论证显然不只是实证一种方法，还包括规范分析（也可理解成为逻辑分析），包括归纳、演绎与案例分析等。相对来说这些方法我们在各类分析中较常见，而实证分析需要的数学思维要更高一些，不能说那个更重要，但难度上，显然实证分析要更大一些。所以我们要从难点和关键点来啃硬骨头。（当然一些纯粹的人文学科比如哲学、文学、语言、思政以及艺术等就不需要考虑实证，不能一概而论）
一
实证研究方法概述
实证研究（Empirical Research）方法是一种与规范研究（Normative Research）方法相对应的方法，它是基于观察和试验取得的大量事实、数据，利用统计推断的理论和技术，并经过严格的经验检验，而且引进数量模型，对社会现象进行数量分析的一种方法，其目的在于揭示各种社会现象的本质联系。相比规范研究方法，实证研究方法主要进行定量分析，依据数据说话，使其对社会问题的研究更精确、更科学。
实证研究离不开三方面的要素：
第一是科学理论。依托理论是实证研究的基础，脱离了科学理论的实证研究，无异于进行一次数据挖掘和组合的游戏。在实证研究的各个环节，如提出研究假设、设计研究变量，构建模型、分析结果，都离不开理论。
第二是数据。数据之于实证研究，如同大米之于巧妇，数据越完整、越准确，实证研究的可靠性也越高。
第三是方法。实证研究主要基于计量经济学的分析方法，融合了统计推断、参数估计等现代统计学知识。实证研究方法的基本框架如下图所示：
二
实证研究的基本流程
第一步：确定研究选题。
社会科学以人类活动为研究对象，人类活动的多样性和复杂性为实证研究提供了广阔的天地。比如，会计报表是否具有信息含量，公司会计政策变更会有什么经济后果，宏观经济政策如何影响微观企业行为，企业高管的政治关联对企业经营有什么影响等，这些问题都是实证研究可行的选题，也是具有理论价值和现实意义的选题。
第二步：理论推导并提出研究假设。
一旦确定了研究选题，接下来要做的事情就是通过理论推导来说明选题的合理性。例如，确定了研究选题是宏观经济政策会影响微观企业行为，研究者需要从理论上推导宏观经济政策为何以及如何影响微观企业行为，具体会影响企业哪些微观行为。当研究者从理论高度推导出可能的研究结论，就可以提出实证研究的待检验假设。也就是说，直接去检验理论的真伪，有一定的难度，但是基于逻辑理论推导，可以通过研究假设，直接证明理论的真伪。需要注意的是，研究假设要紧密结合理论推导，并且研究假设表意要清晰，可操作性要强。
第三步：数据收集与实证研究设计。
提出研究假设之后，要围绕研究假设收集数据。收集数据有两层含义：一是收集的数据要同研究假设中的概念相一致，即假设中的概念转换为数据；二是数据要完整、合理、力求准确。当数据收集完毕，研究者要设计实证计量模型，将零散的数据组合起来，以便于进一步分析。
例如，研究者经过理论推导，提出研究假设：宏观经济政策会影响企业债务融资，这需要两个关键数据：一是如何刻画计量宏观经济政策；二是如何计量企业债务融资。研究者需要根据理论建立实证研究模型，模型的设定既要考虑经济含义，也要考虑计量经济学中一些需要注意的问题，要将模型设定的偏误尽可能降到最低，以保证研究结论的可靠稳健。
第四步：实证检验分析。
根据数据的特征和实证模型，研究者要选取适当的实证检验方法，例如，如果被解释变量时0、1结构的非连续变量，则应当选择logit检验。在分析检验结果时，要考虑经济意义，也要考虑统计意义。只有这两个意义都达到预期的检验结果，才能用来证明研究假设。对于和预期结果不一致的情况，研究者要深入分析原因，不能仅选择容易解释或者同预期一致的结果去分析，而对不容易解释或者同预期不符合的结果不做解释。
第五步：提出研究结论。
当研究者对实证检验结果做了详尽分析之后，应当提出明确的研究结论。研究者可以从以下三个方面提出结论：一是本研究对该领域的理论有什么边际贡献，可能修正了既有理论，也可能推进了既有理论的发展；二是本研究对解决社会实际问题有什么价值；三是本研究在理论和方法上有哪些不足，未来可能继续研究的内容有哪些。
三
实证研究设计的基本方法与原则
研究设计是对研究课题的规划，也是谋求新发展的策略。研究设计内容可以多种多样，却都围绕着两个目的：
一是辨识问题，提炼主题；
二是论证和验证主题；即回答解决什么问题，预期取得什么结果以及选择论证此预期结果的技术方法。
研究设计是实证研究之前对研究问题、研究目的、调研对象、测量方法、抽样方法、数据收集和分析方法、论证方法等的思考和设计。研究设计的基本目的在于引导研究者来解决研究问题。严谨的研究设计能够减少研究误差，进而提供有效的信息，保证研究结论的信度和效度。
首先，要设计如何将概念量化，即如何测量。
在科学研究中，测量的地位至关重要。
许多管理研究成果只有发展出测量工具后，才具有可操作性，如对外开放度、国民综合素质的测评等。可以用外贸依存度、高学历人数占比等将上述逻辑性概念进行量化。
通常，测量是一个演绎过程，先选取一个概念，再发展出一个测量工具，然后进行经验观察，测量始于对概念的分析（定义）。
其次，要设计测量的信度和效度。
信度（Reliability）与效度（Validity）是科学测量的核心议题。信度是指一个指标可信度，可信的指标在每次测量相同事物时应该能够得到相同的结果。效度是指测量能否正确的反映所研究概念的意义（有效性），例如，用高校学生人数来说明某城市的总体文化素质是否具有效度（没有效度，而高学历存量占比效度更高-这是我的学生的一个指标设计的真实案例）。
在测量中，效度关注这类问题：我正在测量我想要的测量项目吗？测量效度有三类，即内容效度、经验效度和建构效度。信度在社会科学研究中尤为重要，因为许多建构本身都是模糊的。
最后，要设计检验模型。
根据研究目标和已经获取的数据，设计适当的模型。设计模型的基本思想，是要找出因变量和自变量之间的因果关系，模型不应追求复杂，要用最简单的模型解决研究问题。如果能同时利用简单的计量方法和复杂的计量方法， 在选择复杂方法时应该解释为何不选用简单的计量方法，毕竟，社会科学中的实证研究问题是为思想服务的，简单问题复杂化，有将实证研究沦为计量炫技的嫌疑。
关于回归模型设定，经常存在且往往无法回避内生性问题，复旦大学经济学院的陆铭教授有过一段经典的表述：
“对于耗费了经济学家大量精力的内生性问题，我想多说两句。我认为克服内生性偏误是重要的，也是研究者应该努力去做的。不过，我的想法是，计量经济学方法和因果关系识别在理论上并无直接对应关系。计量的研究策略（包括实验方法、工具变量（IV）、断点回归（Regression Discontinuity）、倾向值配对（Propensity Score Matching）、双重差分（DID）等）都只是用来避免（或缓解）由遗漏变量或双向因果关系所产生的估计偏误的。在使用了这些方法之后，研究者所看到的相关性更接近因果关系，而其是否真是因果关系，仍然需要看理论逻辑。因此，我不认为运用OLS方法分析截面数据的研究就一定不好，事实上，只要研究策略得当（比如运用了实验或自然实验的方法），从而保证了核心解释变量的外生性，OLS恰恰是最好且有效的估计。一些顶级杂志的文章也常常在OLS的基础上，运用一些研究逻辑来排除某些作用机制，从而更好地接近因果推论。另外，一些开创性的研究往往是从看相关性起步的，此类研究的重要意义往往在于提出了具有创见性的问题，当然，如果能够用更接近于因果分析的研究策略，则是锦上添花。”
四
实证设计成功的关键要素
第一是选题要符合理论基础。这是最重要也是最难的一点，如果选题本身就不符合理论逻辑，实证设计的结果肯定也不理想，即使实证分析的结果和预期一致，这样的实证研究也是没有价值的“伪回归”。
第二是变量设计要准确可靠。比如我们想研究高薪能否达到养廉的目的，在设计变量时，我们如何计量“清廉”这个概念。如果这个问题不能有效解决，实证研究也很难继续下去。
第三是模型设计要科学。实证模型既要考虑我们想研究的问题，也要充分考虑计量经济学、统计学的知识，更要考虑我们收集的数据有何特点、数据结构是什么样的。
五
实证研究的优势与局限
实证研究方法的优势体现在以下三个方面：
一是坚持因果规律是基本前提。有利于提升嗯嗯实证研究的逻辑可靠性。
二是坚持归纳主义的原则。归纳主义注重从广泛的经验中总结出规律性的东西，这能提升实证研究的普遍适用性。
三是坚持价值中立的原则。这从研究立场上提升了实证研究的客观性和科学性，中立的价值判断也让实证研究的结果更令人信服。嗯！
但是实证研究的优势，在某些情况下也正是其局限所在。
如果我们的假设前提错了，那么后面的所谓“实证”就没有任何意义。我的一个学生在写论文时，根据所谓“杀敌一千，自损八百”的错觉，用模型实证所谓美国对中国高科技产业的打压会伤害美国自己，结果实证就是跑不过去。他困惑不已，来找我，并提出其依据。显然他的假设前提就是错误的，因为“美国打压”的结果是现实、效果是立竿见影的，而“自损八百”只是一种预期，在未来其效果是不确定的。
从这个意义上讲，实证作为一种工具是有存在必要的，但说到底还是为逻辑服务的。逻辑错了，实证不可能做得下去。
六
总结
本期具体介绍了实证研究的方法，包括实证检验的具体流程、基本方法、原则和关键要素。
相比于理论研究方法的不拘一格，实证研究的方法形式较为单一，也较为统一。初学者很容易就能够完成一项简单的实证研究。
但如果想要完成一项高质量实证研究并形成论文，就需要研究者对实证研究有充分的了解，以及大量的实证研究经验。
以实证研究中的概念量化过程为例，同一个概念可能有多种方法进行量化，每一个量化方法有可能涉及多个量化指标。因此，即便是研究相同的实证内容，不同研究者选取的量化方法和指标不同，得出的研究结论可能也会大相径庭。
此外，同许多已经比较成熟的研究方向比，很多新兴的研究方向由于研究者涉猎较少，概念量化的过程会更加困难。
对于上述问题，研究者除了不断摸索、积累经验之外，通常没有更加便捷的途径予以解决。所以，有经验的研究人员经常会这样形容实证研究“学会容易学精难”。
七
需要注意的问题
（1）传统实证文章的核心数据分析部分一般是主回归+分组检验+稳健性检验，但是现在，高质量论文一般会包括主回归+调节作用/中介作用+稳健性检验+进一步研究（分组检验，经济后果研究，其他拓展研究比如异质性检验等）。因此，论文的难度和工作量需要适当增加。
（2）近年来，可以明显看到的一个趋势是，实证文章越来越强调稳健性和内生性检验（与上文所述，这一点很重要），从而提高研究结论的效力。因此，实证方法越来越丰富，也越来越难。所以，你的文章一定要具备充分的稳健性和内生性检验。以前那种只靠主回归支撑整篇文章的做法已经不能满足现在的期刊要求了。
（3）一些检验的结果与假设不相符，有几种解决方案：
一是不要让这种结果出现，利用实证倒推假设，这是实用主义的做法。
二是把这个实证结果作为创新点，进行细致的原因分析（可以和导师探讨），让这个意外成为我们论文的里昂惕夫之谜（这要有很强的逻辑推理和综合性分析判断能力），并由此推出弥补短板的对策。
三是一些问题可以用不同的角度去考量，往往殊途同归（警察与小偷的敌友关系，饮酒与健康的关系），怎么解释都行，那就要结合问题具体匹配了。
（4）听懂上述内容的前提是你的计量经济学基础要扎实，否则这些指导可能短期消化不了。但是没关系，结合这次指导，补齐这个短板就可以了。
转自课题洞见微信公众号，仅作学习交流，如有侵权，请联系本站删除！
