論文故事性 Skill：經濟學寫論文到底在"講"什麼故事？
整理版優先睇
經濟學論文嘅「故事」點樣講？呢篇拆解咗核心框架，仲整咗個 Claude Skill 幫手
呢篇文章嚟自公眾號「計量經濟圈」2025年2月3日嘅討論精華，原文係經濟學圈子入面一條高讚問答，講緊「寫論文等於講故事」係乜嘢意思。作者將成個討論整理曬出嚟，仲整咗一個 Claude Skill 俾有需要嘅朋友用。
文章指出，好多中文期刊嘅論文得個殼——主迴歸、穩健性、異質性三板斧，但冇靈魂，因為每個步驟都冇問「點解要咁做」。真正嘅故事性，係要每個分析模塊都清清楚楚解釋背後嘅因果邏輯，而唔係為做而做。作者特別強調識別策略先係實證文章嘅脊樑，工具變量要天然發現而唔係人為構造，遺漏變量問題要誠實面對。
整體結論係：一篇好嘅經濟學論文等於一個值得問嘅問題、一個可信嘅識別策略、加一個說得通嘅故事，三者缺一都只係練習題。作者仲提醒，要認清自己嘅比較優勢——數學好就秀技術，唔好就講好故事，兩樣都冇就躺平。
- 論文故事分兩層：大故事係發現新知識或糾正傳統認知（頂級學者先做到），小故事先係多數人需要修煉嘅執行層面。
- 中文期刊通病：主迴歸—穩健性—異質性變成套路，冇解釋每個步驟嘅「點解」，尤其係機制分析成日亂編路徑。
- 識別策略係實證文章脊樑，X→Y關係直觀時質量取決於識別可靠性，唔直觀時就要靠故事豐富程度分高下。
- 工具變量好壞根本無法檢驗，要靠「發現」自然實驗而唔係「構造」；遺漏變量無法完全解決，誠實講出局限反而更可信。
- 可以安裝作者整嘅 Claude Skill，之後問穩健性點設計、機制分析點寫呢類問題，Claude 會自動用呢套框架嚟答。
論文故事性分析框架 Claude Skill
整合咗「計量經濟圈」2025年2月3日討論精華，每次問到穩健性設計、機制分析寫法、識別策略 argue 等問題時，Claude 會自動調用呢套框架輔助回答。
故事嘅雙層結構：大故事 vs 小故事
經濟學圈子成日話「好論文係講故事」，但到底點解？呢篇文章將故事分咗兩層。大故事關乎貢獻層面，可以係 Enrich the knowledge（發現前人未發現嘅新知識）或者 Update the belief（糾偏甚至顛覆傳統認知）。呢兩類可遇不可求，基本係頂級學者嘅工作。
小故事先係執行層面，係多數人需要修煉嘅地方。作者指出，中文期刊嘅通病係「 主迴歸—穩健性—異質性三板斧，形似故事，實則套路，冇靈魂」——完全忽略咗每個模塊背後嘅「點解」。真正嘅故事性，要求每個分析步驟都有清晰嘅因果邏輯支撐。
每個模塊都要問「點解」：唔好再做機械操作
- 加減控制變量：唔係湊數。每個變量嘅取捨都要俾依據，呢個本身就體現經濟學功底。
- 穩健性檢驗：唔係替換因變量走形式，而係針對審稿人可能質疑你識別策略嘅點逐一排除。
- 異質性分析：唔係隨便分地區跑迴歸——要講清楚點解咁分、跟據咩理論、揭示咗咩 pattern、提供咗咩有價值信息。
- 機制分析：唔係揀幾個顯著結果就「編」。要梳理 X→Y 嘅可能路徑，說明主要關注邊條，明確排除其他路徑幹擾——排除法或提供直接證據都得。
作者特別強調，呢啲分析模塊嘅質量差異，往往就係頂刊文章同普通文章嘅分野。新手成日將精力放喺「跑更多回歸」，卻忽略咗 識別邏輯係咪真係站得住腳 呢個根本問題。
識別策略：實證文章嘅脊樑，唔好靠「人格魅力」
文章提到一個關鍵區分：如果 X→Y 關係直觀（例如空氣污染→健康），文章質量幾乎完全取決於識別策略嘅可靠性，即係 數據質量同外生衝擊嘅乾淨程度。如果關係唔直觀，識別策略仍然重要，但故事嘅豐富程度開始分高下。
關於工具變量，原文引用一句狠話：「 工具變量到底好唔好都係自己自圓其說，根本無法檢驗，靠嘅係人格魅力。」好的 IV 係發現出嚟嘅，而唔係構造出嚟。你係「我需要一個工具變量，所以我揾咗一個」，定係「呢個自然實驗天然提供咗外生變異」——高手一眼就睇得出差距。
至於遺漏變量，作者話「 真相誰也摸唔着邊」，所以唔好吹噓自己解決曬。頂刊文章同普通文章嘅差距，往往係邊個將自己研究嘅邊界同侷限講得更誠實、更清晰。匿埋侷限反而令審稿人不信任。
理論模型嘅「套娃陷阱」與自我定位
理論建模有個常見病： 結論已經包含喺前提假設入面。演繹法本質上就係從假設推結論，如果假設本身已經預設咗結論，模型就只係數學上重複你已經相信嘅嘢，冇任何新嘅認知增量。好嘅理論模型應該從唔直觀嘅假設推出有洞見嘅結論，或者將多個矛盾嘅經驗事實統一起嚟。
作者提醒，好多文章本末倒置—— 堆砌複雜模型同推導，讀完只感受到作者計量功底唔錯，但唔知篇文章到底想講咩、發現咗咩。AER 上有些只用 OLS 嘅文章反而更有力量，正正因為故事講得清晰紮實。一定要係 模型同計量服務於故事，而唔係掉轉。
原文：《經濟學話寫論文係講故仔，具體係咩意思呀？最高讚答案！》 來源：公眾號「計量經濟圈」，2025年2月3日
經濟學圈子入面流傳一句話：好嘅論文係喺度講故仔。
但係故仔係咩？點樣講？大多數人講唔清楚。計量經濟圈前段時間整理咗一場討論嘅精華，讚好極高，將呢件事拆解得相當透徹。我將核心觀點整理出嚟，仲做咗一個 Claude Skill，俾有需要嘅朋友使用。
故仔分兩層
大故事（貢獻層面）：
呢兩類可遇不可求，基本上係頂級學者嘅工作。
小故事（執行層面）先係大多數人需要修煉嘅地方。
中文期刊嘅通病
「主迴歸—穩健性—異質性三板斧，形似故仔，實質係套路，冇靈魂。」
真正嘅故事性，要求每個分析模塊都有清晰嘅「點解」：
加減控制變量：唔係為咗湊數。除咗過於直觀嘅控制變量，每個變量嘅取捨都需要畀出依據，呢樣本身就體現咗經濟學功力。
穩健性檢驗：唔係替換因變量走形式，而係專門針對人哋可能質疑你識別策略嘅位逐一排除。具體點做，取決於審稿人可能從邊啲方向攻擊你嘅識別。
異質性分析：唔係隨便分地區跑個迴歸就算——咁樣完全冇意義。要講清楚：點解咁樣分？根據咩理論或邏輯？分咗之後揭示咗啲咩有意思嘅 pattern？提供咗啲咩有價值嘅資訊？
機制分析：唔係揀幾個顯著結果就開始「作」。要梳理 X→Y 大致有幾條路徑，說明主要關注邊條，並明確排除其他路徑嘅幹擾——排除法係一種，提供堅實嘅直接證據都得。
故仔 = 因果關係 + 講得通嘅機制
每個分析模塊都要緊緊服務於呢個因果邏輯，而唔係為咗填充篇幅或模仿套路。
識別策略先係實證文章嘅「脊樑」
原文提到一個關鍵區分：
•X→Y 關係直觀時（例如空氣污染→健康），文章質量幾乎完全取決於識別策略嘅可靠性，數據質量和外生衝擊嘅乾淨程度就係一切•X→Y 關係不直觀時，識別策略仍然重要，但故仔嘅豐富程度開始分高下
好多新手將精力放喺「跑更多回歸」上，但忽略咗識別邏輯係咪真係站得住腳呢個根本問題。
工具變量嘅「皇帝新衣」
「工具變量到底好唔好都係自己自圓其說，根本冇得檢驗，靠嘅係人格魅力。」
呢句話講得刻薄，但唔係冇道理。好嘅 IV 係發現出嚟嘅，唔係構造出嚟嘅。「我需要一個工具變量，所以我揾咗一個」，同「呢個自然實驗天然提供咗外生變異」——呢兩種出發點寫出嚟嘅文章，高手一眼就可以睇出差距。
遺漏變量係懸喺所有實證研究頭上嘅達摩克利斯之劍
「真相邊個都摸唔到邊，所以亦唔好吹噓自己幾咁幾咁。」
呢種係一種好健康嘅學術謙遜。頂刊文章同普通文章嘅差距，往往唔係「邊個解決咗遺漏變量問題」，而係邊個將自己研究嘅邊界同侷限講得更誠實、更清晰。將侷限收起嚟嘅文章，反而令審稿人唔信任。
理論模型嘅「套娃陷阱」
「我發現我個模型嘅結論已經包含喺前提假設裏面。」
呢個係理論建模嘅常見病。演繹法本質上就係從假設推結論，如果假設本身就預設咗結論，模型就只係喺數學上重複你已經相信嘅嘢，冇任何新嘅認知增量。
好嘅理論模型應該：從唔係咁直觀嘅假設中推出出人意表或有見地嘅結論，或者將多個看似矛盾嘅經驗事實統一喺一個框架之下。
好多文章本末倒置——堆砌複雜模型同推導，讀完只係感受到作者計量功底唔錯，但唔知呢篇文章到底想講咩、發現咗咩。AER 上面有啲只用 OLS 嘅文章反而更加有力量，正係因為故仔講得清晰、紮實。
應該係模型同計量服務於故仔，而唔係故仔服務於模型。
一個務實嘅自我定位
「數學功底好就曬技術，功底唔夠就講好故仔，兩樣都冇就躺平。」
認清自己嘅比較優勢，喺擅長嘅維度上做到極致，而唔係樣樣都想要、樣樣都平庸。
最後一句話
好嘅經濟學論文 = 一個值得問嘅問題 + 一個可信嘅識別策略 + 一個講得通嘅故仔
三者缺一，都只係喺度做練習題。
基於以上內容，我整理咗一個論文故事性 Claude Skill，安裝之後每次問到穩健性點設計、機制分析點寫、識別策略點 argue，Claude 都會自動調用呢套框架輔助回答。
原文推薦：搜尋公眾號「計量經濟圈」，睇2025年2月3日發佈嘅原文，讚好同留言區同樣精彩。
原文：《經濟學說寫論文是講故事，具體是啥意思啊？最高點贊答案！》 來源：公眾號「計量經濟圈」，2025年2月3日
經濟學圈子裏流傳一句話：好的論文是在講故事。
但故事是什麼？怎麼講？大多數人說不清楚。計量經濟圈前段時間整理了一場討論的精華，點贊極高，把這件事拆解得相當透徹。我把核心觀點整理出來，並做成了一個 Claude Skill，供有需要的朋友使用。
故事分兩層
大故事（貢獻層面）：
這兩類可遇不可求，基本是頂級學者的工作。
小故事（執行層面）才是大多數人需要修煉的地方。
中文期刊的通病
"主迴歸—穩健性—異質性三板斧，形似故事，實則套路，沒有靈魂。"
真正的故事性，要求每個分析模塊都有清晰的"為什麼"：
加減控制變量：不是湊數。除了過於直觀的控制變量，每個變量的取捨都需要給出依據，這本身就體現了經濟學功底。
穩健性檢驗：不是替換因變量走形式，而是專門針對別人可能質疑你識別策略的點逐一排除。具體怎麼做，取決於審稿人可能從哪些方向攻擊你的識別。
異質性分析：不是隨便分地區跑個迴歸了事——這完全沒有意義。要說清楚：為什麼這樣分？依據什麼理論或邏輯？分了以後揭示了什麼有意思的 pattern？提供了什麼有價值的信息？
機制分析：不是挑幾個顯著結果就開始"編"。要梳理 X→Y 大致有幾條路徑，說明主要關注哪條，並明確排除其他路徑的干擾——排除法是一種，提供堅實的直接證據也可以。
故事 = 因果關係 + 說得通的機制
每一個分析模塊都要緊緊服務於這個因果邏輯，而不是為了填充篇幅或模仿套路。
識別策略才是實證文章的"脊樑"
原文提到一個關鍵區分：
•X→Y 關係直觀時（如空氣污染→健康），文章質量幾乎完全取決於識別策略的可靠性，數據質量和外生衝擊的乾淨程度就是一切•X→Y 關係不直觀時，識別策略仍然重要，但故事的豐富程度開始分高下
很多新手把精力放在"跑更多回歸"上，卻忽視了識別邏輯是否真的站得住腳這個根本問題。
工具變量的"皇帝新衣"
"工具變量到底好不好都是自己自圓其說，根本無法檢驗，靠的是人格魅力。"
這句話說得刻薄，但並非沒有道理。好的 IV 是發現出來的，不是構造出來的。"我需要一個工具變量，所以我找了一個"，和"這個自然實驗天然提供了外生變異"——這兩種出發點寫出來的文章，高手一眼就能看出差距。
遺漏變量是懸在所有實證研究頭上的達摩克利斯之劍
"真相誰也摸不着邊，所以也不要吹噓自己多麼多麼的。"
這是一種很健康的學術謙遜。頂刊文章和普通文章的差距，往往不是"誰解決了遺漏變量問題"，而是誰把自己研究的邊界和侷限說得更誠實、更清晰。把侷限藏起來的文章，反而讓審稿人不信任。
理論模型的"套娃陷阱"
"我發現我的模型的結論已經包含在前提假設裏了。"
這是理論建模的常見病。演繹法本質上就是從假設推結論，如果假設本身就預設了結論，模型就只是在數學上重複你已經相信的東西，沒有任何新的認知增量。
好的理論模型應該：從不那麼直觀的假設中推出出人意料或有洞見的結論，或者把多個看似矛盾的經驗事實統一在一個框架下。
很多文章本末倒置——堆砌複雜模型和推導，讀完只感受到作者計量功底不錯，卻不知道這篇文章到底想說什麼、發現了什麼。AER 上有些只用 OLS 的文章反而更有力量，正是因為故事講得清晰、紮實。
應該是模型和計量服務於故事，而不是故事服務於模型。
一個務實的自我定位
"數學功底好就秀技術，功底不夠就講好故事，兩樣都沒有就躺平。"
認清自己的比較優勢，在擅長的維度上做到極致，而不是什麼都想要、什麼都平庸。
最後一句話
好的經濟學論文 = 一個值得問的問題 + 一個可信的識別策略 + 一個說得通的故事
三者缺一，都只是在做練習題。
基於以上內容，我整理了一個論文故事性 Claude Skill，安裝後每次問到穩健性怎麼設計、機制分析怎麼寫、識別策略怎麼 argue，Claude 都會自動調用這套框架輔助回答。
原文推薦：搜索公眾號「計量經濟圈」，查看2025年2月3日發佈的原文，點贊和留言區同樣精彩。