计量论文写作和发表的黑客教程1：让初学者瞬间开窍 — PDF版本

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

友情提醒：2110楼处有pdf版本，7楼末有链接
【原创】计量论文写作和发表的黑客教程1：计量速成法——让初学者瞬间开窍

by Zera

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，但或许适合一部分被论文压迫的人。故有必要写出来让他们有所收获，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。你是不是属于这样的人群？请看下面：

本文的目标人群：

• 不懂计量也不想看计量书的人；
• 想学计量却缺乏时间的人；
• 想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看计量推导过程，也想发论文的人。
• 不会计量却想应急发几篇CSSCI，尽快毕业的人。
• 所有想速成的人。
• 所有不信计量能速成的人。
  

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。不想看大部头软件手册的人往后面看，最后我为你提供了一本：从入门到精通的、综合考虑STATA操作的广度、深度、难易度和阅读速度的、专门针对计量经济学领域技巧的、由STATA著名官方编程人员撰写的、10天就能掌握的、涵盖经济研究常见计量方法的书籍，而且有下载链接）。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，那么你看不懂也无所谓。

本文的目标：不看计量推导、不看计量书籍，就能速成，大规模批量生产计量论文，灌水CSSCI(可行性在后面有严密论证)，甚至发一流期刊。（你如果不信，后面有例子呀）

时间预算：

• 深刻理解本贴内容，2小时或者更多；
• 阅读由我全面比较寻找出来的难度广度深度速度达到最优平衡的书，10天；
• 阅读我给出的quantile快速入门，10分钟；
• 用相关数据进行全面训练，断断续续，约1-3天；
  

合计时间：2周左右。注：这不是你写一篇论文的时间。这是你从不认识STATA开始，到全面熟练地操作经济研究上常用计量方法的一个可行时间长度。可能更快，也可能更慢，这取决于你的阅读速度。

严重警告：

• 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。
  
• 本文犹如海洛因，容易上瘾，且杀伤力巨大，切忌滥用。
  
• 做理论计量研究的人，请立刻回避，浪费时间不要怪我。
  
• 对崇尚“学计量必须完整掌握推导”的人，具有明显误导作用，请即刻回避。
• 本文方法一般只能用于：应急发表、被迫发表论文等极端情况。
  

==============================================
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、瞎折腾计量的秘诀
五、大规模发CSSCI的不传之秘 【本节泄漏天机，敬请跳过】
六、案例分析：借助大杀器成功登上一流期刊
七、软件操作方面书籍推荐(10天能读完)
==============================================

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。你发不了一流期刊了。

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，计量论文的水平真正的决定因素是论文主题和思想的重要性。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，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（所谓的“大杀器”），只有5种(贪多嚼不烂)。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)。

见续贴
计量论文写作和发表的黑客教程2：一流论文的思维模式和思维陷阱

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享85 收藏2558 回帖

关键词：计量论文写作 PDF版本 论文写作 PDF版 PDF 经济研究 面板数据 工具变量 一流期刊

楼主，你真是高手啊

没有发过的论文让大家借鉴一下吗能给我看一下吗 本人理解力较差邮箱是1057369167@qq.com先谢过了

续：
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、随机效应等。GMM其实是一个没有用的忽悠，例如估计动态面板的diffGMM，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。那些一流期刊上论文作者，最多只有5%的人能推导，而且大部分是海龟。所以，你不需要会推导，也能把计量做的天花乱坠。

工具变量(IV)回归，这不用说了，有内生性变量，就用这个吧。一旦有内生性变量，你的估计就有问题了。国际审稿人会拼了老命整死你。国内审稿人大部分不懂这东西（除了经济研究季刊等等这类刊物的部分审稿人以外）。工具变量的选择只要掌握一个关键点就行：找一个和内生性变量有数据相关的，但是和残差没有关系的东西，这就是你的IV了。例如贸易量如果是内生的，那么你找地理距离作为IV。北京到纽约的距离，那是自然形成的，没人认为是由你的Y或者残差导致的。但是你会发现贸易量和地理距离在数据上具有相关性。这就很好。这种数据相关性越强，IV的效果就越好。就这么一段话，IV变量回归就讲完了。在STATA里面，你直接把原回归方程写出来，然后把IV填进去就可以了，回车就得到你的结果。关键是你不一定能找到这样的工具变量。你能找到，这个工具也不大能用。不过要注意，IV不灵不代表你不能发表。你只要找到一个IV，效果不是差的太离谱，一般都能发。当然不能发国际一流了。国内是没问题。国内审稿人没人会重复你的结果看看是否有问题，因此你说这个IV效果已经是最好的了，世界上还找不到第二个比这个更好的了，审稿人也没的话说。就发表呗！如果审稿人说，另外一个IV效果可能要比你的好。那你就采纳他的建议用他的IV（尽管他的建议会更差），然后感谢他一下。第二次审稿，难道他还会说自己上次是胡说八道？？？所以就发表了，哈哈哈哈！

有人又会问：面板不是还有个随机效应嘛？我只能说，你是看过书的人，所以才知道随机效应。其实随机效应压根就没什么用处。有人信誓旦旦说可以用hausman来检验。我只能告诉你，这检验压根就不可靠。可靠也是理论上可靠，实践上根本没人信。当然中国人都信，不信的都是美国欧洲这样的计量经济学家。你难道不知道hausman还会出现负值！做过这个检验的人都很头疼这个负值，不知道该怎么做。你如果看看一些高手的建议，或者一些书籍，你就会发现，最权威的建议就是：当你无法判断该用固定效应还是随机效应的时候，选择固定效应更可靠。随机效应不是任何时候都可以做，但是固定效应是任何时候都可以做。所以你知道该怎么做了吧。

差分再差分(Difference-in-Differences)，或者叫作差差分法、双差分法，是固定效应的一个变种，在估计某个事件发生带来的效应时最有用的方法，特简单。关键思想是通过差分的方法把相同的固定效应差分掉，就剩下来事件的净效应了。举一个例子你就明白怎么回事了。大家都知道买房子靠不靠学校医院等设施还是有很大差别的。ZF为了拉动某个地方的房价，直接把地铁建到那里。但是你不知道这种设施到底导致价格有多少差别。你看到学校旁边的学区房价格上升，难道一定是学区房因素导致的吗？北京房价一直飙升，很可能是学区房以外的因素导致的。现在你要检验一个假设：学区房因素导致房价上升。差分再差分，这个方法要凑效的秘诀是：学区房因素发生变化，而其他因素基本维持不变。例如ZF重新划分学区，一个著名小学突然在某个没学校的地方建分校，或者一个著名小学搬迁，这些因素导致房子是否属于学区房发生了变化。以建分校为例。建校后周围一片区域A的房子都属于学区房，这个区域以外附近区域(B)的其他房子就不算该校学区房。然后收集建校前后两个时间点上、A和B区域房价的数据。所谓的差分再差分法，就是：A区域两个时间点上的平均房价差距 - B区域两时间点上的平均房价差距 = d，这个d就是建校对房价的影响了。d是两个差距之间的差距，所以才叫做差分再差分。用计量回归把这个d给估计出来，是有办法的：

——————P= b0 + b1*Da + b2*Dt + d*(Da*Dt) + Xb + e

P是房价，Da是虚拟变量，在区域A则为1，否则为0， Dt是时间虚拟变量，建校后为1，建校前为0。 STATA一跑，就把d估计出来了。为什么d可以如此表示？自己思考一下啦。实在想不出来，Wooldridge的书上有精确严格的解释。这里给出一个直观的粗略解释：北京所有区域的房价每个月都在上升，因此需要控制这部分因素，这就是时间因素Dt；区域不同自然也有差别，需要控制区域位置因素，这就是Da，这就控制了即使不建校也存在的差距；控制住其他因素X，那么剩下的Da*Dt就是建校带来的房价提升效应了。这下明白了哦。

狂忒二回归(Quantile)是一般均值回归的一个推广。看名字挺吓人，其实很简单。如果你知道OLS是一个均值回归，那类推就可以知道1/2分位数回归。你知道的，正态分布下，均值就是1/2分位数的地方。均值回归就是1/2分位数回归。知道了1/2回归，你自然知道1/4和3/4分位数回归了。如果还不懂，翻开伍德里奇的书，讲到简单OLS回归时，我记得有一个图，上面对不同位置的x位置画了不同的正态分布密度函数(第2版是figure 2.1，pp26，见下面)。如果是异方差问题，那么不同x位置的正太分布图的方差就有变化。这个图上注明了预测值是E(Y|X)，就是Y的条件期望，就是那根回归预测直线啦。在正态分布下就是Y的密度函数的中心点的连线，就是1/2分位数点的连线。如果那条预测线画在密度函数的1/4和3/4分位数点上，那么预测结果就不是Y的均值（在非正态下可能是均值），而是1/4和3/4分位数点的预测值。这下明白狂忒二回归了吧。分位数回归就是看看那根预测直线在不同的分位数点上有什么结果,得到什么样的回归系数。通常的OLS预测直线，仅仅是一个特例而已。进一步推广，可以推广到任意分位数点回归的情况。道理一样。

quantile回归还可以推广到带bootstrap的quantile回归哦，想起来是不是很过瘾啊？？？道理还是一样的，具体怎样操作，耐心往下看，到最后有quantile的速成秘诀哦，包你10分钟能在STATA里面跑出quantile回归来。



伍德里奇《计量经济学导论——现代观点》的图2.1（解释Quantile回归的意义）

不过要注意，大杀器要用对。有内生性变量，你就不要用简单回归了，你得用IV回归。这几种大杀器的精髓一领会，基本上其他东西就难不倒你了。就是STATA里面的选项多选几个或者少选几个的问题。你所要做的就是在STATA里面打钩、设置参数。对付一般的CSSCI论文，已经是绰绰有余了。如果你提了一个大家很感兴趣的问题，就是一个重要问题，那么用用IV，或者固定面板，发个一流基本没问题。如果你的问题不是很重要，还想发一流，那你就要简单问题复杂化。上面大杀器能解决的问题，你就用更复杂的方法去解决吧。这就是传说中的瞎折腾。


你要是想折腾，接着往下看吧。

高，实在是高啊，

续：

四、瞎折腾计量的秘诀

瞎折腾有三种水平，第一种是低水平，第二种，高水平瞎折腾。第三种，当然是中等水平折腾。当然，我必须承认，我基本不用瞎折腾的方法。因为最简单的方法往往是最安全的方法，就像五种大杀器一样。各位网友自己要折腾，责任自负。

低水平瞎折腾，就是大杀器不够过瘾，要用摄人魂魄、但容易走火入魔的计量方法达到发表一流期刊的目的。例如，没事弄弄协整，搞一把单位根检验之类的。听起来头头是道，其实都是杞人忧天。你想想，要是有协整，时间序列你根本不用着急，超一致收敛的呀，比一般的OLS估计要快准狠。要是没有协整，你着急也没用。那你还协整个啥！面板来说，你有协整，也没有一个完美的估计方法。事实上目前很多人把面板协整当序列协整做，理由是协整下OLS超一致收敛。不信你查查期刊上是不是还有很多人在用固定效应OLS？不会还有人用随机效应OLS估计吧？一般不带这么玩的。大家都以为存在面板协整，那OLS岂不是一样超一致收敛？诸不知差以毫厘失之千里。那有木有办法？有木有？这个，可以有！纠偏OLS可以。但立马有人跳出来说，这个真木有，并且证明了纠偏OLS不可以，晕倒！有木有其他办法？这个有~~还是木有？有人说充分纠偏OLS可以。窃喜。但又有人不合时宜地跳出来证明：偏差不可能被充分纠正。咣当彻底晕倒。到底有木有？！这个或许可能估计仿佛有吧！像时间序列一样撒一把动态项能不能纠偏？看偏差方向推断行不行？是啊，不要去纠啥偏了，只要这偏差不影响你的结论，你急个啥！例如估计量往左偏，你得到的结果是系数显著大于0，那真实系数肯定显著大于0.一般假设检验不就是检验系数不为0嘛，现在你都得到真实系数显著大于0了，这结论还不够强悍啊！所以，使用纠偏的各种方法，你还得要协整存在，不存在还纠不了偏。哎~~存在了也纠不了偏。但根据偏差方向来判断的方法，面板协不协整都无所谓。看方向推断，事实上是国际一流期刊上发现的最可靠的方法。不但可以对付面板估计偏差，还可以对付任何因素引起的偏差。例如内生变量，要找IV多难呀，但按方向推断，一切迎刃而解。真是“无为而无不为！”

所以，俺从来不玩协整。一般就用加强版简单OLS或者面板固定效应OLS一做，分析一下偏差方向就万事大吉了。如果审稿人说：你的估计有偏差。我就说：这又不影响我的结论，关我屁事。审稿人一般当场吐血。其实协整这玩意，最大的价值也在于理论价值，实践价值几乎没有。当年格兰杰发表协整思想，说如果变量不平稳，在没有协整关系的情况下，回归都不可靠。这话把大家吓个半死。惊魂未定时格兰杰又说，在协整情况下没问题，经济变量一般有协整关系。大家一听，松了口气，原来没有问题。从格兰杰当年这搞笑天分，你就知道期刊上那些协整玩意都是忽悠。当然，又是单位根检验，又是协整检验，然后各种估计方法，这就好几页篇幅过去了，编辑一看，至少进入匿名审稿了。兵法曰：唱空城计，以静制动。意思你知道的。

上面是低水平瞎折腾。虽然摄人魂魄，但是一旦走火入魔，论文就被毙。风险和收益，你自己把握吧。下面简单谈谈高水平瞎折腾。这不属于本文的目标范围，但是既然提到瞎折腾，不提一下这个有点缺陷。能干这事的人，一般都要会推导。如果你不会，下面可以直接跳过。

这高水平瞎折腾，基本上是一招毙命，当然是毙审稿人和主编的命。要毙了自己的命，还不如不瞎折腾呢。我只讲一下操作步骤。能如此瞎折腾的人，基本一看就能心领神会。找一篇顶级期刊的名人写的经验研究论文。这类论文通常是问题很重要，方法很傻瓜。然后你去拓展方法。这里改改残差假设，那里修修变量平稳性强度，或者把独立的改成相关的，重新推导一下估计量，得到一个新的分布，然后按照这个新分布来做显著性检验，得到你想要的结果。看看有什么结果变化。啥变化也没有那几乎是不可能的。即使没大的变化，也会有系数程度大小的变化，或者显著性有所轻微变化。只要有变化，就大做文章，巴拉巴拉一大堆讨论，晕死他再说。这论文写出来，投国内一流或国际二三流也没什么大问题。说实话国内能这么玩的人毕竟少数。你玩把戏，审稿人都不一定看得出来。如果投国际上一流刊物，那么多人在玩这个把戏，都是火眼金睛，就看你玩的转否。如同马戏团的杂技，有人玩得溜，有人会出破绽。

再补充一个中等水平的瞎折腾方法。你也不需要会推导公式，但是你得会用一些程序，例如R，GAUSS，MATLAB等。我强烈推荐R，至于为什么，你用过了自然就知道了。你平时紧紧盯着那些出新方法的期刊，我指的是国际期刊哦。一旦有一个新方法出来，作者都会附一个程序。你就下载下来。看明白这篇对应论文的摘要、introduction和结论，基本搞清楚这方法是针对什么样的问题的，在什么情况下能用。这就行了。你拿过来把中国数据往里面灌，然后出来一篇论文。因为这方法很新，国内基本没人见过，即使见过也是极少数人。没人见过就好办事。你说自己的结果怎么样可靠，怎么样比别人的结果要好，那就是好。编辑肯定没见过这方法，审稿人只是小概率见过。所以这论文一投就中。

五、大规模发CSSCI的不传之秘
【本节泄漏了天机，请大家绕道而走，否则一切后果自负。】

以揭示经济变量之间关系为目的的人，掌握大杀器的用法就够了。发CSSCI没有问题。你把一个数据集用一个方法做一遍，然后呢？当然是上面讲的每个方法都做一遍，不要犯傻只用一个方法做哦。然后挑最差的一个结果写一篇论文，然后发表。然后次差的结果写第二篇，推进你第一篇的结论，说你用了新方法有了新发现。准能发。这年头的CSSCI，大部分都是没有什么新结果的，花钱就能发。你要弄出一些新结果来推进一下，那就是上层之作了。然后，你知道的，第三篇文章杀出来了，第四篇文章又杀出来了。别忘了，还有第五种狂忒二方法(后面我有文件，让你10分钟内知道怎么在STATA里面实现)，CSSCI编辑基本不知道啥东西，你基本上是一招杀敌。这样至少5篇CSSCI。一般本科硕士博士都能毕业了。碰到 -变-态- 的学校，你也 -变-态- 一点，再找一个数据集，再整5篇CSSCI。10篇总能让人毕业了吧！！！如果你的学校非要发经济研究、管理世界、中国社科这些一流期刊，那你就再把我上面的五种方法看一遍，融会贯通，让自己能做到对症下药，挑选最佳结果，发一流基本没问题。对症下药就是计量方法要选择合适的，那几种大杀器不要用错了地方。

如果期刊编辑跟你过不去，你就跟编辑说：后果很严重哦。然后你就使出瞎折腾的杀手锏。大家根据上面三种瞎折腾水平，对号入座。在这种论文的写作过程中，切记如下潜规则：

• 一定得选最复杂的计量方法，用别人无法获得的数据，写出能让人明白但看不懂的论文。
• 控制变量直接放你所能想到的，起码也得五六个。
• 什么序列相关呀，异方差呀，bootstrap呀，能加上的全给他加上。
• 论文开头有复杂新奇的关键词，致谢里都是学界名人。
• 字里行间都带脚注，引用全是英文文献，特专业的那种，
• 读者读到这里，甭管他有没有看懂，都得跟人家说一声“我的方法来自ECONOMETRICA”，一口专业的计量术语，倍儿有面子。
• 论文中要有几个图和表，散点图得带标签的，光这些数据标签叠加在一起就晕死几十万人，
• 再放一个超级复杂的方法论“简介”，推导过程带逻辑跳跃性的。
• 就是一个字儿——晕。随便瞄一眼就得眼冒金星。
• 周围的同学不是用NAG、C++就是FORTRAN，
• 你要是用GAUSS呀MATLAB呀，你都不好意思跟人家打招呼。
• 你说这样的计量论文，得写多长时间？
• 我觉得怎么着也得两年吧？
• 两年 ？那是傻瓜！
• 最多两周。
• 你别嫌快，还有更快的呢。
• 你得研究作者的发表心理，能够在两周时间内写一篇论文的人，
• 根本不想花两年时间去写。
• 什么叫计量大师，你知道吗？
• 计量大师就是：做什么样的计量，都做最晕的，不做最好的。
• 所以，我们做计量的口号就是：不求最好，但求最晕！

你那学校发一流期刊也不能毕业？？？难道你在哈佛念书？那你看错帖子了。哈佛写经验类论文是不能毕业的！！！对于大部分国内学生来说，没人教授计量经济学，很痛苦。有人教授计量，更痛苦。计量经济学的教材、那些漫天飞舞的矩阵，有时间看看，没时间不看也行，不影响写论文。关键是看看软件的手册或者我在后面推荐的材料，有条件找个懂软件的人，一周就能成为计量写作的高手。我猜想看这帖子的大部分人都是属于写经验论文的吧，按照上面的方法，发个10篇CSSCI基本没问题。难道毕业还有问题？

请大家：聚精会神造论文，一心一意抓发表，紧紧围绕在大杀器周围，认真彻底地贯彻上述“科学发表观”。要时刻保持清新的头脑，和官方的“论文篇数”精神保持高度一致。高度一致是指：官方要求发2篇毕业，你不要一年发200篇一流期刊，否则严重扰乱社会主义的论文市场，上了焦点访谈后果自负。

所以这些灌水秘诀的正义性在于：社会主义初级阶段学术界的生产关系，决定了现阶段的中国特色论文写作方法的合理性。西方先进的写作方法目前还不适合中国国情，如果一味追求全盘西化，必将自绝于人民，最终必被历史唾弃！（就是毕业不了，哈哈，谁说考研政治没有用！）

楼下还有一流期刊经典折腾案例分析哦，继续看：

六、案例分析：借助大杀器成功登上一流期刊

上面谈了许多方法和秘诀。有网友问：这靠谱不？真能发论文吗？下面我就列举一流期刊的案例进行分析。一般的CSSCI的例子实在数不胜数，自己可以找找。将本帖的方法对照具体的案例仔细琢磨，效果更佳。

最新更新，案例来源期刊包括：经济研究、中国社会科学、经济学(季刊)、管理世界、世界经济、金融研究。下面几篇论文都来自这些期刊，有不折腾的、也有瞎折腾的。其中一些集中体现了本贴“制造”论文的伟大思想。各位准备在一流期刊上灌水的网友，一定要认真研读。注意不是让你研读他们的计量方法和高深思想，而是研读他们的论文如何体现了“伟大思想”。

不想灌水一流期刊的人，千万别回帖，因为你肯定抵挡不住自己的发表冲动。

本帖隐藏的内容

[1]、市场化改革、企业业绩与国有企业经理薪酬.
面板固定效应模型，不折腾。

[2]、出口开放、地区市场规模和经济增长.
面板固定效应模型+IV，左右开弓一招毙命，不折腾。

[3]、金融发展、FDI与中国地区的制造业出口.
面板固定效应模型，不折腾。

[4]、财政分权与非国有制经济部门的发展.
面板固定效应模型，不折腾。

[5]、中国自主创新中研发资本投入产出绩效分析.
折腾一大堆单位根检验，协整检验。最后回到简单OLS（第一种大杀器）来估计时间序列，连常见的EG两步法也不见踪影。一句话，能折腾。

[6]、外资与我国劳动收入份额

论文一开头就说这个话题很重要、非常重要、实在太重要了，还把十七大报告的大旗给扯出来了。前面我说过，论文要能在一流期刊上发表，关键是你讲的故事让大家感兴趣，让大家感觉很重要。现在看到了吧，如何强调话题的重要性？重要性不是论文天生具备的，而是强调出来的。(透露一下强调重要性的秘诀：危言耸听。聪敏的你，当然心领神会)

计量模型很简单，就是固定效应面板模型，把劳动者报酬份额(Y)对FDI变量(三资工业增加值/内资工业增加值)进行回归，再加一堆控制变量。固定效应、随机效应、HAUSMAN检验。这一轮结束后，行文已经到了第14页了。然后开始说：劳动者报酬份额也会影响外资的进入，所以FDI是内生变量。然后发现一些控制变量也是内生变量。所以前面的结果都是错的。然后再找解决方法。怎么找的大家自己去看喽。

[7]、银行业市场结构与中小企业的生成

固定效应面板，异方差和自相关，工具变量，动态面板差分GMM估计。
模型是把中小企业增长率（Y）对中小银行市场份额（X，贷款比重）进行回归。先做一把固定效应模型(作者没犯傻，看过前面方法的你，当然懂的)。然后指出市场份额具有内生性，言下之意是前面的结果不可靠。内生性表现为中小企业增长率高会推动中小银行市场份额上升，作者找到的IV是以1999年分界的虚拟变量D1999乘以贷存比例LRATED，就得到了IV估计结果。然后再指出其他控制变量也有内生性，言下之意前面的IV结果也不可靠。怎么解决其他变量内生性？肯定找不出这么多IV，所以只能用内置IV的GMM方法来做。这就是论文中的差分GMM动态面板估计。

如果只是为了杀死内生性，GMM就足够了(当然效果不敢保证)。但是作者用了动态panel，这下产生新问题了。如果动态面板才是正确设定，那前面模型设定岂不是不打自招。如果变量highly persistent，那么前面所有估计都是有偏估计；即使是一般程度的persistent，差分GMM估计在有限样本情况下的偏差一样十分巨大。所以这篇论文告诉大家：动态面板很危险，不要没事找事。解决方法有木有？有木有？这个，可以有。且听我细细道来…(因帖子字数超限，此处省略2000字)  

从上面的案例和期刊涵盖面可以看出，本帖的方法只不过是经验计量论文领域发表潜规则的总结。新入门者至此应该恍然大悟了吧！在金融界，大家都知道索罗斯的投资风格是反传统的(例如反有效市场)，还写了《金融炼金术》。事实上，十多年前计量界也存在着一本计量炼金术的书，书名是《计量：炼金术还是科学？》(Econometrics:Alchemy or Science)，作者是大名鼎鼎的David F. Hendry。到底是不是炼金术，天知道！

本文奉行的大杀器，你不妨把他们看做炼金术。能练出真金自然好，炼不出真金，至少比目前学术界到处复制、黏贴、抄袭、抄抄袭得到的论文好得多。用此法写毕业论文，还不用担心该死的反抄袭软件。只要你没黏贴，没有逐字逐句抄袭，就不怕。轻轻使出瞎折腾技术，篇幅就蹭蹭蹭往上穿。

西方经过炼金术阶段后，经验计量论文的评价标准基本锁定在思想上(仅限于一流期刊)。因此要在世界一流杂志上发表经验论文，按照曼昆的话讲，你的经验结论得让这个领域的江湖大佬受到心灵震撼。如果出现了心灵创伤，那一定是永垂不朽之作。中国的一流期刊当然离这个目标很遥远。但上面这些论文能发表，是因为主题选得好，相反计量工具却并不复杂(很大程度上可能还是不当使用)。这些论文的计量仅仅需要知道STATA(或EVIEWS)怎么操作即可，根本不需要更多的高级计量知识。你可以不看计量经济学教科书，可以没有高深的计量知识，但是，有一点你得记住：你得有经济学知识。否则一个乞丐只要捡到一台电脑，装上STATA，就能折腾出一篇经济研究，那不吓死人了！如果哪天乞丐也懂经济学了，那经济学界肯定被丐帮收购了。

七、软件操作方面书籍推荐(10天能读完)

这一部分是后来补充的。我一开始建议看STATA手册，但网友反映，STATA手册太多、太厚，阅读不易，耗时巨大。如何能在短时间内了解STATA操作，并付之于运用？这个问题我思考了几天。要说STATA操作的书，坊间太多。我选书的原则，不是面面俱到，不能太厚，否则不如看STATA手册了。因此我强调内容精炼，且必须管用、易学、门槛低。经过全面比较，综合分析，我发现下面这本书从操作层面的深度、广度、难易度和时间预算上达到了最佳平衡。
该书唯一的缺陷是本贴讲到的quantile回归没有涉及到，不过不要紧，我在下面给出2个下载文件。这2个文件让你可以在10分钟内明白如何从STATA里面整出quantile回归结果，并且完全能够解释quantile回归系数的含义。如果你看明白了我上面贴子里面对quantile回归的解释，那么你就不用看第二个文件了，自己完全有能力解释回归结果的意义了。

本帖隐藏的内容

Baum, Christopher F., 2006, An introduction to modern econometrics using Stata, Stata Press.
这本书300页左右，讲解具体周到。书上的数据可以在STATA网站上直接下载。作者Baum, Christopher F本身就是STATA官方编程人员的主力，在STATA JOURNAL上发表很多论文，经验非常丰富。本书花了60页左右深入浅出介绍STATA基本操作和数据管理后，迅速进入各种常用计量方法的实现，包括各种非经典GAUSS假设下的OLS估计，一般面板、动态面板估计，有限变量和离散变量，SUR和GMM等主题。

Baum书的下载地址：http://www.pinggu.org/bbs/dispbbs.asp?boardID=67&ID=273316&page=1

Quantile回归的操作和结果解释文件：
quantile回归快速入门.pdf (84.31 KB)

2011-1-4 20:39:14 上传

quantile回归快速入门.pdf

quantile回归系数的解释.pdf (17.03 KB)

2011-1-4 20:39:14 上传

quantile回归系数的解释.pdf

BAUM的书是英文原版，但许多网友称看不懂英文，问有没有中文教材推荐。STATA版上有很多教材，我不能推荐我没看过的，只推荐我看过的，而且必须推荐被公认为经典名著的书籍。因此建议看：

汉密尔顿(Lawrence C. Hamilton)著，《应用STATA做统计分析》，郭志刚等译，重庆大学出版社。

英文版书名是Statistics With Stata。这是我入门时看的第一本STATA教材，入门也只需要看这一本就足够了。我看的是英文版，中文版翻译的如何无法评价。这里只讲一下该书的优缺点，以及你看完后能达到什么水平：

• Hamilton书的优点：STATA的基本操作和常见统计分析讲述的非常好。STATA入门的绝佳选择。
• Hamilton书的缺点：对计量特色的内容涉及不多。例如计量模型的形式设定和检验、内生性和测量误差、双向面板、动态面板、SUR、GMM等话题，要么讲的不透彻，要么根本不讲。而这些在BAUM的书中有详细阐述。这是因为Hamilton书讲的是统计，BAUM的书讲的是计量。
• 看Hamilton书能达到什么水平：能把数据导入STATA并做各种清洗处理转换，用你所想用的大杀器(包括quantile，这点比BAUM强)把结果跑出来。如果做到这一步，你就入门了。但对结果的理解、解读、判断和进一步调整方法重新处理，不是Hamilton书的重点。BAUM这方面就讲的比较详细。例如你很有可能试图尝试Hausman检验，BAUM讲的很到位、也很精练，并且给出了一个例子及相应解读。你跑出来的结果只要和例子一对照，你就知道该做何解读了。
  

BAUM书对于从未见过STATA的人来说，没有任何门槛。以每天看30页的速度计，只需10天就可掌握。个人觉得，在中国的教育体制下，这种速度已经是异常神速。Hamilton的书400页左右，篇幅上升了1/3，但计量的讲述却大大减少。所以我推荐BAUM。但是看不懂英文的人，Hamilton也是不错的选择，发一般CSSCI没问题。

再次严重申明：

• 如果你是一个正襟危坐的学者，是不求“神速发表”的人，那我必须向你道歉，以上文字肯定对你产生了不可估量的误导(本文确实不是为你准备的)。为了弥补你沧桑的心灵，在本文结束处，我为你提供了正统的计量写作方法（钟经樊）和死磕数学的帖子，以实现你百年磨一剑的愿望。
• 如果你是一个被论文压迫的人，但愿大杀器为你提供一丝曙光。但希望你注意CSSCI灌水秘诀的有效期：从现在起至“不再以论文数量作评价标准的时候”。当然，你学到的大杀器，无论何时何地，都将一直有效。因为那不是秘诀，而是真正的大杀器。
  

看完以上内容，你难道还没有想法？有！那就拿起大杀器，赶快写论文去吧！
所有被论文压迫的人们，联合起来！
你失去的只是两周时间，得到的将是整个世界！
挥挥手，灌水CSSCI一片；
君不见，经济研究在向你招手。

计量学习相关帖子：

• 《计量论文的几种境界》
• 计量炼金术两周速成：《计量论文写作和发表的黑客教程1：计量速成法——让初学者瞬间开窍》
  PDF收藏版本(2112L)，请看4136L的“重要提示”。
• 专门针对发一流论文的：《计量论文写作和发表的黑客教程2：一流论文的思维模式和思维陷阱》
• 专门娱乐英文 SSCI  的秒杀大法：《计量论文写作和发表的黑客教程3：秒杀SSCI 的无字天书》
• 想死磕数学打基础的看：《Econfamer 两年来的学习总结》
• 正统计量写作方法： 《钟经樊：计量经济学论文的写作方法【PDF收藏版】》
• 各种统计分布关系一团糟的看：《各种常用统计分布之间的逻辑框架图》
  

补充内容 (2012-11-29 02:35):
看完后谈自己的经验和感想的坛友，基本都发了CSSCI。

补充内容 (2012-12-1 21:32):
Hausman检验为负时如何办？见STATA版arlion的讨论贴
https://bbs.pinggu.org/forum.php? ... 8&from^^uid=12573

补充内容 (2012-12-11 06:18):
如何同计量论文的审稿人斗智斗勇：https://bbs.pinggu.org/forum.php? ... 1&from^^uid=12573

补充内容 (2012-12-11 06:21):
如何评价计量论文思想的重要性，《经济研究》实例分析：https://bbs.pinggu.org/thread-1419771-1-1.html

补充内容 (2013-1-2 09:05):
本科水平的你如何冒充专业审稿人：https://bbs.pinggu.org/forum.php? ... 0&from^^uid=12573

补充内容 (2013-5-22 21:22):
没见过STATA的同学，如何在120分钟内用STATA写出一篇论文，见 wxh1000的大作：  https://bbs.pinggu.org/thread-2427960-1-1.html

楼主好文章，但是要做到你说的这个境界，可不是容易事儿

谢谢楼主的分享！

貌似还行，我得加紧搞计量了，一直都不会操作~~~~