实证经济学研究如何选题？

《实证经济学研究如何选题？》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、实证经济学研究如何选题？----写作指导论文-->1.前言最新电影《模拟游戏》讲述了图灵这位数学天才传奇而结局悲凉的一生。每个时代，天才总是孤独的，平凡人羡慕天才们超凡的智慧与想象力，却难以企及。除了极少数如图灵般的天才开创了某一个领域，甚至某一个学科，大部分科研工的劳动都是在极其狭小的领域中或前人的成果上进行的。他们劳动的价值，有时难以用短期眼光来衡量。有些论文，也许在几十年中都没有人引用。有些研究，除了本人，甚至没有第二个人知晓。然而，他们依然坚定地工作着。正如图灵坚信他的机器可以破译德国的Enigma密码，坚信他的理论一定是正确的一样，大部分科研人员都执着地认为自己的工作虽然在

2、很长时间内不会对外界产生影响，但终有一天，后人会去翻看他们留下的论文、笔记、手稿、采访记录——一切可以留下的、解释他们对世界看法的点点滴滴。说了那么多，只为了解释一点：如果你想选择一个好的题目，就要抱着对自己和后人负责的态度。当然，除了抽象地理解一个好选题的特性，我们还应该懂得如何在庞杂的文献中找寻自己未来的研究方向。其实，这些经验也是在不断的文献积累中逐步获得的。每当你读新文章时都应该问自己：“它到底做了什么贡献？我可以继续做些什么？”下面我们先来回顾下前辈们是如何讲述他们的选题经验，再结合一些例子讲讲我个人的实践经验。2.前辈的总结哥伦比亚大学的经济学教授DonDavis在“Ph

3、.D.ThesisResearch:icLiterature(JEL)、JournalofEconomicPerspectives(JEP)等入手，找出前人的文献综述，按图索骥查到文献的发展脉络。然后，通过文献索引查出目前最活跃的，根据的个人网站查询最新的文献综述及前沿研究。比如，在最近一段时期，哪些发表的重要论文最多、被引用最多，那么这些就应该被视作最活跃的。同时，可以关注NBER(NationalBureauofEconomicResearch)每周的工作论文更新，看看这些是否也在NBER经常发表工作论文。最后，将这些定为重点关注对象，时刻关心他们的最新研究。这种关心要做到细致入

4、微，包括知道他们最新论文的4投稿状态和正在写作的论文。-->trong>因为有些写作团队效率非常高，如果你不了解具体情况，遇到选题近似或者重复时，你的论文还没写到一半，他们的文章可能已经被发表。所以，大量阅读除了能提供坚实的文献基础，还能避免选题撞车。第二，选题要符合的能力。寻找到一个好的题目，除了了解本领域的发展，还要理解为什么有些问题没人做。那些没有人碰的题目到底是受制于数据还是方法，你本人有能力解决这些吗？事实上，别人做不了的，很可能也是你做不了的。当然，在确认了上述问题之后，如果你有信心解决前人束手无策的问题，那么完全可以尝试挑战自我。这类文章一旦成功，贡献将是普通论文无法比

5、拟的。现实中，一些看起来很“高大上”的题目，往往不是初学者轻易能驾驭的。比如，制度与增长的关系是一个很好的话题，可我们能想象一个年轻的学生去写，结果会如何。这便是老师们通常说的，选题不要太大的原则。虽然这是一个老生常谈的话题，我还是想补充一点，凡事没有绝对。如果一个初学者确实有很深的文献功底，又有很好的数据和方法做支撑，同时非常清楚写出来的论文会是什么层次和质量，老师们应该放手让他去尝试。关于这点，我的看法与Dixit(1994)关于选题应该以个人兴趣为重类似：学生的论文总有从不成熟到成熟的过程，应该以兴趣为先，允许错误和失败。第三，选题要有明确的导向性。目前的实证研究，大体有三类选

6、题导向：问题导向、数据导向、方法导向。第一种导向，层次最高，初学者往往难以做到。所以，能做到数据和方法导向，也应该被鼓励。在灯光数据普及前，对增长的研究常常受困于内生性问题。现在这方面的数据多了，双重差分和断点回归等方法也普及了，解决内生性的难度就相应降低了。所以，从技术角度说，如今研究制度对增长的影响，难度比Acemogluetal.(2001)初步探索时期要低些。可是，无论文献如何发展，我们都不会抹煞Acemogluetal.(2001)的功绩，因为在当时的条件下，这类选题是非常珍贵的，研究结果也有着深远的影响。大多数人都难以把问题、数据和方法三者兼顾。换言之，一篇论文诞生后，三

7、个方面总有缺憾。这时，我认为问题是第一位的。读者和审稿人对一个重要的、稀缺的问题，多少会表现得宽容些。5现实中，不少论文是数据驱动的。往往在获得了一些宝贵数据后才下决心要做一篇雄文。在大数据成为热点的今天，如果研究者所占有的资源中包括了稀缺的大数据，而不加以善待和利用，就是对资源的浪费。所以，数据驱动型的论文本身没有错。如果有错，就是数据拥有者没有把故事讲好，没有把经济学理论（或者直觉）与数据结合好，没有把问题实质研究透。出现这类情况，我认为可以归结于人的