学术论文写作的水平说白了还是要看一个人对整个领域知识掌握的全面性,没有这种全面的掌握不可能找到一个好的切入点。我曾经做了一个实验,用同样一组数据,我把我写的文章开头和恩师写的文章开头拿来做了一个比较,结果不得不承认,差距还是很大的。