时间：2026-05-25 09:56:01
在学术圈摸爬滚打十几年，从当年对着文献发愁的青涩博士生，到如今带着学生选题、改论文的导师，我见过太多在选题阶段就注定“翻车”的研究。
说出来或许难以置信，这些研究的失败，并非输在高深复杂的计量模型，也不是输在不够新颖的理论视角，更不是输在数据不足或方法花哨上。它们输在了一个最基础、最易被忽视的环节。
这个环节简单得令人不可思议，却悄无声息地毁掉了90%的实证研究。
我们常在学术期刊、答辩现场看到这样的研究，看完只能无奈摇头：
第一种，用几万字篇幅验证人人皆知的常识。 比如“受教育程度越高，收入越高”，这连街边卖煎饼的大爷都明白。结论通俗易懂，让人不禁怀疑花三个月读这篇论文的意义何在。
第二种，煞有介事地揭示微不足道的现象。 研究来研究去，不过是某个主效应下可忽略的次要因素。就像花大力气证明“下雨天打伞的人比不打伞的人衣服更干”，虽没错，但毫无研究价值。
第三种，堆砌晦涩难懂的理论术语。 满篇都是“范式转换”“话语建构”“主体性重构”等大词，仔细读却发现作者自己都没搞清要解决的问题。论文写完，问题依旧，毫无进展。
第四种，也是最常见的——“两张皮”现象。 理论部分抄完文献就完事，实证部分自说自话。两部分之间鸿沟难越，拼凑在一起十分别扭。
多年来，我听过无数选题评判标准，也在答辩会上听评委用这些标准评价论文。总结下来，最主流、被奉为圭臬的无非以下四种。
这几乎是所有导师指导学生选题时的开场白：“不要选太大的题目，要以小见大。”
这句话本身没错，甚至非常正确。硕士学位论文通常只有三五万字，想在这点篇幅内说清宏大问题几乎不可能。
很多学生选大题目，并非志向远大，而是没找到具体研究问题。他们选个研究领域、对象或方向，就以为在做研究。
比如“中国乡村振兴研究”“数字经济发展研究”，这些只是宽泛领域，是大箩筐，什么都能装。学生拿出这样的题目，我们一眼就能看出，他还没真正进入研究状态，还在门外徘徊。
“以小见大”要求从具体小问题切入，深入剖析折射更大理论或现实意义。这是很好的入门标准，能帮初学者避免陷入大而空的陷阱。
但问题是，很多人把“以小见大”当成唯一甚至最高标准。 他们认为题目小而具体就是好选题。
这显然大错特错。
一个小而无聊的问题，再怎么深入分析，也挖不出有价值的研究成果。就像拿放大镜研究一粒沙子的纹路，再细致它也只是一粒沙子，变不成钻石。
这个标准针对那些不做文献功课就拍脑袋选题的研究。
有些学生选题时，既不了解前人在该领域的研究成果，也不清楚还有哪些问题未解决，甚至连基本学术脉络都不清楚。他们仅凭直觉和生活经验就提出“研究问题”。
这样的研究往往只有两种结局：要么重复别人的工作，白忙一场；要么研究伪问题，从头错到尾。
即便有些学生做了文献综述，很多时候也只是走形式。他们罗列文献，简单介绍内容，就得出“前人研究存在不足，本文有研究意义”的结论。
至于前人研究的具体不足、与本文研究问题的逻辑关系，他们往往说不清楚，甚至根本没想过。
缺乏文献基础的选题，给人最直观的感受就是“不专业”。作者虽读了研究生，但思维方式和分析框架与普通人无异，看不到学术训练的痕迹。
科学研究是积累的过程，我们站在前人肩膀上前进。若不知前人肩膀在哪，又怎能站得更高、看得更远？
“自圆其说”包含两层意思。
第一层意思，是观点在逻辑上自洽。 即提出的观点不能前后矛盾，推理过程要符合逻辑规则。
很多学生的论文，观点本身就站不住脚，更别说阐释论证内在逻辑。他们简单抛出观点，罗列证据，却不解释证据为何支持观点，以及观点背后的逻辑链条。
这就像说“今天会下雨”，然后拿出雨伞说“所以今天会下雨”，这不是论证，是自说自话。
第二层意思，是研究设计、思路和方法要可行，能被大家接受。 这对实证研究尤为重要。
很多学生选题时不考虑研究可行性。他们提出的研究设计看似完美高大上，实际却无法实施。
比如，想研究罕见群体行为，却无法接触该群体；想做三年追踪调查，却只有几个月时间完成论文；还有学生对研究方法一知半解，看到别人用双重差分，自己也跟着用，却不知方法的适用条件和局限性，更不懂方法间的配合。
一个不能自圆其说的选题，就像地基不稳的大楼，外表再华丽，迟早会倒塌。
所谓预设，就是针对研究问题给出尝试性回答。
问题和预设是一体两面。没有预设的问题，空洞、模糊、没有方向。
很多学生的论文通篇描述现象、罗列数据，却看不到观点。读完论文问他们要表达什么，他们自己都答不上来。
根本原因是，他们选题时没形成明确预设。他们不知道要证明或反驳什么，只是盲目收集资料、堆砌事实。
科学发展历史表明：科学研究从问题和预设开始，而非观察。
近三百年来，从波普尔的证伪主义到库恩的范式理论，再到拉卡托斯的科学研究纲领，都强调预设在科学发展中的核心作用。波普尔甚至说，科学理论本质上是猜想、预设，只能被证伪，不能被证实。
如果选题没有预设，研究就会失去方向。不知道要找什么，也不知何种证据支持或反驳观点。最终只能收集大量数据资料，却不知如何分析解释，只能堆砌无关事实，得出不痛不痒的结论。
以上四种标准都有合理性，能帮我们筛选不合格选题。
但在论文指导和审稿中，我越发觉得：仅靠这四种标准远远不够。
很多选题用这四种标准衡量没问题，以小见大、有文献基础、能自圆其说、有预设，但总感觉缺了点什么，却又说不清楚。
就像看一个人，穿着得体、谈吐不凡、学历光鲜，但就是觉得靠不住，却一时说不出问题在哪。
直到近一两年，我才想明白。
除上述四种标准外，还有一种更基础、更重要、更直接的评判标准。它不那么“高大上”，甚至朴素得不值一提，但却是绝大多数实证研究的“阿喀琉斯之踵”，易被忽视却能致命。
这个标准就是：
变量要有准确的定义和度量。
如今社会科学研究，尤其是经济学、管理学、社会学等学科，流行研究“X对Y的影响”或“X对Y的效应”。
这类选题中规中矩，符合学术规范，容易上手。于是，我们看到大量此类论文：
“数字金融对企业创新的影响研究”
“人力资本对经济增长的效应研究”
“社会资本对家庭收入的影响研究”
“环境规制对产业结构升级的影响研究”
……
在研究过程中，大家几乎把所有注意力都放在计量模型和方法上。为解决内生性问题，研究者绞尽脑汁找工具变量；为让研究更深入“高级”，做各种异质性分析、作用机制分析和稳健性检验；复杂计量方法层出不穷，从简单的OLS到固定效应模型，从双重差分到断点回归，再到流行的合成控制法、交错双重差分……
从文献来看，做这类研究的人增多，计量方法也更复杂花哨。
但大部分研究对因变量和核心自变量的定义和度量不够重视，甚至敷衍了事。
很多论文中，作者只用一句话带过变量衡量问题：
“对于变量X的衡量，本文遵循某某（20XX）的做法，采用某某指标来衡量。”
这种做法看似合理，实则隐藏巨大甚至致命问题。
严谨的计量实证研究，需对每个变量给出明确的定义和合理的衡量方法。仅说“遵循某某的做法”远远不够，难以令人信服。
原因在于，不同学者对同一概念理解定义不同，衡量方法也千差万别。若简单照搬别人做法，不考虑是否适合研究情境、能否准确衡量概念，整个研究就建立在不稳固、随时可能崩塌的基础上。
现在，我评价选题好坏主要用这第五种标准。
用这个标准评判选题，比其他四种更直接、更透彻、更一针见血。
用其他四种标准时，我们常陷入无休止的争论。比如：
有人说选题不够创新，你可反驳创新标准高，不能要求每个研究都开天辟地；
有人说选题意义不大，你可说研究意义见仁见智，不能一刀切；
有人说文献综述不全面，你可说篇幅有限，无法面面俱到。
这些都有辩解余地。
但如果选题在变量定义和度量上出问题，就是硬伤，无法辩解。 就像盖房子，地基歪了，房子从一开始就不该盖。
如今学术界流行把X和Y做成合成指标。
比如：
用多个维度指标加权合成“数字经济发展指数”
用多个指标合成“企业创新能力指数”
用多个指标合成“乡村振兴水平指数”
用多个指标合成“营商环境指数”
这种做法看似科学专业，综合多方面信息，能更全面衡量复杂概念。审稿人看到合成指标，会觉得作者用心严谨。
但实际上，合成指标存在严重问题，包含过多信息、干扰和偏差。
首先，合成指标的权重设定主观性强。
无论是专家打分法，还是熵值法、主成分分析法等“客观赋权法”，都无法完全避免主观性。不同权重设定会得到不同合成指数，直接影响实证结果。换一种赋权方法，结论可能完全相反。那研究结论是真实的，还是“制造”出来的？
其次，合成指标会掩盖重要信息。
把多个维度指标合成单一指数，会丢失每个维度的具体信息。只能了解整体情况，看不到各维度差异和相互作用。
例如，两个乡村振兴水平指数相同的村庄，一个产业发展好但生态环境差，另一个生态环境好但产业发展停滞。用合成指数衡量，就看不到这些重要差异，甚至可能得出错误政策建议。
最要命的是，合成指标往往偏离我们真正想研究的概念。
很多时候，合成的指标与最初想衡量的概念相差甚远。
比如，很多研究用专利数量衡量企业创新能力。但专利数量真能准确衡量企业创新能力吗？
显然不能。
有些企业申请大量低质量专利，只为拿补贴、评职称；有些企业创新能力强，却因商业战略不申请很多专利。
用专利数量衡量企业创新能力，必然产生巨大偏差。以为在研究“创新”，实际研究的只是“申请专利的数量”，二者是两码事。
变量度量标准的妙处在于，它能让我们回到事情的原点。
当争论“X对Y有无影响”“影响有多大”时，我们常各执一词，难以达成共识。
原因是，我们对“X是什么”“Y是什么”从一开始就没达成一致理解。你说的X和我说的X可能不是同一事物。这种情况下，争论自然无果。
如果先回到原点，搞清楚X和Y的定义和度量，很多争论自然迎刃而解。
定义是什么？定义是对事物性质的最佳把握。
研究事物，首先要明确其本质特征、与其他事物的区别。若连这个基本问题都没搞清，后续研究就是空中楼阁，迟早会塌。
计量实证研究的目的是什么？是揭示和验证事物间的规律。
而规律的揭示和验证，必须基于对事物的准确度量。
要准确，研究鸭的问题就别拿鸡说事；说要一斤，就别用八两来衡量。
这是基础，不行就是不行，没有商量余地。
我给大家举个自己博士学位论文的真实例子。
我的博士论文研究农户信贷需求问题。当时文献中，“信贷需求”是常用却极难准确衡量的概念。
已有研究中，衡量农户信贷需求主要有两种方法：直接衡量法和间接衡量法。Petrick在2004年的经典综述中详细介绍了两种方法的优缺点。
直接衡量法，即直接询问农户：“你是否需要贷款？”“你需要多少贷款？”
这种方法看似简单直接，实则偏差严重。很多农户有信贷需求，但因担心被拒、怕丢人等原因，不会如实表达。还有些农户表达的“需求”只是愿望，并非真实有效需求。想要和需要是两回事。
间接衡量法，通过农户行为特征推断信贷需求。比如，用生产规模、收入水平、资产状况等变量预测。这种方法避免了直接询问的偏差，但也有问题。因为这些行为特征与信贷需求无必然联系，生产规模大或收入高的农户不一定有信贷需求。用它们推断信贷需求，会产生很大测量误差。
最糟糕的做法，也是当时很多研究采用的，是直接用样本农户得到的贷款数额衡量信贷需求。
这种做法大错特错。因为农户得到的贷款数额是供给和需求共同作用的结果，并非仅反映需求。很多有信贷需求的农户因信贷约束得不到贷款，有些农户得到的贷款可能远超真实需求。
用“实际得到的贷款”衡量“信贷需求”，就像用“实际吃的饭”衡量“饥饿程度”，二者完全不同。一个人吃得少，可能是没钱买饭，而非不饿。
若我采用这些传统方法衡量农户信贷需求，研究将毫无意义。因为连核心自变量都无法准确衡量，后续实证分析不可靠，结论如沙滩上的城堡。
幸运的是，我做博士论文时接触到包含意愿调查的数据。
这个调查不仅询问农户实际得到的贷款数额，还问了关键问题：“在没有任何信贷约束的情况下，你希望得到多少贷款？”
这个问题的答案能较准确反映农户的真实信贷需求——不是能得到多少，而是真正想要、需要多少。
基于这个数据，我才突破“信贷需求”的衡量难题，完成博士论文。
这段经历让我深刻认识到：选题不是孤立的，是一揽子事情。 好的选题需考虑研究问题、文献基础、计量模型、研究方法，更重要的是数据。
从这个角度讲，变量的衡量很大程度取决于数据。若没有合适数据准确衡量核心变量，无论研究问题多有意义、研究设计多完美，选题都不可行。
以前，看到学生的论文题目和提纲，我会努力思索问题来源、提出方式、已有认识和未解决问题。
现在，我基本跳过这些环节。
我不再纠结变量关系，也不争论问题有无研究意义和创新点。我会直接翻到论文的“变量界定与衡量”部分。
如果这部分写得糟糕，变量定义模糊、衡量方法不合理，无论其他部分多精彩，论文都不会是好论文。
可以说，看选题中的变量定义与衡量，是我这些年教学尤其是论文指导的重要心得。 这是我以前没想明白、很多年轻学者和学生没意识到的地方。
治学，要回到原点。
对于人文社会科学研究，原点是概念。所有研究从概念开始，概念是认识世界的工具和学术交流的基础。若对同一概念理解不同，交流就像说不同语言，无法对话。
对于实证研究，原点是变量。变量是概念的操作化，将抽象概念转化为可测量的具体指标。实证研究就是在变量定义和度量基础上盖大楼。地基打不好，楼盖得越高越危险，越易倒塌。
我怀念以前老先生们的治学态度。
他们对自己和学生要求严格，在概念和变量上一丝不苟。在我印象里，老先生对论文或著作的基本要求是：
要有核心概念，核心概念要有明确具体的含义，核心概念不能变换或偏移，前后要一致。用多个术语表达同一概念，或在不同地方用同一术语表达不同概念，在他们看来是大忌，绝对不能容忍。
而现在，方法和技术盛行，我们似乎越来越忽视这些基础。
我们热衷学习复杂计量方法、追逐时髦理论视角、在论文中塞进高深模型和检验，却不愿花时间思考概念准确含义、琢磨变量合理衡量方法。
我们的论文越来越长，模型越来越复杂，参考文献越来越多，但学术质量并未相应提高。说白了，我们用花哨技术掩盖基础薄弱。
当然，以上是理想情形。说实话，这些标准我自己也难完全做到。我的研究中也存在变量定义不准确、衡量不合理的问题。但这不妨碍我们将其作为努力方向。
学术研究是追求完美的过程。我们或许永远无法达到绝对完美，但可不断接近。
对于变量的定义和衡量，再怎么强调都不为过。因为这是实证研究的基础，是所有研究结论的出发点和落脚点。
我分享这些思考，希望与年轻朋友共勉。
当你为选题苦恼、为研究结果不理想焦虑时，不妨停下来，回到原点，重新审视核心变量。
问问自己：
我真的搞清楚这个概念的含义了吗？
我用的衡量方法真的能准确衡量这个概念吗？
如果换个人用同样的概念，会和我用同样的衡量方法吗？
如果答案是否定的，别犹豫，重新开始。
因为在不稳固的基础上，永远盖不出坚固的大楼。与其在歪地基上建随时会塌的高楼，不如踏踏实实地打好地基，哪怕慢一点、笨一点。
地基稳了，楼才能盖得高。
免责声明以上文章内容均来源于其他网络渠道，仅供欣赏，不代表本站观点，与本站立场无关，仅供学习和参考。如有涉及到您的权益，请来信告知(email:mlunwen@163.com)，我们核实后会立刻删除。
