导师忠言：养成良好的实证研究习惯

作者：刘欣妍 (香港中文大学)邮箱：[e-mail]

温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：

写在前面

我们每天都在写代码，但是细想起来，大多数的实证经济学者都是没有电脑编程基础的。我们从一开始接触 Stata 学习写代码，就没有人告诉过我们应该怎么样规划我们的代码，使得我们研究的效率得到提高。

大多数情况下，我们都是通过写一篇又一篇的论文，把遇到的坑都自己踩过一遍（比如：不小心修改了数据，使得我们无法重现文章之前的结果），才知道有一个良好的管理代码的习惯是多么重要。

有时，当你所做的项目较小时，可能无法感受到有一个好的管理习惯有多重要，但是之后，当你所接触的项目越来越大时，你才会慢慢发现，一个小小的代码习惯的改变，会让你的研究生活变得多么轻松。

因此，这篇推文，笔者将总结一些在我们实际写论文中会遇到的一些坑，以及我们该如何做才能避免这些坑，希望能够对大家未来的研究提供一些帮助。

连玉君老师之前也写过一篇类似的推文，参见 可重复性研究：如何保证你的研究结果可重现？。

好习惯 1：给你的 do file 编个顺序码

首先，我们先模拟一个真实的研究场景。比如我们现在要研究一个问题：电视的出现是否提高了马铃薯片的销量。我们有两个 excel 表格的原始数据(1) 每个县出现电视的时间 (2) 马铃薯片在 1940-1970 年间的销量。这时我们可以跑一个回归，将马铃薯片的销量对数和出现电视的虚拟变量回归，再控制年份和县级的固定效应。

在整个项目中，我们会拥有很多格式的不同数据(excel 原始数据，Stata do file, Stata 数据，latex 文稿等)，如下图所示

在一段时间内，你可能记得清楚，哪个文件是由原始数据产生的，哪个数据是我们的结果表，哪个又是我们的最终版本。但是试想，当这个项目已经搁置了 2 年，你就很难再记清楚，这一大堆的文件都是怎么产生的。

为了让我们的研究更加轻松，即使两三年后重看这个项目，我们依旧可以得到之前文章里的结果，我们就需要为我们的文档编一个码。其实这个方法在 AER 很多期刊里给出的 replication files 里也经常遇到，作者会提供一个 master.do 的文档，告诉你第一步应该跑哪个 do file，第二步应该跑哪个 do file。又或者可以按照文章的表格和图形出现的顺序，建立一个 master file, 比如 AER 这篇The Separation and Reunification of Germany给出的参考 do file, 就很值得我们学习。

好习惯 2：为你的 do file 加一个撤回功能

我们有时候在做实证的时候，会不小心覆盖掉一个之前版本的数据，然后不知道为什么，发现自己再也复制不了之前得到的满意的结果了。这时，你就会发现自己非常非常需要一个撤回键，像 word 文档里的 undo 功能，可以一键回到自己之前需要的版本。

针对这个问题，目前能想到的最好的解决办法就是使用 dropbox、坚果云等可以查看文档历史版本的软件，通过这种软件，我们不仅可以看到这份文档的历史版本，还可以看到是谁进行修改的，非常适合和不同的合作者共同使用。同时，作者还介绍了在 windows 系统下合适的 SubVersion repository，感兴趣的同学可以自行研究。

好习惯 3：为你的数据建立不同的文件夹

通常情况下，我们从项目的开始到结束，会产生很多不同的数据文件。这时的一个建议是，我们需要将数据按照原始数据(raw data), 清理好的数据(clean data),和输出数据(output data)分别建立不同的文档。

这样做的好处是，我们有时候做到另外一个项目时，需要用到这个项目已经清理好的数据，就可以直接去 clean data 里寻找，而不需要再次重跑代码，做到了不同项目之间的快速连接。

Chen et al. (2020, AER) 这篇文章的文件夹设定就非常值得借鉴：

Chen Y, Fan Z, Gu X, et al. Arrival of Young Talent: The Send-Down Movement and Rural Education in China[J]. American Economic Review, 2020, 110(11): 3393-3430. -PDF-，-Data and Codes-

仓库地址为：https://www.openicpsr.org/openicpsr/project/119690/version/V1/view

好习惯 4：为你的变量取一个好名字

一开始进行项目时，我们可能会有一个习惯就是建立一个文档，专门记录一些重要的内容，比如说数据的来源，以及我是怎么建立这个变量的等等。但是实际上，等项目越做越大之后，你会发现，那个文档将永远不会再更新，而你一直在用在看的只有你的 do file。

因此，在写 do file 时最好的建议是：为你的变量取一个好的名字，让你不管什么时候看到这个变量，都能知道这个变量代表了什么。比如当你要取一个变量的 log 值时，就将该变量成 log_var，这样不管过去过久，再次看到这个变量，你都会知道这个变量代表了什么。

同时，还有一个重要的经验就是，记得把重要的链接和参考文献直接放到 do file 里，这要比重新建一个文档更加高效和方便。

以上就是在大家实证过程中，为大家提供的一些可能的小意见，希望对大家有所帮助！

#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}