有了这几个好习惯,英文论文写作不想拿高分都难

1年前 159次浏览 有了这几个好习惯,英文论文写作不想拿高分都难已关闭评论

学术研究的笨功夫,是做好学术研究的基础。我相信对于大多数研究生来说,都想着在研究生就读期间能够取得一些学术成果。这首先离不开平时的笨功夫,来跟小编深入了解吧:

第一,平时密切关注本领域学术期刊、着名学者以及学术论坛的会议综述。这个笨功夫起码应该下到什么程度呢?要非常熟悉本学科主要学术期刊出现频率较高的选题,了解本学科主要学者的研究方向。有的同学说针对自己的研究方向,不知道一手数据从哪里获得?我觉着这就是文献没有读透,几乎所有的文献都会有一个关于数据来源的描述,而一些主要的数据库出现的频率非常高。诸如中国税收调查数据、中国家庭追踪调查数据(CFPS)、中国家庭金融调查数据(CHFS)、中国家庭收入调查数据(CHIP)等。

第二,熟悉基本的计量理论、工具以及编程语言,比如说STATA、MATLAP等,只需熟悉一种即可。其实,这些软件学习的边际成本非常低,网络上有非常多的视频资料,比如说网易公开课、中国MOOC,我在后面会给大家具体推荐。这个笨功夫一定要持之以恒,持续的时间越长,收获越大,很多问题自然也就迎刃而解。

学术研究的巧功夫有很多,比如说学长毕业之前,一定要将他们比较成熟的方法学过来,也将已经整理好的数据留下,同时日常的研究中注意收集一些网站整理好的数据,正所谓得数据者得天下,当然这句话说得有点夸张。最简单的方法,就是将里面程序做简单的修改,在软件里面运行以后,慢慢的体会。

重视英文论文的摘要与引言

可能有不少同学说我毕业以后不做学术研究,这些我是否可以偷偷懒?很多同学认为毕业以后,不会从事科研工作,所以不会用心写英文论文,觉着机会成本太大,这是我特别想要纠正的一种错误想法。这种不健康的“趋利避害”的想法,不少同学们英文论文写不下去的时候,会冲击到你的学习与写作热情。如果你需要写作帮助,可以咨询作业论文网.我可以很负责任的告诉同学们,学术研究做的好,尤其是英文论文摘要与引言写得好,我非常坚信毕业以后,无论你从事何种工作,文字工作都会游刃有余。

第一,通过接触从事其他工作的同学来看,普遍反映严谨的学术思维有助于培养工作过程中的逻辑性。无论你毕业以后,从事何种工作,学术论认真写作的同学,大概率会更能获得工作上的成功。

第二,留学生英文论文摘要与引言部分,实际上凝练了英文论文的写作背景与目的,我非常坚信这一部分写得好,绝对会提高你的洞察力。那么,公务员面试过程中,你对任何一个问题原因的分析,肯定技高一筹。

第三,重视任何一个经济问题背后的政治逻辑。大部分同学没有留心,或者是没有学会重视经济问题背后的政治逻辑,这样会使你的研究减色不少。北京大学周黎安老师提出的地方官员“晋升锦标赛”,还有复旦大学张军老师关于中国经济增长的一些解读,不但被大多数学者所认同,而且能够进入到国家的决策层面,就是因为将中国经济增长的政治逻辑讲通了。

要弄清楚经济问题背后的政治逻辑,一定要熟悉国家的基本政策。比如说,我要研究增值税改革,关于增值税一些中央、地方政策一定要梳理一遍;要做关于城市群方面的研究,所有城市群方面的规划政策一定要有一个大概的了解,并在此基础上了解其来龙去脉。给大家举一个我身边的例子,我们财政学科每次开会,对外经济贸易大学毛捷与中南财经政法大学田彬彬两位老师的演讲,都会有非常多的老师与学生去听,挤满会场。这里的主要原因就是两位老师对国家的地方债与财税政策异常的了解,并把这种理解融入到了英文论文写作。长期坚持,必然会带来研究的一个重要收益,就是你的研究会非常的接地气。

提升实证与理论的契合度

实证分析的核心是对理论假说进行检验,这也是我和学生常说的实证分析一定要去契合理论逻辑,而不是反过来让理论去配合实证。

第一个层面。很多同学在英文论文写作过程中,没有理论假说,直接进行计量模型的设定。这是英文论文写作的大忌,没有理论分析的计量检验必定缺少灵魂,这是实证与理论契合度不高的第一个重要表现。也有部分同学的实证分析与理论假说存在“两张皮”现象,主要表现就是理论假说与实证分析说的不是同一个经济现象。另外,计量分析中的核心变量与主要的控制量,在理论分析中应当有所涉及。

第二个层面。实证方法一定要契合英文论文的理论假说。比如说,现有研究中最常用的DID,实际上很多理论假说,甚至是英文论文选题,并不符合“拟自然实验”的假说,即使符合“拟自然实验”的假说,也可能不符合DID其他的一些限制条件,如此很容易得出错误的实证结果。

这里提醒同学们的是,这也是学术研究的笨功夫,计量学习一定要知其然,还要知其所以然。如果学习不系统,比较片面,在日常的英文论文写作中很容易“摁下葫芦起来瓢”,这个问题弄清楚了,紧接着下一个疑问就又冒出来了。

英文论文写作过程中几个重要提醒:

第一,指标选取一定要与变量保持一致;

第二,计量方法要恰到好处,千万不要追求复杂;

第三,回归模型与控制变量的取舍,在回归过程中可以不断修正;

第四,尽可能收集更多的数据。

这些您可能会感兴趣

筛选出你可能感兴趣的一些文章,让您更加的了解我们。