借着分析数据的程序在运行的空闲时间，写点关于论文的东西。

 

现在发表论文，没有1万字很难将论文表述得很清楚。写成一篇论文大概要经历这样几个阶段：

 

第一阶段，酝酿，构思，选题。这个阶段需要阅读大量的文献，从中找到别人没有研究到的问题。这个阶段花费的时日需要依据个人的研究经验而定。对于硕士研究生来说，这个阶段至少需要一年时间。对于博士生来说，需要2年时间。对于老师来说，则是依据博士期间所阅读的资料而随后的更新来定。我从硕士到博士，都是以并购为选题。硕士用1年时间确定了选题，是在导师的研究课题内选的。由于选择读博士的时候是因为觉得硕士期间研究的问题没有弄清楚，所以想继续用读博士的时间弄明白。于是博士第1年我就已经选好题目了。随后一直围绕这个题目看了很多书和论文，不限于并购，包括制度经济学的一套书。这些书有的对论文产生了重要影响，有的对我以后分析相关的社会问题产生了重要的影响。所谓积累，我想都是来自于最初的硕士和博士阶段。我在博士毕业后曾想在新的方向上开拓，比如基金投资，但最终发现没有前期的积累，很难拿到项目。而没有项目的支持，发表论文困难重重。所以重新在原来的积累基础上做深化研究。但很多人会以“还没酝酿出来”为借口，而迟迟不去行动。实际上，酝酿过程包括去查阅在感兴趣的问题上是否有好的方法，是否有足够的数据。

 

第二阶段，选好题后开始搜集数据。这个过程要看数据的复杂程度。一般数据库中很容易得到的数据早就被别人做烂了，所以越容易得到的数据越不可能做出好的论文。大家看到的能产生影响力的论文，大多是经历了复杂的数据处理过程才得到的，比如对最终控制人的处理、将控制权和现金流权分离。如果你告诉我你的数据很容易从数据库中得到，除非你的方法有突破，否则你的论文难以找到创新点。其实数据搜集一般2-3个月时间足够了。但很多人因为懒惰、拖沓，可以将这个过程延长到1年以上。当初我做硕士论文的时候，是去图书馆一张张报纸去翻阅查数据。然后从早到晚处理数据，也就用了2-3个月时间。做博士论文的时候则背了一大袋调研信去邮局寄给各个上市公司。这些原创性的工作使论文毫无疑问具有别人所没有的创新点。

 

第三阶段，处理数据。这个过程依赖于你的研究经验。我最开始处理car数据是一个公司一个公司用excel表计算。从早算到晚。当时没人会这个，也没人研究什么程序。现在计算car用程序很快就搞定1-2千家上市公司了。从效率来看，当时的效率显然很低。但不能等到现在来做。现在来做效率是高了，但也没有价值了。随着软件技术水平的提高，现在做统计分析的软件很多了，比如 stata,sas。我是去年才开始学习stata的，学习之后发现处理数据的效率大大提高，从以前的1周至少提高到现在的1天。听说sas的效率更高，没学过，暂时无以评价。刚开始学习stata的时候，经常出错。因为数据处理的过程有先后顺序，我发现顺序不对，会导致数据处理发生错误。就这样不断地做，现在对数据处理的经验大大提升了。但这种经验又似乎难以传授给他人。所以对学生来说，只有多做，才能多积累经验。

 

程序运行完了，去看数据结果了，改天再写。。。。中午12：30了，看完数据结果去做饭。。。

有兴趣继续看的回帖。。。。