实证论文的结构

论文的组成结构：

1、论文题目：论文题目是论文的主心骨，又称为“标题”，是论文的核心、因为后续开展内容写作都是对应论文标题进行写作的，标题是对论文内容的高度概括、也是标志索引、查阅文献的重要线索。

论文的题目一般分为几种类型：题目、副标题，一般来说，论文的标题应该简短，在20字以内。

2.目录：目录篇幅比较长，反映了论文的大纲，带有副标题。具有层次感，页码逐项标明，整个理论体系比较大且较为复杂，所以应该包括版面、参考、附录、搜索等辅助性部分的页码，这样方便查找。

3.内容摘要：摘要内容部分是对全文精华的浓缩，是一篇论文中必不可少缺少的组成部分，正常摘要内容部分是全文字数的十分之一，普通的摘要内容不得少于400字，论文摘要的关键词数，一般是3—5个关键词。

4.前言：论文的前言也叫引言，主要是表达本论文要说明什么。作为论文的开头，篇幅一般不要太长，太长会导致读者不感兴趣，太短又写不清楚，一篇6000-8000字的论文，字数一般掌握在500-600为宜。

5.正文：论文正文包括绪论、本论、结论三部分，本论是论文的主题，一般要分几个部分和几个论述层次，要求加上小标题或数字序号，以显示文章清晰的思路。主要围绕着中心去写，是对自己学习的研究成果，以及对论点，数据的说明。

6.研究成果：论文的研究要是对自己所研究的领域，或者研究课题表达自己的观点和想法，这部分内容也是论文的重点，并且还需注意，这部分内容以精简为主。

7.致谢：对负责论文的导师，以及其他提出建议或给与帮助的老师和同学，通常在论文结束时以书面形式表示感谢，不要太夸张，语言要真诚。

8.参考文献：把文中引用的参考文献详细列出。

9.附件：在论文最后部分附上重要数据、公式、表格、程序等不方便放入正文的材料，方便阅读时参考。

关于实证论文怎么写如下：

前奏

实证的文章首先要有数据，没有数据一切都是虚构。所以，先把数据处理好。处理数据分两个基本步骤，第一为数据清理；第二为数据计算。这里没有统一的标准应当如何处理数据，但有一个基本要求就是做好识别。

技巧是，要么你借用比较成熟的理论模型，由理论模型到计量模型。这样不会有太大的偏差。如果是自己构建计量模型，那么要自己严格按照统计和计量要求做，对模型的假设前提与限制有全面准确的理解。

研究问题

假设所有模型构建、数据分析、稳健性检验都完成了，这个时候你要动笔写论文。在这个阶段，你要做的第一件事情是搞清楚自己在研究什么问题！

其实，确认研究问题应该在处理数据之前，否则你很难想象连问题都不知道，你如何处理庞大的原始数据。我之所以把数据处理放在确定问题之前，主要是基于现实的情况。

方法论

当你有了实证结果又确认了自己的研究问题是不是就万事俱备了呢？不，至少，在这个阶段，你还不能动笔写论文。

你必须要明白，论文的成功不仅仅依靠“完美”的实证结果！任何实证结果都像是大厨做出的菜，一位厨艺高超的师傅可以用普通原料烹制出美味佳肴。所以，“完美”的结果有时候只能蒙外行，却不能欺审稿人。

这里，我强调逻辑推理与阐述问题时的语言流畅性。不要小看这两个问题，用什么样的叙事结构去组织文章很大程度上决定了文章的档次。

在论文主体部分，应当注意，问题的提出和解决必须严格按照逻辑顺序，要有写“小说”的心态，做好铺垫，突出重点，善于总结。时时刻刻注意论文的走向，并且确保读者（甚至是外行）可以通过你的引导轻松抓住文章的重点要点（即使他们未必理解所有经济学术语和计量方法）。

提纲与计划

在解决了数据、论题、方法论之后，你可以开始制定计划。这种计划不是那种空而无物的标题式提纲，必须在每一个段落明确写作目的，明确所用模型（或其他方法）的假设与限制，明确写作的要点。

完成计划初稿后，不要动笔。两天之后修改计划。再两天之后交给其他人修改。一周之后自己再修改，与导师（或者其他有经验的同行）商议定稿。

写作与发表

接下来，按照提纲扩充论文，具体步骤将在下一段中详细展开。论文完成之后，不要立刻修改。等两周，等自己把一些固有想法淡忘之后再复读论文进行第一次修稿。将第二稿给同事修改，返回后再次修改。

严格地说，在大修改之后，应该再次做报告以确认修改是成功有效的。隔一段日子，对论文重新进行修改，定稿。一般论文从初稿写作完成到投递刊物应该有3-6个月。

投递之后，如果通过初审那么一般会要求作者再次修改（一次就刊发的稿子很少很少），那么接下来就是漫长的修改与等待了。

细节与步骤

一般实证论文分为：摘要、引言、理论框架、实证部分、总结五大部分，其中实证部分可以分为数据描述、实证模型、实证结果、稳健性检验。

最后写作摘要和引言，这是惯例。一般应该先写作理论框架，随后可以确定方法，然后解释模型的设定和数据情况，最后报告结果与稳健性结论。

尾声

实证性文章的结果是报告参数，但其实这些参数的具体值并不重要。这话也许很矛盾，既然我们的工作是围绕着参数进行的，为什么具体值又不重要呢？

第一，这些参数解决不了实际问题。它们不是圆周率的pai值，也不是物理中的g值。就算你计算出了一个很重要的参数，又能如何呢？

第二，参数的解读可以帮助我们理解经济学问题或者现象。从这个角度说， 解读比数字本身重要。

第三，由于国别（或者地区）差异，很多参数并不具备普遍性，也很难真正解释世界。不能夸大参数的作用。为了达到某种效果，无限夸大参数估计的力量，会使很多人迷失方向。