计量经济学论文写作指导_经济论文写作指导重点
计量经济学论文写作指导由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“经济论文写作指导重点”。
论金台才子城论文站
计量经济学论文指导
一、计量经济学发表期刊推荐： 《金融与经济》
《经济改革与发展》
《经济问题探索》
《世界经济文汇》
《南开经济研究》
《铁道运输与经济》
《林业经济问题》
《农村经济与科技》
《经济地理》
《经济问题》
《经济管理》
《经济林研究》
《经济学》
《经济理论与经济管理》 《计划经济研究》
《经济学家》
《农业经济》
《上海经济研究》
《生态经济》
《世界经济研究》
《税务与经济》
《企业经济》
《经济纵横》
《商业经济研究》
写作部分：
一、计量论文的两大要点是什么？
1.计量模型的建立
2.模型中的系数如何估计出来
二、如何判断计量论文的水平高低？
掌握了上面两个要点，只是说你能写出一篇计量论文，并不是说能写出一篇高水平的论文。水平的高低在于你处理这两个要点时水平的高低。
三、做计量的“杀手锏”有哪些？
所谓的杀手锏，不是指超级复杂的计量方法，而是指这种东西一旦用起来，一般不会有人来攻击。所谓的一招毙命，毙了审稿人的命。计量方法很多，可以说满天飞。但是，真正有价值的方法，被人公认为具有一定可信度的方法（所谓的“杀手锏”），只有5种(贪多嚼不烂)。并不是你所看到的所有的方法都有人信。这点大部分初学计量的人都不会意识到。看到书上介绍一个方法，就认为这是一个好方法。其实不是。你如果查阅一下国际上关于经验研究类的论文，会发现大部分论文所用方法无非是：简单回归；工具变量回归；面板固定效应回归；差分再差分回归(difference in differnece)；狂忒二回归(Quantile)。
工具变量(IV)回归，这不用说了，有内生性变量，就用这个吧。一旦有内生性变量，你的估计就有问题了。国际审稿人会拼了老命整死你。国内审稿人大部分不懂这东西（除了经济研究季刊等等这类刊物的部分审稿人以外）。工具变量的选择只要掌握一个关键点就行：找一个和内生性变量有数据相关的，但是和残差没有关系的东西，这就是你的IV了。例如贸易量如果是内生的，那么你找地理距离作为IV。北京到纽约的距离，那是自然形成的，没人认为是由你的Y或者残差导致的。但是你会发现贸易量和地理距离在数据上具有相关性。这就很好。这种数据相关性越强，IV的效果就越好。就这么一段话，IV变量回归就讲完了。
在STATA里面，你直接把原回归方程写出来，然后把IV填进去就可以了，回车就得到你的结果。关键是你不一定能找到这样的工具变量。你能找到，这个工具也不大能用。不过
要注意，IV不灵不代表你不能发表。你只要找到一个IV，效果不是差的太离谱，一般都能发。当然不能发国际一流了。国内是没问题。国内审稿人没人会重复你的结果看看是否有问题，因此你说这个IV效果已经是最好的了，世界上还找不到第二个比这个更好的了，审稿人也没的话说。就发表呗！如果审稿人说，另外一个IV效果可能要比你的好。那你就采纳他的建议用他的IV，然后感谢他一下。第二次审稿就发表了，哈哈哈哈！
四、差分再差分(Difference-in-Differences)，或者叫作差差分法、双差分法，是固定效应的一个变种，在估计某个事件发生带来的效应时最有用的方法，特简单。关键思想是通过差分的方法把相同的固定效应差分掉，就剩下来事件的净效应了。举一个例子你就明白怎么回事了。大家都知道买房子靠不靠学校医院等设施还是有很大差别的。ZF为了拉动某个地方的房价，直接把地铁建到那里。但是你不知道这种设施到底导致价格有多少差别。你看到学校旁边的学区房价格上升，难道一定是学区房因素导致的吗？北京房价一直飙升，很可能是学区房以外的因素导致的。现在你要检验一个假设：学区房因素导致房价上升。差分再差分，这个方法要凑效的秘诀是：学区房因素发生变化，而其他因素基本维持不变。例如ZF重新划分学区，一个著名小学突然在某个没学校的地方建分校，或者一个著名小学搬迁，这些因素导致房子是否属于学区房发生了变化。以建分校为例。建校后周围一片区域A的房子都属于学区房，这个区域以外附近区域(B)的其他房子就不算该校学区房。然后收集建校前后两个时间点上、A和B区域房价的数据。所谓的差分再差分法，就是：A区域两个时间点上的平均房价差距-B区域两时间点上的平均房价差距 = d，这个d就是建校对房价的影响了。d是两个差距之间的差距，所以才叫做差分再差分。用计量回归把这个d给估计出来，是有办法的：
P= b0 + b1*Da + b2*Dt + d*(Da*Dt)+ Xb + e
P是房价，Da是虚拟变量，在区域A则为1，否则为0，Dt是时间虚拟变量，建校后为1，建校前为0。STATA一跑，就把d估计出来了。为什么d可以如此表示？自己思考一下啦。实在想不出来，Wooldridge的书上有精确严格的解释。这里给出一个直观的粗略解释：北京所有区域的房价每个月都在上升，因此需要控制这部分因素，这就是时间因素Dt；区域不同自然也有差别，需要控制区域位置因素，这就是Da，这就控制了即使不建校也存在的差距；控制住其他因素X，那么剩下的Da*Dt就是建校带来的房价提升效应了。这下明白了哦。
五、狂忒二回归(Quantile)是一般均值回归的一个推广。看名字挺吓人，其实很简单。如果你知道OLS是一个均值回归，那类推就可以知道1/2分位数回归。你知道的，正态分布
下，均值就是1/2分位数的地方。均值回归就是1/2分位数回归。知道了1/2回归，你自然知道1/4和3/4分位数回归了。如果还不懂，翻开伍德里奇的书，讲到简单OLS回归时，我记得有一个图，上面对不同位置的x位置画了不同的正态分布密度函数(第2版是figure
2.1，pp26，见下面)。如果是异方差问题，那么不同x位置的正太分布图的方差就有变化。这个图上注明了预测值是E(Y|X)，就是Y的条件期望，就是那根回归预测直线啦。在正态分布下就是Y的密度函数的中心点的连线，就是1/2分位数点的连线。如果那条预测线画在密度函数的1/4和3/4分位数点上，那么预测结果就不是Y的均值（在非正态下可能是均值），而是1/4和3/4分位数点的预测值。这下明白狂忒二回归了吧。分位数回归就是看看那根预测直线在不同的分位数点上有什么结果,得到什么样的回归系数。通常的OLS预测直线，仅仅是一个特例而已。进一步推广，可以推广到任意分位数点回归的情况。道理一样。
