计量论文写作和发表的黑客教程.docx
《计量论文写作和发表的黑客教程.docx》由会员分享，可在线阅读，更多相关《计量论文写作和发表的黑客教程.docx（11页珍藏版）》请在冰点文库上搜索。
计量论文写作和发表的黑客教程
计量论文写作和发表的黑客教程（让初学者瞬间开窍，发<经济研究>不再难）
byZeraNa
本文的缘起：
当初一个舍友来自西部地区，从没学过计量（OLS都没学过）。
但毕业论文老板要求用数据说话，发愁。
我于心不忍，告诉她：
我每天晚上自习回来，睡觉前花10分钟给你讲解一下STATA的操作和出来的各项结果意义。
第一天，我讲了OLS。
画了一张散点图和一根直线，用了1分钟就让她完全理解了OLS的精髓，这是用来干啥的。
后面9分钟讲解了STATA的操作和OLS的各种变种。
结果只一个星期，讲完五种方法（下面会介绍），她信心大增。
后来一下子发了好几篇CSSCI，计量做的天花乱坠，让人误以为是一个大师。
毕业论文也顺利通过。
她说我的方法是当今世界上最快的计量速成法。
她说，以后有时间要好好看看计量书，打打基础。
我推荐她读伍德里奇的那本现代观点。
但她论文发表了好多篇，至今还没看那本书。
问其原因：
“看了一下OLS，跟你讲的没啥区别，就是多了些推导。
那些推导看不看都不影响我用软件。
现在没空看，先发论文再说。
”
我笑其太浮躁。
但后来想想，这种学习方法不一定适合所有人，但或许适合一部分人群。
因此有必要写出来让这部分人群都有所收获，不会因为发不了CSSCI而担忧，不会因为毕业论文不会做计量而担忧。
因此有了本文。
你是不是属于这样的人群？
请看下面：
本文的目标人群：
不懂计量的人；
想学计量却缺乏时间的人；
想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看计量推导过程，也想发论文的人。
不想看计量书，却想写计量论文，发几篇CSSCI，尽快毕业的人。
所有想速成的人。
所有不信计量能速成的人。
但是，目标人群一定要能看懂STATA软件操作手册的人（或者其他软件操作手册。
不想看大部头软件手册的人往后面看，最后我为你提供了一本：
从入门到精通的、综合考虑STATA操作的广度、深度、难易度和阅读速度的、专门针对计量经济学领域技巧的、由STATA著名官方编程人员撰写的、10天就能掌握的、涵盖经济研究常见计量方法的书籍，而且有下载链接）。
如果你不认得手册上的字，不要来告诉我。
我也不认得。
如果你能找到一个懂STATA、EVIEWS的人给你讲解一下，那么你看不懂也无所谓。
本文的目标：
不看计量推导、不看计量书籍就能发计量论文，而且是大规模批量生产计量论文，灌水CSSCI（可行性在后面有严密论证），甚至发经济研究和管理世界。
（你如果不信，不妨先看看7楼的一流期刊示例）
时间预算：
深刻理解本贴内容，2小时或者更多；
阅读由我全面比较寻找出来的难度广度深度速度达到最优平衡的书，10天；
阅读我给出的quantile快速入门，10分钟；
用相关数据进行全面训练，断断续续，约1-3天；
合计时间：
2周左右。
注：
这不是你写一篇论文的时间。
这是你从不认识STATA开始，到全面熟练地操作经济研究上常用计量方法的一个可行时间长度。
可能更快，也可能更慢，这取决于你的阅读速度。
严重警告：
不是教你如何抄袭作弊，而是教你写计量论文的方法和捷径。
本文犹如海洛因，容易上瘾，且杀伤力巨大，切忌滥用。
做理论计量研究的人，容易诱发高级计量排斥症状。
本文方法一般只能用于：
应急发表、被迫发表论文等极端情况。
==============================================
一、计量论文的两大要点是什么？
二、如何判断计量论文的水平高低？
三、做计量的“大杀器”有哪些？
四、瞎折腾计量的秘诀
五、大规模发CSSCI的不传之秘
六、案例分析：
借助大杀器成功登上一流期刊
七、软件操作方面书籍推荐（10天能读完）
==============================================
一、计量论文的两大要点是什么？
1、计量模型的建立（就是那个方程，表达什么经济含义要知道）；
2、模型中的系数如何估计出来（关键在于估计方法的选择）。
第1个要点涉及你论文主题。
你一般要想用数据检验某种经济关系，根据这种经济关系来建立计量模型。
如果你不知道要检验什么经济关系，那我劝你就此打住。
你发不了经济研究了。
第2个要点。
千万种方法的出现，目的都是要把那个系数给估计出来。
不同估计方法的估计效果好坏，就是根据各种统计量来判断。
如果能选择一种最合适你数据的估计方法，那么这论文基本就成了。
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。
下面仔细讲解。
如果只是为了写计量论文，只需要“知其然”即可。
没有人会因为不会推导OLS估计量而对软件里面出来的结果不知所措。
这条途径，最快捷的走法是找一个懂的人，把结果里面的各种东西所表示的意思给你讲一遍，每个东西要注意什么。
基本就可以了。
在一般的CSSCI上发表论文没有什么问题。
如果找不到人，就看STATA的手册，里面的例子会讲解每个指标参数统计量的含义。
这样慢一点，但效果很好，而且也能成为STATA专家。
STATA手册比高级计量教材看起来轻松多了，就是告诉你怎么操作软件，然后得到什么结果的。
计量论文中的估计问题，最关键的事情，不是能推导估计量，而是在STATA里面选择一个“合适”的方法估计出来。
然后解释结果的经济意义。
而计量水平的高低，不在于方法的复杂性，而在于方法的合适程度。
因此高水平的计量论文，不必要求作者掌握高深的计量推导，而在于“选择”的技巧。
每种计量方法，都有优劣。
所谓用人之长，容人之短。
水平高的人，能够选择以其之长，攻它之短。
同时又能隐藏计量方法内在的拙劣。
其实，计量论文的水平主要决定于论文的主题的重要性。
这个话题大家都很关心，就很重要，发表就很容易。
所以，你会发现国际顶级期刊上一些计量论文所用的方法很简单。
这些论文能发表，主要是他讨论的问题很重要（这涉及第一个要点），采用的方法即使有缺陷，也无伤大雅。
如果问题不是非常重要，只是有新意，但是估计方法比较合适，也能发一个中上等期刊。
如果问题属于鸡毛蒜皮之类，那就只能诉诸于超级复杂的计量方法，祈求审稿人看论文时，方法还没看完就已经累得半死，再也没有心情来思考你的问题的重要性，然后也能通过了。
三、做计量的“大杀器”有哪些？
所谓的大杀器，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（就是所谓的“大杀器”），只有5种。
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。
书上很多方法的介绍，仅仅是出于理论推演的需要，并不是实际研究中都能用的。
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：
1、简单回归；
2、工具变量回归；
3、面板固定效应回归；
4、差分再差分回归（differenceindiffernece）；
5、狂忒二回归（Quantile）。
大杀器就这几种，破绽最少，公认度最高，使用最广泛。
真是所谓的老少皆宜、童叟无欺。
其他的方法都不会更好，只会招致更多的破绽。
你在STATA里面还可以看到无数的其他方法，例如GMM、多层次分析法等。
这个GMM实在是一个没有用的忽悠，他还分为diffGMM和系统GMM。
其关键思想是当你找不到工具变量时，用滞后项来做工具变量。
结果你会发现令人崩溃的情况：
不同滞后变量的阶数，严重影响你的结果，更令人崩溃的是，一些判断估计结果优劣的指标会失灵。
这完全是胡搞！
这GMM的唯一价值在于理论价值，而不在于实践价值。
你如果要玩计量，你就可以在GMM的基础上进行修改（玩计量的方法后面讲）。
有人会问：
简单回归会不会太简单？
我只能说你真逗。
STATA里面那么多选项，你加就是了。
什么异方差、什么序列相关，一大堆尽管加。
如果你实在无法确定是否有异方差和序列相关，那就把选项都加上。
反正如果没有异方差，结果是一样的。
有异方差，软件就自动给你纠正了。
这不很爽嘛。
如果样本太少，你还能加一个选项：
bootstrap来估计方差。
你看爽不爽！
bootstrap就是自己提靴子的方法。
自己把脚抬起来扛在肩上走路，就这么牛。
这个bootstrap就是用30个样本能做到30万样本那样的效果。
有吸引力吧。
你说这个简单回归简单还是不简单！
很简单，就是加选项。
可是，要理论推导，就不简单了。
我估计国内能推导的没几个人。
经济研究上论文作者，最多只有5%的人能推导，而且大部分是海龟。
所以，你不需要会推导，也能把计量做的天花乱坠。
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。
经济研究上还不是发了一大堆这样的论文。
所以，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（尽管他的建议会更差），然后感谢他一下。
第二次审稿，难道他还会说自己上次是胡说八道所以就发表了，哈哈哈哈！
有人又会问：
面板不是还有个随机效应嘛？
我只能说，你是看过书的人，所以才知道随机效应。
其实随机效应压根就没什么用处。
有人信誓旦旦说可以用hausman来检验。
我只能告诉你，这检验压根就不可靠。
可靠也是理论上可靠，实践上根本没人信。
当然中国人都信，不信的都是美国欧洲这样的计量经济学家。
你难道不知道hausman还会出现负值！
做过这个检验的人都很头疼这个负值，不知道该怎么做。
你如果看看一些高手的建议，或者一些书籍，你就会发现，最权威的建议就是：
当你无法判断该用固定效应还是随机效应的时候，选择固定效应更可靠。
随机效应不是任何时候都可以做，但是固定效应是任何时候都可以做。
所以你知道该怎么做了吧。
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。
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figure2.1，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。
quantile回归还可以推广到带bootstrap的quantile回归哦，想起来是不是很过瘾啊道理还是一样的，具体怎样操作，耐心往下看，到最后有quantile的速成秘诀哦，包你10分钟能在STATA里面跑出quantile回归来。
伍德里奇《计量经济学导论——现代观点》的图2.1（解释Quantile回归的意义）
不过要注意，大杀器要用对。
有内生性变量，你就不要用简单回归了，你得用IV回归。
这几种大杀器的精髓一领会，基本上其他东西就难不倒你了。
就是STATA里面的选项多选几个或者少选几个的问题。
你所要做的就是在STATA里面打钩、设置参数。
对付一般的CSSCI论文，已经是绰绰有余了。
如果你提了一个大家很感兴趣的问题，就是一个重要问题，那么用用IV，或者固定面板，发个经济研究基本没问题。
如果你的问题不是很重要，还想发经济研究，那你就要简单问题复杂化。
上面大杀器能解决的问题，你就用更不可靠的方法但更复杂的方法去解决吧。
大家用开源软件就会知道，一般开源软件会有一个稳定版本，功能比较少，效果很稳定，能满足你日常几乎所有的需求。
还有一个开发版本，专门给那些吃饱了撑着没事干的人折腾的版本，因为是开发版本，所以很不稳定，经常会出错、崩溃。
不过能折腾的人不怕崩溃，崩溃了能自己修。
你要是想折腾，接着往下看吧。
四、瞎折腾计量的秘诀
瞎折腾有三种水平，第一种是低水平，第二种，高水平瞎折腾。
第三种，当然是中等水平折腾。
低水平瞎折腾，就是大杀器不够过瘾，要用摄人魂魄、但容易走火入魔的计量方法达到发表经济研究的目的。
例如，没事弄弄协整，搞一把单位根检验之类的。
听起来头头是道，其实都是杞人忧天。
你想想，要是有协整，时间序列你根本不用着急。
要是没有协整，你着急也没用。
那你还协整个啥！
面板来说，你有协整，也没有一个较好的估计方法，期刊上不是还有很多人在用固定效应OLS，或者是加点滞后滞前项变成一个固定效应动态OLS来估计非平稳面板嘛。
面板到现在为止也没有一个公认的可靠的协整向量估计方法，否则STATA这样的软件早就提供按钮了（STATA和EVIEW现在只有协整的检验方法，不是协整向量的估计）。
既然没有公认可靠的方法，你急啥！
其实，协整这玩意，最大的价值也在于理论价值，实践价值几乎没有。
当年格兰杰发表协整思想，说如果变量不平稳，在没有协整关系的情况下，前人回归都不可靠。
这话把大家吓个半死。
惊魂未定时格兰杰又说，在协整情况下没问题，大部分论文中的经济变量都有协整关系。
大家一听，松了口气，原来没有问题。
有问题的那些少数自然自讨没趣。
从格兰杰当年这搞笑天分，你就知道期刊上那些协整玩意都是忽悠。
当然，又是单位根检验，又是协整检验，然后各种估计方法，这就好几页篇幅过去了，经济研究编辑一看，至少进入匿名审稿了。
兵法曰：
唱空城计，以静制动。
意思你知道的。
上面是低水平瞎折腾。
虽然摄人魂魄，但是一旦走火入魔，论文就被毙。
风险和收益，你自己把握吧。
下面简单谈谈高水平瞎折腾。
这不属于本文的目标范围，但是既然提到瞎折腾，不提一下这个有点缺陷。
能干这事的人，一般都要看过高级计量。
不看是不会的。
如果你没看过，下面可以直接跳过。
这高水平瞎折腾，基本上是一招毙命，当然是毙审稿人和主编的命。
要毙了自己的命，还不如不瞎折腾呢。
我只讲一下操作步骤。
能如此瞎折腾的人，基本一看就能心领神会。
找一篇顶级期刊的名人写的经验研究论文。
这类论文通常是问题很重要，方法很傻瓜。
然后你去拓展方法。
这里改改残差假设，那里修修变量平稳性强度，重新推导一下估计量（这就是为什么走这条路，你就得会推导），得到一个新的分布，然后按照这个新分布来做显著性检验，得到你想要的结果。
看看有什么结果变化。
啥变化也没有那几乎是不可能的。
即使没大的变化，也会有系数程度大小的变化，或者显著性有所轻微变化。
只要有变化，就大做文章，巴拉巴拉一大堆讨论，晕死他再说。
这论文写出来，投经济研究自然没什么问题。
说实话国内能这么玩的人毕竟少数。
你玩把戏，审稿人都不一定看得出来。
自然就通过了。
如果投国际上一流刊物，那么多人在玩这个把戏，都是火眼金睛，就看你玩的转否。
如同马戏团的杂技，有人玩得溜，有人会出破绽。
再补充一个中等水平的瞎折腾方法。
你也不需要会推导公式，但是你得会用一些傻×程序，例如GAUSS，MATLAB、R等。
你平时紧紧盯着那些出新方法的期刊，我指的是国际期刊哦。
一旦有一个新方法出来，作者都会附一个程序，例如R程序。
你就下载下来。
看明白这篇对应论文的摘要、introduction和结论，基本搞清楚这方法是针对什么样的问题的，在什么情况下能用。
这就行了。
你拿过来把中国数据往里面灌，然后出来一篇论文。
因为这方法很新，国内基本没人见过，即使见过也是极少数人。
没人见过就好办事。
你说自己的结果怎么样可靠，怎么样比别人的结果要好，那就是好。
编辑肯定没见过这方法，审稿人只是小概率见过。
所以这论文一投就中。
五、大规模发CSSCI的不传之秘
以揭示经济变量之间关系为目的的人，掌握大杀器的用法就够了。
发CSSCI没有问题。
你把一个数据集用一个方法做一遍，然后呢？
当然是上面讲的每个方法都做一遍，不要犯傻只用一个方法做哦。
然后挑最差的一个结果写一篇论文，然后发表。
然后次差的结果写第二篇，推进你第一篇的结论，说你用了新方法有了新发现。
准能发。
这年头的CSSCI，大部分都是没有什么新结果的，花钱就能发。
你要弄出一些新结果来推进一下，那就是上层之作了。
然后，你知道的，第三篇文章杀出来了，第四篇文章又杀出来了。
别忘了，还有第五种狂忒二方法（后面我有文件，让你10分钟内知道怎么在STATA里面实现），CSSCI编辑基本不知道啥东西，你基本上是一招杀敌。
这样至少5篇CSSCI。
一般研究生博士生都能毕业了。
碰到-变-态-的学校，你也-变-态-一点，再找一个数据集，再整5篇CSSCI。
10篇总能让人毕业了吧如果你的学校非要发经济研究、管理世界、中国社科，那你就再把我上面的五种方法看一遍，融会贯通，让自己能做到对症下药，挑选最佳结果，发经济研究基本没问题。
对症下药就是计量方法要选择合适的，那几种大杀器不要用错了地方。
如果期刊编辑跟你过不去，你就跟编辑说：
后果很严重哦。
然后你就使出瞎折腾的杀手锏。
大家根据上面三种瞎折腾水平，对号入座。
在这种论文的写作过程中，切记如下潜规则：
一定得选最复杂的计量方法，用别人无法获得的数据，写出能让人明白但看不懂的论文。
控制变量直接放你所能想到的，起码也得五六个。
什么序列相关呀，异方差呀，bootstrap呀，能加上的全给他加上。
论文开头有复杂新奇的关键词，致谢里都是学界名人。
字里行间都带脚注，引用全是英文文献，特专业的那种，
读者读到这里，甭管他有没有看懂，都得跟人家说一声“我的方法来自ECONOMETRICA”，一口专业的计量术语，倍儿有面子。
论文中要有几个图和表，散点图得带标签的，光这些数据标签叠加在一起就晕死几十万人，
再放一个超级复杂的方法论“简介”，推导过程带逻辑跳跃性的。
就是一个字儿——晕。
随便瞄一眼就得眼冒金星。
周围的同学不是用NAG、C++就是FORTRAN，
你要是用GAUSS呀MATLAB呀，你都不好意思跟人家打招呼。
你说这样的计量论文，得写多长时间？
我觉得怎么着也得两年吧？
两年？
那是傻瓜！
最多两周。
你别嫌快，还有更快的呢。
你得研究作者的发表心理，能够在两周时间内写一篇论文的人，
根本不想花两年时间去写。
什么叫计量大师，你知道吗？
计量大师就是：
做什么样的计量，都做最晕的，不做最好的。
所以，我们做计量的口号就是：
不求最好，但求最晕！
你那学校发经济研究也不能毕业难道你在哈佛念书？
那你看错帖子了。
哈佛写经验类论文是不能毕业的对于大部分国内学生来说，没人教授计量经济学，很痛苦。
有人教授计量，更痛苦。
计量经济学的教材、那些漫天飞舞的矩阵，有时间看看，没时间不看也行，不影响写论文。
关键是看看软件的手册或者我在后面推荐的材料，有条件找个懂软件的人，一周就能成为计量写作的高手。
我猜想看这帖子的大部分人都是属于写经验论文的吧，按照上面的方法，发个10篇CSSCI基本没问题。
难道毕业还有问题？
用五种计量大杀器，成功登上国内一流期刊的具体实例
六、案例分析：
借助大杀器成功登上一流期刊
对照具体的案例再琢磨，效果更佳。
大家看到这里，是否有一些感想呢？
我分享了这么多经验，你不妨把自己的论文写作发表的经验也写出来分享一下，大家相互学习。
正好回复本贴，免费观看隐藏部分：
1、《市场化改革、企业业绩与国有企业经理薪酬》经济研究，2009年第11期
面板固定效应模型，不折腾。
2、《出口开放、地区市场规模和经济增长》
经济研究，2006年第6期
面板固定效应模型+IV，左右开弓一招毙命，不折腾。
3、《中国自主创新中研发资本投入产出绩效分析——兼论人力资本和知识产权保护的影响》，中国社会科学，2007年02期
折腾一大堆单位根检验，协整检验。
最后回到简单OLS（第一种大杀器）来估计时间序列，连常见的EG两步法也不见踪影。
一句话，能折腾。
以上只作为示例，不涉及作者。
他们能发一流期刊，是因为主题选得好，相反计量工具却并不复杂。
这些论文的计量仅仅需要知道EVIEWS或STATA软件怎么操作即可，不需要更多的高级计量知识。
你可以不看计量经济学教科书，可以没有高深的计量知识，但是，你得有经济学知识。
一般的CSSCI的例子自己可以找找，多得是。
七、软件操作方面书籍推荐（10天能读完）
这一部分是后来补充的。
我一开始建议看STATA手册，但网友反映，STATA手册太多、太厚，阅读不易，耗时巨大。
如何能在短时间内了解STATA操作，并付之于运用
升级会员 