什么是实证研究

什么是实证分析论文？中学的时候，我们要写说明文、议论文、记叙文等，大学后，我们要写各种各样论文，如课程论文、EI论文、SCI论文、毕业论文……那么，论文到底是什么？论文就是指学术研究者通过收集资料、数据，用不同的研究方法如案例分析法、统计分析法验证理论假设，并把研究的课题、过程、得出的研究结论详细清楚地叙述出来，用以指导社会实践生产等。从狭义上来说，运用统计分析法（如方差分析、T检验、回归分析等）对构建的模型或提出的理论假设进行验证，得出研究结论的论文可以称为实证分析论文。实证分析论文的一个基本步骤为：根据已有的经济理论或经济行为构建模型，根据研究模型设计问卷量表，搜集统计数据，运用统计分析软件对数据进行分析，检验提出的假设或模型是否为真，最后修正模型得出研究结论。为什么要使用SPSS？写论文时如何选择合适的统计分析工具？一要看论文研究目的、应用方面，二要看论文模型的研究深度，三要看个人统计知识的基础。目前使用较多的统计软件有Eviews，SAS，Excel，AMOS，SPSS等等。Eviews通常在金融、经济行业中使用，适用于计量经济学，处理国民经济，GDP等时间序列和截面数据；SAS功能强大，但使用条件要求高，要求会编程知识，非统计专业人员难以掌握；Excel作为基础的办公软件，图标制作简单，图形工具强大，但是像直方图、曲线图这类的简单分析结果并不专业，得出的结论不能深入讨论，而excel在统计方法上的运用却是大部分人并未掌握的，操作起来并不比SPSS等软件简单，不能运用在大型统计分析方面；AMOS是在结构模型中使用，更多运用在论文中的因子分析部分辅助SPSS对模型的验证，对问卷进行验证性因子分析，检验问卷的结构效度和拟合度，提高论文深度和意义。SPSS是一款用途广泛，操作简便的基础统计分析软件，通过对数据的采用方差分析、T检验、卡方检验、相关分析、回归分析等方法，找出数据背后潜在的规律和本质，可以运用在各行各业，如市场研究、医学行业、金融行业等。对企业管理者来说，利用SPSS分析数据是制定有效管理措施、挖掘用户画像的基础；对学术研究者来说，SPSS是检验模型，推断事物发展方向不可或缺的工具。SPSS功能虽然没有SAS多，诞生在界面简洁易操作，输出结果清晰易懂，是众多非统计专业和统计专业人员的首选。因此，SPSS是帮助毕业生分析问卷数据、写好实证研究论文最常见的统计软件。但由于SPSS只能识别量化数据，不能识别文本，输入问卷数据时需对选项赋值，所以论文研究常设计量表收集数据。问卷与量表的区别将在下面具体讲解。

所谓实证研究（empirical research），“在研究方法层面，它与思辨研究相对应，是指在具体的社会情境下按照一定程序规范和经验法则对有关信息进行定性与定量分析”。简言之，实证研究是一种与规范研究相对的研究方法，它主张采用归纳的方法来对法律现象进行分析、提出解释。 虽然实证研究在法学研究中仍然比较小众，但实证方法通过调查研究法律到底如何制定、如何运行，针对法律实践状况展开分析，提出切实可行的解决方案，能够克服传统法学研究从理论到理论的空洞和不足，从而构成对传统法学规范研究的反思和补充。研究特点第一，观照法律实践。法学是一门实践科学，如果仅仅在“应然”层面进行研究，得出法律应当如何的结论，与社会生活脱节，这样的研究缺乏长久的生命力。实证研究通常从法律实践中汲取养料，通过实践材料的理论化，发现和分析问题、解释原因，往往能够得出指导法律实践的结论，更加契合法律研究的实践性。第二，结论可以验证。传统的规范法学以法律条文或法律文本作为研究对象，主要采用逻辑推演的方法来证明作者观点。由于每个人观点各异、掌握的证据不同，往往得到不同的结论，而且往往公说公有理婆说婆有理，站在不同角度，难以说服对方。例如，历史上著名的哈特与富勒关于法律与道德命题的论战，双方都对自己观点进行了充分的论证，并逻辑自洽，但是终究无法说服对方。实证研究从经验材料出发，利用统计学知识、量化分析，得出的结论往往可验证，具有较强的说服力。第三，研究中国问题。20世纪80年代有人提出“法学幼稚”的观点，指出了中国法学发展的方向性困惑。法学之所以“幼稚”，关键在于法学研究缺少独特的研究方法，或者说传统法学研究方法不够“科学”。实证研究通常是基于法律数据和案例的研究，其基础是数理的推论，在得出结论时往往更加谨慎，有一分数据说一分话。由此，使得法学研究更加接近科学，摆脱幼稚之名。特别是用实证方法研究中国的法律现象和法律问题，能够突出中国法律中的一些特殊问题，有助于为世界法学研究作出中国学界的贡献。第四，应用前景广阔。法律特别是法律实践活动产生大量的研究素材，例如案例、裁判文书、法律条文，这些素材为实证研究提供了大量丰富的一手资料，稍加整理就可以成为法学实证研究最适切的原材料，因此，还有很多论题和研究思路有待挖掘。制约因素一是法律数据的开放程度不足。虽然中国的立法、司法、执法机关越来越重视数据的公开和透明，但是受制于公开时间短、观念局限等因素，中国实证研究的数据整体上仍然匮乏，特别是权威的连续统计数据不完整，给实证研究带来诸多不便。法学实证研究面临“巧妇难为无米之炊”的困境。例如，截至2020 年12月，中国裁判文书网上的裁判文书已超过1亿份。但是有学者研究发现，“一半以上的文书仍未公布在网。一些具有重大社会影响、公众关心的案件，无法在网上找到”。中国裁判文书的公开性还有待加强。二是实证研究周期长、研究成本高。法学实证研究都需要研究者自己去搜集、调查、整理一手的资料，这个过程往往需要花费大量的人力、物力、精力。因此，好的实证研究作品往往写作周期较长，研究成本高，有的实证研究需要多人合作或者团队合作才能实现法学理论与数据处理的完美结合。苛刻的条件往往对于实证研究提出了较高的要求。三是法学实证研究人才队伍培养不足。大部分法学学者都是“文科生”，对数字不敏感，数据分析更是其短板；而一些经济学、统计学的学者数据处理能力强，但是对法律问题不敏感，甚至研究的主题在法律上意义不大。因此，要想让法律实证研究发扬光大，还需加大对法科学生实证研究方法和意识的专业培养，增强其数据敏感性、数据处理能力和提炼法律问题的意识。四是研究成果的理论转化需要更加包容。由于实证研究尚未成为中国法学界的主流研究范式、法学实证研究的理论转化平台较少、法学实证研究多数以合作作品形式呈现等因素影响，实证研究作品的发表仍然面临较多挑战。实证作品在法学类期刊，特别是核心期刊发表的比例远低于国外期刊（有学者统计西方现代社会科学中定量研究占六分之五），一些学者对于实证研究投入了大量的精力，但是面临发表难度高、产出很低的窘境，从而影响其研究热情。五是实证研究本身尚在起步阶段。目前，中国的法学实证研究尚在起步阶段，实证研究基本规范尚未形成，多数法学实证研究仍然停留在数据简单统计的层次，一些数据分析、整理方面的偏差甚至错误仍然大量存在，学者们对于法学实证研究的范围和边界尚未达成共识。国内的法学实证研究尚未形成鲜明的风格，更没有提出自己独特的见识，因此，需要学者们加强国内外的交流、学习，提出法学实证研究的基本规范、基本方法、基本理论，提升法学实证研究的水平。突破瓶颈首先，加强人工智能法学研究中实证方法的运用。以统计学为重要根基的人工智能，与实证研究有着天然的亲和性。大数据和人工智能能够为实证研究提供更多的素材，并大幅提高繁琐的基础数据收集、整理的效率。而人工智能思维水平的提升，有赖于对数据的收集、整理与分析、运用，因此，实证研究训练得以成就的统计分析能力，又成为与人工智能跨界合作的关键性助手。未来，法学实证研究必将在对人工智能法学深入研究过程中获得更高的关注度和更强的生命力。其次，发挥实证研究中定量研究方法的优势。据哈佛大学对1900—1965年世界社会科学重大进展的研究，定量问题或法学占全部重大进展的三分之二。实证研究方法已经成为经济学、社会学、管理学、人口学的主流研究方法，甚至开始运用于一些人文学科中，如历史学，实证研究、量化研究已经成为人文社会科学普遍的趋势。最后，利用实证研究拓展法学研究的边界和深度。社会科学研究越来越精细化，再要构建宏大的理论框架、传统宏大叙事的研究往往难度很大，实证研究则擅长从一些法律细节入手开展研究，在未来反而更可能拓展法律研究的边界和法学研究的深度。当然，虽然实证研究有着广阔的前景，被越来越多法律学者所认可，但是在进行法学实证研究时，一定要注意定量分析与定性研究相结合，两者不可偏废。定性分析是基础，决定了实证研究的方向、论题和价值；定性分析则决定实证研究的深度、结论的正确性以及论证的程度。（作者单位：中国社会科学院法学研究所、国家法治指数研究中心）来源：中国社会科学网-中国社会科学报作者：胡昌明

1.前言如果你想选择一个好的题目，就要抱着对自己和后人负责的态度。当然，除了抽象地理解一个好选题的特性，我们还应该懂得如何在庞杂的文献中找寻自己未来的研究方向。其实，这些经验也是在不断的文献积累中逐步获得的。每当你读新文章时都应该问自己：“它到底做了什么贡献？我可以继续做些什么？”下面我们先来回顾下前辈们是如何讲述他们的选题经验，再结合一些例子讲讲我个人的实践经验。2. 前辈的总结哥伦比亚大学的经济学教授 Don Davis 在“Ph.D. Thesis Research: Where do I Start?” (《博士论文研究：我从哪里开始》)一文中针对博士论文选题给出了一条重要建议：选择你长期感兴趣的话题。这样做不仅有利于激励你完成博士阶段的研究，更是在职业生涯初期为你提供一个可以挖掘和拓展的主题性研究领域。一言以蔽之，博士阶段的选题要避免“竭泽而渔”。Davis （ 2001 ） 还谈到了“ 有趣” （ interesting ）选题的几个“参照指标” （indicators）。第一，“有趣”是一个很主观的词，难以统一标准，但总有些依据存在。笔者在这里补充一点，在学术界，“有趣”是一个既基本又苛刻的要求。说它基本是因为 几乎所有导师都会告诉学生要选一个有趣的题目，说它苛刻是因为每个人心中对“有趣” 都有不同的标准。第二，如果作者要让大家觉得选题有趣，那么选题在多大程度上对现实世界有影响就至关重要，简而言之就是选题要有“现实意义”。第三，证明一个问题的 “现实意义”可以通过学术领袖的工作来印证。如果有几位知名学者对你的选题做过相关 研究，那么我们有理由相信，这个选题是重要的。第四，当你证明了自己在做一个重要的 选题之后，要说服读者你的选题是有新意且非常重要的。特别是对实证类选题而言，在前 人的模型中加入一些变量显然不能作为“新意”的代名词。即便使用了全新的数据和方法， 如果实证结果不能给读者带来耳目一新的感觉，如果实证的主题依然老旧，那么这类选题 还是不成功的。普林斯顿大学的经济学教授 Avinash Dixit (1994) 对选题的“现实意义”有自己的理解。他的首要建议就是不要太多顾及选题的社会意义，相反地，他鼓励学生尝试那些看似无用但非常吸引人的题目。显然，Dixit 的观点与 Davis 有很大不同。当然，经济学文献中互相矛盾的理论和实证发现比比皆是，在谈论如何选题时，出现这样的分歧也一点不意外。Dixit 主张兴趣第一，不断尝试，在实践中找到适合自己的方向。针对兴趣，Dixit 还提出了一个非常重要的建议：很多想法和理论上的技巧会突然出现在你脑海里。但是，不要被动等待它们出现，要鼓励自己主动找寻这类想法。所以，要对任何与你研究相关的想法和资料保持高度的兴趣和敏感。只有这样，新的想法和选题才会不断涌现。这一点，作为有一定科研经验的读者应该会感同身受。虽然经济学家在选题是否一定要有“现实意义”存在不同看法，但多数人在谈论选题时都会反复提到“有趣”这个词。原加州大学伯克利分校的经济学教授、现任 Google 首席经济学家的 Hal R. Varian (1997) 在讨论如何构建经济学模型中也提到，在写模型之前一定要确认研究的问题是否有趣。为此，他用了经济学中最常见的概念之一——机会成本。当你选择一个题目做研究时，其实还有其他备选的题目，所以做当前题目的预期收益一定要超过你的机会成本。他认为要检验一个题目是否有趣和重要，关键在于是否提供了新的洞见（insight）。一个很形象的检验方法是，读者看了文章要发出惊叹：“啊，这篇文章解释了如此重要的问题！”总结起来，Dixit 和 Varian 是高屋建瓴地看待选题，展现了大师境界。Davis 的建议很 接地气，适合研究生选题时候参考。虽然语言表达不同，某些观点也有区别，但三位经济 学家都强调选题要新颖要有趣。略微遗憾的是，他们的经验之谈中“战略”居多，“战术” 较少。下文将结合我在实践中的经验教训，提出更细致的操作性建议。我的实践经验由于经验和水平的差距，我对选题的理解与学界前辈们无法同日而语。作为一家之言与大家分享，仅供批判和参考。第一，选题要在大量阅读的基础上。尽管在如何读文献、读多少文献的问题上，经济学家看法各异，但我认为初学者还是应该养成勤读文献的好习惯。我们可以按照个人的研究，将经济学文献大致细分为几个领域，把论文分类归入文件夹。这些文献也包括没有正式发表的工作论文(Working papers) 。寻找文献的过程可以从各领域的文献手册(Handbook)、Journal of Economic Literature (JEL)、Journal of Economic Perspectives (JEP) 等入手，找出前人的文献综述，按图索骥查到文献的发展脉络。然后，通过文献索引查出目前最活跃的作者，根据作者的个人网站查询最新的文献综述及前沿研究。比如，在最近一段时期，哪些作者发表的重要论文最多、被引用最多，那么这些作者就应该被视作最活跃的作者。同时，可以关注 NBER (National Bureau of Economic Research) 每周的工作论文更新，看看这些作者是否也在 NBER 经常发表工作论文。最后，将这些作者定为重点关注对象，时刻关心他们的最新研究。这种关心要做到细致入微，包括知道他们最新论文的投稿状态和正在写作的论文。因为有些写作团队效率非常高，如果你不了解具体情况，遇到选题近似或者重复时，你的论文还没写到一半，他们的文章可能已经被发表。所以，大量阅读除了能提供坚实的文献基础，还能避免选题撞车。第二，选题要符合作者的能力。寻找到一个好的题目，除了了解本领域的发展，还要理解为什么有些问题没人做。那些没有人碰的题目到底是受制于数据还是方法，你本人有能力解决这些吗？事实上，别人做不了的，很可能也是你做不了的。当然，在确认了上述问题之后，如果你有信心解决前人束手无策的问题，那么完全可以尝试挑战自我。这类文章一旦成功，贡献将是普通论文无法比拟的。现实中，一些看起来很“高大上”的题目，往往不是初学者轻易能驾驭的。比如，制度与增长的关系是一个很好的话题，可我们能想象一个年轻的学生去写，结果会如何。这便是老师们通常说的，选题不要太大的原则。虽然这是一个老生常谈的话题，我还是想补充一点，凡事没有绝对。如果一个初学者确实有很深的文献功底，又有很好的数据和方法做支撑，同时非常清楚写出来的论文会是什么层次和质量，老师们应该放手让他去尝试。关于这点，我的看法与 Dixit (1994) 关于选题应该以个人兴趣为重类似：学生的论文总有从不成熟到成熟的过程，应该以兴趣为先，允许错误和失败。第三，选题要有明确的导向性。目前的实证研究，大体有三类选题导向：问题导向、数据导向、方法导向。第一种导向，层次最高，初学者往往难以做到。所以，能做到数据和方法导向，也应该被鼓励。在灯光数据普及前，对增长的研究常常受困于内生性问题。现在这方面的数据多了，双重差分和断点回归等方法也普及了，解决内生性的难度就相应降低了。所以，从技术角度说，如今研究制度对增长的影响，难度比 Acemoglu et al. (2001) 初步探索时期要低些。可是，无论文献如何发展，我们都不会抹煞 Acemoglu et al. (2001) 的功绩，因为在当时的条件下，这类选题是非常珍贵的，研究结果也有着深远的影响。大多数人都难以把问题、数据和方法三者兼顾。换言之，一篇论文诞生后，三个方面总有缺憾。这时，我认为问题是第一位的。读者和审稿人对一个重要的、稀缺的问题，多少会表现得宽容些。现实中，不少论文是数据驱动的。作者往往在获得了一些宝贵数据后才下决心要做一 篇雄文。在大数据成为热点的今天，如果研究者所占有的资源中包括了稀缺的大数据，而 不加以善待和利用，就是对资源的浪费。所以，数据驱动型的论文本身没有错。如果有错， 就是数据拥有者没有把故事讲好，没有把经济学理论（或者直觉）与数据结合好，没有把 问题实质研究透。出现这类情况，我认为可以归结于人的惰性。当数据优势太大时，研究 者往往会忽略问题的重要性。选题时也往往会片面强大数据的独一无二，而轻视了经济学 研究的基本要求。我们做数据分析，归根到底是为了理解经济体的运行规律和人做决策时 的规律。稀缺数据可以给予实证分析更精确的答案，更多因果性的结论，还有更多深层次 和异质性的启示。如果做不到这些，那么即使手握宝贵数据，也难以选得好题目。第四，选题要有自己的态度。所谓自己的态度就是在前人的研究基础上，明确自己的贡献，对过往研究有准确的评价。这个评价必须是客观公正的，在批判前人的时候要非常注意措辞。批判是需要的，但鉴于审稿人可能是你批判的对象，所以要把握尺度做到对事不对人。凡是涉及到批判的部分都要有理有据且措辞文雅。如果选择了一个老生常谈的题目，那么态度就显得尤为重要。如果你没有鲜明的态度， 审稿人会认为这篇文章没有什么贡献和进步，属于邯郸学步，审稿结果就很可能是负面的。同时，审稿人会从投稿人的态度中判断其对文献的熟悉程度和对经济学理论、方法、数据 的掌握程度，从而对文章质量进行评估。第五，选题最好有“源于生活，高于生活”的追求。如今的研究五花八门，数据新奇， 思路开阔。这些当然不是坏事，但我觉得源自生活的选题，可能会更有生命力。比如，时 下大学生就业难和专业不对口等现象比较普遍，它们就属于劳动经济学中的“过度教育”或 者“教育与岗位错配”。做这些研究贴近生活，同时具有科研意义。又比如，一些学者研究 放开二胎生育对妇女参与劳动力市场的影响，也很贴合热点，既有政策意义又有学术价值。近期，不少学者纷纷把目光投向了污染对经济和人们生活的影响，这也是他们有了切肤之 痛后，逐步尝试用经济学方法来研究和解释现实问题。总之，我们身边的很多事，都值得 研究。虽然我不主张扎堆搞热点研究，但多关注身边发生的变化，从中寻找有趣和有意义 的研究课题是值得提倡的。这条建议与 Dixit（1994）和 Varian（1997）的观点不谋而合。最后，选题也要有分享的精神。这是我个人的体会，可能与大部分导师要求学生严守选题的要求相矛盾。现实中，不少人觉得选题特别难，不愿意分享自己的想法。特别是自己发现了一个不错的方向，往往不自觉就“保密”起来。我的看法恰恰相反，选题和思路不需要过度保密。真正好的选题，别人听过也未必能轻易剽窃。在一个良性的环境中，讨论可以带来更多的视角和意见，丰富选题的意义，纠正可能出现的偏差。同时，更多人的讨论，也许更有利于促成合作。我们不能讳疾忌医和闭门造车。把选题和初步思路与合适的人分享，并不会损害个人的利益，相反可以提高自己的研究水平。退一步，如果你有很多好的想法，但受制于时间和精力无法把这些想法全部转化成科研成果，那么与别人分享，促成他们更多更好的研究也是对文献总量的贡献。有很多选题可以分享，说明你的思维没有枯竭。靠保守秘密，靠护着选题，其实已经棋输一招。总结起来，选题的指导思想是要找到一个有趣而又意义的题目。这种意义可以是基于个人兴趣的（Dixit，1994），也可以基于社会价值（Davis，2001）。实现这个目标的基础是：1、有一定的文献积累；2、带着“问题”和“兴趣”找选题；3、清楚个人能力的边界；4、对生活充满奇心；5、学会交流与分享。

国外常用数据库WRDSWRDS的全称是Wharton Research Data Services (WRDS)。该数据库为30多个国家的400多个机构的40,000多家企业，学术，政府和非营利客户提供服务。WRDS为用户提供了一个位置，可以访问多个学科的250 TB数据，包括会计，银行，经济，财务，ESG和统计。为什么说WRDS是数据库中的数据库呢？因为WRDS提供对S＆P Capital IQ，CRSP，纽约证券交易所，汤森路透，Bureau van Dijk，Global Insight，OptionMetrics和其他重要商业研究数据库的访问。除了基本的数据外，该数据的亮点在于很多的经济数据。近期还提供了fund相关的数据。有需求的小伙伴们不妨搜索下自己学校是否有开通相关的权限。Compustat标准普尔Compustat提供北美地区大多数上市公司的年度和季度收益表、资产负债表、现金流量表以及其他附加数据。金融数据是通过一系列途径获得的，包括有线新闻网、新闻发布会、股东报告、与公司的直接联系，以及证券交易委员会公布的季度和年度文件。Compustat文件也包括关于合并、行业分割、银行、市场价格、股利发放以及收益等信息。Compustat提供自1950年到现在的相关数据集。Compustat数据库可提供美加地区超过24000家上市公司的详细季度和年度财务报表与财务指标的历史数据。该库收录北美及全球上市公司近20年的财务数据，另外亦提供北美回溯版，包括400家公司自1950年以来的财务资料；提供约180种模板报表、上市或下市公司财务数据等信息；并可整合最新的或历史性的主要财务数据以制作所需的报表和图表。适用学科范围：会计、金融、财务管理等经济学学科研究用途：用于支持全球上市公司财务状况的回溯性研究。应用的研究领域包括：资产分析、计量分析、竞争者分析、公司资本结构、财务比率、合并与购并、R&D、资本及存货投资、股市报酬、及资本市场效率等主题。CRSP“Today, nearly 500 leading academic institutions in 35 countries rely on CRSP data for academic research and to support classroom instructions.”美国作为学术发表集中营，CRSP必将首当其冲。其历史可追溯至1960年，是世界上古老的数据库之一。在美国，CRSP数据依赖于280多所学校的研究和教学，这些学校授予数学，统计学，会计，金融，经济学和其他相关学科的博士，MBA和本科学位。在美国以外，CRSP为遍布35个国家的190多家领先机构提供服务。CRSP对数据质量，准确性和完整性有着充分的保证。数据库中的股票，指数，基金，国债和房地产投资信托市场数据是学术的基础数据库。CRPS是研究美国金融市场的首选数据库。大部分三星以及四星Journal上的文献数据资源全部来自于该数据库。CRPS的数据类型结构比较与众不同。需要使用的小伙伴们需要注意如何调整数据结构。需要根据数据的初始类型建立一个适合自己的数据矩阵。推荐下载CSV格式。DATASTREAMDatastream是一个全球金融和宏观经济数据平台，是Thomson Reuters旗下的产品，提供175个国家和60个市场的股票，股票市场指数，货币，公司基本面，固定收益证券和关键经济指标数据。改数据库提供世界的最全面的财务历史数据系列内容可从20世纪50年代开始。对于需要搜集各种财务指标的相关数据的小伙伴来说，这个数据库简直就是个小宝库啦。除此之外，Datastram 在股指方面也是强项。数据库有着超过340,000个股票指数的历史数据，包括68个国家和新兴市场的市场指数的广泛报道。 为主要指数供应商提供综合股票指数和成分数据，如MSCI，FTSE Russell，标准普尔，道琼斯和STOXX。数据库还为许多发达和新兴市场本地指数提供历史成分清单和权重数据。 全球股票指数涵盖了30多年的指数历史日数据，覆盖全球55个市场，32个地区和170个行业该数据库包含162个国家的经济概况。这些包括政府机构（中央统计局和部委），中央银行以及编制名誉指标的公共或私人机构。 覆盖范围从头条新闻延伸到包括所有主要经济新闻发布的系列，以及其他重要出版物或国家数据库。连蒙古的股票数据都有哦~需要注意的是，不同于其他数据库，DATASTREAM需要很高的权限，一般只有在学校电脑才可以下载。这个就对小伙伴们进行数据清洗时的学习地点有很大要求啦。如果出现什么问题就要回到学校重新下载。请注意好数据备份。相比其他数据库， Datastream的对数据清洗的要求相对要求更高。因为其最初关联至EXCEL，在下载大量数据的时候推荐分散下载。否则很容易造成数据崩盘。好啦~明天为大家介绍国内有哪些实证研究常用的数据库吧

弹指一挥间，490家公司已创新低。2008年至今，A股公司从1500余家扩容至超3500家。记者统计发现，无论是十年前上市的“老公司”，还是这十年上市的“新公司”，已有490家跌出了十年来的新低或上市以来的新低。在490家公司中，68家公司是2008年之前上市，2008年及以后上市的公司有422家，换言之，这422家公司实际创下了上市以来的新低。对于2008年以前上市的公司而言，过去了十年，股价竟然跌出了新低，即使考虑到“杀估值”的因素，也在一定程度上反映了这些公司自身业绩的问题。实际情况也是如此。仅以归母净利润这一指标来考虑，68家公司中仅有1家在2015年、2016年、2017年及今年上半年这4期中实现连续增长，其余大部分公司都处于赚一年、亏一年的尴尬境地，甚至不少公司已经“披星戴帽”，如ST中安、S大控、*ST中基、*ST南风、*ST慧业、*ST华泽、*ST华信、*ST哈空、*ST工新、*ST富控及*ST保千。更多精彩内容请关注上海证券报微信公众号！

本文转载自【微信公众号：社科学术圈，ID:shkxquan】经微信公众号授权转载，如需转载与原文作者联系实证论文写作是指对基于观察、调查与实验得来的经验事实进行归纳、演绎的过程及其结果，它遵循自然科学的逻辑和范式，有着相对稳定、统一的外在形式。不过，即使如此，有些研究生在进行实证论文写作时，仍存在着实证论文不像实证论文、实证论文不是实证论文的错误，而实证论文写作的进阶之路包含实证论文像实证论文、实证论文是实证论文与此实证论文优于彼实证论文三个阶段。 一、实证论文像实证论文在方法论上，实证论文写作信奉研究对象是客观存在的，皆受因果或相关规律的支配，而事物间的因果或相关关系是可以通过经验而被证实的。因此，从外在结构上看，实证论文有相对固定的表达形式，一般由问题与假设、方法与过程、结果与讨论等要素构成。问题与假设。一切研究皆是从问题开始的，而写作无非是将问题解决的过程及其结果用文字、数字等符号呈现出来。从目的上看，研究问题大致可分为三类：一是概念性问题，即研究目的不是为了告诉读者做什么，而是帮助他们理解某个主题。此类问题通常是认识上的问题，诸如何谓教育，教育的影响因素有哪些，教育的形成机制是怎样的等问题。二是实用性问题，即研究目的主要是为了告诉读者怎么做，才能改变某种棘手的情况或至少使这种棘手的情况得以改善。此类问题通常是实践上的问题，比如，如何增强教育的吸引力？如何提高考试成绩？三是应用性问题，即不仅告诉读者如何做，而且解释如何做的原因，此类问题既不是纯概念性问题，也不是纯实用性问题，而是二者的综合，诸如核心素养的形成机制及其培育，就包含了认识问题与实践问题[1]。研究假设即对拟研究问题的尝试性回答。只不过，对于实证论文写作而言，研究假设通常呈现为两个或多个变量关系的猜想。只有确定了待证的研究假设，研究问题才算明确，才能进行下一步的方法与过程的阐述。 方法与过程。实证研究要想经得起他人的重复验证，须清楚地阐明研究的方法与过程。自然，方法是过程中的方法，过程是嵌入方法的过程，二者是融合在一起的。对于人文社会科学而言，实证的研究方法通常有观察、调查与实验。比如，有学者在《教育不平等的身心机制及干预策略——以农民工子女为例》中，就详细阐述了自己的研究方法，诸如参与观察、深度访谈、问卷调查与实验法。就实验法而言，该学者将参与研究的学生随机分成实验组和控制组，并分处不同的教室里，研究者对两组学生施予不同的实验刺激，通过对比因变量的差异，来验证刻板印象对农民工子女学业成就的影响[2]。结果与讨论。运用实证研究的方法，经历一个研究过程，就能获得各种数据和资料，如此获得的各种数据和资料即为研究的结果，需用描述性语言进行客观呈现。举例来说，为了检验关于农民工子女学业成就的负面刻板印象对农民工子女的测试成绩的影响，上文的作者采用实验研究，在语文测试前，对随机分成的人数均等的四个组，分别施以不同的影响：第一组同时以外显和内隐的方式激活刻板印象，第二组仅以外显方式激活刻板印象，第三组仅以内隐方式激活刻板印象，第四组为控制组，直接进行语文测试。其获得的研究结果是以外显方式将学生置于刻板印象威胁之下，学生的测试成绩相对于参照组，有显著下降。以内隐方式将学生置于刻板印象威胁之下，其测试成绩虽低于参照组，但两者的差别并不具有统计显著性。而同时以外显和内隐方式激活刻板印象的学生，其测试成绩表现出最明显的下降，是三个实验组中成绩最低的[2]。呈现了研究结果，还需对研究结果进行必要的解释和诠释，此种解释和诠释即为讨论。 当然，现实的实证论文有着多种变体，有的将研究假设隐匿在“问题的提出”中；有的则既呈现研究结果，也推导出研究结论，且提出相应的对策建议等。但不管实证论文有多少变体，上述六要素则是不可或缺的。 然而，对于初做实证研究的研究生而言，其撰写的实证论文常常存在着上述六要素残缺不全的现象，从而使自己撰写的实证论文不像实证论文。比如，有博士生在《“互联网+”与 IBPYP 中文教学的实证研究》中，开篇只是简述了“‘互联网+’与IBPYP 中文教学”的一些情况，却既没有提出本课题要研究的问题，也没有提出自己要确证的研究假设；接着，虽然描述了研究方法，诸如深度访谈与问卷调查，但却未能呈现研究方法所获得的第一手资料，没有描述研究结果，就更谈不上对研究结果进行必要的讨论了，只是在结尾处笼而统之地得出结论说：“我们不可否认‘互联网+’带给 IBPYP 中文教学很大的益处，但也必须承认它给 IBPYP 中文教学带来了一定程度上的弊端”。试想，这样缺少研究问题、研究假设与研究结果的实证论文，仅从外在的构成要素上看就不像实证论文，其研究能力实在堪忧！倘若笔者来写“‘互联网+’与 IBPYP 中文教学的实证研究”，则会先提出一些实用性或应用性问题，比如，“互联网+”在 IBPYP 中文教学中面临着哪些问题，师生是如何看待、认识与化解这些问题的，对其他类似的“互联网+”教学有何启示等；接着，构想待证的研究假设，诸如无论“互联网+”如何时尚，皆是一种教育手段，需服务于学生之个性而全面的成长，“互联网+”的运用应符合学科教学的本质特征，并非凡运用了“互联网+”的教学就必然是优质的等。随后，描述与研究问题或待证假设相适切、匹配的研究方法和过程，且按照拟研究的问题或待证的假设，分类呈现所获得的第一手资料和研究结果；最后，对研究结果进行学理分析与阐释，得出研究结论及其启示。可以说，做到实证论文像实证论文并不难，只要清楚了实证论文主要由“问题与假设、方法与过程、结果与讨论”等构成，那么以这六要素为框架，将相关的内容匹配、填充进去，至少会使实证论文像实证论文，然后在此基础上进一步修改、完善，使实证论文是实证论文。 二、实证论文是实证论文人学做任何事情，其起步阶段常需借助模仿与练习，实证论文的写作也不例外。但要做到实证论文是实证论文则需在模仿、练习的基础上洞察实证论文写作的内在机理，避免各种伪实证的陷阱，诸如以偏概全、结果倾向性选择与诉诸权威等伪实证。 如果说实证论文是由问题与假设、方法与过程、结果与讨论等六要素所构成，那么表征实证论文的主要成分则是“方法、过程与结果”三要素。因为研究问题的选择和研究假设的确定必然蕴含着研究者主观的价值倾向，其中，研究问题的选择就意味着并不是所有的问题皆值得研究，研究者须进行价值甄别。有时，即使所选择的问题值得研究，但由于受研究者自身的知识储备、现有能力以及资源条件等限制，具体的研究过程也不一定能够展开。因此，研究问题的选择并不是一个经验实证的过程，而是一个价值判断的权衡。而研究假设的确定虽须基于、源于经验事实，但经验事实本身却无 法自动地显现研究假设，作为对研究问题的事先回答或对两个或多个变量之间关系的预测，研究假设只是一种主观的心理构想。如此看来，研究假设的确定也不是纯实证的。至于对研究结果的讨论，则需基于经验材料和数据进行科学的抽象、归纳与概括，而抽象、归纳与概括则不是实证性的，而是一种逻辑推理[3]。鉴于此，实证论文是实证论文的标志主要体现在方法、过程与结果上，而判断实证论文是否实证论文也主要看其方法运用是否恰当，过程展示是否规范，研究结果是否研究方法的运用与研究过程的展开的结果。可以说，对于人文社会科学来说，由于人文社会现象的复杂与多变，且渗透着人的主观意志，难以做到像自然科学那样进行经得起充分经验检验的实证研究，就相对容易犯伪实证之错误。比如，由于受研究时间、资金或研究者个人的学识、能力等限制，人文社会学科的实证研究常常运用个案、问卷与访谈等方法收集资料，并基于研究所获得的资料抽象、归纳与概括出研究结论。这些研究方法本身虽无可厚非，但倘若运用个案调查，那么个案选择得是否具有典型性、代表性，就得事先进行充分的考量，并在文本写作中给予详细介绍，且对由此得出的结论持有限的推论。其道理很简单，人们无法从特殊中推导出一般，即使现在所见的所有天鹅皆是白色的，也无法肯定今后不会发现黑天鹅。不过，有些研究生在运用个案进行实证研究时，却无视个案选择得是否具有典型性、代表性，只是从方便实施、易于取材着眼，且对个案的基本情况缺乏介绍，就大而化之地推导出研究结论，从而造成以偏概全之错误。比如，有博士生在《基础教育的混合式学习——基于意见领袖的实证研究》中，不仅没有界定何谓“意见领袖”，而且还想当然地将“意见领袖”视为“教育领导者”，更没有介绍自己访谈的三位“教育领导者”的具体情况，就从中得出“兼容性和复杂性是影响混合式学习变革的重要属性”等结论。对此，读者自然会生发疑问：为什么将“教育领导者”视为“意见领袖”？三位“教育领导者”的具体情况是怎样的？从这三位“教育领导者”对混合式学习的看法中何以能得出上述研究结论？同时，运用问卷、访谈法进行资料收集，则要严格审视问卷编制、访谈提纲编写的科学性与有效性，避免价值倾向性提问。倘若问卷或访谈的问题带有价值倾向性，那么其所得的资料就难免具有结果倾向性选择之弊端。比如，倘若问卷或访谈问“当下，学生的课业负担很重，你如何看待”，那么此问题就带有明显的价值倾向性。因为课业负担至少存在着三种情况：重、一般与轻。因此，上述提问，即使获得的研究资料是真实的，也难以让人信服。有时，有些实证研究者为了证明自己提出的观点或假设是正确的，就从预设的理念出发，用既定的观点来裁剪、选取相应的经验事实，就犯了明显的结果选择性错误。可以说，无论是问卷或访谈的价值倾向性提问，还是基于既定的观点对经验事实进行过滤与剪裁，皆会导致结果选择性之错误，使实证研究蜕化为伪实证研究。另外，实证研究推崇用事实说话，有一分证据讲一分道理，但在实证研究中，有的研究生却习惯于援引权威观点，而忽略对经验事实的分析，并试图通过引用权威观点来证明自己主张的正确，这种做法就背离了实证研究的理性精神，犯了诉诸权威的错误。因为从理性上看，某种观点是否正确，并不是某权威说其正确就正确，而是要拿事实来证明。况且，作为人，即使是权威人物，也可能犯错。 而要想做到实证论文是实证论文，至少须把握实证研究的优长与局限，综合运用定量与定性研究；加强研究方法的学习与训练，提升研究方法的运用水平；增强问题意识，弘扬理性精神。为了提升人文社会科学的研究水平，实证研究是一条有效的途径，但人文社会科学的研究对象不同于自然科学的研究对象，自然科学的研究对象是没有人直接参与的现象，是既定的，属于非历史的范畴；而人文社会科学的研究对象则是有人直接参与的现象，是人自身活动的产物，属于历史的范畴[4]。因此，将适用于自然科学的实证研究引入人文社会科学，就须明了其优长与局限。就优长而言，实证研究作为一种具有逻辑结构的模型，能够建立各种事实、概念之间的因果或相关关系，有利于增强人们对事物发展的预测与控制能力。就局限而言，实证研究的对象须具有可观察、能测量的特性，而那些不可观察、无法测量的心理体验、人文情怀等则被排斥在实证研究之外。况且，即使针对可观察、能测量的事实进行实证研究，其问题的选择与假设的确定及其结果的讨论仍需非实证的参与。从这个意义上说，实证与非实证并不是截然对立的，真正的研究常常融实证研究与非实证研究于一体，只是由于研究目的与研究对象的差异，有的研究实证成分多些，有的研究非实证成分多些而已，此乃其一。其二，加强研究方法的学习与训练，提升研究方法的运用水平。研究方法作为工具，须保证其自身的科学性。倘若研究方法本身就存在着各种各样的问题，那么由此获得的研究资料不是杂乱无章，就是误导研究结论。比如，就问卷编制而言，一份完整问卷包括指导语、问题与结束语，而问题的设计并不是想到什么问题，就出什么问题，而是要经历“界定概念—提出假设—确定维度—编拟题项”这一完整的逻辑过程，其中，界定概念在于明确调查的对象是什么，提出假设是进一步明确调查的内容，而确定维度则是对调查内容的进一步分解，最后才是根据确定的维度，在每一个维度上设计若干问题。同时，调查问卷的问题设计须具有清晰性、单一性、中立性、间接性与排他性等特征。同理，访谈提纲的编写也是基于研究问题，先依据标准划分维度，然后按照维度将大问题分解为小问题，且移情地设想：当访谈对象看到问题时，他/她会怎么想？自己能否得到客观、真实的回答？比如，有研究生在编制教师访谈提纲时，呈现了如下问题：“和学生、同事相处时，您是否经常发火，跟别人持相反意见？”“您放学后会不会把不愉快的情绪带到家里？”“上课时，您是否经常感到身心疲惫？”等。试想，直接问教师这些负面问题，而不是运用间接的提问方式，教师会真实、客观地回答吗？其三，增强问题意识，弘扬理性精神。无论何种研究，皆是对研究问题的尝试性回答，而不是对已有事实的简单再现，但有博士生在《美国协作式写作项目教学探析——以读写思网站“联结过去与现在”项目为例》中，却仅仅呈现、介绍了美国的“读写思网站”的“联结过去与现在”的一些基本情况与做法，整篇论文不知其要解决什么问题，论 文展示后，笔者问起此事才知，该文只是为了参加这次会议临时从其博士论文中摘录的一部分。可以说，没有问题的事实呈现只能是对已有知识的宣讲，而不是真正的研究，不宜作为学术论文。而对研究问题的回答，则须放置于理性的天平上进行衡量，根据事实说话，而不是依照某权威观点进行演绎，更不能因自己的想法需某事实的支撑，就人为地忽略相反的事实，犯结果倾向性选择或诉诸权威之错误。三、此实证论文优于彼实证论文任何研究的价值皆在于创新，而不管此创新是多么微不足道。因此，实证论文写作的意义就在于此实证论文优于彼实证论文。而要想做到此实证论文优于彼实证论文，则须做好文献综述，知道已有研究都做了什么，还存在着哪些问题，且明确自己的研究贡献在何处。 文献综述是知识创新的根基，因为研究就意味着在已有研究成果的基础上继续推进或纠偏。因此，国外的期刊论文或学位论文皆在问题提出后，有专门的文献综述。文献综述即对文献的综合述评，既有述，也有评。确切地说，在实证论文写作中，既要围绕着研究问题对已有研究成果进行分类与概括，也要对已有研究成果做出分析与评价，并在此基础上寻找研究的创新点。从这个意义上说，完整的文献综述是“述”“评”与“创”的三位一体。比如，有学者在《对教师情绪劳动的实证研究》中，在概述了从霍赫希尔德首创“情绪劳动”这一概念到哈格里夫斯、赞比勒斯、维诺格拉德对教师情绪劳动的相关研究后，就进行了相应的“评”与“创”。其“评”是自霍赫希尔德提出情绪劳动的概念，并从工作特征和个体应对策略两方面对情绪劳动进行分析以来，后继者大多沿着“聚焦工作”和“聚焦雇员”这两条线索进行情绪劳动研究；虽然情绪劳动广泛应用于社会学、管理学等领域对服务业雇员、护理人员的研究，但却“鲜有对教师或教学工作的讨论”。其“创”则表现为：“虽然上述学者对教师情绪劳动研究奠定了一些概念基础，但对我们理解教师情绪劳动，特别是中国教师的情绪劳动来说，还有大量问题需要回答。例如，从 ‘聚焦工作’的研究线索出发，在中国教师看来，教学是情绪劳动吗？教学的情绪工作要求对他们来说重要吗？这些要求究竟是什么？从‘聚焦雇员’的研究线索出发，除了表层扮演与深层扮演，还有别的情绪劳动策略吗？与服务业雇员相比，教师的情绪劳动有何不同？更重要的，这些策略对理解中国教师的教学工作有何意义？”[5]如此综述文献，不仅为后续研究指明了方向，而且蕴含着多种创新的可能性。在回答上述问题的过程中，研究者通过问卷调查、深度访谈与参与式观察，发现霍赫希尔德所说的情绪劳动，在中国教师的日常语言中转化为一个相当本土化的概念——“操心”，“教学的情绪工作要求及其引发的情绪劳动对教师身心康宁产生的影响是复杂的，其中不乏负面效应”，归纳、总结了支配中国教师情绪感受与表达的四项情绪法则及中国教师在课堂上经常使用的三类七种策略。此研究不同于格兰迪的是将“真实表达”列为情绪调控策略的一个类别，凸显了教师情绪劳动与服务业雇员的区别。与格罗斯的过程模型相比，表层扮演的两种策略对应“聚焦反应”的情绪调控，调焦对应“聚焦先因”的情绪调控中的注意调度，并将格罗斯的“认知改变”细化为“重构”和“隔离”，把“情绪修正”细化为“释放”与“宣泄”这两种真实表达[5]，从而阐释、说明了为何此实证论文优于彼实证论文。不过，有的研究生在做实证研究之初，虽然也围绕研究主题进行了相应的文献综述，但由于其文献综述只有“述”而无“评”与“创”，文献综述就蜕变成对已有研究成果的简单堆砌与无序罗列，丧失了文献综述应有的功能，即通过文献综述，澄清自己的研究问题，明了自己研究的理论与实践价值。比如，在《基础教育的混合式学习——基于意见领袖访谈的实证研究》中，其文献综述陈述了“国内外混合式学习相关研究”与“创新扩散理论在教育领域的运用”等内容。前者只是呈现了不同学者对“何谓混合式学习”的界定；后者则叙述了创新扩散理论在不同教育领域（政策、课程、教学等）中的运用情况，分析了影响创新扩散的因素。而研究者之所以综述“创新扩散理论在教育领域的运用”，其用意在于借鉴创新扩散理论的分类标准分析、阐述“在基础教育中，混合式学习是如何产生的”，但其文献综述却既未回答已有研究成果对自己的研究有哪些启示，自己拟在哪些方面推进、拓展该研究；也不清楚自己通过研究要贡献出什么，未能回答自己的研究是要验证创新扩散理论，还是要丰富对混合式学习的认识的问题，从而使自己的研究价值消弭在模棱两可的“混乱”中。其实，研究生大多知道“文献综述的价值在于通过回顾某主题的学术发展史，搞清楚别人解决了哪些问题，还有哪些问题未能解决，从而找到学术创新的起点”这一道理，但要将“知”转变为“行”，一方面，要明确“主题意义”与“研究意义”的区别，不能误将“主题意义”置换成“研究意义”。因为“主题意义”只是研究的必要性，而“研究意义”才是研究的创新之处。一旦将“主题意义”置换成“研究意义”，那么即使“主题意义”写得天花乱坠，也无助于学术的进步，反倒让人萌生遗憾，这么重要的一个主题让你研究，你怎么就研究不出新的东西呢？!另一方面，具体、清楚地阐述、分析已有的研究成果，且在与已有研究成果的比较中呈现研究意义。如果说研究意义在于创新，那么要想凸显研究意义，则须具体、清楚地阐述、分析已有的研究成果。因为没有比较，创新与否就没有了凭证。既然创新只有在比较中才能显现，那么研究意义就不是自我夸耀与吹嘘，而是在与已有研究成果的比较中呈现出来的，是在“照着已有研究成果说”的基础上的“接着说”

“软件显示2分钟就到，最后左等右等远不止2分钟。”“预估行程价格只要30元，到了目的地发现竟然被扣了快40元。”“完全相同的软件和路线，朋友叫车和我叫车的价格竟然不一样？”2020年，复旦大学管理学院副教授孙金云带领研究团队在五座城市打了800多趟车，搜集到滴滴、曹操、首汽、T3、美团、高德和扬招等7个渠道的数据。调查招募了20多名大学生作为调研员，在五城（上海、北京、深圳、成都和重庆），不同距离（近途：3公里以内，中途：3-10公里，远途：10公里以上），以及工作日早高峰（7:30-9:30）、晚高峰（17:00-19:30）、日间非高峰（9:30-17:00）、晚间非高峰（19:30-23:00）4个时间段进行了分层抽样调查。获得总样本836个，有效样本821个，通过数据分析，最终形成“2020打车报告”。哪种方式最快打到车？调研将点击确认呼叫后司机确认接单的时间定为响应时长，司机接单后到乘客最终上车的时长定为等待时长。调研结果显示，北上深三城的响应时长峰值均发生在早高峰阶段。将主流打车软件、扬招出租车相比较，哪种方式能更快上车？调研结果显示，除北京外，扬招是各城市打车最快的首选。（团队在上海调研了美团、首汽、滴滴平台和扬招4种打车方式）本文图片均来源：微信公众号“老孙漫话”平台会玩时间游戏吗？与扬招相比，打车软件会告知预估等待时长。不过，研究显示，平台往往会向乘客呈现比实际更短的等待时间，以此提高乘客等待时的耐心。有平台解释称，是因为交通拥堵才导致平台对等待时间的低估。然而调查数据显示，不管是否在出行高峰时间段，低估等待时间的现象总是普遍存在（P<0.05）。报告称，滴滴作为时间延误比例最大的平台，在四个不同时段的值均高于平均值，除深夜外，其余三项均呈现显著差异。在早高峰的时间延误比例达到47.4%。研究团队表示，作为行业龙头，滴滴拥有最丰富的数据和技术团队，让人对其是否涉及“误导用户”甚至“用户欺诈”深表担忧。怎样打车最便宜？怎么打车最便宜？为了回答这个问题，团队以城市为单位，以完全相同的出发地和目的地线路作为基准，对比不同打车软件中经济型和传统扬招的平均价格差异。各平台每公里的打车价格（以乘客实际支付金额计算）的结果显示，滴滴快车的价格与扬招出租车金额相同，均为4元/公里。（研究未考虑滴滴优享和滴滴上的高端选项“礼橙专车”）通过分城市的数据，团队分析出了每个城市打车最优惠的选择。在上海，打中途车时，扬招和美团最优惠，打远途车时，则是扬招最优惠。（团队在上海调研了美团、首汽、滴滴平台和扬招4种打车方式）平台会玩价格游戏吗？通过对软件的预估价格与实际支付价格之间的差异进行分析，团队发现，上海是打车软件（美团、首汽、滴滴）价格被低估最厉害的城市，实付与预估差异的比值为11.8%。上海整体低估车费的背后，是各平台价格的低估。其中，滴滴的实付预估差异比最高，达18.5%，其次是美团，高出了9.7%，首汽排名第三，为7.6%（P<0.05）。五座城市中，滴滴和首汽都存在明显的价格低估现象（P<0.01）。其中滴滴平台的实付价格比预估价格平均高了6.7%，首汽平均低估10.9%；但T3、美团和高德并没有检验出明显的差异；曹操平台的实付价格却明显低于预估价格达21.1%，推测可能是平台大额优惠补贴所致。“苹果税”存在吗？研究团队表示，其在研究过程中验证了“苹果税”的存在。团队用“一键呼叫经济型+舒适型两档后被舒适型车辆接走的订单比”来判断“被舒适”的程度，数据表明，与非苹果手机用户相比，苹果手机用户更容易被舒适型车辆（比如专车、优享等）司机接单，这一比例是非苹果手机用户的3倍。除了手机品牌，平台也可能同时关注乘客手机价格。研究结果表明，如果乘客使用的是苹果手机，那么就更容易被推荐舒适型车辆；如果乘客不是用苹果手机，那么就要看其手机价位，手机价位越高则越有可能被舒适型车辆接走。此外，“苹果税”还体现在打车优惠上。数据表明，苹果手机用户平均只能获得2.07元的优惠，显著低于非苹果用户的4.12元（P<0.01）。除了绝对金额，优惠折扣比依然支持上述结论（P<0.05）。（来源根据微信公众号“老孙漫话”且获得授权改编。数据说明：研究分析均来自于打车软件实测结果，并不代表平台真实采用了这一策略对用户进行某种筛选和操纵，可能会和他们真实的算法及策略存在一定的偏差。）(本文来自澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)

为扎实有效地推进课题研究进度，总结和发现研究中遇到的问题，3月10日下午，省级课题《新时代区域教育优质发展推进策略实证研究》课题组在市实验中学召开课题研究推进会。会议由课题负责人、市教育科学研究院院长梅立新主持。会议伊始，梅立新解读了课题研究的背景、思路和研究的主要内容、策略。随后，市教育局基础教育科副科长刘浩，市实验中学校长郑世海、实验小学教育集团校长叶传标以及市教科院部分中小学教研员针对相关研究内容和研究方法以及研究过程中出现的问题，依次发言、讨论，商议研究策略。最后，梅立新要求各课题组成员要紧扣新时代区域教育优质发展推进策略开展实证研究，要把自己的办学经验、教学经验和提炼实践成果相结合，在行动中研究，在研究中推进教育教学工作。本次课题研究推进会明确了课题组下一阶段的研究方向和重点以及下一阶段研究工作的的具体安排，为课题的深入研究打下了坚实基础，为课题研究的顺利进行提供了可靠保障。（撰稿：李瑜乔 审核：梅立新）【来源：市教育局】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

来源：澎湃新闻“软件显示2分钟就到，最后左等右等远不止2分钟。”“预估行程价格只要30元，到了目的地发现竟然被扣了快40元。”“完全相同的软件和路线，朋友叫车和我叫车的价格竟然不一样？”2020年，复旦大学管理学院副教授孙金云带领研究团队在五座城市打了800多趟车，搜集到滴滴、曹操、首汽、T3、美团、高德和扬招等7个渠道的数据。调查招募了20多名大学生作为调研员，在五城（上海、北京、深圳、成都和重庆），不同距离（近途：3公里以内，中途：3-10公里，远途：10公里以上），以及工作日早高峰（7：30-9：30）、晚高峰（17：00-19：30）、日间非高峰（9：30-17：00）、晚间非高峰（19：30-23：00）4个时间段进行了分层抽样调查。获得总样本836个，有效样本821个，通过数据分析，最终形成“2020打车报告”。哪种方式最快打到车？调研将点击确认呼叫后司机确认接单的时间定为响应时长，司机接单后到乘客最终上车的时长定为等待时长。调研结果显示，北上深三城的响应时长峰值均发生在早高峰阶段。将主流打车软件、扬招出租车相比较，哪种方式能更快上车？调研结果显示，除北京外，扬招是各城市打车最快的首选。（团队在上海调研了美团、首汽、滴滴平台和扬招4种打车方式）本文图片均来源：微信公众号“老孙漫话”平台会玩时间游戏吗？与扬招相比，打车软件会告知预估等待时长。不过，研究显示，平台往往会向乘客呈现比实际更短的等待时间，以此提高乘客等待时的耐心。有平台解释称，是因为交通拥堵才导致平台对等待时间的低估。然而调查数据显示，不管是否在出行高峰时间段，低估等待时间的现象总是普遍存在（P<0.05）。报告称，滴滴作为时间延误比例最大的平台，在四个不同时段的值均高于平均值，除深夜外，其余三项均呈现显著差异。在早高峰的时间延误比例达到47.4%。研究团队表示，作为行业龙头，滴滴拥有最丰富的数据和技术团队，让人对其是否涉及“误导用户”甚至“用户欺诈”深表担忧。怎样打车最便宜？怎么打车最便宜？为了回答这个问题，团队以城市为单位，以完全相同的出发地和目的地线路作为基准，对比不同打车软件中经济型和传统扬招的平均价格差异。各平台每公里的打车价格（以乘客实际支付金额计算）的结果显示，滴滴快车的价格与扬招出租车金额相同，均为4元/公里。（研究未考虑滴滴优享和滴滴上的高端选项“礼橙专车”）通过分城市的数据，团队分析出了每个城市打车最优惠的选择。在上海，打中途车时，扬招和美团最优惠，打远途车时，则是扬招最优惠。（团队在上海调研了美团、首汽、滴滴平台和扬招4种打车方式）平台会玩价格游戏吗？通过对软件的预估价格与实际支付价格之间的差异进行分析，团队发现，上海是打车软件（美团、首汽、滴滴）价格被低估最厉害的城市，实付与预估差异的比值为11.8%。上海整体低估车费的背后，是各平台价格的低估。其中，滴滴的实付预估差异比最高，达18.5%，其次是美团，高出了9.7%，首汽排名第三，为7.6%（P<0.05）。五座城市中，滴滴和首汽都存在明显的价格低估现象（P<0.01）。其中滴滴平台的实付价格比预估价格平均高了6.7%，首汽平均低估10.9%；但T3、美团和高德并没有检验出明显的差异；曹操平台的实付价格却明显低于预估价格达21.1%，推测可能是平台大额优惠补贴所致。“苹果税”存在吗？研究团队表示，其在研究过程中验证了“苹果税”的存在。团队用“一键呼叫经济型+舒适型两档后被舒适型车辆接走的订单比”来判断“被舒适”的程度，数据表明，与非苹果手机用户相比，苹果手机用户更容易被舒适型车辆（比如专车、优享等）司机接单，这一比例是非苹果手机用户的3倍。除了手机品牌，平台也可能同时关注乘客手机价格。研究结果表明，如果乘客使用的是苹果手机，那么就更容易被推荐舒适型车辆；如果乘客不是用苹果手机，那么就要看其手机价位，手机价位越高则越有可能被舒适型车辆接走。此外，“苹果税”还体现在打车优惠上。数据表明，苹果手机用户平均只能获得2.07元的优惠，显著低于非苹果用户的4.12元（P<0.01）。除了绝对金额，优惠折扣比依然支持上述结论（P<0.05）。（来源根据微信公众号“老孙漫话”且获得授权改编。数据说明：研究分析均来自于打车软件实测结果，并不代表平台真实采用了这一策略对用户进行某种筛选和操纵，可能会和他们真实的算法及策略存在一定的偏差。）