如何做实证分析

如何做实证分析

问题一：实证应该怎样做？ 实证是一条艰苦的路,也是一条负责任的路.
数据从哪来?如果真想做好,就得靠自己.不论是数据库,网络,图书馆资料的数据,都不如自己调查来的可靠与深刻.深刻是因为在调查的过程中你可能发现问题的真正含义----也许你过去提出的问题根本是个伪问题.
看看历史,很多经济学家社会学家穷其一生去做调查,一辈子可能就写一本书,那本书就影响了一个世纪.当然,他们之所以能够这样,与西方社会的知识产权保护体系,科研赞助基金机构都是分不开的.而在中国,如果你没钱,没关系,也许科研机构根本不会理你.而你花了一辈子研究出的成果也许在第二天就被人盗用了.
考虑到我国正逐渐完善各种体制,我想有耐心有责任的实证经济/社会学家会越来越多.毕竟,理论的缺陷不是每个人都能容忍的.楼主如果真想做,就先做好为此奉献的心理准备吧! 应用经济学必须强调实证分析
钟甫宁
南京农业大学
提纲
应用经济学为什么需要实证分析
如何进行实证分析
如何应用（解释）实证分析的结果
如何提高实证分析能力和水平
应用经济学为什么需要实证分析
1. 应用经济学是否是科学？科学研究的特征是什么？
对像：客观世界、客观规律；
结果：应当经得起独立验证，不以研究者个人
为转移；
重要的不是提出新观点，而是证明（或推翻）
某一观点及其过程中采用的方法。
应用经济学为什么需要实证分析
2. 需要解决的问题是什么？争论的焦点是什么？
语言的歧义：同样的语言不等于同样的观点，同样的观点可能使用不同的语言。
争论的是问题本身、对问题的看法还是描述（所用语言）？
模型可以清楚地表达（或可以明确地推论）提出者的对问题的认识。
（通货膨胀问题、多因素问题）
应用经济学为什么需要实证分析
3．需要的答案是什么？如何证明？如何理解？
语言的歧义：什么是稳健的（或积极的）财政政策（货币政策）？
如何与对问题的描述、分析联系起来？是否逻辑上严格对应？是否可能提出同样合理的不同答案？是否存在问题-分析-结论之间的唯一性？
不同因素作用大小、相互关系；如何比较并选择优先序。
应用经济学为什么需要实证分析
4．对研究及研究人员本身而言，最重要的是什么？
科学、客观、逻辑；
学术立场、人生目标
如何进行实证分析
1．实证分析的本质是什么？
确切表述问题、提炼问题；
提出可验证的假设；
确定分析框架（思路）；
确定影响因素和影响机制（模型与变量）；
选择和收集数据；
验证假设，得出结论。
如何进行实证分析
2．是否一定要采用数量分析的模型和方法？
不一定，可以是逻辑模型或情景模拟。
如何进行实证分析
3．如何建立实证或逻辑分析模型？
从现实的问题中提炼出一个有价值且可以研究、能够得到答案的具体的理论问题；
根据现有的理论和专业知识、外部条件（前提条件）从逻辑上提出这一问题可能出现的结果（假设）；
确定验证这一假设所需要的工具和材料（模型和数据）；
收集数据、模型验算；
修正模型、补充收集数据；解释结果。
如何进行实证分析
4．建立实证分析模型的最大困难是什么？
是否能正确地提出问题；
是否能找到合适的理论分析框架；
能否得到需要的数据；
结果是否合理。
并非所有的问题都可以得到比较满意的答案。
如何进行实证分析
5．实证分析最需要什么？
经济理论；
涉及的专业知识；
方法论（思维方式）；
具体的分析工具与方法；
执着的苦干精神；
经济学家的立场和人文精神；
追求学术真理的事业心。
如何应用实证分析的结果
1．......余下全文>>问题二：如何做实证研究 你得题写得不清楚啊 哪里是数字 哪里是题号 是几题？
你可以去QZZN论坛问问题三：如何在实证论文中做好“识别”步骤 实证分析要运用一系列的分析工具，诸如个量分析与总量分析、均衡分析与非均衡分析、静态分析与动态分析、定性分析与定量分析、逻辑演绎与经验归纳、经济模型以及理性人的假定等等。我们这里着重介绍在经济学中应用最多而在前面又未曾有过说明的均衡分析、静态分析与动态分析、经济模型。
先找一篇同类型的实证论文，模仿着写，
数据要改，图要重新画形势变一下，企业资料要换。大学毕业季，很多同学都写不好论文。写不好论文，不仅影响成绩，也影响毕业。所以，我在此分享一点经验给同学们。分析论文题目。大家在选定一个论文题目之后，一定要分析论文题目的写作重点，分清主次。收集材料，写读书笔记。当大家分析过论文的主要写作方向后，大家要开始收集与论文相关的论文材料。把自己找到与所选论文相关的材料记到读书笔记上，以备将来写论文的时候作为参考。国内外研究现状。大家要将论文中的主要研究目的找出来。然后寻找分析国内外对此题目的分析与研究。列举大纲。结合论文题目。开始列举大纲。先解释论文中相关的知识点。然后写当前的研究现状，接着写某题目的问题与不足，再写针对该问题的对策。注意，问题和对策要相对应。论文中要列举事例、添加数据、分析的图片等等。开始写论文。按照大纲开始写论文，但是要在必要的地方加上过渡段。然后是论文的脚注，引用、参考资料、结论等。最后，大家把排版做好。未尽事宜，请大家斧正。祝大家把论文写得更优秀。特别需要注意：
注意，问题和对策要相对应。
必要的地方加上过渡段在经济学论文中，经常会出现实证分析，那么什么是实证分析呢？实证分析也可称为经验分析，目的在于用事实来支持论文所提出的观点或证明某一种理论，具体包括两种分析方法，一是统计分析，其中案例分析是其中的特例（样本只有一个），二是回归分析。那么毕业论文撰写实证分析都有哪些呢？
对于某一种的观点，只要举出一个例子来证实就可以了（暂时可以被接受），而如果验证的结果是事实与理论不符，应分析其可能的原因：①事实与理论不对应，该理论本来就不是解释这种现象的；②理论不正确，只要一个反例就可否定一个理论（用事实来证伪），没有反例的理论被认为是暂时可以接受的假说；③理论提出的背景与我国当前的现实不一致，要分析不一致的地方，然后改进理论，或提出改变现实的政策建议。
与理论分析相比，实证分析应成为写作、选题的重点。因为理论创新很难，而实证分析则可以且能够体现论文写作过程中付出的工作量，使论文可较易通过。毕业论文（尤其是学士、硕士毕业论文）应以实证分析为主，实证分析的内容可包括：
1、案例的调查、分析，可包括：具有一定创新意义的案例分析，如果该案例可以否定一个理论，或者说明这个理论在某个领域不适用；具有现实意义的社会调查，如当前有关“三农”问题的调查；在一个新的领域内做的调查，别人没有做过或很少做过，如结合自身情况对大学生借贷状况进行的调查。
2、发现一个证据，可以证明别人已经提出的但尚未被人证明过的理论，如林毅夫（2000，p.261~295）的文章“食物的供应量、食物获取权与中国1959~1961年的饥荒”，是第一篇用计量经济学方法检验1998年诺贝尔经济学奖获得者Sen的理论（“食物获取权的被剥夺是饥荒发生的最根本原因”）的论文，属于实证分析中的创新。
3、用大样本的数据来验证一种理论，或用一种新的方法验证一种理论或观点，虽然他人曾经用过同样的数据，但自己使用的数据更多、周期更长......余下全文>>问题四：两个变量互动影响 怎么做实证分析 先假设一个变量是固定的问题五：实证分析怎么做？！需要什么数据啊？！建立模型什么的该怎么弄啊？！ 5分灯管寿命取决于镇流器，镇流器不好，再好的灯管也不长寿，如果阀流器跟灯管匹配好，带预热功能，即使市场上一般3-5元的灯管也可以用5年不坏。问题六：写论文，进行实证分析，数据的样本量应该怎么选取 10分要看用什么软件进行数据分析了，一般统计类的软件比如spss都需要大样本容量，200以上问题七：如何巧用微观数据做实证研究 微观数据库的使用及其意义
做中国的实证研究，一个重要的数据来源便是国内正在建设的几个微观数据库，包括但不限于：北大的CFPS、CHARLS，西财的CHFS、北卡的CHNS、北师大的CHIP、人大的CGSS等。目前国内的许多高校都在兴建类似于“社会科学调查中心”这样的机构，并希望依靠该平台建立自己的微观数据库，由此可见当下国内学界对微观数据的重视。大型微观数据库的意义在于：可研究的内容更广（变量多），更全面（涉及家庭方方面面），可做长期跟踪调查（更可靠的面板数据研究），且更能惠及学界（公开数据），等等。
而对于需要开展研究的初学者来说，微观数据库最为重要的地方或许在于：一、数据质量高，这为他们的研究提供了可靠的基础；二、签署协议后可免费使用，这种学界的正外部性让初学者感到轻松许多。
之前看过一个2011年左右的公开课，如果没听错的话，我记得视频里Raj Chetty说现在已经不兴使用Survey Data（调查数据），而是兴使用Administration Data（行政机构提供的数据？）。这里的Survey Data，指的就是上文提到的微观数据；而Administration Data，大概指的如税收数据这种由行政部门提供的数据。这里换个说法大家或许就不会感到太陌生了，Thomas Piketty 及其合作者Emmanuel Saez 利用美国政府提供的税收数据反推出美国的居民收入，由此研究收入不平等（Income Inequality）的议题。而根据所做的研究，Piketty 后来出版了大家都很熟悉的 Capital in the Twenty-First Century一书。这就是一个使用Administration Data进行研究的故事。
Chetty 这么说或许跟在美国学界的现状有关：在美国，申请官方的数据更为简单，且有法律支持；而美国的微观数据库，如NPL (The National Longitudinal Surveys)，已经起步快40年了，因此建立在此之上的研究应该有很多。而国内的微观数据才刚刚起步，虽然也产生了许多研究，但还有许多社会状况有待于学界、民众和政府部门去了解。
另外值得一提的是，中国的国家统计局（NBS）提供的每10年一次的人口普查数据，以及两次人口普查之间的1%抽样数据。最近一次的人口普查数据为六普数据（2010年）；而1%抽样数据目前执行过三次，分别在1978、1995和2005年。基于这些普查数据进行的研究也不少，如Qian Nancy（2008）著名那篇著名的Missing Women，当然，这篇文章还结合了地理数据。
自己构建数据库
除了使用现成的数据之外，就是自己构建数据库了。相较于上文提到的微观数据库，这种数据库显得较为小型，往往是因为一篇研究的需要而构建的数据库。数据来源往往为以下几个途径：调查问卷、历史文本、网络爬虫等。最后还会谈下一类较为特殊的数据，如地理、气象、环境数据，这类数据来自自然科学领域，往往作为配角和其他数据结合起来，帮助学者进行研究。问题八：如何巧用微观数据做实证研究 1)含义:微观经济学以单个经济单位为研究对象,通过研究单个经济单位的经济行为和相应的经济变量单项数值的决定来说明价格机制如何解决社会的资源配置问题.宏观经济学以整个国民经济为研究对象,通过研究经济中各有关总量的决定及其变化,来说明资源如何才能得到充分利用.2)区别:第一,研究对象不同.微观经济学的研究对象是单个经济单位的经济行为,宏观经济学的研究对象是整个经济.第二,解决的问题不同.微观经济学解决的问题是资源配置,宏观经济学解决的问题是资源利用.第三,中心理论不同.微观经济学的中心理论是价格理论,宏观经济学的中心理论是国民收入决定理论.第四,研究方法不同.微观经济学的研究方法是个量分析,宏观经济学的研究方法是总量分析.3)联系:第一,微观经济学与宏观经济学是互相补充的.第二,微观经济学与宏观经济学的研究方法都是实证分析;第三,微观经济学是宏观经济学的基础.问题九：谈谈你对实证分析方法的认识 实证分析简言之就是分析经济问题“是什么”的研究方法.。侧重研究经济体系如何运行,分析经济活动的过程、后果及向什么方向发展,而不考虑运行的结果是否可取。实证分析法在一定的假定及考虑有关经济变量之间因果关系的前提下,描述、解释或说明已观察到的事实,对有关现象将会出现的情况做出预测。客观事实是检验由实证分析法得出结论的标准。樊刚指出实证研究作为一种经济研究方法的基本特征是:“从经济现象的分析、归纳中,概括出一些基本的理论前提假设作为逻辑分析的起点,然后在这些基于现实得出的假设基础上进行逻辑演绎,推导出一系列结论,并逐步放松一些假设,使理论结论更加接近具体事实。”规范分析法是研究经济运行“应该是什么”的研究方法。这种方法主要依据一定的价值判断和社会目标,来探讨达到这种价值判断和社会目标的步骤。
现代西方经济学认为实证分析和规范分析是相对的而非绝对的。具体的经济分析都不可能离开人的行为。在实证分析法中,关于人的行为的社会认识是其分析的基础,完全的客观主义是不存在的。从经济理论发展的历史来看,“除少数经济学家主张经济学像自然科学一样的纯实证分析以外,基本一致认为经济学既是实证的科学,又是规范的科学,因为提出什么问题来进行研究,采用什么方法来研究,突出强调那些因素,实际上涉及到个人的价值判断问题”。
马克思所处的时代还没有实证分析这个方法论术语,在一些学者看来,马克思经济学在方法论上强调的只是规范分析。其实,马克思主张的历史与逻辑统一的分析方法,就是规范与实证有机结合的方法。马克思的历史分析方法可以说就是一种实证分析方法,是“动态实证”。马克思十分重视对事实的分析。在《资本论》第一卷的序言中他说:“物理学家是在自然过程表现得最确实,最少受干扰的地方考察自然过程的,或者,如有可能,是在保证过程以其纯粹形态进行的条件下从事实验的。我要在本书中研究的,是资本主义生产方式以及和它相应的生产关系和交换关系。到现在为止,这种生产方式的典型地点是英国,因此,我在理论阐述上主要用英国作为例证”。马克思很重视实证分析,如,马克思对分工、生产、交换、市场、利润、利息等范畴的考察和研究都是实证分析,他的经济研究实践也可以证明这一点。
例如：
1、“70年代世界油价暴涨主要是由垄断力量达成的。” 这句话就是比较客观的，是一个人通过经济模型得出来的结果，你无可辩驳，这就是实证分析。
2、“效率比平等更重要”。世界上没有一个经济定理这样说，有的人会认为效率重要，而平均主义者会认为平等更重要。这就带有主观评价，这就是规范分析。问题十：做实证研究需要的模型是什么意思 5分实证分析根据难易程度可以分为几个层次：
第一个层次，简单的图表和指标，一般的问卷调查结果的展示都会采取这种方式，生动形象。
第二个层次，描述性统计，分析数据分布特征。
第三个层次，计量分析，建立模型。而计量分析又可以分为几个层次，第一层次是简单回归，包括双变量、多元回归，基本计量问珐（共线性、异方差、自相关）的处理；第二层次更专业点儿，包括模型设定误差检验与模型修正、特殊数据类型（时间序列、虚拟变量、面板数据等）的模型选择和处理、联立方程、VEC模型、VAR模型、条件异方差模型等；第三层次包括有序因变量、面板VAR、神经网络、分位数模型、季节调整模型等等。
模型，建立一套研究范式，然后按此模型进行研究。