实证分析是经济学论文的主流方法，核心是“用数据说话”，需规避常见的方法误区。
一、数据处理的 “规范性”
数据来源
数据来源需明确且权威（如“数据来自《中国统计年鉴 2023》”“微观数据来自中国家庭追踪调查（CFPS）2020 年浪”），避免使用“内部未公开数据”或“来源不明的数据”。
缺失值、异常值
处理缺失值、异常值需说明方法（如“对连续变量的异常值采用1%分位的缩尾处理”“缺失值采用多重插补法填补”），避免直接删除样本导致的选择性偏差。
变量定义
变量定义需清晰（如“被解释变量为企业全要素生产率，采用LP法测算；核心解释变量为数字金融发展指数，来源于北京大学数字金融研究中心”），并附描述性统计结果（均值、标准差、样本量等）。
二、计量方法的 “适用性”：
方法选择
选择方法需匹配研究问题（如分析截面数据用OLS，分析面板数据用固定效应/随机效应模型，处理内生性用工具变量法IV、双重差分法DID等），避免“盲目套用高级方法”（如明明无内生性问题，却强行使用IV法）。
关键检验
关键检验不可少（如多重共线性检验、异方差检验、序列相关检验、工具变量的有效性检验、DID的平行趋势假设检验），并在论文中报告检验结果，说明如何处理检验中发现的问题（如“存在异方差，采用稳健标准误修正”）。
因果识别
避免“因果识别误区”：实证结果默认是“相关性”，需通过方法设计（如DID、断点回归RDD）或理论分析明确“因果关系”，避免将“相关性”等同于“因果性”（如“冰淇淋销量与溺水人数正相关，但不能认为冰淇淋导致溺水，需控‘气温’这一遗漏变量”）。
END
