如何进行实证分析
西安理工大学 熊义杰
一．何为实证分析
实证分析的英文词即Empirical Analysis。实证分析是社会科学研究的重要方法之一，主要着眼于当前社会或学科现实，通过实例和经验等借助于一定的方法进行推理说明，以印证所提出的假设是否属实，就属于实证分析。也就是说，实证分析通常总是先有假设，然后才收集事实材料进行检验或验证，结果自然是两个方面，即或者是证实（真实），或者是证伪（虚假）。
英文Empirical的含义是"经验主义的，以经验或观察为依据的"，也就是说， "实证分析方法"更准确的翻译，应当为"经验分析方法"。不过，国内社会科学的研究文献中已经习惯地接受了这种说法。"实证"对应的反义词是"规范"，"经验"对应的反义词是"理论"。与“实证分析”对应的，即“规范分析”
规范分析法(Normative analysis)是在20 世纪60 年代后期美国管理心理学家皮尔尼克(S. Pilnick)提出的一种方法，作为优化群体行为、形成良好组织风气的工具。是团队建设中经常用到的一种工具。规范分析涉及已有的事物现象，需要对事物运行状态做出是非曲直的主观价值判断，力求回答"事物的本质应该是什么"。实证讲是什么比较客观，通常不做任何评价，只给你一个客观道理，客观描述事物存在的一个状态。 规范就是做评价，需要根据已有的理论或逻辑进行判断，有自己的主观观点，描述事物应该是一个什么样的状态。
举一个简单的例子。
根据经济理论，一个人的消费支出取决于他可支配收入的多少，如果假定个人消费为C，可支配收入为Y，则有：
C=a+bY
这就是一个假定。 现在我们需要收集数据，对这个假定进行验证。假定我们对10名大学实习生进行调查后得到的数据是：
表1 10名大学实习生的月收入与月消费
|
序号 |
月收入Y |
月消费C |
|
1 |
2080 |
525 |
|
2 |
2117 |
536 |
|
3 |
2189 |
546 |
|
4 |
2216 |
565 |
|
5 |
2284 |
603 |
|
6 |
2339 |
641 |
|
7 |
2402 |
674 |
|
8 |
2467 |
689 |
|
9 |
2479 |
721 |
|
10 |
2515 |
737 |
现在我们使用上述数据构造回归方程，得到的结果是：
C=538.32 + 0.5033Y
经检验回归方程中的两个参数a和b的估计值均为有效参数，因此，可以得出结论：上述假定成立，即一个人的消费支出取决于他可支配收入的多少，是成立的。这就是一个实证分析。当然，这里面涉及到计量经济学的一些基本理论，这些我们放在后面再予介绍。
二．实证分析的应用
时下，面对严重的就业压力，大学生创业成了学术界关注的一个热门话题。然而，大学生创业的成功率究竟受什么因素影响，应该如何提高大学生创业的成功率，就是一个值得认真研究的重要课题。为此，基于已有的相关研究，我们可以设计如下的问卷，进行必要的问卷调查。
1. 您的年龄是？设为X1
如果是20-22，选1，23-25，选2，26-28，选3，28岁以上，选4。
2. 您的专业是？设为X2
如果是理工科，选1，文科，选2。
3. 您的性格属于？设为X3
如果属于外向型，选1，内向型，选2
4. 工作经验，设为X4
无工作经验=1，一年以下=2，1到2年=3，2到3年=4，3到4年=5，5年以上=6
5. 个人财务状况，设为X4
零收入=1，低收入=2，足以养活自己=3，收入丰厚=4。
6. 家庭财务状况，设为X5
贫困=1，温饱=2，小康=3，富裕=4。
7. 创业初期资金规模，设为X6
10万以下=1，10到20万=2，20到30万=3，30到40万=4，40到50万=5，50万以上=6
8. 团队人数，设为X8
人数与数值对应，5人以上均以5代之。
9. 创业教育，设为X9
从未有过=1，听过一些讲座=2，学过几门课程=3，受过系统训练=4
10. 创业动机，设为X10
生存需要=1，就业需要=2，积累经验=3，自我实现=4
11. 创业榜样，设为X11
有=1，无=2
12. 创业环境，设为X12
无政府支持=1，有政府舆论支持=2，有少量的资金支持=3，有较大力度的资金支持=4
上述问题均属于自变量。因变量（设为Y）的调查相对地要难一些，可以分以下集中情况调查：
破产边沿=1，总是亏损=2，能自给自足=3，成长良好=4。
也可以将上述四种情况设为百分数，破产边沿=0，总是亏损=0.25，能自给自足=0.75，成长良好=1。这样回归分析的输出结果即成功的百分比，即成功率。也可以由被调查者在0到100%的成功率之间直接选择。
有了上述的调查数据，大学生自主创业的成功率究竟会受到哪些因素影响，我们就可以通过实证分析（回归）的方法进行检验了。
三．问卷设计的技巧
实证分析方法，简单地说就是“作出假设，验证假设”。然而，作出假设验证假设的方法常常会让我们漏掉意想不到的重要发现。
假如你是一个公司老板，你的部下这段期间的业绩很差。你先入为主地认为“他业绩差是因为没有干劲”，要对此进行验证。
“你业绩差是因为没有干劲吗？”
如果你这样去询问部下，是不可能获得有用信息的：若对方做出肯定的回答，你会觉得“果不其然”；即便是对方否认，你也会觉得他肯定是在说谎吧。
能够用“是”或“不是”来回答的问题称为“封闭式问题”，这经常会让提问者不由自主地将自己的想法强加给对方。
图1 封闭式提问与开放式提问
那么，怎样才能在不把自己的想法强加于人的前提下，从对方身上得到想要的信息呢？只要做开放式提问即可。要让对方主动思考 5W1H，即“何时”（When）、“何地”（Where）、“何人”（Who）、“何事”（What）、“为何”（Why）和“如何”（How）。
在上述事例中，提出的问题—“你觉得业绩差是什么原因”就是一个开放式问题。或许可以借此发现能够解决问题的某些原因，而非干劲、能力等谁都可以想到的抽象原因。数据分析也几乎如此。
“对广告有深刻印象的人光顾商场的频率高吗?”这是个能够以“是”或“不是”回答的封闭式问题，不过，我们可以将它改为开放式问题。留下后半部分的“光顾频率高”，将前半部分转换为 5W1H，就得出了下面的开放式问题。
● 光顾频率变高是哪个时期？（When）
● 光顾频率高的店铺位于哪里？（Where）
● 光顾频率高的顾客是什么类型的客人？（Who）
● 提高光顾频率的因素是什么？（What）
● 为什么光顾频率会高？（Why）
● 怎样才能提高客人的光顾频率？（How）
实际上，在上述问题中，最困难的是找出“为何”的答案，这需要将“何人”“何处”“何事”的分析结果综合起来考虑。
我们为什么要进行数据分析呢？其实就是为了从数据中得到“事前根本想象不到的对事业有用的启发”。因此，我们应该做开放式提问，将数据中能够得到的所有信息作为答案的候选。这样一来，就很有可能获得有价值的发现。