分享

如何撰写经济学应用论文(上)

 新用户68639482 2022-04-03

如何撰写经济学应用论文

Marc F.Bellemare[1]

202097

摘要:

如何写出好的学术论文?尽管许多经济学者本能地知道如何做到这一点,但很少有人花时间思考如何撰写好的研究论文,即使是最成功的经济学者也往往很难清楚地回答这个问题。其原因有二:经济学家读的内容(what economists read)以及他们读的方式(how they read it)。本文的目的是告诉读者如何撰写最终能发表在同行评议期刊上的应用经济学论文。本文将尽可能详细地讨论论文的各组成部分,并以常规的研究项目中各部分呈现的顺序来编排。

关键词:应用经济学,应用微观经济学,方法论

JEL 分类号: A2, B4

“我相信,我们成为什么样的人,取决于我们的父亲在空闲的时刻教我们什么,当他们不想教我们的时候,
我们是由一点点智慧组成的。”

— Umberto Eco(1988),Foucault’s Pendulum.

1引言

一部好电影会让你忘记你是正在看一部电影。同样,一篇好的研究论文会让你忘记你是正在读一篇研究论文。作者们介绍了他们所做的工作:他们问了自己什么问题,他们是如何回答的,他们是如何确保自己的答案是可靠的。总之,我们可以从他们的研究中学到一些东西,以用于指导政府或商业决策。

但正如一部好电影让你沉浸在它创造的世界中,让你忘记制作过程中使用的各种主题和技巧一样,一篇好的研究论文也会让你忘记它的整体结构以及作者使用的各种修辞手段。

你如何写一篇好的研究论文?根据我的经验,大多数研究经济学家花在思考这个问题上的时间太少,即使是最成功的经济学家也很难对同一个问题给出明确的答案。

这既与经济学家的阅读内容有关,也与他们的阅读方式有关。

关于经济学家所阅读的内容,大多数研究生课程(如行为、发展、产业组织、劳动)的教学大纲通常包含阅读所研究领域的优秀论文。这些论文影响了该领域研究人员的思维方式以及他们对该主题的了解。例如,发展经济学课程的教学大纲几乎肯定会将Foster and Rosenzweig(1995)和Suri(2011)的文章包含在其技术采用(technology adoption)主题下的阅读清单中。因为,在该领域中,这两篇文章被广泛认为是最好的文献之一。

这主要适用于低年级的读者(因为高级别的学者可能在审稿时接触到很多质量不高的文章),但只阅读最好的论文也是一把双刃剑。平心而论,阅读那些来自于我们同行们关注话题的论文时,我们会获得最大的收获。因为,这些论文往往是质量最高的,即在某一特定话题中最接近完美的论文[2]。但是,如果一个人所读的都是完美的论文,那么他就很难了解好论文是怎么形成的。例如,再拿电影举例,如果你所看的都是英国电影协会(British film Institute,BFI)有史以来最伟大的50部电影名单上的电影,而你从未看过任何糟糕(甚至是一般)的电影,那么你将很难发现到底是什么让这些电影跻身BFI前50名。

关于经济学家的阅读方式,大多数研究生课程的教学大纲经常列出大量的文章,从而使研究生迅速掌握出一种技能,即Mortimer Adler在其著作How to Read a Book中谈到的“检视阅读”(inspectional reading)。在阅读学术论文时,检查阅读包括阅读引言、查看方法和结果,以及(可能)在阅读的下一篇文章之前阅读结论。以这种方式阅读论文可以帮助一个人了解某一主题的内容,但这并不是学习如何撰写好论文的秘诀[3]。

当经济学家知道如何写出一篇好的研究论文时,他们通常会以非结构化、无意识的方式收集这些信息,通常是从顾问、资深同事和合作者的闲聊中收集的。换句话说,正如本文开篇Umberto Eco所说的一样:他们“在空闲的时刻……通过一点点知识”学到了这一点,而这些顾问、同事和合著者并没有试图教他们。

因此,本文的目标是教会读者如何撰写最终将在同行评议期刊上发表的应用经济学论文[4]。为了做到这一点,研究论文的各个组成部分将尽可能详细地讨论,文章的顺序大致以各组成部分在实际研究工作中的顺序来编排[5]。

本文的其余部分组织如下。第2节列出并讨论了一篇典型的应用经济学论文结构。第3节解释了如何呈现应用论文的理论框架,记住理论经济学家很少读应用论文。接下来是论文中真正应用的部分:第4节解释如何呈现数据和描述性统计,第5节解释如何呈现实证框架,第6节解释如何讨论实证结果,包括其局限性。第7节解释了如何写出正确的结论。因为只有当作者弄清楚自己研究的结果是什么以及它们的意思后才能完成标题、摘要和引言的写作,所以第8节才解释了如何选择一个好的标题、写一个好的引言和摘要。第9节讨论了文献综述和背景部分(并非是论文中必须有的部分)。第10节讨论了有关发表的事宜。第11节是总结。

2结构

在创作任何类型的作品之前,了解这些作品的典型结构是什么样的,并写下这种结构的粗略草图是有帮助的。从最抽象的意义上说,典型的经济学论文(无论是否是应用论文)的结构如下:

1.标题

2.摘要

3.引言

4. ……

5.总结和结束语

6.参考文献

根据你写的论文的类型,第四部分将会有所改变。由于本文主要探讨应用论文的写作,所以上面的结构通常会被修改为如下结构:

1.标题

2.摘要

3.引言

4.理论框架

5.数据和描述性统计

6.经验框架

7.结果和讨论

8.摘要和结束语

9.参考文献

10.附录

该结构并不是一成不变的。有些作者会调换第5部分和第6部分的位置,从而使实证框架部分位于数据和描述性统计部分之前。类似地,一篇研究常规问题的论文(例如,更强的财产权对农业生产力的影响)可能根本不需要一个理论框架,因为这个问题背后的理论是众所周知的,而且还是教科书上的东西。或者,在引言之后会有一部分介绍重要的研究背景,而这部分既不适合放在引言,也不适合放在描述性统计部分。

虽然有些论文可能需要对上述结构进行大幅度调整,但是熟悉常规的结构还是有帮助的。在这种情况下,一个很好的类比就是:在爵士乐传奇人物John Coltrane制作A Love Supreme(1965)(至高无上的爱,一部很前卫的作品)之前,他首先学会了Blue Train(1957)中波普爵士乐结构(较为僵化和传统)。

这对应用经济学家意味着什么?这意味着在你打破常规之前,必须学会它们。因此,在考虑写一篇一般读者几乎认不出的结构的论文之前,一个应用经济学家应该确保已经写了足够多遵循以上结构的论文。换句话说,更有经验的研究人员才能做出结构上的改变,因为他们从读者那里积累了足够的好感,这允许他们稍作改变。

本文其余部分将不遵循刚才给出的结构。虽然对我来说,写一篇论文,其后续章节的标题按照确切的结构顺序排列肯定会更容易,但事实证明,我们在论文中所展示的结构往往与我们实际工作的结构相差较大。

3理论框架

由于应用经济学的目标通常是回答这样的问题:“x影响y吗?”或者“如果x增加一个单位,y会改变多少个单位?”,因此经济学中大多数应用性的工作都是从某种来自变革理论(theory of change)的想法开始的。

虽然许多具有影响力的回归评估报告着重于干预变量是否以及如何影响结果的,但最好的研究论文往往仅侧重于一个问题(例如,“拥有土地所有权如何影响农业生产力?”)或特定问题背后的影响机制(例如,“土地所有权提高农业生产力,其原因是土地所有权允许土地所有者将其土地用作抵押品吗?”)。因此,一篇文章首先需要关注的是那些感兴趣的因果关系。换句话说,最好的应用经济学文章往往只关注一个问题,所以你几乎不可避免地不得不将一些材料排除在最后的计划之外[6]。

那么,问题是如何将你的变革理论转化为一篇应用经济学文章的适当理论框架。这里有两个可能的问题:(i)你正在研究一个理论家已经研究过的变革理论的问题,或者(ii)你正在研究一个理论家还没有研究过的变革理论的问题。

在第一个场景中,有两个选项。第一种选择是在文章中包含一个理论框架,通过合并或改编他人的理论框架。尽管研究论文常常让人觉得必须在所有方面进行创新,但这种情况很少发生。尤其是应用论文,重要的是研究问题、实证策略或两者都是新颖的。在大多数情况下,使用别人的理论框架是完全可以的——前提是你清楚地说明你正在这样做。

一个密切相关的选择是调整别人的理论框架来满足你的需求——例如,通过合并一个额外的变量,或者通过做出额外的假设来满足你的应用需求。

在第二种情况下,当你在研究一个理论家还没有研究过变革理论的问题时,你必须清楚地陈述你的变革理论。在某些情况下,这可能需要一个正式的理论模型。在其他情况下,仅仅提出一个口头的概念框架就足够了[7]。在所有情况下,你的理论框架——无论是数学的还是口头的——都应该从基本元素开始,并做出必要的假设,以产生“x通过机制m引起y”的结果,不能多也不能少。

一个人可以写一整本关于如何写经济理论的书(有些人已经写过了;参见Thomson,2011),因此除了以下内容之外,关于这个话题本文就不再多说了:写经济学理论模型是一种艺术形式,如果你在研究生阶段还没有学过如何写,也许最好与有过这种经历的人合作。在发表应用经济学文章时,最好是一个非正式的、不规范的概念框架,而不是一个糟糕的正式理论模型。

也就是说,即使你的工作论文包含了一个简明的理论模型,有时也会发生这样的情况:即审稿人或编辑会要求你在论文发表前删除你的理论模型,或者将该理论模型放在附录中。如果发生这种情况,要知道这是常见的,不要感觉被冒犯。从这个意义上说,在你的论文中有一个理论框架通常只是一个信号(Spence, 1973),表明你知道自己在做什么。就业市场文章尤其如此,其除了要对现有研究做出贡献外,还应被用来展示作者各方面的能力。

4数据和描述性统计

在发展了你的变革理论之后,你大概正在寻找数据来检验理论。与编写正式理论模型一样,以下这些书描写了有关数据收集的注意事项(调查数据见Deaton,1997或Glewwe and Grosh,2000;随机对照试验见Gerber and Green,2012或Glennerster and Takavarasha,2013),因此本节将不讨论数据来自哪里,而是假设您有这些数据。本节将侧重于如何在应用经济学文章的正文中呈现数据。

数据和描述性统计部分回答了读者关于数据本身的所有问题。具体来说,一个好的数据和描述性统计部分需要首先讨论数据的来源,包括数据收集的时间,搜集人员,构成样本的观察数据是如何选择纳入的(即调查方法,或区域、社区、家庭、个人等是如何选择的),样本代表什么总体,目标样本量是多少以及如何确定样本量(例如,通过功效(Power)计算),实际样本量是多少,无答复率是多少,如果数据是纵向的,损耗率是多少,如何处理缺失值(例如,是否只是删除了观测值,或是否对某些值进行了插补,如果是,如何进行插补)。广义地说,这里提供的信息允许读者判断论文中所包含结果的外部有效性(有时也可以判断它们的内部有效性,当数据存在损失时就是如此),或者如何将这些结果用于样本外预测。

在介绍了这些基础知识之后,一个好的数据和描述性统计部分通过精确和简明地解释它们测量的东西以及它们测量的方法来介绍论文中使用的所有变量(所有变量都在论文中有用到)。例如,在发展中国家的许多农村地区,人们的收入来源多种多样。因此,如果“收入”包括在分析中,读者需要被告知收入来源是什么。

这可能看起来很乏味,但它包含了重要的信息(如果作为作者的你都觉得很乏味,你可以想象它对读者来说是什么感觉)。例如,农业发展文献中的一个古老问题,也是我做了相当多研究工作的一个话题:参与农业价值链(通过合约式农业,作为种植户)是否会让参与的家庭过得更好(参见Bellemare and Bloem,2018年的综述)。这通常是通过在家庭是否参与合约式农业的虚拟模型上回归家庭收入的度量(作为福利的代理变量)来评估的。然而,如果不知道家庭收入的组成部分是什么,就不可能知道它是否包括来自合约式农业(contract farming)的收入。当家庭收入包含合约式农业收入时,存在明显的反向因果关系问题。而当家庭收入不包含合约式农业收入时,反向因果关系问题要小得多。

好消息是,当人们获得用于收集数据的调查问卷时,提取出这些信息是相对容易的,而且几乎总是这样。此外,呈现这种信息的最好方法是创建变量描述表,其中每一行都是之后用于分析的变量,第一列给出该变量的名称(括号中是度量单位),第二列给出精确的度量。图1就是一个这样的表。这样可以通过简洁的方式呈现大量必要的信息,从而最大限度地减少读者的不满:那些想要了解数据的人可以阅读该表,而那些不想了解的人可以跳过表来关注变量名。

1变量描述示例(Bellemare2012

在介绍了上述内容之后,现在是介绍和讨论描述性统计的时候了。虽然在过去仅仅展示平均值和标准差就已足够,但当处理变量为类别变量时,有必要展示平衡检验的结果。表中每一行都是用于分析的变量,平均值和标准差是以处理状态为条件显示的,其中通过报告组间均值差异的p值来评估各变量的均值是否在不同处理状态下有显著的不同。尽管教科书上的例子涉及两种处理状态——处理和控制——但越来越多的研究包括两种以上的处理组(treatment arms),因此任何有意义的平衡测试都必须报告每一组组间差异检验。对于两个处理组,这意味着三种情况,即处理组1与对照组,处理组2与对照组,和处理组1与处理组2。

利用经验数据,这种平衡测试是向读者展示随机化的操作是适当的。对于观察数据,我们不会期望数据是平衡的,做平衡测试的目的是评估数据的不平衡程度——这一想法来自相关的文献(Morgan and Winship,2015)。在处理组和对照组之间完全随机分配的情况下,小于10%统计显著水平的成对比较差异应少于10个,小于20%统计显著水平的成对比较差异应少于20个,小于1%统计显著水平的成对比较差异应少于100个。如果对比结果报告了太多系统性差异,那么在估计效果时,理想情况下应该在回归或匹配情况下控制相关协变量。

除了通常的均值和标准差表以及一个或多个显示平衡测试结果的表,好的数据和描述性统计部分也可以用来非参数地探索数据,当相关变量连续时,方法是显示相关变量的核密度估计(即至少是结果和处理变量,但也包括怀疑是处理异质性来源的控制因素);当相关变量是类别变量时,展示相关变量的直方图;或当处理变量和结果都是哑变量时,显示交叉表(即2乘2表)。

在编写数据和描述性统计部分时,应该避免几个重要的错误。第一个这样的错误是写出了一个平淡无奇的手段列举。如果性别变量仅被用为控制变量,那么陈述“37.4%的受访者是女性”就没有什么意义,因为读者可以自行查找;这里唯一值得讨论的变量通常是因变量和自变量以及任何用于识别的变量(例如,工具变量或驱动变量(forcing variable)),或任何真正重要的变量。通常,一个很好的经验法则是将描述性统计的讨论保持在几句话之内。

第二个这样的错误是在讨论数据和描述性统计时使用了过去式。上面的例子说明了“37.4%的受访者是女性”,而不是“37.4%的受访者过去是女性”。在使用英语进行科学交流时,使用现在时讨论数据或结果是更有效。正如应该避免使用被动语态一样,也应该避免使用过去时态,除非是在总结和结束语中。

最后,另一个错误是,呈现的数字要么因为太小而有太多的小数位(通常,三位小数就足够了,而且无论如何,总是可以通过缩放一个变量,使其大小与其他变量的大小相适应),要么在表格中呈现了难以解释的数字,如1.37e+8,或者任何读者不熟悉的单位(例如,如果需要,总是可以用几千或几十万来表示美元金额)。换句话说,即使在实际回归中,使用的是收入的对数,但描述性统计表也应该报告收入水平的平均值,而不是收入对数的平均值。

最后,尽管数据和描述性统计部分中的许多内容好像是无用的装腔作势,但是正如前面所说的那样,一个好的数据和描述性统计部分应该可以让读者对因果关系的符号和大小形成合理预期,并了解在给定的条件作用域中,这种关系可能如何变化。

5实证框架

在讨论数据并呈现描述性统计数据后,你通常会转向讨论你的实证框架,即你所使用的实证研究设计。

实证框架由两个相关部分组成:(i)估计策略(即,估计什么、如何估计以及如何进行统计推断)和(ii)识别策略(即,数据的哪些特征允许做出因果陈述,或者,如果不可能,我们如何知道我们正在接近做出这样的陈述)。

5.1估计策略

估计策略通常包括为回答研究问题而估计的方程式。虽然精明的读者可以通过查看论文中的表格来回顾论文中的估计方程,但这并不总是可能的。无论如何,读者应该做的工作量应该保持在最低限度,因此提出待估算的方程式在很大程度上是简洁的

理想情况下,这些方程将尽可能简约。虽然一个回归可能包括10到15个控制变量,但最好将所有这些都放入控制变量的向量X中。在一个估计框架中,什么样的变量值得在方程中显示出来?首先,因变量(y)、处理变量(D或T)、控制向量(X)、截取项(α)和误差项(ε)应该一起包括在内。

最好遵循以下几个范式,顺序不分先后:

· 最小(例如个人)到最大(例如区域),所有变量都应有适当的下标,通常标为i、j、k、l等。

· 拉丁字母表示变量。希腊字母表示系数。

· 在估计策略部分中,如果同一个等式使用在了不同的情况下,那么系数也应该有不同的下标。换句话说,如果β被用来表示yD的回归系数,那么它就不应该被再用来表示yDx的回归中的系数——这两个的意思并不相同,用来表示它们的符号也应该不同。最好给每个系数加上数字下标:在前一种情况下,D的系数将被表示为β,而在后一个情况中则是β1。也可以在每个系数上加上字母下标,例如βrβs可以分别表示同一系数在简约式(reduced-form)和结构式(structural-form)中的估计系数。

· 估计策略部分还应具体说明用什么方法来进行估计。我们通常感兴趣,但可以用许多不同的方法来估计,如参数、半参数或非参数方法。当结果变量为哑变量时,读者需要知道是否使用了线性概率模型、probitlogit模型。在不明确的情况下,还需要指定估计量(例如,最小二乘、最大似然或广义矩量法)。

· 在介绍了可估计的方程之后,应该讨论相关的假设检验。在形如下列回归

例如,相关的假设检验的形式为HA :γ =0而与之对应的备择假设是HA :γ ≠0这里,注意假设检验总是检验一个等号。因此,虽然一篇论文可以检验D由0变为1是否会导致y的增加(并进一步检验yD的变化而增加多少),但从统计学上讲,一篇论文是检验了零假设,即D和y之间的关系是否显著为零。

· 估计策略部分还需要讨论推断,即标准误差是否稳健以及如何稳健(如果是,对什么稳健;如果使用Huber-sandwich-White校正,仅仅说标准误差是稳健的是不够的,但有必要说它们对异方差是稳健的),它们是否以及如何被聚类(如果是,在什么水平上聚类以及为什么聚类;请参见Abadie et al.,2017),以及是否使用抽样权重来使样本更接近感兴趣的人群(如果是,它们是如何构造的;参见Solon et al.,2015)。

5.2识别策略

在呈现和讨论估计方程后,有必要讨论如何识别与因果关系判断有关的系数。
随着时间的推移,“识别”一词经历了几种含义(Lewbel,2019)。不管怎样,“识别”一词在当前的应用论文中经常指因果判断。什么是因果判断?它指的是:一个系数不仅仅反映了因变量y和一些的变量D之间的部分相关,而是反映了一种因果关系。
虽然一个无偏系数估计意味着因果关系的系数估计,但不能反过来这样说。事实上,在某些情况下,虽然人们知道一个系数是有偏的,但在统计上显著的系数估计仍然可以用来表示因果关系。
例如,假设变量D是连续且随机赋值的,同时你有结果变量y和控制向量X的数据。试想一下,受试者完全符合D,那么原则上你就可以估计平均处理效果(ATE)。但变量D的衡量是有误差的,即当输入数据D时,就会存在一定程度的误差[8]。在这种情况下,当HA :γ =0被拒绝时,我们仍然可以说,我们发现了Dy的因果关系影响,并提示说,这种影响是偏向于零的(或者,我们可以说,我们估计了实际影响的绝对值的下限)。有时,即使变量D存在着系统性测量误差,还是可以这样说,因为在某些情况下,系统性测量误差会γ导致的估计值偏向于零,但这种情况要少见得多。
如果你足够幸运,即在你的处理变量中有实验性的变化,以及平行趋势检验表明处理组和对照组是随机分配的,你的识别策略部分可以很短,因为你通过随机分配实现了对因果关系的判断。换句话说,你可以估计Pearl(2009)所指的,即x对y的影响。
如果你的处理变量中有实验性的变化,但平行趋势检验表明处理组和对照组的观测值并不是随机分配的,你的识别策略部分也可以很短,因为你只需要解释如何通过添加控制变量,来纠正这种情况,但只是在某种程度上,因为当可观察到的不平衡时,不可观察到的也可能不平衡。
如果处理变量中没有实验性的变化,那么就有很多工作需要完成。为了简洁起见,本文不能也不会用观测数据对因果关系进行深入研究(如果想要阅读完整的介绍,请参见Morgan and Winship,2015)。然而,一个好的识别策略还是需要讨论一些必要的内容。

· 直观地解释为什么你的结果可以用来解释因果关系。实际上,这意味着你必须告诉你的读者,为什么你的结果可以做出比以往更准确的因果判断。

· 在最好的情况下,这是因为你有一个研究设计(例如,一个严格外生的工具变量,如彩票),其可以实现随机分配的作用(即随机分组)。在不太理想的情况下(例如,一个看似外生的工具变量;参见Conley et al.,2012),你需要解释为什么,即使你没有做出干净明确的因果关系判断,但你的结果是现有文献中最好的[9]。

· 依次讨论以下三种内生性问题的来源:反向因果、遗漏变量、测量误差,解释这些内生性问题在你的研究中是否非常关键,以及你是如何处理这些内生性问题的。如果这里的确有问题,请大胆承认它们,并解释它们对你的估计系数将带来什么样的偏差。不要谎称你的论文能做什么以及不能做什么!

· 做到这点后,还需要考虑另一个问题,即违反SUTVA(个体处理稳定性假设)。SUTVA的含义是如果你想研究的影响,其中i表示单个个体,t表示时间,那么的值必须不能影响的值,即只能影响。然而SUTVA可能非常难满足。也就是说,人们可以经常检验是否违反了SUTVA假定;参见Burke et al.(2019)的论文,作者们很好地处理了违反SUTVA的问题。

· 由于这是极其重要的,因此在强调一次:如果你并没有发现因果关系,不要谎称你的论文能做什么以及不能做什么!编辑和审稿人更愿意处理那些作者坦率地承认其文章局限性的稿件,而不是那些作者试图欺骗读者的稿件。简单地说:前一种稿件比后一种稿件被接受的机会要大得多。

6结果与讨论

应用经济学文章中讨论研究结果的部分显然是最重要的部分。但有些自相矛盾的是,很少有人选择去阅读该部分:当读者阅读了标题、摘要、引言、看了几张表,也许还看了经验性框架部分来回答她挥之不去的问题时,你的读者知道她是否可以信任你和你的发现,她通常只对你的核心发现感兴趣。只有审稿人和批评性读者(例如,研究生在堂课上阅读你的论文,如果你的文章最终出现在某人的教学大纲或他们的论文中)才会阅读结果部分的全部内容。然而,结果部分也应该有其自身结构,下文将对此进行讨论。

6.1结果的顺序

提出结果有一定的逻辑顺序。通常,结果从最简约(例如,yD的简单二元回归)到最不简约(例如,yD的回归和一整套控制变量x)。D的实验变化不如D的观测变化有用。在前一种情况下,在等式右侧增加控制变量原则上不会改变估计结果的符号和大小。相反地,它只会使估计结果更加精确(即,它会减少周围的标准误差)[10]。

在后一种情况下,人们不能假定= ,最简单的方法是评估结果稳健性的第一步:如果符号和大小没有太大变化,或者在增加控制变量时根本没有变化,这表明结果已经稳健许多了。这符合Altonji et al.(2005)稳健性方法的精神(尽管Oster,2019批评了Altonji et al.,2005,并提出了一种新方法,其旨在评估未观察到的异质性在给定应用中有多重要)。

6.2稳健性检验

在呈现完核心结果后,是时候进行稳健性检验了。虽然曾经有一段时间,只要用一两张实证结果就足以让读者相信结论真的存在,但时代已经改变,作为可信度革命的结果(Angrist and Pischke,2010),经验证据的标准比二十一世纪初早期到中期要高得多。作者现在必须努力让读者相信他们的结果不是筛选出来的,这意味着建立一个增进实证结果的稳健性需要它自己的理由。

在许多情况下,我们感兴趣的结果有不止一个度量方式。例如,“福利”可以用几种方式来衡量:家庭收入、家庭人均收入、每个成人当量的家庭收入、家庭人均收入、家庭中成年人的人均收入、家庭消费支出、家庭人均消费支出、家庭中成年人的均消费支出、被调查者的主观幸福感等等。如果你有机会获得所有这七个“福利”指标,那么你可以使用这七个指标替换之前的衡量方式来重新进行回归以增进结论的稳健性。

类似地,您可能对处理变量有不同的度量方式。在大多数随机对照试验中,有一个(而且只有一个)处理变量(除非有几个处理组,并且这些处理组是相互影响的)。但是有了观察数据,也许可以看一看处理变量的不同度量方式。例如,在合约式农业的文献中,人们可以看一个家庭是否参与合约式农业(即在广延边际上的合约式农业),但也可以看一个家庭在合约下的作物面积比例(即在强度边际上的合约式农业)。

现在想象一下,处理变量有两个度量方式,结果变量有前面提到的七个度量方式。这可以进行14组回归方程的估计!如果发现这14组的结果都显著,那么这将在很大程度上增进结论的稳健性。

人们还可以通过进行安慰剂检验来增进稳健性。即定义一些不存在的“伪处理”,重新进行回归然后观察“伪处理”的系数是否显著,如果不显著的话(伪处理效应不存在),则符合期望;如果显著,则意味着研究面临内生性问题的风险。

还有另一种稳健性检验是以查看不同估计量的形式出现的。例如,大多数应用经济学文章都依赖于一些线性的、完全参数化的回归。如果处理变量是连续的,那么使用更灵活的函数方式(例如,限制三次样条)去进行估计是可行的。这将允许人们确定y和D之间的关系是否通常是单调的。通常,这种稳健性检验也是方法上的贡献,即一篇论文的第三个贡献,正如引言中所讲的那样。

6.3异质性检验

我们估计结果在不同子样本中是有所不同的。在评估结果的稳健性后,你可能会有兴趣看看不同分组的估计结果是否不同(例如,男性与女性、农村与城市、黑人与白人、收入分组等)。本节会评估这一点。按照合约式农业的例子,假设你想知道合约式农业的影响在男性和女性两组之间是否有差异。而这将进行28组估计(即七项福利措施、两项处理变量和男女两个分组)。从这一点,很容易看出为什么现在的应用论文平均而言长达50页。

进行异质性检验的一个好处是:通常这样做可以拯救一个无效的发现(即,一个统计上不显著的结果),因为平均效果可以掩盖大量的异质性。例如,我的一个学生想了解墨西哥引入施粥处(soup kitchens)对粮食不安全的影响。观察整个样本并没有有趣的发现,因为她估计的结果在统计上没有显著差异。然而当一位同事建议她根据收入高低将样本等分为五等分后,她才发现施粥所显著降低食物不安全——但只在最贫困组别中显著。因此,在认为x对y没有影响并放弃整个项目前,应该思考,xy的影响是否可能是异质性的,以及思考政策制定者或商业人员是否对这种异质性感兴趣。

6.4机制

作为可信度革命的结果(Angrist and Pischke,2010),应用微观经济学家首先回答了这样的问题:“D是否影响Y?”或“DY的影响是什么?”。

 

Figure 2:直接和间接机制

然而,近年来,在定量社会科学文献中,有很多关于如何检验变量m是否是变量D影响结果变量y的机制的文章,这就是所谓的中介分析,而这仍然是一个非常活跃的研究领域。

首先,读者应该阅读Acharya et al. (2016),其阐述了一种方法。在某些假设下,该方法可以在上面的有向非循环图(Pearl,2009)中确定以下三个问题:(1)Dy的间接影响是什么,即D → → y;(2)Dy的直接影响是什么,即D → y;(3)m是否是D影响y的唯一机制,或者是否存在多个这样的机制。

一个好的机制部分会尽力研究潜在的机制。在最好的情况下,这涉及适当的中介分析。在许多情况下,这意味着用手头的数据做一些可以做的事情,例如呈现描述性回归(并不是进行因果关系识别)或相关性回归。在其他情况下,这意味着需要承认有些机制无法检验,即使使用不完善的代理变量也无法检验。当只有在理想状况下才可行的时候,你应该清楚地解释为什么你不能检验特定的机制,以便让读者相信你已经考虑过了“D是如何导致Y的?”

6.5局限性

一个好的实证结果部分应该诚实地说明它能做什么和不能做什么。虽然这经常包含在结论当中,但这应该在估计结果的单独子节中得到更全面的讨论。

什么限制了一个研究的结果?通常,限制有三种类型。首先,内部有效性可能是有局限性的。换句话说,一个人可能无法做出一个因果陈述,只能是相对于文献而言近乎做出因果陈述。例如,工具变量可能只是看似外生的,但严格来说并不是。而此时,就应该提醒读者这一点(你还应该在稳健性检验中使用Conley et al.(2012)中提到的各种方法去评估不满足严格外生性的影响)。

其次,外部有效性也可能受到限制。实验室或田野实验室[11]实验,或随机对照试验常常是这种情况。或者你可能有一个严格外生的工具变量,但不完全清楚谁是因变量(y)和自变量(x),因此局部平均处理效应可能只适用于样本的一个模糊子集。

最后,你作为处理或结果变量使用的变量可能只是你真正感兴趣的东西的代理变量。例如,你想研究经济冲击对人们自杀的影响,但自杀的数据可能无法获得(或者自杀的数据是被低估的),所以你可能不得不使用死亡率来代替。

6.6表格

在结束本节之前,我想讨论一些关于实证结果表格的建议(顺序不分先后):

· 表格的标题应该是不言自明的:“参与合约式农业对家庭收入影响的OLS估计结果”,或“参与合约式农业对性别收入影响的OLS估计结果”。因此,标题应该告诉我们估计的是什么(例如OLS),因果关系是什么(即参与合约式农业对家庭收入的影响),以及它适用于样本的哪个子集(如有的话)(即分别适用于男性和女性组别)。

· 系数和标准误差应该在整个表中以相同的小数位数报告——通常是两位或三位。

· 有些人喜欢省略控制变量,并在表格下半部分包含一行,上面写着“Controls” “Yes”。虽然这可以节省文章篇幅,但工作论文应该向读者展示所有内容(尤其是向审稿人和编辑)。但如果是个人、家庭或社区的固定效应,通常因为太多而无法列举,从而可以用上述方法列示。如果你必须在底部包含一行,其上面写着“Controls” “Yes”,请确保表格的注释(即,就在表格下面)说明了包括哪些控制变量——认真的读者会想知道你是在具有共同的结果(colliders)并以共同结果为条件,还是在处理变量和结果变量之间的因果路径上包含一个变量作为控制变量。

· 表的最后几行应该列出观测值、(与调整后的R²相比,我更喜欢),因为它可以说明,解释变量对y的解释力度有多少,而不需要对观测值和参数的数量进行任何任意的校正),联合显著性的检验结果,以及控制了哪些变量(例如,州固定效应、线性时间趋势、年份固定效应、州特定线性趋势、州特定二次趋势、地区—年份固定效应等等)。

最后,注释还应显示统计显著性所对应的符号(通常,*、**和***分别表示在10%、5%和1%的统计水平上显著;为了完整性和透明度,不应省略任何符号),必要时还应提供其他符号。例如,你可能未来进行多次比较而调整了p值,引导标准误差(bootstrapp standard error),或进行了一些随机推断,所有这些都会导致不同的推断和统计显著性的临界水平,在这种情况下,即不同的标准误数值,你可能会使用符号†,††和†††分别表示在10%、5%和1%的统计水平上显著。

· 使用相同的样本量进行估计。即随着控制变量数目的增加,总体的样本量不应该因为变量的缺失值而减少。具体而言,不同的样本量代表着不同的总体,而不同总体所估计的结果也是不同的。因此,应当在删除所有缺失值后,取最小的样本量。

· 对于变量名,请使用简单的英语单词,如“Years of education”、“Age squared”“Female”,而不要使用StataR代号,如“Edu”、“AGE_2”“SEX”

· 最后,设身处地为读者着想总是有帮助的[12],问你自己(或欠你人情的朋友)的正确问题是:当只给出表格时,你能准确地写下估计的回归方程吗?还是一个人在看完表格后,反而产生了更多的疑问?

7总结和结束语

许多经济学论文将他们的结论命名为“总结和结束语”,这很好地说明了结论该如何阐述。我在高中学到的是,一个好的结论应该有两个主要部分:总结你在结论之前所做的事情,以及未来的研究方向。下面的指导方针通过提供路线图的方式来帮助减少撰写结论时所面临的交易成本。严格地说,结论的结构应如下所示:

· 总结。你肯定听说过,在写研究论文时,你应该告诉他们你要告诉他们什么,告诉他们你想告诉他们什么,告诉他们你刚刚告诉他们什么。写结论的这一部分是很乏味的,因为你刚刚花了40页甚至更多的篇幅告诉他们,但还是需要有这一部分,并且要与摘要和引言有些许不同。这并不意味着这一部分一定要讲新的内容;它只需要与之前有所不同。如果可以,讲一个故事吧。

· 局限性。有些人喜欢在实证结果部分的最后加一个局限性部分;正如上面所讨论的,我也喜欢这样做。但即使这样,结论部分也应该(重新)强调你所用方法的局限性。

· 对政策的影响。据推测,你的研究工作对现实世界中如何制定政策有某种意义。情况并不总是这样的——有些论文提出了纯粹的技术观点,或者在提出其他政策相关观点时只是辅助的观点——但我猜,既然你正在阅读一篇关于撰写应用经济学论文的论文,那么你正在研究的内容很有可能会对现实世界产生一些影响。讨论这些影响是什么。不要提出没有结果支持的观点。试着评估你提出的方案的成本和效益。你可以做得有些不完美(这就是应用经济学论文中最常出现的粗略计算),因为你的工作重点大概只是这个等式的一个方面,通常是某件事情的好处,有时是它的成本,但很少两者兼而有之。用两三句话,找出在给定政策解决方案之下的赢家和输家。简要讨论其政治可行性。实施起来有多容易或多难?

· 对未来研究的启示。最后,你的研究工作并不是完美的。你的理论贡献可以通过放宽某些假设来概括或扩大。你的实证贡献可能会受益于更好的因果识别,以获得更好的内部有效性。即使是在具有完美的依从性和完美的ATE估计的随机对照试验(RCT)中,你可能还是没有考虑部分的处理异质性,或者你可能想在其他地方进行相同的RCT以获得外部有效性。如果你正在写一篇续作,那么这将是一个很好的铺垫[13]。

8标题、摘要和引言

论文的标题、摘要和引言依次是任何论文三个最重要的营销工具。对于应用经济学论文来说,这可能是双重的,在这些论文中,作者很少在理论或方法上推进知识的前沿。如果读者知道一篇论文将改变他们对世界如何运作的理解,或者如果他们知道它将给他们提供新的工具,他们可以在自己的研究中使用,他们可能更有可能忍受一个糟糕的标题、一个写得不好的摘要、一个曲折的介绍——或者三者兼而有之。因此,以下各小节将重点讨论应用经济学论文的这些组成部分。

8.1标题

很难准确地指出什么是一个好的标题。就像美国最高法院法官Potter StewartJacobellis v.Ohio 一案中谈到硬核色情作品时的名言一样,当谈到一个好的标题时,“我要是看到了我就能看出来(I know it when I see it.)。”倾向于在Science 或 Proceedings of the National Academy of Sciences等期刊上发表文章的同事通常坚持认为,我们应该在标题中陈述我们的结果。虽然对于我们提交给期刊的论文来说,这可能是真的,但标题遵循经济学中的某种规范,如果你想让你的论文看起来合乎要求,最好遵循这种规范。

为此,也许更容易定义什么是不好的标题。对于初学者来说,任何强调你正在使用的技术的标题肯定会让大多数读者感到厌烦,除非你开发了所说的技术。不要使用“半参数调查”或“来自[你的上下文]的非参数证据”这样的标题,尤其是副标题。冗长的标题也会让读者不想读你的论文。这可能就是为什么论文标题的长度和论文被引用的次数之间存在反比关系Letchford et al.2015)

对于一篇应用经济学论文——也就是研究“DY的影响是什么?”这种形式的实证论文——最安全的做法是以“DY的影响:来自[你正在研究的内容]的证据的形式命名。我的很多论文标题就是这样的:合约式农业的福利影响”、“商品价格波动的福利影响:来自埃塞俄比亚农村的证据”或“藜麦价格上涨的福利影响:来自秘鲁的证据”[14]。

Dy”是上一种标题的变体形式,同时还可以考虑是否在分号后面加副标题。我自己的论文也有很多这样的例子:“合约式农业和粮食安全”或“农贸市场和食源性疾病”,而且没有副标题。具体地,在这两个例子中,我和我的合作者都决定使用一个大胆的标题,即不加以具体背景的说明。老实说,让我们感到很惊讶的是,审稿人没有要求我们使用副标题进一步说明研究内容,比如“来自马达加斯加的证据”或“来自美国的证据,2004——2013年”。因此,有时大胆一点是有好处的。

还有一个问题,你的标题应该是可爱(cute)还是有趣(funny)——因为没有更好的术语,让我们把两者都称为“聪明”(clever)。如果你想要一个聪明的标题,确保它吸引尽可能多的人,并确保它确实有意义。在这里经常起作用的是俗语(例如,“不够公平吗?(Fair Enough?)”,针对一篇关于特定商品的国际贸易是否公平的论文)、格言、谚语、圣经段落(例如,关于参与农业价值链是否会增加参与者福利的论文的“种瓜得瓜,种豆得豆”(As You Sow, So Shall You Reap))、或著名电影的标题(比如用“星战(Star Wars)(显著性大战)”给一篇关于P值篡改的论文起标题、再比如用“看看你自己!(Look Who’s Talking.)”给一篇关于家庭内手机分配影响的论文起标题)、书籍或电视节目(例如,用“家有喜事”(All in the Family)给一篇关于东非遗赠动机的论文起标题)。

我最近处理的一篇稿子,其标题以“没有一个放之四海而皆准的标准”开头。我要求作者将他们标题的前半部分重新定义为“有放之四海而皆准的标准吗?”修改的原因是:第一,这个标题所表达的内容太多了;第二,事实上,更让人熟悉的表达是“放之四海而皆准”。最终,如果你要用一个聪明的标题,确保要有根据,并且还用非常适合你的论文。

最后,我记得在研究生院读到过,你的论文标题永远不要以“on”开头,因为这听起来好像你只是在评价别人的论文。然而,这是一个非常糟糕的建议:

Hirshleifer在1956年发表的题为On the Theory of Transfer Pricing的论文已经被引用了900多次,任何读过这篇论文的人都应该非常清楚Hirshleifer提出了一个原创观点。从我个人的经验来看,我用“On”开头写过两篇文章:一篇获奖,另一篇在不到两年的时间里获得了100多次引用。而且似乎没有人误认为这两篇文章是对其他人作品的评论。因此,我认为写一篇关于给定主题的论文是完全可以的,尤其是如果你是第一个认真研究该主题的人。

8.2引言

我把引言列在标题之后,摘要之前,因为一旦写好了引言,写摘要就容易多了。写引言的最好方法是遵循Keith Head(2020)的方法。

我记得我在读研究生的时候遇到过这个方法(至少从2006年开始就有了),当时我想“我知道怎么写,因此我认为我不需要这个方法。”然而,该方法的特别之处就在于,它消除了所有关于引言部分应该呈现顺序的不确定性。该方法——事实上,所有的功劳都要归功于Keith Head对它的阐述——如下所示:

· Hook即快速吸引用户注意力的点)。一个好的引言从一个好的Hook开始,即抓住读者的注意力,让他想继续读下去的东西。不要让读者产生距离感。同样的,引言的描述越贴近生活现实越好。一个不好的例子则是引用文献:“经济学中的文献已经研究过……”如果是这样的话,你真的想再做下去吗?一个好的引子往往与现实世界有关:我们在杂货店购买的很多食物都经过了漫长的价值加工。那么处于价值链上游的第一部分是什么呢?这些价值链对我们的食物有什么作用呢?

· 研究问题(Research Question)。在成功吸引读者后,应当尽可能清楚地阐述你所研究的问题。我喜欢把实际的研究问题作为这部分的第一句。例如,“参与合约式农业对参与者的福利有什么影响?”因为,如果这一点没说清楚,读者可能会很失望。而这部分应该有一段长。

· 前因(Antecedent)。在陈述了你的研究问题之后,是时候把它和你正在做的事情与现有文献联系起来了。在这里,将你的研究工作与联系最紧密的5至10篇文献串联起来(越接近五篇越好)。相关的文献——前因——是什么显然取决于手头的问题。如果你很幸运,在一个有很多活动的文献中工作,你可能很难缩小范围,你需要明智地选择五到十个最接近的研究。如果您正在处理一个没有人真正研究过的问题,或者很长一段时间没有人研究过的问题,您可能必须进一步追溯时间,或者扩展作为前件的参数。在这里,重要的是讲一些故事;没有人愿意阅读一份平淡无奇的研究报告:“Johnson(2011)发现了这个。Wang(2012)发现了那个。Smith(2013)发现了其他内容。Patel(2015)还发现了其他东西。”对于每一个话题,都可以用一种相对有趣的方式来阐述这一领域的已有研究。

· 边际贡献。这是你需要重点注意的地方。你的贡献是什么?你的论文如何改变人们对你所研究的主题的看法?理想情况下,你的论文将有三个贡献。例如,你可能会通过一个更好的识别策略来提高你所关注的问题的内部有效性。您还可以通过拥有覆盖更广泛现实世界的数据来提高外部有效性;或者,你可能正在进行中介效应分析,以确定处理变量D是通过什么样的中介机制m从而影响了y。最后,你还可能在方法论上进行一定的改进。但即使论文只有一项贡献也是值得发表的,前提是该贡献足够重要。

· 路线图。最后,你应该给你的读者提供路线图。这一节通常以“本文的其余部分如下所示”开始,并按顺序列出各节及其所做的工作。因此,对于一篇常规的论文,其应该是这样的:“本文的其余部分如下:第二部分呈现了研究问题所用到的理论框架,并提出了本文的核心预测。第三部分首先讨论了估计策略,然后讨论了识别策略,并提出了实证框架。第四部分介绍数据,并讨论一些描述性统计数据。在第五部分中,提出并讨论实证结果,随后是一系列稳健性检验和对结果局限性的讨论。第六部分提出政策建议并提出对未来研究的建议。“我在社交媒体上看到一些经济学家说,他们的论文因许多原因被拒绝,但从来没有因为缺乏路线图部分而被拒绝。这是合理的。然而,在大多数情况下,相较于被要求修改和重新提交论文时写一个路线图而言,包含这样的一个路线图并应审稿人要求删除它,要简单得多,更不用说一些读者还会希望有路线图,因为大多数应用经济学文章都包含路线图。任何表明你知道这个行业潜规则和规范的东西对你发表文章都是有益的。

最好在有实证结果后,就开始写论文的引言。除标题和摘要外,引言是大多数人认为你的文章是否足够有趣和值得继续阅读的关键。此外,引言还是他们认为你的文章质量是否足够好,足以相信你研究发现的关键。我认为,至少75%文章的命运——无论它们是否被送去外审,或者当它们被送去外审时,是否被期刊征求修改——都是由引言决定的。因此,任何撰写论文的作者,都应该对引言反复斟酌修改。而对于我的大部分论文来说,我至少已经把引言看了几百遍了。

一个好的引言之所以起作用,是因为它恰到好处地设定了读者的期望。如果有一件事会让审稿人建议拒绝,那就是诱饵和开关(也就是说,当一篇引言言过其实,而论文的其他部分交付不足时),或者当一篇引言不清楚论文做了什么,以及如何做时。

鉴于读者们的时间都比较有限,他们通常会读:标题、摘要。然后他们直接跳到结果表格和研究结论,当且仅当他们对你在做什么或你如何做有疑问时,再回到其他部分。一个好的引言可以最大限度地减少(或完全消除)读者为了寻找问题答案而翻阅论文的需要。

8.3摘要

在选好标题和写好引言后,写摘要应该是相对容易的。通常情况下,只保留引言中hook, research questionvalue added各部分的第一句话,并对最终段落进行一些润色,就可以写出一个相当不错的摘要。

在我职业生涯的早期,我从一位资深同事那里得到了一个很好的建议:除了必要的术语(例如,randomized controlled trial、difference-in-differences、regression discontinuity)之外,任何聪明的、受过大学教育的、不是经济学家的人都应该能够理解你的摘要。对于一篇应用经济学论文来说,更是如此。毕竟,我们写的内容是政策制定者或企业经理人所感兴趣的现实世界现象,所以具有公共政策或工商管理硕士学位的人应该能够理解你的摘要。不要犯这样的错误:把可理解性的缺乏与知识的严谨性混为一谈。这是经济学,不是法国后现代哲学(French postmodern philosophy)。

最终,你的目标不仅仅是发表论文,而是让他们被阅读,让他们被引用。衡量一个学者在任何学科中的影响力的标准是其论文的引用数量[19]。如果你的标题不令人反感,如果你所在领域的非专家和其他学科的人能看懂你的摘要,你就已经把引用范围扩大了十倍。因为不管喜欢与否,很多人在进行引用时只看过摘要。

9文献综述和研究背景

你可能已经注意到Keith Head的介绍公式包括它自己的(短小的)文献综述。虽然硕士论文或博士论文需要包括一个独立的章节来回顾现有文献,以表明学生对其所研究的文献都很熟悉,但在提交给经济学期刊的应用经济学论文中,这样的部分几乎总是完全(almost always entirely)没有必要的。

原因很简单:大多数读者的时间有限,大多数读者希望尽快看到论文的贡献。因此,相较于用单独一节的内容去回顾现有文献,只讨论与自己文章关系最紧密的5至10篇文献是更有效的做法。

此外,大多数人都不是优秀的作家,无法写出一篇值得一读的文学评论文章,这需要讲述一个关于想法发展的引人注目的故事。虽然大多数研究者对他们的主题足够了解,能够识别所有或几乎所有相关的研究,但很少有人能够将从中获得的知识聚合起来,并连贯地写出手头的主题的思想史。在任何情况下,文献综述最好是由资深学者写的——他们更有可能对一个主题提供独特的视角,因为他们积极致力于这个主题——以及论文和学位论文章节。对于大多数应用经济学文章,除非审稿人要求有单独的文献综述部分,否则在引言中有一个小的文献综述就足够了。

那么关于研究背景部分呢?这与前面的内容又不一样。当一个话题需要大量的背景知识铺垫时,单独的研究背景部分可能是非常有用的。尤其是在评估某些立法的某些部分或全部对某些利益结果的影响时,需要牢记该立法的细节。同样,在实证产业组织研究中,作者通常会在研究背景部分描述他们所研究的产业。与应用经济学文章中的其他部分一样,研究背景应该告诉读者他需要知道什么——不多也不少。

10在哪里提交?

以上所述都是为了写出可以在同行评议期刊上提交(并有望发表)的论文。这自然而然地引出了一个问题,即“完成”文章后[15],如何选择在哪里提交文章呢?

多年来,关于是否应该为特定的目标期刊来展开写作,我听到了不同的建议。有人说,你应该以特定的期刊为目标来进行写作;还有人说你应该先写论文,看看结果如何,然后考虑在哪里提交。

我对这件事并没有什么看法,除了以下几点:我努力为由博士经济学家组成的(想象中的)读者们写作,但这些读者并不熟悉我的领域。在这里,想想你第一年核心课程中的同学,他们中的大多数最终都会在不同的领域工作。因此,我倾向于为更广泛的读者写作。我相信,即使你最终将文章提交到某一特定领域的期刊,为大众读者写作还是有帮助的。例如,编辑可能和你从事相同的领域工作,但可能不熟悉你的特定主题,所以为普通读者写作可以帮助编辑相信你的文章在你的领域内有足够的吸引力。同样地,为普通读者写作可以帮助你吸引那些本来不会读你文章的读者,让他们可以读到你的文章,这可以让你的作品被引用更多次。

回到在哪里提交的问题上,这里有一些一般性的指导方针,没有特别的顺序。

如果你选择投稿至某一期刊,请确保你确实引用了很多发表在该期刊上的文章,以及过去五年在你所研究领域发表的文章,如果可能的话,也要引用最近发表的文章。这样做有两个好处:首先,考虑到编辑有权决定是拒绝你的论文还是送出外审,而引用该期刊上发表的文章可以说服编辑你的论文应该寄出去审阅,因为它与该期刊发表的内容非常吻合。其次,引用该期刊最近发表的文章有助于编辑为你的论文选择审稿人。

如果你只引用很久之前发表在该期刊上的文章,而这些文章的研究主题已经不再流行,那么编辑很可能拒绝你的文章。而如果编辑真的愿意把你的论文送出去外审,他也可能很难找到合适的审稿人,因为发表过该主题文章的人很可能已经转到了其他领域,并对必须审阅该主题的论文感到奇怪(cranky)。

如果你没有引用目标期刊中的文章,即使编辑认为它很适合该期刊,审稿人也可能会让你通过关键词搜索来引用该期刊的文献。例如,我曾经不得不处理一份有关贸易的稿件,它只引用了Jagdish Bhagwati、Paul Krugman、Marc Melitz等人的文章,而没有引用目标期刊(或任何相近的替代期刊)的文章。当编辑们对一个既定主题不太了解时,他们通常会查看论文的参考文献来选择审稿人。这里的问题是,Jagdish Bhagwati、Paul Krugman、Marc Melitz可能没有时间为该期刊进行审稿,尤其是表面上与国际贸易无关的期刊。那么我是如何寻找审稿人的呢?通过在编辑系统中进行关键字搜索(例如“国际贸易”)。在返回的几百个候选审稿人中,我会选择了其中的两三个。但我敢肯定,这些审稿人都没有看过这篇论文。问题就在这里:关于这个职业的一个不幸的、但又不能明说的事实是,虽然我们认为自己就是在做非常严肃的学问,但是我们的确不是这样做的。可悲的是,网络效应很重要,如果审稿人以前见过你的论文,他们更有可能对你的论文持赞同态度,而且最好是在研讨会或会议上,在那里他们可以就该研究工作提出自己的问题。

因此,当提交到一个特定期刊时,引用最近在该期刊或其他高度相关期刊上发表的文章是很重要的。综合类期刊怎么样?关于此,意见不一。我听说,当向Top5期刊[16]投稿时,最好尽量减少对其他期刊的引用次数,因为一些综合类期刊的编辑在看到一篇文章太多次引用其他期刊的文章后,就会认为,这篇文章也属于其他期刊。我个人认为这是错误的,但我并不是综合类经济学期刊的编辑,所以我的观点也只能是这样。

鉴于上述情况,有两种方法可供参考。第一种方法是,你写作时要重点考虑一个特定的目标期刊,因为你知道该期刊最近发表了关于你研究主题的文章。例如,假设您正在写一篇关于农场或土地规模与生产率之间反向关系的论文。近年来,Journal of Development Economics发表了许多关于该主题的文章,因此,只有当你的方法明显改善了最近发表在JDE上关于该主题的文章中所使用的方法[17],或者你的方法与那些文章中的方法一样好,但是你的结果与该主题的传统观点不同,然后你可以解释为什么会这样,那么你论文便可能发表在JDE上。

第二种方法是先写论文,而非考虑具体的期刊。在“完成”论文后,看一下你的参考文献列表。如果你引用某些期刊超过三次,那么你可以尝试投稿至这些期刊。再说一次,如果你的工作在内部有效性和外部有效性方面都有所改善,你应该尝试投稿至综合的经济学期刊。然而,即使是最好的论文发表在这些期刊的概率也很低,因为竞争非常激烈——而且越来越激烈。

11结论

我试图写下分别指导和围绕应用经济学论文写作的潜规则和规范。从经济学文章的典型结构开始,我首先讨论了每个组成部分。我没有按照它们在工作论文或发表文章中出现的顺序来编排,而是按照论文实际撰写的顺序来处理它们。除此之外,这意味着关于如何选择标题、如何撰写引言以及如何撰写摘要的讨论被安排至文章末尾。

最终,我的目标是消除应用经济学家论文写作过程的神秘性。科幻作家William Gibson有句名言:“前方的路近在咫尺,只不过时隐时现罢了(The future is already here –– it’s just not evenly distributed.)”。同样,这篇论文中包含的许多信息:这些信息是公开的;只是分布不均匀。尤其是考虑到许多经济学、应用经济学、商业或公共政策的研究生课程没有专门针对这一内容的课程或研讨会(虽然这些课程自诩可以帮助人们撰写学术论文)。我相信,当谈到技术技能时,大多数博士项目对学生的培训方式大致相同(实际上,任何有足够资金支持的人都可以购买微观经济理论、计量经济学等方面的高质量研究生教材,并阅读它们)。区分一个博士项目质量高低的方法是学生是否被教授了本文中提出的那种间隙性知识(interstitial knowledge),以及他们是否能够辨别一个研究问题好坏。我写这篇论文的目的是发挥我的相对优势,为有时间阅读这篇论文的人提供正确的方式来了解这些间隙性知识。对于后者,本文并没有谈到,因为在取得博士学位的13年多后,我才发现什么可以构成了一个好的研究问题。


  注释:
【1】Northrop Professor, Department of Applied Economics, and Director, Center for International Food and Agricultural Policy, University of Minnesota, 1994 Buford Avenue, Saint Paul, MN 55108, Web: , Email: mbellema@umn.edu.
【2】也就是说,如果每个人都读同一篇论文,而没有读其他论文,一个不健康的群体思维动态(an unhealthy group-think dynamic)就会在研究某一特定主题的学者中形成,这可能会导致多年的学术努力浪费在回答错误的问题上,或试图用错误的方法来回答问题。
【3】了解是成功的一半,所以知道许多读者会仔细阅读你的论文可以让你成为一个更有效的作家,因为它迫使你在写引言、方法和结果部分以及结论时投入更多的思考。如果你知道你的许多读者不太愿意阅读,比如你的背景部分,你应该在介绍中陈述该部分最重要的事实。学术作家所犯下的最大罪过是遗漏,即在论文中漏掉重要信息。学术作家所犯的第二大错误是委托读者(commission)去做,其包括迫使读者在论文中寻找特定的信息。而读者时间成本很高,因此普通读者更可能放弃阅读该论文,而非自行寻找信息。当一个相对初级的学者(如博士生或助理教授)为了给更高级的读者(如教师顾问、期刊编辑或期刊审稿人)留下深刻印象而写作时,尤其如此。
【4】在谈到应用论文时,虽然我主要指的是通过简化形式的方法来评估感兴趣的因果关系文章,但本文中的许多建议适用于其他类型的实证论文,如描述性或结构性论文。
【5】研究项目指的是回答给定研究问题的整个研究过程,从想法到发表。
6】这并不是说,没有同时研究几个研究问题的论文。但很多时候,经济学界倾向于那些很好地回答一个单一的、相对狭窄的研究问题。
【7】一种可能是在没有数学的情况下,用语言进行理论论证,并将数学留在附录中。例如,见《桑切斯···塞拉》(Sánchez de la Sierra)(2020)
【8】正如一位同事所指出的,如果D是二进制的,任何测量误差都不可能是经典的,因为它所观察到的D将与D的真值负相关。
【9】这假定你的研究设计必须是最好的。如果您的研究设计并不是最好的话,除非你显著提高了外部有效性,否则你需要向下调整你的目标期刊集。
【10】一位曾多次运行RCT的同事指出,根据他的经验,添加控制往往对标准错误几乎没有影响,唯一的例外是在ANCOVA设置中,当结果的基线值作为控制变量添加时 (McKenzie2012)
【11】田野实验(Lab-in-the-field experiments)是指在实验室之外,在现实世界中用真实受试者(如农民或管理者)进行的实验室实验。
【12】这可能很困难,这就是为什么最好的学习方法是尽可能多地为期刊复习论文。许多学者--尤其是经济学家--认为裁判是一种不幸的税,他们需要支付,以使自己的论文得到审查和发表。然而,与税收不同的是,从裁判中几乎总是可以学到一些东西,尤其是从裁判糟糕的文件中。
【13】也就是说,在你所读的论文的结论中寻找研究想法通常是徒劳的,因为这些结论要么列出非常难执行的想法,以至于你所读的论文的作者认为不值得探索,要么列出那些作者已经在研究的想法。
【14】从这份名单来看,很明显我和我的合著者倾向于相当关心福利。对于一个应用型经济学家来说,研究某些事情如何影响人们的福利总是一个很好的起点。
【15】在我们的工作永远没有完成之前,我会用引号。当我不幸地不得不去看自己发表的论文时,我总是发现一些我本可以做得更好的东西。
【16】传统上,经济学的Top5期刊依次为the American Economic Review, Econometrica, the Journal of Political Economy, the Quarterly Journal of Economics, 以及the Review of Economic Studies. 其他的一些顶级期刊包括the American Economic Journal: Applied Economics, the Economic Journal, the Journal of the European Economic Association, 以及the Review of Economics and Statistics。(按英文字母顺序)
【17】明显改善是指从内部有效性的角度来改善。如果你能在内部效度和外部效度方面都有所提高,你可能想先提交一份更综合的经济学杂志。

翻译:王聪 高楷博

审核:涂盟

参考文献

    转藏 全屏 打印 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多