最近，计量社群微信群里一位群友抛出了一个不少实证论文新手都纠结过的问题。
写理论分析与研究假设时，是把 $x$ 影响 $y$ 的理论和机制放在一起，最后只提出一个假设，即 $x$ 促进 $y$，机制部分不单独设假设、留到后文直接检验？还是先论述 $x$ 对 $y$ 的主效应，得出假设 $H_1$，再分开论述 $x$ 通过 $m_1$、$m_2$ 影响 $y$，得出假设 $H_2$ 和 $H_3$？
这两种写法在真实论文里都能见到，没有绝对的优劣之分，但选择时可以从下面几个角度综合判断。
一、目标期刊的范式，决定了基本盘
1. 经济学范式与管理学范式，确实有差别
管理学、会计和财务类期刊，比如《管理世界》的管理类文章、《南开管理评论》和《会计研究》，普遍采用主效应 $H_1$ 加机制 $H_2$、$H_3$（或 $H_{2a}$、$H_{2b}$）的写法，把假设一一列出，方便与后面的实证部分逐条对应。
经济学类期刊，比如《经济研究》和《经济学（季刊）》，情况则更多样。有的文章用理论模型推导出命题，有的在理论部分把主效应和作用渠道讲透后直接检验，也有相当多的文章同样会设立研究假设 1、假设 2。总体来看，经济学期刊对正式假设的依赖程度更低，形式也更灵活。
这种范式差异，有的期刊已经写进了投稿要求。以《经济与管理研究》近期公布的写作范式要求为例，它把实证论文分为经济学研究范式和管理学研究范式两套架构，并给出了几条非常具体的要求：
理论分析部分按照从基准假设到机制假设的顺序展开，分别提出相应的研究假设。机制部分要在阐述 $X$ 影响 $M$ 的基础上，重点论证 $M$ 对 $Y$ 的作用，这需要严密的理论逻辑或丰富的已有研究作为支撑。
异质性分析和异质性假设一般不放在理论分析部分。经济学范式的论文不要使用管理学的表述，中介改称机制，调节改称交互。
2. 比格式更重要的，是理论分析里有没有自己的东西
《中国工业经济》早年发布的稿件修改注意事项中，有一条很值得反复琢磨：理论部分要突出作者独特的视角、方法、模型或框架，不能只是梳理别人的研究，然后推出假设。
换句话说，无论假设写一个还是三个，审稿人其实没那么在意。真正关键的是，你的假设到底是顺着一条清晰的逻辑推出来的，还是从几篇文献里拼凑出来的。
建议动笔之前，找出目标期刊近两年同一领域、使用相同方法的 5 到 10 篇文章，记下三件事：一是有没有写正式的假设，二是机制有没有单独设立假设，三是机制用什么方法来检验。做完这一步，你自己的框架感就出来了。
二、看机制在你文章里占多大分量
如果机制是文章的核心贡献——比如你的创新恰恰在于揭示了一条前人没有注意到的渠道——那就建议把它单独写成假设。这样审稿人能看出来，你在做实证之前就有明确的理论预期，事后倒推故事的嫌疑也会小很多。
如果机制只起辅助说明作用，主效应写一个假设就够了。机制在理论部分讲清楚，留到后文检验即可，假设写得太多反而显得堆砌。
在这两种情况之间，还有一种折中的处理：主效应写成 $H_1$，机制合并为 $H_2$，下设 $H_{2a}$ 和 $H_{2b}$，分别对应 $m_1$ 和 $m_2$。这样既交代了理论预期，又不至于让假设部分过于冗长。
异质性分析一般不需要写成正式假设。如果它恰好是你识别机制的关键证据——比如机制一旦成立，效应就应当集中在某一类样本中——可以在理论部分顺带提一句，但不必单独编号。
三、假设与检验要对得上，数量之外更要看措辞
大家常说，每个假设都要有对应的检验。这说的是数量上的对应，但更容易被忽视的，是措辞上的对应。
举个例子，假设你的机制假设 $H_2$ 写的是「$x$ 通过提高 $m$ 进而促进 $y$」，实证部分却只做了 $x$ 对 $m$ 的回归。严格来说，这个回归只证明了 $x$ 提高了 $m$，既没有直接证明 $x$ 对 $y$ 的效应是经由 $m$ 实现的，更说明不了其中有多大比例经由 $m$。中间这道缺口，只能靠 $m$ 影响 $y$ 的理论论证来填补。
因此，比较稳妥的处理方式有两种。
方式一：让假设的措辞与可检验的部分对齐。比如把 $H_2$ 写成「$x$ 能够显著提高 $m$」，同时在理论推导中充分论证 $m$ 对 $y$ 的作用。这样假设与检验就严丝合缝了。
方式二：保留「$x$ 通过 $m$ 影响 $y$」的措辞，但在检验部分把论证补完整。具体包括：对 $x$ 影响 $m$ 的因果识别，$m$ 影响 $y$ 的理论和文献依据，必要时辅以已有的因果证据，再加上能够佐证这一渠道的异质性分析或交互分析。
四、两个容易被忽视的风险，务必警惕
1. 先跑回归、再写假设
管理学和心理学的方法论文献里，有一个专门术语叫 HARKing（Hypothesizing After the Results are Known），由 Kerr (1998) 提出。它指的是看到结果之后再构造假设，却把它包装成事先提出的假设。还有一种更隐蔽的形式：把没有得到支持的事先假设悄悄删掉。
不少人在实际写作中，顺序确实是先跑出几个显著的机制变量 $m$，再回过头去补写 $H_2$、$H_3$。这种操作在探索阶段很难完全避免，但至少要把握两点。
其一，机制假设的理论逻辑应当能够独立成立。即使不看回归结果，也能从理论层面推导出相应预期。其二，如果某个机制是在实证分析中事后发现的，可以把它放进进一步分析或拓展讨论中，如实说明它的探索性质，而不是硬塞进事先提出的研究假设里。
2. 假设未得到实证支持怎么办？
提出了 $H_3$，却没有在实证部分提供相应检验；或者检验结果不支持假设，却对此避而不谈，都是审稿人很容易抓住的问题。
假设未得到支持并不可怕，关键是如实报告结果，并给出合理的解释。可以从理论预期的适用条件、变量的度量误差、不同作用渠道之间的相互抵消等角度展开讨论。这些分析既能帮助读者理解结果，也能体现研究的严谨性。
这同样解释了为什么不建议为了凑齐假设而强行提出假设。如果某个机制缺乏充分的理论依据，或者缺少必要的实证检验手段，就没有必要为了让论文看起来更完整而勉強设置假设。真正有分量的，是每一条假设背后那条清晰的理论链条，而不是假设的数目本身。
发表于 前天 10:30
|
查看: 8|
回复: 0
