谁人不识汤二子

夸克之一 发表于 2011-10-29 08:34
但这个“新意”要看标准。经济研究的选题新意也许编辑部和政策部门认可，我作为读者并不完全认同。季刊的 ...

夸克版主，您所说的这一点，我可不怎么赞同！的确，因为数据等资源，造成了很多人无法深入进行论文的研究，有些人可能都不能进行研究！
不过，单纯从经济研究、管理世界现在所发表的文章来看，没有一定的理论功底与先进的计量技术，肯定是发不了了，目前，我所研究的方向来看，计量水平做得最好的当属南开的包群、邵敏等人，所以最近他们的名字在管理世界、经济研究以及世界经济上出现的很活跃！他们的计量技术，说实话，目前国内没有几个人能够达到，至少在我这个研究领域很难有人能够逾越！
据我了解，邵敏应该是用整个硕士阶段以及博士大部分时间学习计量的，她在硕士的时候只发表了一篇第二作者的文章，但是对于计量的不断积累成就了她现在的学术地位！由此可以看出，并不是所有的人有了数据，就可以能过如何如何，至少我不能，我数据和他们是一样的，写的论文投稿到世界经济，从来没有过过初审，和他们的计量论文明显是两个档次！
所以，我现在不在写论文，好好夯实基础，我想每一个从事学术的，都应该先打好基础，并不是所谓的本科二年级就能够搞定季刊，诚然中国有这样的人，但只是及其个别，甚至没有，但不是您所说的只要有数据，并有老师指导就能够搞定的！

天下为菊· 发表于 2011-10-29 08:42
完全同意啊

牛逼的导师也许在这方面可以给点建议吧，不过自己在科研过程中逐步领悟到某个idea可能具有的意义才是王道啊

夫下为菊 发表于 2011-10-29 08:49
牛逼的导师也许在这方面可以给点建议吧，不过自己在科研过程中逐步领悟到某个idea可能具有的意义才是王道 ...

导师太牛就没时间管学生了，还是折中一些：有一个愿意管也有时间和能力指导的老师（可以不是你的主导师）帮助你提高，这样就容易出成绩。

天下为菊 发表于 2011-10-29 09:47
夸克版主，您所说的这一点，我可不怎么赞同！的确，因为数据等资源，造成了很多人无法深入进行论文的研 ...

季刊上用OLS和2SLS的文章还是不少的。再说了，计量技术越复杂，越容易出问题，假设和限制都是同步的。而且并不是技术越复杂越好，大家都知道如果变量之间关系是线性的，OLS是理想方法。

计量水平高不等于用别人不同的方法写论文，而是运用一切可能使问题简化并符合常规计量手段。

我举个例子，假如一个学生可以找出一个自然试验或者准自然试验，那么他完全可以在数据可得的情况下，用常规计量手段写出一篇颇有分量的论文。问题在于，如果没有高手点播，恐怕本科学生难以理解如何寻找（准）自然试验。

复杂的技术要基于“需要”，这是学界共识。说心里话，把计量技术搞复杂也是国内一流期刊的负面示范作用。

我倒是建议为菊能研读下“Mostly Harmless Econometrics”这本书，复杂问题简化其实也是个很有意思值得深究的课题哦。

何必在此说出来啊

夸克之一 发表于 2011-10-29 09:04
季刊上用OLS和2SLS的文章还是不少的。再说了，计量技术越复杂，越容易出问题，假设和限制都是同步的。而且 ...

对此深表赞同。

研究，永远是越简单越好。能够用方差分析解决的问题，为什么要用回归？能够用一元回归解决的问题，为什么要用多元？
变量越多，模型越复杂，出错的概率就越高，这是亘古不变的法则。
难道在计量的众多“花花肠子”没搞出来之前，以前的学者就无所适从了？

你看生物学研究，哪有计量这么多搞来搞去的方法？人家只要掌握了一般的多元统计，足矣！为什么？因为人家的实验设计，足以保证数据的可靠性，并控制其他变量，因此，简单的统计方法就能有效地发现因果关系。

计量为什么要强调方法？就是因为计量有先天性的缺陷：一是数据来源，很难得到有效数据，导致遗漏变量偏误和测量误差；二是无法保持“在其他条件不变的情况下，考察原因变量和结果变量之间的关系”，这是计量建模的先天不足，是无法从技术手段上解决的。而在实验室条件下，可以轻松地做到这点。从这点来说，计量只能是发现变量间的关联关系，无法确证因果关系。三是模型设定形式，你说线性就线性？两维还可以靠看散点图来判断，多维你怎么去判断？

说到底，计量就是因为数据问题、模型设定问题（包含很多不合常理的假定，如同方差假定，实际中是不可能的），使得其先天性就存在不足，因此需要在方法上来修补其缺陷，故其强调“方法”远胜过强调“原始数据”，而生物学统计则是强调“原始数据”远胜过强调“方法”。只要有可靠的数据，一般的方差分析也是很有力量的！故：高手不是在模型上绕来绕去，而是大巧若工，用尽量简单的方法来得到你无法辩驳的结果！QJE和AER上有很多这样的文章。

记得社会学研究学者谢宇的一本书，里面有一段话大意是指，如果你没有足够理想的数据，那么只有很强的理论假定，才有可能得到比较显著的结果。这就告诉我们，建模思想非常关键，变量间首先必须有经得起推敲的理论与逻辑关系，然后用数据才能验证。而我们很多的研究，往往思想性不足，而技术性有余。如果你的模型在理论上就经不起推敲，玩弄再多的计量技术又有什么用?那就真的是“Garbage in, Garbage out”了。

说得很好

淘宝网橙迷橙橙 发表于 2011-10-29 10:34
对此深表赞同。

研究，永远是越简单越好。能够用方差分析解决的问题，为什么要用回归？能够用一元回归 ...

所以有位前辈说过“社会学是在正确的前提下做错误的推理，而经济学是在错误的前提下做正确的推理”。由于很多人并不清楚计量的可能存在的偏误以及为什么需要纠正，使得不少问题误入歧途。

我对为菊所研究的对外贸易领域并不熟悉，但如果我没有了解错，现在国内比较火的办法可能是面板数据运用System GMM。但有一个问题我始终没有搞懂，那就是“到底是出口促进了劳动生产率，还是反过来？”如果我需要搞清楚lnexport和productivity之间的因果关系，到底如何做？为菊如果能通过（准）自然试验大体分析下，我相信应该能成就一篇不错的论文。

汤二子

...............................