当一个人在做实证研究的时候，他在做什么？

一、开篇：一个熟悉的陌生词

"这个结论有实证支持吗？""我们需要做实证研究。""这篇论文是纯理论的，缺乏实证检验。"

在学术讨论中，"实证研究"是一个高频词。但很少有人追问一句：当一个研究者说自己"在做实证研究"的时候，他到底在做什么？

打开Stata跑回归是做实证研究，实验室里让被试填问卷也是做实证研究，医院里给病人分组吃不同的药还是做实证研究——它们能是一回事吗？

这篇文章帮你厘清三件事：

1. 实证研究和理论研究、思辨研究有什么本质不同？
2. 同样是实证研究，心理学、经济学、医学的做法有什么差异？
3. 经济学实证研究的完整步骤是什么？

二、三种研究范式：实证、理论与思辨

在谈具体的操作步骤之前，先要搞清楚实证研究在整个研究版图中的位置。

2.1 思辨研究：靠逻辑和洞察力

思辨研究（speculative research）是人类最古老的研究方式。它依赖研究者的内省、直觉和逻辑推演，不需要系统性地收集外部证据。

典型形态： 先秦诸子的政治哲学、亚当·斯密在《国富论》中对分工的论述（他并没有做数据分析，而是基于观察和推理）、大部分法学研究中对法理的阐释。

核心特征：

• 数据不是必须的，推理的质量取决于洞察力和逻辑严密性。
• 结论可能极有洞见，但无法被系统性地"证伪"。
• 适合处理"应然"问题和概念分析，但在回答"实然"问题时力不从心。

2.2 理论研究：用模型建立"如果...就..."的逻辑链条

理论研究（theoretical research）构建形式化的框架来推导结论。在经济学的语境下，这通常意味着建立数学模型。

典型形态： 比如经济学中的市场均衡模型、物理学中的弦理论、博弈论中的均衡分析。

核心特征：

• 关注"给定假设，必然推导出什么"，不碰数据。
• 产出的是可检验的假说，而不是最终结论。
• 判断标准是逻辑自洽性，而不是与现实数据的吻合度。

2.3 实证研究：用系统化的外部证据回答问题

实证研究（empirical research）的独特之处在于：它要求研究者走出自己的大脑，去外部世界系统地收集和分析证据。

这里的"证据"可以是实验室的行为数据，可以是全国普查的统计数据，可以是访谈录音的文字稿，也可以是企业后台的用户点击日志——关键在于收集方式和分析方式都必须是系统化的、可复现的。

一张表看懂三种范式

一句话概括：思辨研究说"我认为应该是这样"，理论研究说"如果假设成立那就必然是那样"，实证研究说"让我们看看实际情况到底是什么样"。

三、同一面旗帜，不同的仗法：三个学科的实证研究对比

同样自称"做实证"，不同学科的操作方式和关注重点可能天差地别。这里选三个代表性学科来对比：心理学、经济学和医学。

3.1 心理学的实证研究：控制实验 + 方差分析

心理学的实证研究以实验室实验为主流范式。核心思路是：操纵一个变量，观察另一个变量的变化，然后检验这种变化是否超出了随机波动的范围。

典型步骤：

1. 招募被试（通常是大一修心理学导论课的学生）
2. 随机分配到实验组和控制组
3. 操纵自变量（如让实验组看一段暴力视频，控制组看中性视频）
4. 测量因变量（如攻击性量表得分）
5. 用 t 检验或方差分析（ANOVA）检验组间差异

核心模型：

其中 $T_i$ 是处理指示变量（0或1），$\tau$ 就是实验处理效应——这就是心理学实验最基础的统计模型。更复杂的设计会加入中介变量、调节变量，形成所谓"中介-调节分析"的框架。

核心关注点：

• 内部效度：观察到的效应是不是真的是操纵引起的？
• 随机化是否成功：实验组和控制组在基线特征上是否真的可比？
• 效应量（effect size）：效应在统计上显著还不够，有多大？

一个经典案例： 斯坦福监狱实验（Zimbardo, 1971）。随机分配学生扮演"狱警"和"囚犯"，观察角色对行为的影响。这个实验完美展示了心理学实证研究的威力——通过随机化，把"角色是否影响行为"这个哲学问题变成了一个可操作的实证问题。当然，它的伦理问题和后续对内部效度的质疑也展示了这类研究的边界。

3.2 经济学的实证研究：观测数据 + 因果识别

经济学实证研究（即计量经济学）有一个根本性的困境：经济学家几乎不能做实验。

你不能随机给一群人涨工资、给另一群人降工资来估计劳动供给弹性；你不能随机让一个国家加入WTO、让另一个国家不加入来研究贸易自由化的影响。经济学家拿到的数据，几乎全部是观测数据——人们已经在生活中"自我选择"过了。

这就决定了经济学实证研究的核心命题：在不能随机化的情况下，如何识别因果关系？

典型步骤（我们称之为"因果推断五件套"）：

1. 提出一个可以用数据检验的经济问题
2. 寻找一个识别策略——这通常是整篇论文最值钱的部分
3. 用计量模型估计因果效应
4. 做一系列稳健性检验来排除替代性解释
5. 讨论估计结果的经济显著性

核心模型矩阵（研究设计优先于具体模型）：

• 工具变量（IV）：找一个只通过影响X来影响Y的第三方变量。经典案例：安格里斯特用征兵抽签号码作为"是否服兵役"的工具变量，估计兵役对终身收入的影响。
• 双重差分（DID）：比较处理组和控制组在政策前后的变化差异。上一篇讲的Card & Krueger最低工资研究就是典范。
• 断点回归（RDD）：在某一个临界值附近，处理分配是"近乎随机"的。比如高考分数线上下几分的学生，能力几乎一样，但一个上了大学、一个没上——这构成了估计大学教育回报的绝佳机会。
• 固定效应模型：控制不随时间变化的遗漏变量。比如研究"民主是否促进经济增长"时，控制国家固定效应可以吸收掉地理、文化等不变因素。

核心关注点：

• 识别（identification）：你的估计能不能被解释为因果关系？这是经济学的灵魂问题。一篇计量论文如果"识别不清"，无论R²多高都是废纸。
• 内生性：你的关键自变量是不是和扰动项相关？如果相关，OLS估计就是有偏且不一致的。
• 经济显著性 vs 统计显著性：效应在统计上显著不等于在经济上重要。一个变量可能在 p < 0.001 的水平上显著，但系数只有 0.0001——这在经济意义上可能是微不足道的。

3.3 医学的实证研究：临床试验 + 证据等级

选择医学作为第三个对比学科，是因为它和经济学构成了一个绝妙的对立：医学能做随机对照试验（RCT），而经济学通常不能。

医学实证研究的核心范式——RCT：

1. 招募符合条件的患者
2. 随机分配到治疗组和对照组（这是关键差异！）
3. 双盲（患者和医生都不知道谁在哪个组）
4. 随访一段时间，测量预设的结局指标
5. 用意向性分析（ITT）或符合方案分析（PP）来估计治疗效应

医学的证据等级体系（Evidence Hierarchy）：

核心关注点：

• 随机化和盲法是否严格：任何破坏随机化的操作都会让整个研究降级。
• 临床显著性 vs 统计显著性：药物能降低血压2 mmHg，p < 0.001，统计学上完美——但在临床上这种幅度的降压有意义吗？
• 外部效度：试验在高度筛选的"理想患者"身上做的，结果能推广到真实世界的多样化患者群体吗？

3.4 三学科关键差异对照表

四、经济学实证研究的完整步骤清单

理解了跨学科的全景之后，我们把镜头收回来，聚焦到经济学实证研究的具体操作上。一个标准的经济学实证研究项目，通常按照以下七个步骤推进：

步骤一：提出经济问题

不是所有问题都是经济问题。 "中国的收入不平等在过去二十年发生了什么变化？"——这是一个经济问题。"教育能降低不平等吗？"——这才是一个可以用实证方法回答的因果问题。

好的实证问题通常满足三个标准：重要（值得回答）、可操作（有数据能回答）、有张力（直觉可能判断错误）。

步骤二：辨析经济变量

把抽象概念"翻译"成可测量的指标，这一步远比看起来的困难。

• 你想研究"人力资本" → 是用受教育年限？还是用标准化考试成绩？还是用工作经验的年数？
• 你想研究"健康" → 是用自评健康（主观）？还是BMI（客观但粗糙）？还是医疗支出（有选择性偏误）？
• 你想研究"制度质量" → 是用世界银行的治理指数？还是用产权保护力度？还是用合同的司法执行效率？

变量的选择本身就暗含着理论立场。 选择不同的代理变量可能导致完全不同的实证结论，这就是为什么一个好的实证研究者会花大量时间论证"为什么我用这个指标来衡量这个概念"。

步骤三：建立计量经济模型

这是上一篇的核心内容，这里做简要回顾。计量模型本质上是一个假设的数学结构，它描述了因变量和自变量之间的数据生成过程：

• $Y_i$：你想解释的变量
• $X_i$：你关心的关键自变量
• $Z_i$：控制变量（你承认它们影响Y，但不是你此刻的关注点）
• $\varepsilon_i$：包含一切你没测到的、不知道的、无法测量的因素
• $\beta_1$：你真正想估计的——X对Y的因果效应

步骤四：选择识别策略

这是经济学实证研究最独特的一步——在其他学科中，你很少看到"识别策略"这个词占据论文的核心位置。

识别策略回答的是这个问题：你凭什么说 $\beta_1$ 是因果效应，而不只是相关关系？

常见的识别策略及其适用场景：

没有识别策略的回归，只是描述性统计加上了一些数字。

步骤五：估计模型参数

这是技术上最"简单"的一步——在现代统计软件的帮助下，你只要写一行代码：

reg ln_wage education experience exp_squared, robust

但简单不等于不重要。在这一步你需要处理好：

• 标准误的估计方式（异方差稳健标准误、聚类标准误、自举标准误）
• 缺失数据的处理
• 异常值的检测
• 多重共线性的诊断

步骤六：检验统计显著性

统计显著性回答的是：我们观察到的效应，有多大的概率是纯粹由抽样误差导致的？

• p < 0.05：如果真实效应为零，我们观察到当前结果（或更极端结果）的概率小于5%。
• 95%置信区间：我们有95%的信心认为真实参数落在这个区间内。

关键提醒：统计显著性 ≠ 经济重要性。 在大样本下，即使一个微小到无意义的效应也可能统计显著。这就是为什么还需要最后一步。

步骤七：识别经济显著性

经济显著性回答的是另一个问题：这个效应在现实世界中重要吗？

比如，你估计出"每增加一年教育，工资上涨0.5%"，这个效应可能统计显著（p < 0.01，样本够大），但在经济上——一个人多读一年书只多挣0.5%，这意味着教育投资几乎不划算。

判断经济显著性通常看：

• 系数的大小本身（弹性、半弹性）
• 与基准水平的比较（相对于平均工资，0.5%是什么概念？）
• 与已有文献估计值的比较（其他研究用不同数据得到了什么？）
• 反事实模拟（如果政策改变，总体经济会受到多大影响？）

五、总结：实证研究的灵魂——消除替代性解释

回头看三种学科、七步流程，你会发现所有实证研究的努力都在指向同一个方向：

系统性地排除替代性解释，让"X导致了Y"这个结论变得比任何替代叙事都更可信。

• 心理学通过随机化来排除个体差异这个替代解释。
• 经济学通过识别策略来排除反向因果、遗漏变量、自选择等替代解释。
• 医学通过RCT + 双盲来排除安慰剂效应和评估者偏倚这些替代解释。

而所有的统计工具——t检验、回归、工具变量、方差分析、生存分析——本质上都是同一个事情的不同形式：在数据中分离出"信号的信号"。

六、最后：一张"做实证研究就是..."的地图

如果下次有人问你"做实证研究到底是在做什么"，你可以给他这张地图：

做实证研究 = 提出一个可错的问题
            + 找到或生成能回答这个问题的数据
            + 选择一个能排除替代性解释的研究设计
            + 用统计模型估计你关心的效应
            + 区分"统计上显著"和"实际上重要"
            + 诚实地报告你的假设、局限和不确定性

而实证研究的终极美德，不是"证明自己是对的"，而是——让你的结论可以被事实推翻。推翻的过程本身，就是科学的进步。

七、B站/公众号呈现建议

• B站视频：建议在"三学科对比"部分用三个并排画面分别展示心理学实验室、经济学家看图表、医生做临床试验的视觉意象，然后在结束时合到一个画面上打出"消除替代性解释"。
• 公众号：三个学科的对比表格适合做成信息图；七步流程建议做成纵向流程图，每步配一个图标。
• 推荐标题（公众号/视频均可）：
  • 主标题：《当一个人在做实证研究时，他在做什么？》
  • 备选标题：《心理学、经济学、医学——同一面"实证"旗帜下的三种仗法》
• 金句提炼（适合封面卡/结尾定格）：

  "实证研究的灵魂，不是证明自己是对的，而是让你的结论可以被事实推翻。"