伍德里奇计量经济学论文指导

如何利用计量经济学写实证论文

学习计量经济学的最后目的是为进行实证研究，但对初学计量经济学的人而言，要写一篇有实证研究的报告或论文时常有不知如何着手的感觉，这里我便对实证研究的规划以及论文的写作做一些粗浅的建议。

前期规划：

1.广泛收集参考文献，决定计划的目的和范畴：

1）决定所要解释的现象是什么？

2）决定所要检验的假设或理论是什么？

3）决定所要预测的趋势是什么？

4）决定所要评估的政策是什么？

2.建构实证计量模型；

除研读相关经济理论之外，应比较三至五篇有实证分析之文献中的实证计量模型：确认计量模型中解释变量和应变量之间的因果关系（causality）；厘清各模型的异同及优缺点，思考改进文献中现存模型的可能；最后决定实证计量模型雏形；初步调查是否有相关的资料，若无则实证模型设计的再好也无用。

3.收集相关资料；

对数据的精确性一定要严格查核，对错假漏数据要仔细修正；使用电子表格软件对数据列表绘图，以验证数据的逻辑合理性，对不合理的数值要有所处理；不论要用的是横断面数据或是时间数列，数据数目越多越好，面板数据（Panel Data）尤佳；对资料数值作一些整理，表列各种基本统计量（样本平均值、变异数、变量间的样本相关系数等）、变量之间的两两交互列表、做一些初步图解分析。

计量方法的执行：

1.计量方法不应太简单（例如只做到最简单的 OLS），但也不必过于复杂，应针对问题采用恰到好处的计量方法。若采用了比较复杂的计量方法，则要说明为什么简单的方法不适合。计量方法的好坏不在其复杂程度，而在于它是否能够帮我们得到正确的估计值，以了解数据中所包含的真正信息。

2.除了估计值以及对应的 t 检定外外，也可做一些 F 检定之对多个系数的假设检定。

3.回归模型的设定，尤其是解释变量的取舍，可在估计过程中不断的修正。对应变量和解释变量均可尝试诸如对数、指数、幂函数等不同的转换。这些转换方式的决定，以经济理论上的考虑最为重要，不能单只为了提高模型的配适，而盲目的做一些不合理的变量转换。

4.选取解释变量时，应有如下的考虑：

解释变量和应变量之间的因果关系一定要正确，也就是说，解释变量是原因在先，应变量是结果在后，有一定的先后顺序。尤其要注意，有些变量数值的产生很可能是和应变量同时决定的，或是因果关系不很明确（也就是说，相对于应变量而言，这些变量是内生的），则在选取这些变量作为解释变量时，便要非常小心。解释变量的内生问题常常是研究被批评的主要原因；要注意解释变量的同构型，不能不分青红皂白的将一大堆彼此相关性很高的变量（包括相同变量的不同转换、或是几个变数间的各种交乘项）放进回归式内，造成严重的线性重合问题；经济理论所牵涉到的变量常常是无法观察到的，因此在做实证研究时必须采

用替代变量（Proxy），研究者要对所选用之替代变数的合理性详加说明。由于数据总有些缺失，常有人在束手无策之下，采用了很多匪夷所思的替代变数；虚拟变量的定义要清楚而合理，使用要小心；要探讨解释变量不足、观察值有误差等数据缺失所可能造成的计量问题。

5.横断面数据要注意异方差（Heteroscedasticity）的问题，时间数列的数据则要注意干扰项自我相关（Autocorrelation）的问题。要确定时间数列的稳定性（Stationarity），若有季节变动也要加以处理。

6.模型的稳定性要注意，可能需要诸如 Chow Test 或 CumSum Test 的检验。

7.若用到 MLE 或 GMM 等非线性计算，则在撰写报告时要对数值方法的细节，诸如统计软件及数值方法的名称、起始值之选取、收敛速度、是否产生区域解（local solution）、收敛条件的设定等，均需有所说明。

8.若实证模型中有多个应变量（和对应之方程式）值得同时分析，则可考虑采用 Seeming unrelated regression 甚至联立回归模型等系统模型，以更有效的利用各回归式之间的相关性。

报告的写作：

1.首页：报告题目，作者名字，系所，学号，日期。

2.摘要：对全文宗旨作一简单描述，并简述文章的目的是对经济结构的分析，还是对未来趋势的预测，还是对政策的评估；然后简单介绍所使用的模型及变量，数据的种类及来源，所估计的模型，所采用的计量方法；最后以最主要的实证结果为终结。

3.绪论：说明研究的性质、范围和目的，并从不同角度或一个比较宽广的视野（历史、社会、文献、问题严重性等）来解释研究的重要性。

4.文献回顾：对和主题有直接和间接关系的文献做一个简单清楚有系统的回顾，和主题有直接关系但有不同结果的文献，更是要有比较完整的解释。

5.模型设定：模型有理论模型和实证模型两类。理论模型是从经济理论中直接导出，而实证模型则是从理论模型衍申出来，是要实际以资料来估计的。理论模型通常需以数学推导，因此文章中可列出一些关键的数式以帮助理论的阐述，但不应长篇累牍的堆积只有间接关系的数式。实证模型通常是以回归模型的形式表示，对模型中所涉及的变量均须给与明确的定义，对解释变量和应变量之间的关系要详尽的说明，也要解释对模型中主要系数（或由这些系数所导出之弹性、乘数等）可能数值的大小及符号有怎样的理论预期。

6.资料说明：对数据的种类，性质，来源出处，数据修订的方式，数据中可能有的错误和缺失，都要有详细的说明，最好也能将资料的基本统计量表列出来。

7.计量方法的描述：对所用到的每一个符号都要有清楚的定义。

8.实证结果的报告：

系数估计的主要结果均须以表列出，在表中每一系数对应之变量名称要写清楚，每一系数估计值旁均须伴随一标准差（s.e.）或 t 统计量，也可加列 p 值，对于显著的估计值也可附加诸如星号之特殊标记以提醒读者。显示模型整体表现的统计量，诸如 R2（线性回归模型）， F 检定统计量， Durbin-Watson 检定统计量（对时间数列资料），也可选择性的列于表内。在表的脚注中，必须说明表中所有的特殊符号和简称，表中变量名称的选取，应尽量采用有意义的中文简称，少用无意义的英文字母组合。制表的基本原则就是要让读者便捷、完整