經濟學實證數據修改

① 實證經濟學的定義，是否能用實際來證實

經濟學分為規范經濟學和實證經濟學。實證經濟學，是指描述、解釋、預測經濟內行為的經容濟學。實證經濟學不涉及倫理觀念和價值判斷，旨在回答「是什麼」、「能不能做到」之類的實證問題。
實證經濟學與用實際來證實是兩回事。用實際來證實，叫做實證分析，但不是實證經濟學。

② 什麼是實證經濟學的說法

經濟學研究分為規范經濟學和實證經濟學.
其中規范經濟學指「應該是怎樣怎樣的」
實證經濟學指「實際上是怎樣怎樣的」
AB都是規范的說法,是帶有主觀色彩的評判,只有C是實證的說法.

③ 判斷正誤。 1，經濟學按其研究方法的不同可以分為實證經濟學與規范經濟學。

正確的。實證方法是通過數據和分析方法說話，規范方法是通過邏輯整理思路。

④ 實證經濟學的實證經濟

實證經濟學假說
實證經濟學假說的假設現實與否不影響假說的合理性，但構造假說與檢驗假說的合理性兩個階段是相關的。為論證這一命題，構造了一個較為誇張的關於樹葉密度的假說：給定樹葉周圍樹葉的位置，認為樹葉有意使其陽光數量最大化來尋找自己位置。隱含假設實際上是樹葉有思維意識，顯然假設與現實目前的普遍認定相抵觸，但作者認為這並不影響假說的正確性，因為就我們所見，樹葉的密度符合陽光最大化的結果，其假說含義與現象結果相符，所以假說合理。不僅如此，作者還認為一種理論越有意義，它的假設就越不現實，要成為一種假說，其假設就必然是描述性不真實的，特別是適用范圍越廣，越精確的理論假說。
實證經濟學研究經濟學中可以用事實驗證的問題，它不涉及倫理道德與價值判斷問題，不問人們經濟行為的是非善惡，也不管人們的經濟行為「應該是什麼」，而只關心「是什麼」。換言之，它從有關經濟行為的假設前提出發，分析經濟活動的過程，預測經濟活動的後果，因而帶有通常所說的「實證性」，主要研究經濟學中人與物以及物與物的關系。規范經濟學與實證經濟學所研究的問題不同，即使同一問題，二者的處理很不相同。例如，一部分人先富起來是否意味著人與人的不平等，是規范經濟學的范圍；而一部分人先富起來能否促進國民經濟的發展，則是一個實證經濟學問題。又如，糧油漲價10%的問題，規范經濟學要用一定的倫理來判斷漲價是否應該，前提是否合乎情理，然後才研究如何實現；實證經濟學則首先要搞清楚漲價的前提條件，然後經過析論證，得出能否實現的結論，研究實現的途徑，並預測糧油漲價10%將會帶來的結果。

⑤ 經濟學實證報告論文題目有哪些

1、廣泛收集參考文獻，決定計劃的目的和范疇：
•決定所要解釋的現象是什麼？
•決定所要檢驗的假設或理論是什麼？
•決定所要預測的趨勢是什麼？
•決定所要評估的政策是什麼？

2.建構實證計量模型；

•除研讀相關經濟理論之外，應比較三至五篇有實證分析之文獻中的實證計量模型：
 確認計量模型中解釋變數和應變數之間的因果關系（causality）；
 釐清各模型的異同及優缺點，思考改進文獻中現存模型的可能；
 最後決定實證計量模型雛形；
•初步調查是否有相關的資料，若無則實證模型設計的再好也無用。

3.收集相關資料；
•對數據的精確性一定要嚴格查核，對錯假漏數據要仔細修正；
•使用電子表格軟體對數據列表繪圖，以驗證數據的邏輯合理性，對不合理的數值要有所處理；
•不論要用的是橫斷面數據或是時間數列，數據數目越多越好，追蹤數據（PanelData）尤佳；
•對資料數值作一些整理，表列各種基本統計量（樣本平均值、變異數、變數間的樣本相關系數等）、變數之間的兩兩交互列表、做一些初步圖解分析。

計量方法的執行：

1.計量方法不應太簡單（例如只做到最簡單的OLS），但也不必過於復雜，應針對問題採用恰到好處的計量方法。若採用了比較復雜的計量方法，則要說明為什麼簡單的方法不適合。計量方法的好壞不在其復雜程度，而在於它是否能夠幫我們得到正確的估計值，以了解數據中所包含的真正信息。
2.除了估計值以及對應的t檢定外外，也可做一些F檢定之對多個系數的假設檢定。
3.回歸模型的設定，尤其是解釋變數的取捨，可在估計過程中不斷的修正。對應變數和解釋變數均可嘗試諸如對數、指數、冪函數等不同的轉換。這些轉換方式的決定，以經濟理論上的考慮最為重要，不能單只為了提高模型的配適，而盲目的做一些不合理的變數轉換。
4.選取解釋變數時，應有如下的考慮：
•解釋變數和應變數之間的因果關系一定要正確，也就是說，解釋變數是原因在先，應變數是結果在後，有一定的先後順序。尤其要注意，有些變數數值的產生很可能是和應變數同時決定的，或是因果關系不很明確（也就是說，相對於應變數而言，這些變數是內生的），則在選取這些變數作為解釋變數時，便要非常小心。解釋變數的內生問題常常是研究被批評的主要原因；
•要注意解釋變數的同構型，不能不分青紅皂白的將一大堆彼此相關性很高的變數（包括相同變數的不同轉換、或是幾個變數間的各種交乘項）放進回歸式內，造成嚴重的線性重合問題；
•經濟理論所牽涉到的變數常常是無法觀察到的，因此在做實證研究時必須採用替代變數（Proxy），研究者要對所選用之替代變數的合理性詳加說明。由於數據總有些缺失，常有人在束手無策之下，採用了很多匪夷所思的替代變數；
•虛擬變數的定義要清楚而合理，使用要小心；
•要探討解釋變數不足、觀察值有誤差等數據缺失所可能造成的計量問題。

⑥ 經濟學研究的方法有兩種，一種是實證研究，另一種是什麼

經濟學的研究方法，與實證研究相對的是規范研究。
所謂實證經濟學和規范經濟學是現代經濟學的兩個重要分支，是學術界對因研究方法的不同而對經濟學的一種劃分。追朔西方經濟哲學發展的歷史可以看出這種劃分並不是一個新的論調，只是在我國的影響范圍的擴大是在改革開放之後，在中國的八九十年代比較流行的是規范經濟學，而現在佔主流地位的是實證經濟學。兩者在中國的爭論還沒有達到在西方的激烈程度。
實證經濟學和規范經濟學二者之間的區別應趨從於西方哲學關於對感性認識論和理性認識論的爭辯。可以說從西方哲學的構建之初就在這個問題上存在兩重看法： 感性認識論者認為只有歷史歸納法才是研究社會科學的唯一有效路徑，他們這一觀點是建立在對理性認識論者的關於科學理性可以解決人類發展中的一切難題的批判之上，經驗主義者認為科學研究只能從人類的認識經驗中尋找答案，所謂的事實後面的本質問題是不存的，或者即使存在，憑借人類有限的認識能力也不能為人類所了解和利用,人類只能認識經驗以內的東西，至於超出經驗的東西不屬於社會科學研究的范圍，而應該交給哲學家去研究。正是基於這樣的認識論，感性認識論者只相信經驗的東西，強烈反對用邏輯和思辨的方法研究社會科學問題,。 與此相反，理性主義者對人類的認識能力推崇備至，認為人類可以憑借自己高超的思辨和邏輯推理能力來解決現實中的任何問題，可以發現社會科學領域的任何規律性的東西，不斷強調人類要剝去感性認識虛假的外衣，用理性來審視一切，用理性來重估一切價值判斷，這一認識方法甚至在西方哲學領域產生過重大影響。他們認為社會科學的研究不可能像自然科學一樣能夠在實驗室裡面模仿現實世界，進而建立模型來進行模擬，而只有憑借科學家的理性思維通過建立一整套嚴密的邏輯規則，運用數學的方法建構起一個個嚴謹的數學模型，從而把抽象的問題轉化為可以直觀的認識的問題,或採用局部均衡或採用整體均衡的方法進行求解.理性主義者只相信經過人類的理性加工過的東西,不相信感性的東西,從而把理性推上了至高無上的寶座.
實證經濟學和規范經濟學正是基於哲學上兩種不同的認識論從而形成了兩個不同的歷史學派,前者反對後者把經濟學的研究建立在幾個簡單的不合現實的基本假設之上,認識他們脫離了人類的實踐活動,這種批判方法正抓住了規范經濟學的理論硬核,給與了致命一擊,他們還反對邏輯推演的方法,強調歷史歸納法的絕對地位.而後者反對前者只注重經驗的東西,不能深入到事物內部去把握事物的本質,他們說歸納的東西只能說明過去的事實,而不能對未來做出預測和幫助.不能從紛繁叢雜的事物中抓住影響事物發展的主要矛盾,他們強調人類理性認識的絕對地位.
另外二者在進行理論構架過程中所使用的語言和理論結構也有很大不同,這些都是次要的問題.
對二者聯系的討論應建立在唯物辯證法的思想之上,實證的分析方法是獲得資料的有效手段,使人類獲得真理性認識的起點,但還需要人類對這些感性材料做出取捨,從中提升出對研究有用的東西,並充分發揮人類的認識能力,挖掘出事物的真正的本質,從而形成真理性的認識,用來指導實踐.歷史上有許多著名的經濟學家都曾做做這方面的嘗試,試圖把二者聯系起來,如威廉.配第,馬克思,亞當.斯密,凱恩斯等都做出來很大貢獻.

⑦ 【經濟學牛人進】實證經濟學包含哪些學科需要什麼工具

其實經濟學的實證研究就是運用統計學。計量經濟學就是將統計學移植過來的產物。統計分析軟體需要編程，學習C語言對學習其他編程語言有很好的鋪墊作用。所以建議先學C語言、初等概率統計，在此基礎上，再學統計軟體（如SAS）。學習計量經濟學需要運用統計軟體，最好放在這之後。建議樓主熟悉一下統計專業的課程體系。

⑧ 如何寫經濟學實證論文

一、整體寫作

之所以叫「整體」是因為寫經濟學論文必須有通盤考慮，否則寫出來的東西即使技術含量很高也難以發表。本文主要討論發表型論文(非學位論文)，並且僅以實證研究為例。本段的重點是寫作，故而所有技術工作全部列入前奏部分。

1.前奏

實證的文章首先要有數據，沒有數據一切都是扯淡。所以，先把數據處理好。處理數據分兩個基本步驟，第一為數據清理;第二為數據計算。這里沒有統一的標准應當如何處理數據，但有一個基本要求就是做好Identification。技巧是，要麼你借用比較成熟的理論模型，由理論模型到計量模型。這樣ID不會有太大的偏差。如果是自己構建計量模型，那麼ID的工作要自己嚴格按照統計和計量要求做，對模型的假設前提與限制有全面准確的理解。國內的實證文章，包括刊發在《經濟學(季刊)》、《經濟研究》等「頂級」期刊的，普遍存在ID不清的問題。

2. 研究問題

假設所有模型構建、數據分析、穩健性檢驗都完成了，這個時候你要動筆寫論文。在這個階段，你要做的第一件事情是搞清楚自己在研究什麼問題!

其實，確認研究問題應該在處理數據之前，否則你很難想像連問題都不知道，你如何處理龐大的原始數據。我之所以把數據處理放在確定問題之前，主要是基於現實的情況。如果我們確認了問題，但數據處理的結果不支持我們的預設問題，那麼結果可能前功盡棄。所以，很多實證文章都是先做試驗後確定論題的。

但是，一旦有了結果，你就必須嚴格界定自己的研究問題。第一，你要用簡潔但准確的經濟學規范用語表達自己的問題。第二，注意表述中問題的導向性，確保讀者看到問題不會疑惑。第三，確認這個問題是新問題!

3. 方法論

當你有了實證結果又確認了自己的研究問題是不是就萬事俱備了呢?不，至少，在這個階段，你還不能動筆寫論文。

你必須要明白，論文的成功不僅僅依靠「完美」的實證結果!任何實證結果都是大廚做出的菜，一位廚藝高超的師傅可以用普通原料烹制出美味佳餚。所以，「完美」的結果有時候只能蒙外行，卻不能欺騙審稿人。這里，我強調邏輯推理與闡述問題時的語言流暢性。不要小看這兩個問題，用什麼樣的敘事結構去組織文章很大程度上決定了文章的檔次。

每個人有不同的方法論，但在這里應該大致上趨同。被普遍接受的方法無外乎是「提出問題，解釋問題，闡述問題的重要性，提出解決問題的方法，突出你的貢獻」。在論文主體部分，應當注意，問題的提出和解決必須嚴格按照邏輯順序，要有寫「小說」的心態，做好鋪墊，突出重點，善於總結。時時刻刻注意論文的走向，並且確保讀者(甚至是外行)可以通過你的引導輕松抓住文章的重點要點(即使他們未必理解所有經濟學術語和計量方法)。

4. 提綱與計劃

在解決了數據、論題、方法論之後，你可以開始制定計劃。這種計劃不是國內寫的那種空而無物的標題式提綱，必須在每一個段落明確寫作目的，明確所用模型(或其他方法)的假設與限制，明確寫作的要點。

完成計劃初稿後，不要動筆。兩天之後修改計劃。再兩天之後交給其他人修改。一周之後自己再修改，與導師(或者其他有經驗的同行)商議定稿。

5.寫作與發表

接下來，按照提綱擴充論文，具體步驟將在下一段中詳細展開。論文完成之後，不要立刻修改。等兩周，等自己把一些固有想法淡忘之後再復讀論文進行第一次修稿。將第二稿給同事修改，返回後再次修改。這個過程中可以舉行seminar或者workshop，一定要得到反饋意見。梳理和總結意見，進行第三(N)稿的寫作。

嚴格地說，在大修改之後，應該再次做presentation以確認修改是成功有效的。

隔一段日子，對論文重新進行修改，定稿。一般論文從初稿寫作完成到投遞刊物應該有3-6個月。投遞之後，如果通過初審那麼一般會要求作者再次修改(一次就刊發的稿子很少很少)，那麼接下來就是漫長的修改與等待了。

二、細節與步驟

一般實證論文分為：「摘要、引言、理論框架、實證部分、總結」五大部分，其中實證部分可以分為「數據描述、實證模型、實證結果、穩健性檢驗」。

最後寫作摘要和引言，這是慣例。一般應該先寫作理論框架，隨後可以確定ID的方法，然後解釋模型的設定和數據情況，最後報告結果與穩健性結論。

這些問題一般國內談得比較多，也不需要太多的贅述。我想著重談談引言部分。

引言部分應該包括(按順序)：

問題的提出、文獻綜述、方法選擇、結果報告、文章結構安排

1、要提出問題，並且解釋問題的重要性。

2、告訴讀者現存文獻研究到了什麼程度，有什麼局限，你的研究有何種貢獻。

3、介紹方法，闡述清楚自己的研究思路。

4、簡單明了地把結果或者結論告訴讀者，如果他們有興趣會認真去看論文的主體部分，否則。。。

5、例行公事，要把後文的結構安排預告

不要在論文中單獨出現文獻綜述部分，除非是學位論文寫作，不然沒有必要。第一，沒有人去看文獻回顧，對於外行來說這就是天書，對內行而言這些都是廢話。文獻回顧的價值是突出自己研究的貢獻，告訴讀者你做了哪些前人沒有做的工作。

如果我們仔細去看國內所謂頂級期刊的論文引言，有一些真的寫得非常爛，根本不符合基本的寫作規范，也達不到引言的作用。首先，讀者不關心過於「宏觀」的事情(比如，彩旗迎風、鑼鼓齊鳴，xxxx發表講話)，這種政治性高調在論文中沒有意義。其次，讀者不關心學派之爭，不要去批評某些和你不屬於一個流派的作者。最後，讀者關心論文的方法和結果，但很多作者在引言里隻字不提。

三、尾聲

實證性文章的結果是報告參數，但其實這些參數的具體值並不重要。這話也許很矛盾，既然我們的工作是圍繞著參數進行的，為什麼具體值又不要緊呢?

第一，這些參數解決不了實際問題。它們不是圓周率的pai值，也不是物理中的g值。就算你計算出了一個很重要的參數，又能如何呢?

第二，參數的解讀可以幫助我們理解經濟學問題或者現象。從這個角度說，解讀比數字本身重要。

第三，由於國別(或者地區)差異，很多參數並不具備普遍性，也很難真正解釋世界。不能誇大參數的作用，這一點國內研究做得非常不好。為了達到某種效果，無限誇大參數估計的力量，使得很多人迷失了方向。

小小的總結：

從結構看，摘要和引言最要緊。因為審稿人不看內容，單憑這兩部分就可以拒搞。

從內容看，數據描述和模型設定最重要。因為這部分往往是錯誤最集中的地方。

⑨ 計量經濟學中，我在做實證分析時，模型既有異方差又有自相關，怎麼處理這個問題是怎麼處理的呢

首先，若是橫截面數據主要考慮異方差，若是時間序列主要考慮自相關。

你現在的情況同時存在異方差和自相關，建議你先考慮產生自相關的原因是模型誤設還是純粹的自相關。如果只是純粹的自相關，可以用FGLS解決自相關的問題。
而你在解決了自相關後發現，還存在異方差的問題。但是通常情況下方差都是未知的，我們不方便再做加權最小二乘了。這時要解決異方差的問題，可以採用懷特的「異方差穩健標准誤」，基於這個標准誤構造出的統計量可以做出有效的統計推斷。
再說一種方法吧，當同時存在異方差和自相關時，你可以直接使用HAC，也就是異方差自相關一致標准誤，基於這個標准誤構造的統計量可以做出正確的推斷。它的前提是你的樣本需要足夠大。
最後，還需要你根據自己的情況構造出一個合適的模型，上面那些只是理論上的參考。