讨论主题内容：实证论文中的常见问题

收获很大

我个人的体会是：在实证研究中数据非常重要，当然不否认论文研究的主题是首要的。
往往收集到的数据跑回归的结果还真是未必是自己想要的结果，这个时候有两种办法：一直是再继续收集更多的样本（如果还能收集到的话）；另一种就是修改数据，改到自己想要的结果。实际上很多时候我看到了很多人都是首选后一种。即使是经济学方面的统计年鉴数据，很多人也是这么改，不知道是否是国情。
看了很多老外的文献，发现人家的论文确实相比国内来说写的好，问题研究得也很有意义和深度。

严重同意楼主啊，实证的出现没有坏处，但我们不能为了实证而实证，那就没有必要了！

严重同意楼主啊，实证的出现没有坏处，但我们不能为了实证而实证，那就没有必要了！

总体说来，经济学和管理学中的所谓实证研究不过是在盲人摸象。
真相永不可知，而实证研究就是在黑暗中摸索。你摸的方向正确（理论模型站得住脚，变量间的联系有比较坚实的理论逻辑和前人研究做基础），方法得当（变量测量有效、数据真实、模型参数的估计与检验恰当），而且说的故事比较有趣，重要的是你在论文中说服了其他人相信你摸到的就是“象”，你的论文就能发表。至于到底是不是“象”，只有上帝知道。因为就是在完全控制的随机化实验条件下，你还是有一定的几率犯弃真错误和纳伪错误。
所谓尽人力而听天命，就是如此。在现有的条件下，你已经尽力了！因为就你写的论文而言，你比其他人更有可能摸到真实的“象”。
说起来，实证研究中处处都是陷阱，你可能随时跳入一个陷阱，导致你的研究结论错误。比如说模型设定错误、变量的选择、界定和测量、样本的随机化（即返回了一个特定而不具代表性的样本，这个在调查数据中非常普遍）、数据的真实性、估计和检验方法错误，等等。因此，一项令人信服的研究，需要在一些技术细节上反复打磨，才可能得到一个令人信服的结果。
最后总结，为什么经济学这么强调方法？管理学次之？而心理学和医学又次之？你去看心理和医学统计的书，都是一些很简单的东西，方差分析、多元回归、因子分析、聚类分析等占了多半篇幅，软件spss基本搞定，稍微复杂一点的也就是多层模型和结构方程模型。为什么？因为人家搜集的数据，基本上在实验范围内，自己可控，基本上可以实现“在其他条件不变的情况下，考察干涉变量对结果变量的影响”；而管理学大多通过问卷调查来搜集数据，在样本选择上也有一定的可控性，可以在一定程度上修正样本，因此用到的基本上也是多元数据分析的东西。唯有经济学，尤其是宏观数据，对于整个数据搜集过程，完全被动，只能被动的去观测发生的现象，而对于现象发生的机理，完全是黑箱（当然，可以通过理论臆测），这种情况下，你怎么能说解释变量就一定是那个解释变量呢？你计量出来显著的东西，也许在混杂因素的干扰下，本来就不该显著；你计量出来不显著的东西，也许其效应被混杂因素盖住了。在众多因素的影响纠缠不清的情况下（即误差项与解释变量关联），你真的是无法隔离出解释变量的“干净效应”。众多方法，如工具变量等，只能是缓解，无法完全弥除。想到这，头都要大了。

现在每篇论文都要用实证分析真的有意义吗

qq1020023370 发表于 2013-6-11 16:58
我想问下那经典线性回归模型中假定X值是固定的怎么理解呢？希望高人知道。。。。

因为你估计的是Y的条件均值。Y的条件均值只有在相同条件下，通过固定X，重复试验或抽样，才能估计出来，同时还可估计Y的条件方差。
这么说吧，你希望通过一个人的身高（h）来预测他的体重(w)。假如你知道一个人的身高是1.7m，让你去预测他的体重。假如总体中所有身高1.7m的人一共有10000人，这10000人的平均身高是68kg。一般来说，这10000人的身高分布会近似正态分布，所以其平均值的发生概率是最高的。因此在给出条件信息（h=1.7m）的情况下，你会用子样本（身高等于1.7m的10000人）的平均值68kg来做预测。
如果还不清楚，简而言之，当有人问你一个人身高为1.7m时，他的体重是多少？你会回答说是68kg。但是当你实际抽一个身高1.7m的人来观测其身高时，他可能是63，也可能是74，不一而足。与预测值68不一致的部分，在回归模型中，统统归入误差项。但是，平均来看，他可能低于68，也可能高于68，但一定是以68为中心。所以，误差项的均值必须为零。
如果给出身高为1.75m的条件信息，预测机理同上。其他，1.6m、1.8m也一样。这里设定h为离散的，是为了说明问题的方便。事实上，h是连续的，要完全找到n个身高准确等于1.7m的子样本也是不可能的。不要纠缠这些假设，这一切都是为了说明问题的方便。
现在，问题来了，你不断给出h的条件信息，然后去找身高等于h的子样本，再来计算w的条件均值（这里假设你拥有总体样本值），然后把这些条件均值点连线，你怎么就能保证它是一条直线（即所谓线性性）？它不太可能是一条直线，但是必须做这个假设，否则给后面的参数估计增加难度，很有可能估计不出来。所以，接受之，不要过多纠缠。
现在回到你的问题，为什么假定x值固定？所谓x值固定，说的就是我上面的意思。简而言之，先给出x值，然后去观察y的值，如你所想，这个时候，y忽高忽低，他不是确定的，它是一个条件随机变量。在重复测量的情况下，我们可以根据X=x的子样本来估计这个条件均值。现在的问题是，我们得到的数据，往往是总体数据的一个随机呈现。比如说我们刚好得到了一个身高等于1.69m的人的体重数据，而最接近的样本观测可能是1.71m，不一而足，样本中每一个特定身高值的人基本上都只有一个测量，而且样本值中间有断点。那么，要根据这些断断续续的样本来估计在每一点x值下的y的条件均值，那是相当的困难！简而言之，给你的是相当不完全的x的条件信息，而现在要你估计的是总体中的y的整条基于x的条件均值曲线，要是不做出一些假定，你还真搞不定。这就是那些经典OLS假定的由来，不再赘述。
再说一点，就观测数据而言，你肯定无法做到先设定x，然后去反复观测y。比如说，你想知道某省的大学生比例提高一个百分点，其gdp是否也会随之增长？你能做到让100个相同情况的省提高同等程度的大学生比例，然后去观测这100个省gdp的增长情况吗？绝对不可能。就如以上的身高与体重的例子，h与w在现实中都是总体数据的随机呈现，不存在一个固定一个随机的问题。之所以假定x固定，纯粹是为了便于理解ols，不具现实意义。

感谢赐教。

路过