资料来源：原文载于《学术研究》2015年第11期。

2007年，Amy Finkelstein曾做过一个关于经验研究方法的讲座，开篇一句值得特别强调：这些技巧，我希望当年也曾有人教过我[1]。无论是Finkelstein的学术成就还是受教育经历，都使人无法怀疑，她接受了当今世界最优秀经济学家群体提供的完备训练。从MIT经济系历届毕业生所取得的卓越成就，2009-2012年，更是连续获得四届克拉克奖，可以想见其教授们在训练研究生方面的强大实力。尽管如此，Finkelstein的语气，暗示MIT的教授们忽略了对研究过程和方法技巧的指导。

中国的研究生和青年学者，大多数没有MIT那样的学习、研究和成长环境，也缺少训练有素的教授们组成的导师组进行完备的知识技能训练。如果连Finkelstein都认为给研究生讲解经验研究过程中的方法技巧是有价值的，那么，为了帮助中国的研究生和青年学者找到正确门径，对这个过程作专门的探究就是必要的。

探究经验研究过程的另一个诱因是看到很多大学的经济计量学教师，并不会做经验研究。其中不少人教育背景为数量经济学、数学或统计学专业。他们会解数学题和统计学题——甚至很难的题，但却不知道解这些题有什么用。他们教学生做经验研究，是“瞎子领瞎子”。因此，中国的经验研究总体水平不高。即使在国内最优秀的经济学专业期刊上，对经济计量学的错误运用，也比比皆是。

如果没有良师指点，少数聪明颖悟之士，或许也能学会做规范的经验研究，但这个过程将是漫长的。弗里德曼曾指出：经济学家拥有一套观察、思考和分析问题的独特方法，只有极少数天才，才能偶然地无师自通。我们认真研究了Finkelstein和其他众多介绍经验研究方法的文章后自问：这些零星技法能把中国的研究生领入经验研究的大门内吗？结论是“未必”[2]。因此，笔者想从经验研究的过程入手，尝试为研究生和青年学者寻找正确路径。

揭示经验研究的过程，在一定意义上相当于“手把手地教人”做研究。写一篇规范的论文，与工程师建造一座桥梁，裁缝制作一件服装，具有类似性。本文会例示一些优秀的论文，剖析经验研究论文的产生过程；还要从方法论角度作探讨，使我们对经验研究过程的分析更具一般性。

经验研究不容易，因为它的研究对象是复杂的人类社会，“原因”常被各种混淆性因素所缠绕、遮盖。欲揭示真正的原因，不仅需要理论洞见，还需要掌握众多相关事实和专业方法。即使找到了事件真正的原因，还有各种复杂的技术难题要克服，很多不确定的因素要处理。有些问题可用数据来刻画，另一些问题却只能来自研究者的主观判断。当然，主观证据也要建立在理论和事实的基础上（DiNardo， Lee， 2011）。做经验研究者，都要掌握一套完备的知识体系，但掌握这套知识体系并不保证你能做出好的经验研究。事实为，即使对那些老练的学者来说，要写出一篇规范的论文，仍不是一件容易的事。一年能写出一篇高质量的研究论文，就是生产率非常高的经济学家（Hall，2009）。

一、模仿：倒立的影像

做经验研究是从模仿开始的，几乎没有例外。有经验的导师会选国际领先期刊上的论文，给研究生研读，训练他们掌握经验分析的方法：让研究生认真琢磨作者如何提出问题，如何分析研究对象面临的环境和制约因素，如何利用理论和约束条件构建假说，如何介绍数据，如何设定经验方程，得出什么结论。作者如何处理内生性偏差，如何扩展模型，作稳健性检验等等。鼓励研究生比照这个思路与框架写出自己的论文来。那篇优秀论文作为模板，就立在那里。

通过模仿掌握研究方法是个共识，但大多数研究生并未学会做规范的经验研究。如果他们有锲而不舍的精神，坚持上5—10年，甚至更长，或许会找到正确的路径。但更可能的结果是，大多数人因挫折而放弃。“经济学不是科学”，“我与经济学无缘”，是一个轻松的借口。

难在哪里？

当我们希望模仿一篇规范的经验研究论文时，除了要突破各种知识技能上的障碍，还有一个易被忽略的难点：那是一个“倒立的影像”——“原因—过程—结果”。文章本身并不显示真实的研究和写作过程，甚至误导了读者。真正的研究过程，却是相反的：

我提出了一个问题，接着，找到了答案，然后，还原事件发生的过程；再接着，我猜测事情发生的原因……。当我把一系列的因素都构建齐备后，通过写作过程，把这个“头下脚上”的影像翻转，在一个“规范的框架”里报告出来。

下面，我们开始探讨一个规范的经验研究过程，从作为起点的“选题”谈起。

二、提出问题：科学上可识别

科学研究都始于一个客观事实。经济学也不例外，选题通常来自社会生活中的问题或历史事件。有经验的导师，会鼓励学生去现实生活中找问题（Davis， 2001；Mankiw， 2006）。

（一）选题原则：重要、新颖、科学上可识别

重要，是指问题的社会关注度。通常是现实生活中的重要事情。研究的问题过小，缺少社会关注度，哪怕作者自认为有趣，别人也会认为不值得研究，毕竟，一颗葡萄是难以与人分享的（Stigler， 1988）。有学者曾指出：在转型期的中国，“农民工的工作条件和收入”是一个比“脸蛋漂亮对工资的影响”更有价值的问题。

新颖，包括选题新和研究问题的切入点选得好。新颖的选题，不仅让作者感到有趣，也让读者感到有趣。但太阳下面无新事，对那些天天遇到的事情，大多数人会熟视无睹。一旦作者能从大家熟悉的事实，讲一个别致的故事，也会让人耳目一新。比如，女性地位是个老问题，无论发达国家还是发展中国家，都存在着争论；而性别比失衡，则是发展中国家面临的社会难题。钱楠筠将这两个因素结合起来，用中国市场上的茶叶价格波动来探讨女性收入和其社会地位的关系，并扩展到了性别比这个大问题上去（Qian， 2008）。就选题来说，是个成功的典范。

科学上可识别，意味着对问题的解释能够用经验证据检验。这个命题，你用某个大样本抽样数据可以检验它，别人使用其他的大样本数据，也同样能检验它，会得出一致或近似的结果。这体现了科学研究的可重复性，是客观性的一种经验表现。

可识别的另一层意义是把一个不清晰、不准确的表述精炼化，使之成为一个可以检验的科学命题。这个能力经由训练而获得，每个青年研究人员都必须练就这个能力。

（二）寻找答案

第一，从理论出发去“猜答案”。经济学之所以是科学，是因为他建立在“人性不变”这个准公理性假设的基础上——从阅读孔子、司马迁、修昔底德和普鲁塔克等人的著作，结合我们对自己的反思，对身边人的观察，可以相信，2500年以来，人性是稳定的，古今中外皆然。人性的稳定性，使人类社会有一种内在的和谐，因而是可以认识的。人是理性的，社会资源是有限的，寻求资源的有效配置，是任何国家和社群所关注的大事。以此为根基，经济学发展出一套完备的知识体系。理论能够给我们寻找正确的答案，指出方向。

第二，直接去数据中“偷看答案”。经济学理论是我们解释世界的工具，但它本身仅仅是一套（空洞的）逻辑体系。要想解决问题，必须与问题发生的环境结合起来。这就需要学者熟悉研究对象，了解问题的来龙去脉，只有这样，才能重构事件发生的过程，找到事件发生的真正原因。学者应该在自己的研究对象上，成为真正的专家（List，2011）。你运用理论推理时，可能忽视了环境的影响，但这个影响会体现在数据中。

经验上，常常是先“猜出”或“偷看”了答案，才倒推出特征化事实（Stylized fact）。也可能会走相反的路径：先找到了特征化事实，然后，顺推出事件的结果。因此，研究路径有两个：在理论的指导下，观察一个或多个可信的大样本数据；观察事件发生的过程和结果。

（三）特征化事实

理论为寻找正确的答案提供了方向，但能否发现正确的答案，则不一定。比如，工资水平提高后，人们会增加闲暇时间还是增加工作时间？这取决于每个代理人的效用评价：收入效应和替代效应这两个相反方向的力量谁占主导，是不能先验地判定的。不同的环境，有着不同的特征化事实，“修改了”真实的事件结果。

既然要对假说或推论的结果进行猜测，那么，可能猜对，也可能猜错。猜对了，接着要构建连接问题与结论的桥梁；猜错了，要重新思考为什么结果没有如理论推断那样，里面一定有原因。这个时候，不要轻易放弃。猜对了，你在讲一个合乎经济学逻辑的故事；猜错了，你可以讲一个同样合乎经济学逻辑但更加新颖的故事。这时的关键是弄清环境中有什么特征化事实没有被掌握，以至于你的模型里忽略了它。但一个可信的大样本数据却作证：它就在这里。

由于研究对象的复杂性，马歇尔告诫：经济学家要掌握尽可能多的事实。这些事实帮你修正理论预测的错误。要提醒一点：任何“现象”都“属于”事实，但只有用可信的大样本数据能检验出来的事实，才能称得上是特征化事实。需要借助抽象思维才能理解这个概念。

三、数据：找到答案

（一）数据产生过程（DGP）

洪永淼（2007）认为，经验分析有两个公理性假定：

（1）任何经济系统都可以看作是服从一定概率分布的随机过程。

（2）任何经济现象（经济数据）都可以看作是这个随机数据生成的过程的实现。

以上论断并不易懂。我们从“自然实验”入手，引申一下，更直观地介绍数据产生过程。作个场景模拟：“大自然”在做实验的时候，很少邀请你到现场观摩，更不会慷慨地一边向你演示一边为你解释：他做这个实验的目的，经历了怎样的过程，得到了什么样的结果。但实验结果会被记录在自然界或人类社会里。比如，人口控制政策的出台，导致1972年以后（城镇）独生子女的数量越来越多，在出生队列中的比例持续提高。虽然你没有亲自参观自然实验过程，但你看到这个结果（数据或事实），通过理论训练和分析事件发生时的社会经济状况，可以将事件发生过程重现在头脑中。

我们再回到洪永淼的论断上来。既然是随机的过程，那么，一个样本里包含的信息，既有确定性，也有随机性。没有一个样本能说，自己既“代表着客观事实”又做到了“准确区分”，但一个样本做不到的，用一组样本却可以做到：这组随机产生的样本，观测值越多，代表真实总体的能力也就越大。大样本代表“明天的太阳会升起”；观测值则允许“今天的风随意的吹”。因此，在经验研究中，数据处于关键地位，因为它一头连接着形而上的理论——确定性；另一头连接着形而下的经验现象——随机性。如果数据产生过程是随机的，样本越大，越接近（理论上的）真实。

理论（假说）与数据之间是相互影响甚至是相互诱导的（Heckman， 2015），也就能理解数据的地位有多重要。作者在使用数据之前，要先对数据的适用性与可信性作评估。

（二）数据的适用性和可信性

当你从理论出发，结合研究对象面临的约束条件，刻画出一个故事轮廓了，接着，你需要寻找适用的数据，构建证据链条来检验它。这个链条应该与理论逻辑（故事）的方向相平行，在理论逻辑的每个“节点”，都要有数据结果来“与之对应”。两者之间当然可以调整，以相互适应，但最终能为同行接受的链条，应该是平行且有对应性的。

在寻找数据时，作者面临一个问题：本文的假说能用这套数据进行检验吗？作者需要去研究这个数据的结构，有哪些变量，如何定义的，与待检验假说是否有关，样本多大等等。

数据结构决定了模型设定。同样的命题，使用不同结构的数据都能得到检验，比如，研究工资变化的文献，有使用个人层面微观数据的，有使用城市（地区）层面汇总数据的；有用截面数据或混合截面数据的，也有用面板数据的。数据结构不仅决定了经验方程的设定，时间维度特征的有无，观测对象异质性的不同来源等，还意味着不同的内生性特征和处理手段。最受研究者欢迎的是以个人、家庭或公司为观测对象的微观数据，因为它有坚实的理论根基：经济学模型里必须有代理人[3]。

数据的可信性，也是证据的可信性。由于大多数数据来自抽样调查，那么，样本应该能够代表总体。因此，要重视数据的产生过程。理论上的DGP是评估经验方程中的误差项是否符合高斯—马尔科夫条件，但经验上的DGP则是强调严格遵循科学抽样与调查的过程，处理好调查过程中的关键性细节，得到“最接近随机”的高质量数据——良好地代表了总体。思考与评估数据产生过程在理论与经验上的对应性，是研究者的一个重要技能。只有亲自参与过数据采集过程的学者，才容易理解与把握这种对应性，才敢说对数据的使用“双脚站在了磐石上”[4]。

数据的可信性，可通过不同抽样调查数据的收敛性来评估。面对同一个社会总体，有几个学者都在做抽样调查数据，如果都遵循了同样的随机抽样过程，则不同数据的结果应该是一致的。不同来源的数据，起到了一个互证的作用。研究者应该“在数据上成为一个企业家”，经常搜集和关注不同来源、不同时期的数据结果，同时，经常观察社会事实。不断比对，不断修正，才能在头脑中建立正确的影像——对社会状况的判断和认识。

当数据不支持假说时。可信的数据才能检验正确的假说并为之作证。当两者不一致时，作者就受到困扰：到底是假说错了，还是数据错了，还是两者都错了？假说错了，可以重新构建，如果数据错了，更可能绊倒作者。毕竟，假说来自头脑，而数据却是更严格的外在约束。

数据的有限性。在现实中，没有一个抽样调查真正做到了“随机性”，那么，每个数据都是有缺陷的，研究者应该清楚这个特征，扬长避短。比如，抽样调查数据的汇总结果，常常会偏离真实的结果[5]，但，将抽样调查数据用于结构性分析，其偏差就会小得多。

有经验的调查者，通常会对数据做个评估，看自己的抽样数据偏差有多大，朝哪个方向偏。比如，谢宇等（2014）在评估CFPS的质量时，先找一个可信的数据作为基准——第六次人口普查数据，然后，将自己做的抽样调查数据与普查数据作比对，以判断偏差的方向和大小。

（三）数据的解读

数据自身并不会做因果分析。做因果分析的是研究者。他/她要把干预或事件发生的过程弄清楚，构建因果关系的链条和传递机制，展示给读者。读者会运用自己的理解力和判断力，决定是否接受这样的因果关系。在数据提供各种计算结果的同时，要辅以公认的经验事实——数据结果的经验内容。比如，历次人口普查数据都能看到：1959-1961年出生队列，有个急剧的下降。假如国外学者不了解中国当时发生“大饥荒”的事实，就可能作出其他的推测或解释：战争，瘟疫，或者干脆是数据错误。但中国学者却知道这个事实。

数据结果和经验事实必须联系起来。你看到数据结果，要向有经验的学者去请教：“Z老师，人口普查数据里，发现一个现象，当时，中国发生了什么事情？”Z老师会告诉你，那段时间，中国正在推行“晚稀少”生育政策，人口出生率下降，并不是始自1980年的独生子女政策，在1970年代初，就开始下降了。

数据的背后是历史和事实。

（四）对大样本数据的偏好

“自变量要变”。在经济计量学教科书里，这是个公理性的假设。在经验上，它对应着“样本规模”和“变异程度”。从遵循“数据产生过程的客观性”原则看，小样本难题是无解的。无论研究者怎样创新估计方法，再抽样，模拟，等等，方法越复杂，越远离“客观性原则”。因此，什么样的估计方法都代替不了高质量的大样本数据。反过来则可以断言：时间序列方法在经验研究中，不是一个有前途的方法——样本小，内生性严重。很难得出可信的结论。

（五）数据的拷打

我们的内心深处，对“完美的证据”有着本能的渴望。然而，社会问题的复杂性，使我们很难找到“完美的证据”，或者说，根本就“没有完美的证据”。因此，几乎每个学者都有拷打数据的冲动：让数据提供我们需要的结果。

拷打数据的方式，形形色色，但都背离了研究的目标：创造（更接近真理的）新知识以增进我们对生活在其中的这个世界的理解（Stigler，1988）。数据拷打的方法，常用的方法是加权。另一种拷打是模型误设，放一些坏控制变量，以获得主变量的统计显著。

不止一个学者遇到这样的诱惑：把不同产生过程的抽样调查数据混合到一块使用。这固然增大了样本，数据按照作者的需要“招供”，但这里的“样本”背后，没有“总体”。既没有内部有效性，也没有外部有效性。科学法庭上，不接受拷打得来的证据。这是原则。

四、编织故事：步骤与证据链条

（一）编织故事的三个线索

1．问题—结果—过程

现在，问题是清楚的，你也猜出了正确答案，怎么报告研究结果呢？你会发现，问题在认识之河的此岸，而答案却在彼岸。必须构建一个“桥梁”，把两个端点连接起来，读者才能看得懂和会接受。这个“桥梁”，就是证据链条。

搭建证据链条要遵守规范的框架。需要数据和经验事实来充当“建桥材料”，还要有一套完备的知识技能，以组织、运用和剪裁这些材料，依照特定的框架结构展示证据。这个“桥梁”有两个链条：理论上的逻辑线条；经验上的证据链条。

从理论出发，加上中国的特征化事实，可以推论应该出现什么结果，这是“假说”。它在形而上的世界里。在形而下的经验层次上，假说会以什么方式表现出来？这是可以用经验证据检验的“推论”。这时，形而上与形而下两个世界，就有了对应性。这两个链条必须是一致的、平行的。两条线索就像“桥梁的钢筋”，将一块块的“材料”联结起来。经验研究论文必须有两条相互印证的线索，才有可信性。那一个个的桥墩（关键证据）如果不够坚固，文章就有硬伤。

2．问题—推论—结果

不是所有的研究在提出问题后，接着就找到了答案，“桥梁”建设也不总是“从两头开始，向中间靠拢”。这种情况是常见的，从问题出发，不断自我追问：知道了这个事实，又能怎样呢？接着应该做什么呢？就像女孩子编辫子一般，不断地朝一个方向拓展故事链条，直到讲出一个完整的故事。

不少学者有这样的经历：开始动手写作了，但还不知道目的地在哪里。在一步步摸索前进中，找到了答案。“研究—思考—写作”，是个滚动前进的过程（McCloskey，2000）。而Goldin 和Katz 则强调：重写十遍是真正的写作艺术[6]。“十遍”并不仅仅是打理文字，甄选材料，理顺逻辑，调整布局，也可能是修正结果和重新讲故事。

文章写出来了，和最初的设想相比，已变得面目全非。要准备作这样的调整和修改。

3．现象—事实—假说

我们观察到的是“现象”，既混乱又不稳定。要以经济学理论作指导，对这些经验材料进行梳理分析，运用奥卡姆剃刀，保留主干，砍掉枝节，才能从“现象”精炼出“事实”。事实相当于约束条件，与理论相结合，才能推演出假说来[7]。我们将这个思维前进过程概括为“现象—事实—假说”。

假说的构建。就思维过程来说，是从复杂无序的经验层面跳跃到简洁优美的形而上层面。这很像飞机在跑道上滑跑、加速，然后，突然跃起并升入空中。在长长的跑道上，可以视为“现象”，而起飞的临界点，可以被视为“事实”。一般理论和特征化事实相结合产生“假说”那个瞬间，就相当于“跃起”。“假说”，则已经升入空中了。

（二）构建完整的证据链

1．证伪检验

你编了一个故事，怎么能证明你这个故事是创造了更接近真理的新知识，而不是一个自圆其说的逻辑戏法呢？一个办法是做证伪检验，如果没有你所说的那样的原因或传递机制，就不会出现你所论证的结果。证伪检验的延伸，则是要证明其他竞争性假说不成立。

经济学说史上，最大的公案之一是人力资本学派和信号学派之争：双方的预测结果都朝着一个方向，然而，政策含义却是不同的。经验研究不接受“公说公有理，婆说婆有理”：条件一定，正确结果只有一个。如何把这个缠绕结给解开？Waldinger（2010）给出了一个精彩的检验：大学还是那所大学，学生还是最优秀的学生，但大师离开了，毕业生的质量显著下降了。在一个自然实验框架下作证：人力资本假说得到支持。

2．剪裁与布局

为了论证提出的假说，还需要各种相关的事实，作为主观的证据，只有把这些证据材料进行组织、整理、剪裁，纳入到一个合理的框架内，放在设定的逻辑链条上，才能构建出人们能理解的“认知桥梁”来。我们准备的材料或证据，既产生自头脑中的知识存量，也来自“研究—思考—写作”过程中的资料搜集，大多数是用不上的。要舍弃它们，并不容易，因为我们投入了心血，灌注了情感。我们希望把这些证据或材料，都用到文章中去。尤其是一些令我们洋洋自得的内容或“金句”，与作品的整体逻辑（或基调）并不吻合。对读者来说，那是阅读进程中一个讨厌的钩子（hook）。必须剪掉它。重写，是最有效的剪裁手段，能让作者拉远距离，像个中立的旁观者，从思维的偏执中跳出来，客观评价材料在文章中的作用，是否保留。

3．数学工具

有人声称，自己在模型中推导了多少步，才得出了正确的结果。这是一个误导。我们怀疑，没有一个经济学家真的会这样从事创造性工作。直觉和演绎思维在经验研究中起着重大作用，这才是找到正确答案的两个途径。

当我们发现正确答案后，可以把答案以数学的方法来准确表达出来。但，数学既不是我们探索的动力，也不为我们的探索指明正确方向。可以断言：如果用数学推导可以找到正确的答案，那么，就不需要科学家的探索和研究了，买几台功能强大的计算机，就把他们全替代了。好在这不是事实，科学家会不断地改进和利用工具，却不会成为工具的奴隶。

我们会从理论出发推论可能的结果：比如，通过把婚姻市场的结构变化与理性人假设结合起来，推演代理人选择的变化，得出女研究生“宁可在婚姻市场上剩下”的结论（吴要武，刘倩，2014）。但我们是先看到了“女研究生在婚姻市场上剩下”这个“结果”，然后，去倒推“剩下”的原因。婚姻市场收益和劳动力市场收益的此消彼长（trade-off），从理论上能得到很好的解释，在生活中也能观察到这个经验事实。高等教育扩招后，女性占主导地位，却是一个新的特征化事实。美国和其他发达国家的高等教育群体中也有同样的性别特征。这样，就一步步找到了高等教育扩招为什么会导致“剩女”的原因。

始终要牢记的是：经验研究始于一个客观事实，结束于一个一般化的认识——另一个事实，而不是一串数学符号。[8]当研究者不仅找到了正确答案，也找到了传递路径，甚至用形式逻辑将这个过程完整地刻画出来以后，才将形式逻辑转换成数理逻辑。孩子生出来了。那个名叫“数学”的阿姨，馈赠了一件华丽的外衣。数学本身是没有生命的，它装扮了生命。

科学探索中的想象力（直觉与演绎）——建立在训练的基础上，才是我们探索未知世界的真正工具。当然，也不可轻看数学训练在经验研究中的作用：数学训练能让学者更加准确地刻画问题，帮助尖锐化思考，保持思维在逻辑上的一致性，减少出差错的机会。

4．评估研究的可信性

可信性是经验研究的灵魂。可信性不仅来自于科学的设计，还取决于关键性细节的处理。除了把因果关系的传递机制和路径说清楚，还要做到数量关系的准确区分，处理好内生性问题。证伪检验，通常是提供一个反证：本文所证明的相关是因果关系，如果没有本文所指出的这个传递机制，那么，两个变量之间就不再有相关性。稳健性检验——本文的因果关系不仅在逻辑上成立，在数量关系上还非常“结实”。敲上几锤子，故事链条的接口处，都砸不破。

对估计偏差方向的判断，是可信性评估的另一个内容。由于数据不完美，技术有瑕疵，从样本中得到的结果到底有多可信？一个数据样本不能为自己的结果作证，但，如果能找出偏差的方向，无疑是个有价值的信息：现有的估计数值，是朝某个方向偏斜的。

经济计量方法不是一个黑箱，各种回归分析也不是变戏法，因此，要避免欺诈的嫌疑（Leamer， 1983）。Stock（2010）曾经指出，今天的主流经济计量学教材显著不同于20年前，甚至不同于10年前。可信性革命框架是今天经验研究的主流（Angrist and Pischke， 2009;2010; 2014），要把因果关系的传递链条上的每一个重要环节，都清晰地展示给读者。