计量经济实证第一步-应该注意什么？

1. 注意结构安排：                                                                                                                         实证部分应按照如下顺序写，第一步是计量模型设定、第二步是变量定义与说明-可以采取表格的形式来呈现，在这其中不要忘记数据来源说明、第三步惯例进行描述性统计、第四步选择合适的方法进行基础回归结果、第五步进行稳健性检验、第六步进行异质性检验、机制检验（如果实证部分采用的是政策评估等其他方法，就按照这些方法的固定步骤展开，也可以相应创新，但基本思路不变）。
2. 计量模型设定：                                                                                                                          计量模型设定的依据有两种：一是文章前面如果有理论模型推导的话，那么理论推导的最终模型就是计量模型的设定依据；二是现有研究，例如基于现有相关研究或某某模型，如果是这种情况，那么需要引用你所基于的文献（注意：这个文献应该是这个领域最为权威的，这将直接决定文章的水平）。                                                                                                        计量模型的设定对于文章实证部分是至关重要的，一定要在模型设定之时将所有可能变量考虑周全，对于自变量和因变量应当寻找最权威的衡量方法。如果有多种衡量方法，可以考虑在基础回归中使用一种最为常见的，而在稳健性检验中用其他方法验证结论是否稳健（作为稳健性检验的方式之一）                                                                                                        计量模型最好用公式编辑器，而变量则直接输入或者采用WORD插入符号或公式的方式输入，尽量不用Mathtype，因为如果使用Mathtype的话，行距就会变大。文章看上去这几行会很奇怪，可以注意一下！
3. 变量定义与说明：                                                                                                                     英文变量名称不要使用X1、X2、X3这类在计量经济学课堂实验报告中才会使用的名称，而要用你所在领域常用的名称。可以查找这个领域的权威文献，借鉴前人的变量名称，不要使用拼音全拼。例如，资本的英文变量名称通常为Capital，不是Stock，也不是ZB。                  关于英文变量名称大小写的问题。一般而言，英文变量的写法有三种：一是全部小写，例如reform；二是首字母大写，例如Reform；三是全部大写，例如REFORM。前两种写法更为常见。另外，有些变量可能是若干个单词的缩写（例如TFP），或者专有名词（例如GDP），则不必按照英文变量大小写的规范，保持所有字母大写即可。但需要注意，同样是TFP，在正文中表示的是全要素生产率，但在计量模型中则表示的是一个变量。因此，在正文中TFP不是斜体，但在计量模型和表示变量时，TFP是斜体的。                                                关于英文变量名称的长度问题。有些变量的英文全称很长，例如高中及以上人数占比，英文名称是high school，但是如果作为变量名称的话太长了，这时可以使用这个单词的前几个字母表示，例如highsch。在正文中变量的写法有两种：一是直接写英文变量名称（斜体），例如Size；二是写中文变量名称（英文变量名称），其中英文变量名称需要斜体，例如，企业规模（Size）。PS:1.在每个变量是如何衡量时，可以适当引用文献，以证明变量选择的可信性。2.并不是所有变量都要取自然对数，虚拟变量和百分比变量是不用取自然对数的。3.在说明变量定义的时候，还应当写出变量的单位，例如亿元、%，等等。4.如果文章变量过多，可以用一张变量定义表适当说明，但这个不是必须的。
4. 数据来源说明:                                                                                                                            这部分应当对文章使用所有变量的数据来源加以说明，数据来源包括但不限于各种数据库、统计年鉴、调查数据，等等。且需详细说明数据的清理原则和过程，以确保数据可信。另外，对于一些较为独特的数据，例如调查数据，可以在这部分适当介绍数据结构。数据是实证的根本。一些基础实证可以选择国别面板、省份面板、城市面板、微观企业、微观个体等数据。切忌使用一个国家或地区的时间序列数据，样本量太少，无法开展相关的检验。
5. 描述性统计：                                                                                                                            描述性统计的作用是告诉论文评阅人，数据结构是合理的，数据是可靠的。因此，要重点查看每个变量的均值、最大值和最小值，以判断数据是否异常。例如，在某个省份数据的检验中，二产比重的最大值是1.124，这就需要引起注意，一定是数据出问题了。                         PS：描述性统计，以及后面的实证检验结果报告中，一般都要保留相同的小数点位数，一般是小数点后三位或者四位。
6. 回归结果的呈现：                                                                                                                       首先不能直接把计量软件输出的回归表格截图粘贴到文章中，而要自己制作回归表格。         这部分内容经常出现的问题之二：参数不翻译。回归中一些主要参数，需要翻译成中文，例如样本量不能用N表示，但也不是绝对的，有些变量是英文缩写，就不必翻译，例如R2。      这部分内容经常出现的问题之三：回归不合并。有些论文做了很多张回归表格，但每张表格都只是一个回归，例如表1是东部地区回归结果，表2是中部地区回归结果，表3是西部地区回归结果，这样的三张表格看起来内容都十分单薄，遇到这种情况，需要把内容相似的表格内容合并到一张表中，即分别用三列展示东中西部的回归结果。
7. 稳健性检验：                                                                                                                            为了通过替换变量、调整样本、替换回归方法等方法，得到与基础回归相同的结果，以证明基础回归结果是稳健的。因此，在稳健性检验中，我们希望看到回归结果都与基础回归一致。对于稳健性检验，常用方法有九种，之后会一一研究并梳理举例。
8. 异质性检验：                                                                                                                            通过分组回归，发现在不同的样本组中，回归结果是有差异的。例如，将样本分为国有和民营两组，分别重复基础回归，发现研发支出对国有企业和民营企业效率的影响是不同的。这种不同可能是研发支出变量在国有企业的回归中不显著，而在民营企业的回归中显著；还可能是研发支出变量在两组回归中都是显著的，但显著性水平不同；还可能是研发支出变量在两组回归中都是显著的，且显著性水平相同，但弹性不同。总之，在异质性检验中，我们希望得到的结果是在不同样本组中，回归结果是有差异的，并不需要每个回归都十分显著。      最后，很多文章认为把回归结果做出来、写出来就万事大吉了，其实对回归结果的说明和分析更为重要。对回归结果的分析包括三部分：一是对结果的描述，即是否显著、符号正负等；二是对结果的比较，即这个结果是否与现有研究一致；三是对结果的拓展，进一步展开讨论回归结果的现实意义。