2016年即将过去，回顾这一年，在研究中遇到很多挫折，但也收获很多教训和经验。在2016年的最后一天，我想就以实证研究的几点感想来结束本年度的专家视点。
    感想之一：故事的逻辑要优先于数据
    面对激烈的科研竞争，我们有很好的资源优势，那就是独特的一手调查数据。我们的理论、猜想，可以用数据来证实或证伪。但是，我们往往很容易犯一个逻辑错误，那就是把逻辑的故事淹没在数据之中。经济学始于哲学，因此经济学的研究一直到现在为止也是一门纯社会科学，虽然很多技术方法引入到经济学，但这都无法成为经济学本身，因此经济学的研究首先要有问题的逻辑，然后才有实证分析的过程。如果反过来，先有数据，再有故事逻辑，很有可能是盲人摸象，只见现象而未见本质。甚至于为了数据的结论来假想出一个理论，这是更加危险的。我认为，数据的作用只能是验证或证伪某个理论猜想，因此必须先有理论上的故事逻辑，再有数据验证这一过程。在时间的分配上，应该是70%的时间去思考故事的逻辑，以及查阅与这一故事相关的理论文献，30%的时间去做计量实证，但现实中我们恰恰是相反的，这是导致论文没有问题感的主要原因所在。
    感想之二：高度重视变量因果关系
    在实证分析中，我们一定会有一个回归模型，包含了被解释变量、解释变量以及控制变量。在这个过程中很容易犯两个错误：第一个错误，就是倒因为果，不能在理论上说明解释变量是被解释变量的原因。作为经济学最常用的一个理论——需求定律，讲的是：其他条件不变时，需求量会随着价格的上升而下降。这里有一个核心逻辑，就是价格是需求量变动的原因，而不是反过来。在现实生活中，我们可以观测到价格上升和需求量下降同时发生，但我们并不能将需求量作为解释变量，价格作为被解释变量。何者为因，何者为果？一是需要有经济学基本理论的依据，二是要符合常识的逻辑，作为解释变量应该在时间上先于被解释变量。第二个错误，就是忽略了关键的控制变量。即使我们在理论上确定了两者的因果关系，但在实证上并不一定是显著的，因为我们可能遗漏控制变量，这个变量既可能影响解释变量，又同时影响被解释变量，在结果上就会高估或者低估解释变量的作用，也就是所谓的“内生性问题”。由于变量之间的复杂关系，我们遗漏控制变量的可能性几乎是百分之一百的，但我们有很多的方法去缓解遗漏解释变量所带来的问题。一是要在理论上要做充足的功课，找到所有可能影响解释变量和被解释变量的关键控制变量；二是适度使用工具变量，可以一定程度上消除遗漏解释变量问题。但同时也要注意，解释变量并不是越多越好，只有那些在理论上能够被证明的变量才能引入到方程，如果引入了过多的无关变量，也会对回归的结果造成偏误。
    感想之三：谨慎解释“创新性发现”
    做实证研究最令人兴奋的地方在于不断地有新的发现，但我们对于创新性发现要高度谨慎。首先，我们问自己，得出这一发现的前提条件与其他文献是否一致，尤其是在回归方程中的被解释变量、解释变量、控制变量是否大体相似。因为在回归中，改变一个变量，都有可能导致完全相反的结果，前提不相同的创新，并不是真正的创新；其次，我们还要问自己，这一发现能否获得理论和经验的支持。实证研究始于理论逻辑，因而也要回归理论分析，如果我们实证研究的结论并不能得到理论的支持，甚至违背一般的常识，那么这种创新是毫无意义的。再次，我们还要问自己，得出这一结论的数据、方法是否是完全可靠的。影响回归结果的因素非常之多，我们要高度谨慎地对待其中的每一个细节，如数据异常值的处理、回归模型的设定、变量的选择、因果关系的确定等等，都非常关键。总之，对待我们所得到的“创新性发现”，首先要假定它是不成立的，一定要在自己力所能力的范围内，找出并解释所有可能推翻这一结论的证据。