经管类论文要求的实证越来越规范,方法也原来越来越复杂,好像最传统的OLS文章比较难在国内发了。虽然数据结构、研究问题决定了实证方法的选择,但实证方法也会影响文章选用结果。
现在最流行的DID/RD/IV方法又对数据要求比较高,不知道在数据受到限制,如截面或调查数据时,还有哪些常用方法可以供选择。
我自己感觉除了选题、内容之外,只从实证方法来看的话,表面看起来从简单到复杂的最常用模型为:
一、最小二乘,适用范围最广;
二、Probit、Logit模型,适用于因变量为二元;
三、泊松分布,适用于因变量泊松分布;
四、固定效应模型,适用于存在不可观测的不存时间变化的个体效应的面板数据;
五、双重差分,适用于政策评估的面板数据;
六、断点回归,适用于处理点位置存在大量数据的数据结构;
七、合成控制法,适用于案例分析、案例比较;
八、机器学习,适用于预测,而非因果分析。
欢迎大家补充指正。