经济学论文的选题有一个残酷的标准:能不能用一句话说清「我发现了一个什么反常识的事实」。如果说不清,后面所有的模型都只是装修。下面三个来源,是实践中最稳定的选题入口。
一、三个来源
拿到一份微观数据,先做描述性统计,找出与理论预期不符的分布或趋势。比如某类企业在政策实施后反而收缩,这就是一个可追问的起点。
政策落地的时间与地区差异,天然构成准自然实验。关键是找到「同一政策对不同群体的影响不同」的那条缝。
读近三年顶刊的结论部分,作者通常会写「未来研究可以……」。这些句子是公开的选题清单,但要判断自己有没有对应的数据。
二、一条淘汰线:识别策略
选题通过初筛后,立刻问一句:我能不能把因果与相关分开?如果不能,这个题目要么改成描述性研究(价值下降但仍可发表),要么换题。很多论文写到一半才发现没有识别策略,最后只能加一堆控制变量,审稿人一眼看穿。
| 识别策略 | 适用情形 | 关键假设 |
|---|---|---|
| 双重差分(DID) | 政策分批实施,有处理组与对照组 | 平行趋势 |
| 断点回归(RDD) | 有明确的阈值决定处理 | 阈值附近个体可比 |
| 工具变量(IV) | 存在与处理相关但与误差无关的变量 | 外生性与排他性 |
| 合成控制 | 单一处理单位、多个对照单位 | 处理前拟合良好 |
| 事件研究 | 事件时点清晰,窗口可界定 | 无预期效应 |
三、题目写法的分寸
中文经济学期刊偏爱「……的影响」「……的机制」,英文期刊偏爱问句或结论式题目。无论哪种,题目里最好出现三样东西:研究对象、处理(或变量)、结局。避免「基于……的实证研究」这种只有方法没有信息的写法。
选题的价值不在于别人没做过,而在于别人做不出来——因为你有一份别人没有的数据,或者想到了一个别人没想到的识别方式。
四、开题前的四问
- 数据能不能拿到?不是「应该能」,而是已经下载到本地并跑通了清洗脚本。
- 样本量够不够?做异质性分析时每组至少要有几百个观测。
- 结论有没有政策含义?如果结论是「A 对 B 有正向影响」,然后呢?
- 如果结果是零,这篇论文还成立吗?零结果同样可以发表,但要事先想好怎么解释。
最常见的失败选题是「大而全」:数字化转型对企业绩效的影响。范围太大,任何结果都能被解释,反而什么都不成立。把范围缩到「某类行业、某类企业、某个具体机制」,论文才立得住。