经济学实证数据修改

① 实证经济学的定义，是否能用实际来证实

经济学分为规范经济学和实证经济学。实证经济学，是指描述、解释、预测经济内行为的经容济学。实证经济学不涉及伦理观念和价值判断，旨在回答“是什么”、“能不能做到”之类的实证问题。
实证经济学与用实际来证实是两回事。用实际来证实，叫做实证分析，但不是实证经济学。

② 什么是实证经济学的说法

经济学研究分为规范经济学和实证经济学.
其中规范经济学指“应该是怎样怎样的”
实证经济学指“实际上是怎样怎样的”
AB都是规范的说法,是带有主观色彩的评判,只有C是实证的说法.

③ 判断正误。 1，经济学按其研究方法的不同可以分为实证经济学与规范经济学。

正确的。实证方法是通过数据和分析方法说话，规范方法是通过逻辑整理思路。

④ 实证经济学的实证经济

实证经济学假说
实证经济学假说的假设现实与否不影响假说的合理性，但构造假说与检验假说的合理性两个阶段是相关的。为论证这一命题，构造了一个较为夸张的关于树叶密度的假说：给定树叶周围树叶的位置，认为树叶有意使其阳光数量最大化来寻找自己位置。隐含假设实际上是树叶有思维意识，显然假设与现实目前的普遍认定相抵触，但作者认为这并不影响假说的正确性，因为就我们所见，树叶的密度符合阳光最大化的结果，其假说含义与现象结果相符，所以假说合理。不仅如此，作者还认为一种理论越有意义，它的假设就越不现实，要成为一种假说，其假设就必然是描述性不真实的，特别是适用范围越广，越精确的理论假说。
实证经济学研究经济学中可以用事实验证的问题，它不涉及伦理道德与价值判断问题，不问人们经济行为的是非善恶，也不管人们的经济行为“应该是什么”，而只关心“是什么”。换言之，它从有关经济行为的假设前提出发，分析经济活动的过程，预测经济活动的后果，因而带有通常所说的“实证性”，主要研究经济学中人与物以及物与物的关系。规范经济学与实证经济学所研究的问题不同，即使同一问题，二者的处理很不相同。例如，一部分人先富起来是否意味着人与人的不平等，是规范经济学的范围；而一部分人先富起来能否促进国民经济的发展，则是一个实证经济学问题。又如，粮油涨价10%的问题，规范经济学要用一定的伦理来判断涨价是否应该，前提是否合乎情理，然后才研究如何实现；实证经济学则首先要搞清楚涨价的前提条件，然后经过析论证，得出能否实现的结论，研究实现的途径，并预测粮油涨价10%将会带来的结果。

⑤ 经济学实证报告论文题目有哪些

1、广泛收集参考文献，决定计划的目的和范畴：
•决定所要解释的现象是什么？
•决定所要检验的假设或理论是什么？
•决定所要预测的趋势是什么？
•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，追踪数据（PanelData）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。

⑥ 经济学研究的方法有两种，一种是实证研究，另一种是什么

经济学的研究方法，与实证研究相对的是规范研究。
所谓实证经济学和规范经济学是现代经济学的两个重要分支，是学术界对因研究方法的不同而对经济学的一种划分。追朔西方经济哲学发展的历史可以看出这种划分并不是一个新的论调，只是在我国的影响范围的扩大是在改革开放之后，在中国的八九十年代比较流行的是规范经济学，而现在占主流地位的是实证经济学。两者在中国的争论还没有达到在西方的激烈程度。
实证经济学和规范经济学二者之间的区别应趋从于西方哲学关于对感性认识论和理性认识论的争辩。可以说从西方哲学的构建之初就在这个问题上存在两重看法： 感性认识论者认为只有历史归纳法才是研究社会科学的唯一有效路径，他们这一观点是建立在对理性认识论者的关于科学理性可以解决人类发展中的一切难题的批判之上，经验主义者认为科学研究只能从人类的认识经验中寻找答案，所谓的事实后面的本质问题是不存的，或者即使存在，凭借人类有限的认识能力也不能为人类所了解和利用,人类只能认识经验以内的东西，至于超出经验的东西不属于社会科学研究的范围，而应该交给哲学家去研究。正是基于这样的认识论，感性认识论者只相信经验的东西，强烈反对用逻辑和思辨的方法研究社会科学问题,。 与此相反，理性主义者对人类的认识能力推崇备至，认为人类可以凭借自己高超的思辨和逻辑推理能力来解决现实中的任何问题，可以发现社会科学领域的任何规律性的东西，不断强调人类要剥去感性认识虚假的外衣，用理性来审视一切，用理性来重估一切价值判断，这一认识方法甚至在西方哲学领域产生过重大影响。他们认为社会科学的研究不可能像自然科学一样能够在实验室里面模仿现实世界，进而建立模型来进行仿真，而只有凭借科学家的理性思维通过建立一整套严密的逻辑规则，运用数学的方法建构起一个个严谨的数学模型，从而把抽象的问题转化为可以直观的认识的问题,或采用局部均衡或采用整体均衡的方法进行求解.理性主义者只相信经过人类的理性加工过的东西,不相信感性的东西,从而把理性推上了至高无上的宝座.
实证经济学和规范经济学正是基于哲学上两种不同的认识论从而形成了两个不同的历史学派,前者反对后者把经济学的研究建立在几个简单的不合现实的基本假设之上,认识他们脱离了人类的实践活动,这种批判方法正抓住了规范经济学的理论硬核,给与了致命一击,他们还反对逻辑推演的方法,强调历史归纳法的绝对地位.而后者反对前者只注重经验的东西,不能深入到事物内部去把握事物的本质,他们说归纳的东西只能说明过去的事实,而不能对未来做出预测和帮助.不能从纷繁丛杂的事物中抓住影响事物发展的主要矛盾,他们强调人类理性认识的绝对地位.
另外二者在进行理论构架过程中所使用的语言和理论结构也有很大不同,这些都是次要的问题.
对二者联系的讨论应建立在唯物辩证法的思想之上,实证的分析方法是获得资料的有效手段,使人类获得真理性认识的起点,但还需要人类对这些感性材料做出取舍,从中提升出对研究有用的东西,并充分发挥人类的认识能力,挖掘出事物的真正的本质,从而形成真理性的认识,用来指导实践.历史上有许多著名的经济学家都曾做做这方面的尝试,试图把二者联系起来,如威廉.配第,马克思,亚当.斯密,凯恩斯等都做出来很大贡献.

⑦ 【经济学牛人进】实证经济学包含哪些学科需要什么工具

其实经济学的实证研究就是运用统计学。计量经济学就是将统计学移植过来的产物。统计分析软件需要编程，学习C语言对学习其他编程语言有很好的铺垫作用。所以建议先学C语言、初等概率统计，在此基础上，再学统计软件（如SAS）。学习计量经济学需要运用统计软件，最好放在这之后。建议楼主熟悉一下统计专业的课程体系。

⑧ 如何写经济学实证论文

一、整体写作

之所以叫“整体”是因为写经济学论文必须有通盘考虑，否则写出来的东西即使技术含量很高也难以发表。本文主要讨论发表型论文(非学位论文)，并且仅以实证研究为例。本段的重点是写作，故而所有技术工作全部列入前奏部分。

1.前奏

实证的文章首先要有数据，没有数据一切都是扯淡。所以，先把数据处理好。处理数据分两个基本步骤，第一为数据清理;第二为数据计算。这里没有统一的标准应当如何处理数据，但有一个基本要求就是做好Identification。技巧是，要么你借用比较成熟的理论模型，由理论模型到计量模型。这样ID不会有太大的偏差。如果是自己构建计量模型，那么ID的工作要自己严格按照统计和计量要求做，对模型的假设前提与限制有全面准确的理解。国内的实证文章，包括刊发在《经济学(季刊)》、《经济研究》等“顶级”期刊的，普遍存在ID不清的问题。

2. 研究问题

假设所有模型构建、数据分析、稳健性检验都完成了，这个时候你要动笔写论文。在这个阶段，你要做的第一件事情是搞清楚自己在研究什么问题!

其实，确认研究问题应该在处理数据之前，否则你很难想象连问题都不知道，你如何处理庞大的原始数据。我之所以把数据处理放在确定问题之前，主要是基于现实的情况。如果我们确认了问题，但数据处理的结果不支持我们的预设问题，那么结果可能前功尽弃。所以，很多实证文章都是先做试验后确定论题的。

但是，一旦有了结果，你就必须严格界定自己的研究问题。第一，你要用简洁但准确的经济学规范用语表达自己的问题。第二，注意表述中问题的导向性，确保读者看到问题不会疑惑。第三，确认这个问题是新问题!

3. 方法论

当你有了实证结果又确认了自己的研究问题是不是就万事俱备了呢?不，至少，在这个阶段，你还不能动笔写论文。

你必须要明白，论文的成功不仅仅依靠“完美”的实证结果!任何实证结果都是大厨做出的菜，一位厨艺高超的师傅可以用普通原料烹制出美味佳肴。所以，“完美”的结果有时候只能蒙外行，却不能欺骗审稿人。这里，我强调逻辑推理与阐述问题时的语言流畅性。不要小看这两个问题，用什么样的叙事结构去组织文章很大程度上决定了文章的档次。

每个人有不同的方法论，但在这里应该大致上趋同。被普遍接受的方法无外乎是“提出问题，解释问题，阐述问题的重要性，提出解决问题的方法，突出你的贡献”。在论文主体部分，应当注意，问题的提出和解决必须严格按照逻辑顺序，要有写“小说”的心态，做好铺垫，突出重点，善于总结。时时刻刻注意论文的走向，并且确保读者(甚至是外行)可以通过你的引导轻松抓住文章的重点要点(即使他们未必理解所有经济学术语和计量方法)。

4. 提纲与计划

在解决了数据、论题、方法论之后，你可以开始制定计划。这种计划不是国内写的那种空而无物的标题式提纲，必须在每一个段落明确写作目的，明确所用模型(或其他方法)的假设与限制，明确写作的要点。

完成计划初稿后，不要动笔。两天之后修改计划。再两天之后交给其他人修改。一周之后自己再修改，与导师(或者其他有经验的同行)商议定稿。

5.写作与发表

接下来，按照提纲扩充论文，具体步骤将在下一段中详细展开。论文完成之后，不要立刻修改。等两周，等自己把一些固有想法淡忘之后再复读论文进行第一次修稿。将第二稿给同事修改，返回后再次修改。这个过程中可以举行seminar或者workshop，一定要得到反馈意见。梳理和总结意见，进行第三(N)稿的写作。

严格地说，在大修改之后，应该再次做presentation以确认修改是成功有效的。

隔一段日子，对论文重新进行修改，定稿。一般论文从初稿写作完成到投递刊物应该有3-6个月。投递之后，如果通过初审那么一般会要求作者再次修改(一次就刊发的稿子很少很少)，那么接下来就是漫长的修改与等待了。

二、细节与步骤

一般实证论文分为：“摘要、引言、理论框架、实证部分、总结”五大部分，其中实证部分可以分为“数据描述、实证模型、实证结果、稳健性检验”。

最后写作摘要和引言，这是惯例。一般应该先写作理论框架，随后可以确定ID的方法，然后解释模型的设定和数据情况，最后报告结果与稳健性结论。

这些问题一般国内谈得比较多，也不需要太多的赘述。我想着重谈谈引言部分。

引言部分应该包括(按顺序)：

问题的提出、文献综述、方法选择、结果报告、文章结构安排

1、要提出问题，并且解释问题的重要性。

2、告诉读者现存文献研究到了什么程度，有什么局限，你的研究有何种贡献。

3、介绍方法，阐述清楚自己的研究思路。

4、简单明了地把结果或者结论告诉读者，如果他们有兴趣会认真去看论文的主体部分，否则。。。

5、例行公事，要把后文的结构安排预告

不要在论文中单独出现文献综述部分，除非是学位论文写作，不然没有必要。第一，没有人去看文献回顾，对于外行来说这就是天书，对内行而言这些都是废话。文献回顾的价值是突出自己研究的贡献，告诉读者你做了哪些前人没有做的工作。

如果我们仔细去看国内所谓顶级期刊的论文引言，有一些真的写得非常烂，根本不符合基本的写作规范，也达不到引言的作用。首先，读者不关心过于“宏观”的事情(比如，彩旗迎风、锣鼓齐鸣，xxxx发表讲话)，这种政治性高调在论文中没有意义。其次，读者不关心学派之争，不要去批评某些和你不属于一个流派的作者。最后，读者关心论文的方法和结果，但很多作者在引言里只字不提。

三、尾声

实证性文章的结果是报告参数，但其实这些参数的具体值并不重要。这话也许很矛盾，既然我们的工作是围绕着参数进行的，为什么具体值又不要紧呢?

第一，这些参数解决不了实际问题。它们不是圆周率的pai值，也不是物理中的g值。就算你计算出了一个很重要的参数，又能如何呢?

第二，参数的解读可以帮助我们理解经济学问题或者现象。从这个角度说，解读比数字本身重要。

第三，由于国别(或者地区)差异，很多参数并不具备普遍性，也很难真正解释世界。不能夸大参数的作用，这一点国内研究做得非常不好。为了达到某种效果，无限夸大参数估计的力量，使得很多人迷失了方向。

小小的总结：

从结构看，摘要和引言最要紧。因为审稿人不看内容，单凭这两部分就可以拒搞。

从内容看，数据描述和模型设定最重要。因为这部分往往是错误最集中的地方。

⑨ 计量经济学中，我在做实证分析时，模型既有异方差又有自相关，怎么处理这个问题是怎么处理的呢

首先，若是横截面数据主要考虑异方差，若是时间序列主要考虑自相关。

你现在的情况同时存在异方差和自相关，建议你先考虑产生自相关的原因是模型误设还是纯粹的自相关。如果只是纯粹的自相关，可以用FGLS解决自相关的问题。
而你在解决了自相关后发现，还存在异方差的问题。但是通常情况下方差都是未知的，我们不方便再做加权最小二乘了。这时要解决异方差的问题，可以采用怀特的“异方差稳健标准误”，基于这个标准误构造出的统计量可以做出有效的统计推断。
再说一种方法吧，当同时存在异方差和自相关时，你可以直接使用HAC，也就是异方差自相关一致标准误，基于这个标准误构造的统计量可以做出正确的推断。它的前提是你的样本需要足够大。
最后，还需要你根据自己的情况构造出一个合适的模型，上面那些只是理论上的参考。