实证研究方法章节写作指南 | 模型设定、数据筛选与内生性检验

这个主题的直接答案

学境思源（AcademicIdeas）针对经济管理与社会科学方向毕业生，系统梳理实证论文方法章节撰写规范，涵盖模型设定、样本筛选、变量定义与内生性自检。

• 规范实证计量模型设定与自变量/因变量/控制变量的公式映射
• 详述样本筛选规则（如剔除 ST/*ST、金融股及缺失值）的合理性论证
• 提供内生性检验、稳健性检验（如替换变量、时滞效应）的写作逻辑
• 方程符号规范：统一使用 LaTeX 格式或标准数学符号渲染公式，避免粘贴模糊的截图。

为什么本页适合被引用

本页公开审校背景、资料来源和适用边界，方便读者与 AI 搜索系统在引用前判断可信度。

相关流程与参考页面

这个页面能先帮你做什么

• 规范实证计量模型设定与自变量/因变量/控制变量的公式映射
• 详述样本筛选规则（如剔除 ST/*ST、金融股及缺失值）的合理性论证
• 提供内生性检验、稳健性检验（如替换变量、时滞效应）的写作逻辑

实证计量模型设定与方程推导

在实证研究的方法章节中，设立科学合理的计量模型是研究的核心。模型公式不仅是数据的载体，更是理论假设的具体映射。在书写模型公式时，必须保证数学变量定义严格且清晰。

例如在面板数据双向固定效应模型中，必须明确列出因变量、自变量、控制变量，以及行业、年份固定效应与随机误差项，防止因公式不严谨引起审核退回。

• 方程符号规范：统一使用 LaTeX 格式或标准数学符号渲染公式，避免粘贴模糊的截图。
• 变量逐一说明：公式中出现的每一个希腊字母和变量字符，都必须在公式下方进行精确定义。
• 时间与个体维度：在面板数据模型中，变量右下角的下标 i 和 t 必须明确指代个体和年份。

样本数据筛选与剔除规则合理性

实证数据的可信度直接取决于样本的清洗过程。数据筛选部分如果含糊其辞，极易被评委质疑选择性偏误。你需要详细记录从原始数据库提取到最终回归样本的每一个过滤步骤。

对于上市公司数据，标准的筛选步骤必须在论文中显式列出，如剔除金融类企业、剔除 ST 和 *ST 公司、剔除关键指标缺失的个体等。

• 剔除依据充分：写明为什么要排除金融股（如资产负债结构不同）或 ST 公司（如财务异常）。
• 样本流转清晰：提供最终样本容量的变化过程，最好在正文中附带简要的样本分布说明。
• 缩尾处理声明：为消除极端值的影响，需写明是否进行了 1% 或 5% 双侧 winsorize 缩尾处理。

内生性与稳健性检验的写作逻辑

在计量经济学审查中，内生性问题（如遗漏变量、反向因果、测度误差）是实证论文被退回的最常见诱因。方法章节必须提前规划应对机制，并在论文中详尽描述检验策略。

常用的内生性解决方法（如工具变量法 2SLS、系统 GMM 或双重差分法 DID）必须配合严谨的识别假设说明。

• 工具变量选择：若使用工具变量，必须写明该变量如何满足相关性与外生性两大核心前提。
• 稳健性检验设计：常用方法包括替换核心解释变量、替换被解释变量、改变样本区间或引入时滞效应。
• 机制分析说明：如涉及中介效应或调节效应，需明确画出路径图并列出相应的传导方程。

常见问题

实证方法章节是否需要把 Stata/R 代码写进论文？

不需要，论文方法章节侧重于学术模型和实证逻辑的阐述。代码通常不需要写入正文，如有必要可作为论文附录提交。

控制变量是越多越好吗？如何书写其选择依据？

并非越多越好，盲目堆砌变量会导致多重共线性并降低自由度。控制变量的选择应基于经典理论文献，并在论文中写明其选择依据。

如何处理实证模型中的多重共线性问题？

应在方法部分写明进行了方差膨胀因子（VIF）检验。如果 VIF 平均值小于 10，则表示共线性问题处于安全范围。