管理定量研究方法·开卷考试复盘提纲

管理定量研究方法·开卷考试复盘提纲 · 使用说明（先读这里，30 秒）

1. 本提纲所有页码 =《管理定量研究方法_完整讲义_英中对照-formatted.pdf》的 PDF 页码（全书共 113 页）。考场上翻 PDF 直接用这里的页码。

2. 结构：第一部分全书总图（纲）→第二部分分章提纲（目，每节给英文关键词缩写 + 页码指引）→第三部分公式速查→第四部分英文答题弹药库（开卷要英文作答，直接背/抄这些句型）→第五部分跨章对比表（最爱考）→第六部分考场策略与复习节奏。

3. 标记含义：必须背熟（闭眼能写）｜重点（会认、能翻到）｜快速过（考到能找着即可）。

4. 英文关键词已尽量缩写：corr=correlation、reg=regression、dist=distribution、hyp=hypothesis、est=estimation、var=variable、coef=coefficient、sig=significance、fn=function。

第一部分全书知识总图（纲）

管理定量研究方法 = 一条完整的研究流水线

Ch1 导论 ………… 为什么做定量研究（p1-5）

qual vs quant vs mixed｜描述-解释-预测-处方｜研究四步

Ch2 数据特征 ………… 数据长什么样（p6-17）核心基础章

4 种尺度 N-O-I-R｜3 种数据类型｜集中趋势+离散程度｜正态分布+t 分布

Ch3 数据处理 ………… 数据从哪来、怎么洗（p17-35）

一手：问卷（设计+信度+效度）｜二手：数据库+缺失值｜PCA 降维｜熵权法

Ch4 假设检验 ………… 统计推断的总开关（p35-43）全书逻辑核心

反证法+小概率原理｜H0/H1｜五步流程｜单双侧

Ch5 线性回归 ………… 连续因变量（p43-73）分值最高章

相关 r→简单回归 OLS→五大假设→BLUE→R²→t 检验/F 检验→多元回归

Ch6 离散选择模型 ………… 分类因变量（p73-86）

二元 Logit（odds/OR/MLE）｜Probit｜多项 Logit｜有序 Logit/Probit

Ch7 面板数据 ………… 截面×时间（p87-99）

优点（遗漏变量/异质性）｜FE（LSDV/组内/一阶差分）vs RE（FGLS）｜Hausman

第 1 页

Ch8 研究设计 ………… 怎么写一篇论文（p99-113）

三性（科学/创新/理论）｜结构（前置-主体-后置）｜文献综述｜范文解读

一页记住全书：Ch1 定方向 → Ch2 认数据 → Ch3 备数据 → Ch4 学思想 → Ch5/6/7 三大模型（按因变量类型+数据类型选：连续→Ch5；0/1 或分类→Ch6；面板→Ch7）→ Ch8 写成论文。

第二部分 · Chapter 1 导论（p1-5）快速过

知识点	英文关键词	一句话要义	翻阅
三种实证方法	qual / quant / mixed methods	定性用文字，定量用数字，混合两者结合	p1
定性研究方法	interview, observation, case study; field notes, transcripts, memos	访谈/观察/案例；原始数据=笔记、转录、录音等	p1
定量方法四大功能	Describe → Explain → Predict → Prescribe	描述已发生→解释为何→预测未来→处方对策	p2 记这四个动词
定量研究一般过程	hypothesis → data → test → corr(X,Y)	提假设→收数据→检验变量关系→判断相关程度	p2
PCT 专利案例	AI patent, geographic concentration	数据揭示规律：AI 专利集中于中美	p3
人均 GDP 门槛	per capita GDP $3,000 threshold	跨越门槛→城市化/中产/消费升级	p3
大数据时代	big data; data as factor of production; National Data Bureau (2023.10)	数据成为新生产要素（与土地劳动资本技术并列）	p4
PAR/JPART 统计	quant research >60% of empirical studies	定量研究在公管顶刊占主导	p4-5

Chapter 2 数据特征（p6-17）必复习

2.1 四种测量尺度（p6-7）必背顺序 N→O→I→R

尺度	英文	能做什么	不能做什么	例子	翻阅
定类	Nominal scale	只分类	排序、运算	性别 0/1	p6

第 2 页

尺度	英文	能做什么	不能做什么	例子	翻阅
定序	Ordinal scale	分类+排序	加减乘除	一二三等品；李克特 5 点	p6-7
定距	Interval scale	分类+排序+差值有意义，可加减	无绝对零点，不能比倍数	摄氏温度	p7
定比	Ratio scale	全部运算，有 absolute zero	—	工资、身高	p7

定类尺度两要求：exhaustiveness 穷尽性 + mutual exclusivity 互斥性（p6）

2.2 数据类型（p8）

Qualitative data（定性）= nominal + ordinal；Quantitative data（定量）= interval + ratio

Cross-sectional（截面：同一时点多个体）/ Time series（时序：一个体多时点）/ Panel（面板：多个体×多时点）——例：2020 各省 GDP / 湖北 2000-2020 GDP / 各省 2000-2020 GDP

2.3 描述统计三大件（p8-12）

维度	指标	英文	要点	翻阅
集中趋势 central tendency	均值	(arithmetic) mean	最常用；受 outlier 影响	p9-10
	几何平均	geometric mean	连乘开 n 次方	p9
	中位数	median	排序后中间值；不受 outlier 影响；适合 ordinal	p10
	众数	mode	出现最多；可无/可多；nominal 也能用	p10
离散程度 dispersion	极差	range	max-min	p11
	方差	variance $s^2/\sigma^2$	最重要的离散度量	p11
	标准差	standard deviation $s/\sigma$	与原始数据同量纲	p11-12
	变异系数	$CV=s/\bar{x}\times100\%$	相对离散度；比较不同量纲/均值的数据（股票 A/B 例）	p12

第 3 页

维度	指标	英文	要点	翻阅
分布形状	对称/偏	symmetry / skewness	—	p8-9

2.4 正态分布（p13-16）

历史：de Moivre 1733 提出，Gauss 用于天文 → 又称 Gaussian dist（p13）

密度函数参数： $\mu$ =总体均值、 $\sigma^2$ =总体方差、 $\pi\approx3.14$ 、 $e\approx2.71828$ ；记法 $x\sim N(\mu,\sigma^2)$ （p13）

五大特征（p14-15）：①关于 $x=\mu$ 对称；②f(x) 在 $x=\mu$ 取最大；③两个拐点 inflection points 在 $\mu\pm\sigma$ ；④ $\mu$ 定位置、 $\sigma$ 定形状（ $\sigma$ 大→扁平分散， $\sigma$ 小→陡峭集中）；⑤两侧无限延伸，以 x 轴为渐近线 asymptote

标准正态分布： $\mu=0,\sigma^2=1$ ；换算 $z=(x-\mu)/\sigma$ （p15-16）

3σ 法则（p16）： $\pm1\sigma$ →68.27%， $\pm2\sigma$ →95.45%， $\pm3\sigma$ →99.73%

2.5 t 分布（p16-17）

记法 $t\sim t(n)$ ，n=自由度 degrees of freedom

与正态同：对称钟形，mean=median=mode 重合

与正态异：尾部更厚（小样本不确定性）；df→∞ 收敛于 N(0,1)；df>30 即很接近

Chapter 3 数据处理（p17-35）

3.1 一手数据：问卷调查（p17-22）

定义：设计问题直接收集 raw data；价值：避免二手数据过时/口径偏差，“量身定制”（p17）

三类问卷（p17-18）：Structured（预设选项，标准化、高效，但限制表达）/ Unstructured（开放回答，深入但需人工编码）/ Semi-structured（混合，兼顾效率与深度）

问卷设计四步（p19-22）：

1. 明确目的+目标群体（大学生 ≤15 分钟；中老年简化语言）p19

2. 问题设计：Likert 5-point scale、matrix items；措辞原则=避免歧义、保持中立、不用引导性问题 leading questions p19

3. 质量控制 4 类题（p20-21）：陷阱题 trap questions（明确指示型/重复一致性/常识题/反向

第 4 页

逻辑题）；放问卷中部，2-3 题

4. 结构：开头（标题+问候+说明）→主体（背景→行为→态度，难度递进）→结尾（致谢+开放补充）p21-22

预调查 pre-survey：抽目标群体 10%-20%；查回答时长/歧义/跳题逻辑，然后修订（p22）

3.2 信度与效度（p23-27）高频考点

	信度 Reliability	效度 Validity
定义	同一方法反复测同一对象，结果一致的程度（p23）	测到想测的东西的程度=准确性/真实性（p24）
指标 1	Cronbach’s α（内部一致性；α>0.7 好/0.8 优/0.9 非常高）p23	Content validity 内容效度（覆盖概念全维度；专家判断；CVR，N=5 时 >0.74）p25-26
指标 2	Test-retest 重测信度（不同时间测同组人，r>0.7 良好）p24	Construct validity 构念效度（因子分析； $\chi^2/df$ 1-3 好、2-5 可接受；CFI>0.9；TLI>0.9）p26
指标 3	—	Criterion validity 效标效度（与外部标准一致；Pearson r）p27

记忆口诀：信度=稳不稳，效度=准不准；信度是效度的必要非充分条件。

3.3 二手数据（p27-28）

三来源：公开数据（统计年鉴）、非公开（企业财报）、网络爬取 web crawler（p27）

四大国家级数据库（p28）：国家统计局数据库 / CGSS 中国综合社会调查（人大，2003）/ CSS 中国社会状况综合调查（社科院，2005）/ CFPS 中国家庭追踪调查（北大，微观数据）

3.4 缺失值处理（p28-29）

1. 直接删除：缺失随机且比例 $<5\%$

2. 插补 imputation：均值/中位数（数值型）、众数（分类型）、线性插值（时序数据）、回归插补（用相关变量预测）

第 5 页

3.5 主成分分析 PCA（p29-32）

目的：降维 dimensionality reduction；把多个相关变量→少数不相关主成分（线性组合），按方差排序，方差越大信息越多（p29）

五步（p30-32）：①标准化（Z-score）→②算协方差矩阵→③求特征值+特征向量→④定主成分个数（累积贡献率 ≥85%）→⑤算主成分得分（排序/聚类）

3.6 熵权法（p32-35）

信息熵=系统无序/不确定性程度；指标变异越大→熵越小→信息越多→权重越大（p32）

客观赋权，用于多准则综合评价

五步（p32-35）：①归一化（极差法，正/负向指标公式不同）→②算比重 $p_{ij}$ →③算熵值 $e_j$ （ $p_{ij}=0$ 时调成 0.001 以便算 $\ln$ ）→④算差异系数 $d_j=1-e_j$ →⑤算权重 $w_j=d_j/\Sigma d_j$ → 加权和算综合得分

Chapter 4 假设检验（p35-43）全书思想核心

引入案例：女士品茶 Lady Tasting Tea（Fisher，8 杯奶茶挑 4 杯，纯猜对概率 =1/70≈0.014，太小→不信是猜的）（p35-37）

概念（p38）：对总体参数（均值/方差）或分布形式做先验假设，用样本数据判断是否成立。又名 significance test 显著性检验

两大思想支柱（p38）：反证法 proof by contradiction + 小概率事件原理（小概率事件在一次试验中几乎不可能发生；发生了→怀疑原假设）

显著性水平 $\alpha$ ：常用 0.01 / 0.05 / 0.1，研究者事先定； $\alpha=0.01$ 表示“错误拒绝 H0 的概率 <1%”（p38）

五步流程（p39）必背：

1. State H0 (null) & H1 (alternative)

2. Select test statistic & its distribution

3. Determine rejection region at given $\alpha$

4. Calculate observed value, compare

5. Make statistical decision

全聚德鸭子案例（p39-41）：H0： $\mu=2.00$ vs H1： $\mu\neq2.00$ ；n=100 大样本+ $\sigma$ 已知

第 6 页

→z 统计量 $\sim N(0,1)$ ；算得 z=-6 < -1.96 落入拒绝域→拒绝 H0，鸭子不达标

单双侧检验（p42-43）：

Two-tailed：拒绝域平分两尾；H1： $\mu\neq\mu_0$ ；只想知道“有没有差异”时用

One-tailed：拒绝域在一尾；左尾 H1： $\mu<\mu_0$ / 右尾 H1： $\mu>\mu_0$

选择规则：实验设计阶段由专业知识定；无先验方向→双侧；有理论/经验表明 A 不差于 B、只想验证 A 更好→单侧（p43）

Chapter 5 线性回归（p43-73）分值最高

5.1 相关分析（p44-49）

变量关系三种（p44）：deterministic functional（一对一确定）/ statistical correlation（不确定，含 $\varepsilon$ ）/ none；用 scatter plot 散点图看

相关分类（p45）：按变量数=simple vs multiple；按形式=linear vs nonlinear；按方向=positive vs negative；按程度=perfect / imperfect / no corr

总体相关系数 $\rho$ （p46）：公式含 $\mathrm{Cov}(X,Y)$ 协方差；X,Y 独立 →Cov=0； $\rho$ 是客观常数、无量纲、 $0\le|\rho|\le1$

样本相关系数 r（p47）：用观测值估计 $\rho$ ，是随机变量

r 的性质（p47-48）： $[-1,1]$ ；r>0 正相关/r<0 负相关/r=0 无线性关系/|r|=1 完全线性；对称 $r_{XY}=r_{YX}$ ；只测线性；不能推因果

r 的检验（p49）：H0： $\rho=0$ ；t 统计量 $\sim t(n-2)$ ； $|t|>t_{\alpha/2}(n-2)\rightarrow$ 拒绝 H0，相关显著

5.2 简单线性回归（p50-63）

回归的目的（p50）：用固定的自变量估计因变量的均值（总体→样本→估计→回总体）

PRF 总体回归函数 $E(Y\mid X_i)=\alpha+\beta X_i$ ；一般式 $Y_i=\alpha+\beta X_i+\varepsilon_i$ （p50）

SRF 样本回归函数 $\hat{Y}_i=a+bX_i$ ；一般式 $Y_i=a+bX_i+e_i$ （p51）

五大经典假设（p51）必背：①零均值 $E(\varepsilon_i)=0$ ；②同方差 homoscedasticity $\mathrm{Var}(\varepsilon_i)=\sigma^2$ ；③无自相关 $\mathrm{Cov}(\varepsilon_i,\varepsilon_j)=0$ ；④ $\varepsilon$ 与 X 不相关；⑤正态性 $\varepsilon_i\sim N(0,\sigma^2)$

第 7 页

OLS 普通最小二乘（p52-54）：原理=最小化残差平方和 RSS；对 a、b 求导、令一阶导=0 解出

Gauss-Markov 定理（p55）：OLS 估计量是 BLUE = Best Linear Unbiased Estimator（最佳线性无偏估计量）：线性+无偏+方差最小

$\sigma^2$ 的无偏估计（p56）：用 $RSS/(n-2)$

拟合优度（p56-57）： $TSS=ESS+RSS$ （总离差平方和=解释+残差）； $R^2=ESS/TSS$

$R^2$ 特征（p57）：非负、 $[0,1]$ 、随机变量；简单回归中 $R^2=r^2$

回归系数 t 检验（p57-59）：H0： $\beta=0$ vs H1： $\beta\neq0$ ； $t=(\hat\beta-\beta)/se\sim t(n-2)$ ；四步：提假设 → 算统计量 → 给 $\alpha$ 查临界值 → 比较下结论

p 值（p59）：H0 成立时得到观测统计量（或更极端）的概率；p<α 拒绝 H0；p>α 不拒绝

银行不良贷款例题（p60-63）： $\hat{y}=-0.8295+0.037895x$ ； $R^2=71.16\%$ （贷款余额解释不良贷款变异的 71.16%）；t=7.53>2.20 拒绝 H0；评价回归结果 4 问：系数符号合理论？显著吗？ $R^2$ 多大？ $\varepsilon$ 正态吗（残差直方图/正态概率图）

5.3 多元线性回归（p64-73）

为什么要多元（p64）：冰淇淋销量与儿童溺水=典型 spurious regression 虚假回归——共同受温度影响；多元回归能控制其他变量、逼近因果

模型（p65）：矩阵形式 $y=X\beta+\varepsilon$ ；假设=简单回归 5 条+第 6 条：自变量间无完全相关（X 满列秩， $X'X$ 可逆）

OLS 矩阵解（p66-67）： $b=(X'X)^{-1}X'y$ ；仍是 BLUE； $\sigma^2=RSS/(n-k)$ ，k=参数个数（含常数项）

调整 $R^2$ （p68-69）： $R^2$ 随变量增多只增不减→不同变量数的模型不能直接比 $R^2$ ；调整 $R^2$ 纳入 k 做惩罚，在解释力与简约性 parsimony 间权衡

单个系数：t 检验（p69）；整体方程：F 检验（p70）：基于 ANOVA 方差分析；H0： $\beta_1=\beta_2=\ldots=0$ ； $F\sim F(k-1,n-k)$

章小结 p71；重要公式汇总 p72-73（考前最后翻这两页！）

Chapter 6 离散选择模型（p73-86）

现实问题（p73-74）：选食堂/考研/通勤方式；公管例=政策创新扩散（采纳或不采纳）、部门终止（终止 vs 存续）、调查量表（很难~很容易）

第 8 页

共同特征（p75）：因变量是分类变量；自变量无量纲要求；研究“哪些因素影响分类结果的发生”

三大家族（p75）：Binary 二元 / Multinomial 多项 / Ordered 有序

6.1 二元 Logit（p75-81）

为什么不用线性回归：线性模型无法保证预测值落在 $(0,1)$ （p75）

模型： $P(y=1\mid X)=e^{(\alpha+\beta X)}/(1+e^{(\alpha+\beta X)})$ ，S 形曲线=logistic 分布（p76）

Logit 变换（p77）： $\ln[p/(1-p)]=\alpha+\beta X$ （对数变换后对自变量线性）

估计：MLE 极大似然（p77-78）：选参数使观测样本出现概率最大；软件迭代求解

系数解释（p78-79）： $\alpha$ =截距（所有 X=0 时的 $\ln(\text{odds})$ ）； $\beta$ =某自变量每增加 1 单位（其他不变）引起的 $\ln(\text{odds})$ 变化

Odds 优势（p79）=两结果概率之比 $p/(1-p)$ ；抛硬币例：均匀→odds=1，偏币（2/3 vs 1/3）→odds=2

Odds Ratio 优势比 OR= $e^\beta$ （p79-80）：β>0→OR>1 正向效应；β<0→OR<1 负向；β=0→OR=1 无效应（p80-81）

拟合优度（p81）：①Accuracy rate 准确率（预测概率 >0.5 判 1，否则 0，对比实际）；②McFadden Pseudo-R²（无平方和分解，用对数似然构造： $\ln L_1$ 全模型 vs $\ln L_0$ 仅常数项）

6.2 二元 Probit（p82）

用 $\Phi$ =标准正态累积分布函数 CDF 替代 logistic；同样 MLE

缺点：参数不如 Logit 好解释→用得比 Logit 少；解释只看系数符号：正→提高 P(y=1)，负→降低

6.3 多项选择（p82-85）

Multinomial Logit（p83-84）： $y=1,2,\ldots,K-1$ ；以第 K 项为基准（系数全设 0）；MLE；似然函数用指示函数 $1(\cdot)$ ；最大化 $\Sigma$ 对数似然

Multinomial Probit（p85）：假设效用函数误差项服从正态分布；表达式复杂、可解释性差→不常用

第 9 页

6.4 有序选择（p85-86）

场景：官员晋升（0 退休/1 留任/2 晋升）、满意度 1-5、态度五级（p85）

微观基础（p85-86）：潜变量 $y^*=x'\beta+\varepsilon$ （不可观测）+ cut-off points 截止点划分等级； $\varepsilon\sim N(0,1)\rightarrow$ Ordered Probit； $\varepsilon\sim$ logistic→Ordered Logit；两者预测概率很接近

Chapter 7 面板数据（p87-99）

7.1 面板数据是什么、好不好（p87-89）

数据类型复习+典型面板=城市×年份政策采纳 0/1（政策扩散研究）（p87-88）

优点（p88）：①解决遗漏变量 omitted variables 问题——遗漏变量常来自不可观测个体异质性 heterogeneity；若差异时间不变 time-invariant，面板可消掉它；②信息更多（截面+纵向两维）；③样本量更大→估计更精确

缺点（p88）：①通常不满足 i.i.d.（同一个体不同期扰动项自相关）；②收集成本高、难获取

7.2 三种估计策略（p89-90）

极端 1：Pooled regression 混合回归（所有个体同一方程）→缺点：忽略个体异质性→估计不一致（p89）

极端 2：每个体单独回归→缺点：忽略共同特征+样本量不足（p89）

折中：同斜率、不同截距捕捉异质性（p90）

个体效应模型（p90）： $y_{it}=\alpha+x_{it}\beta+z_i\delta+u_i+\varepsilon_{it}$ ； $u_i$ =个体效应（随时间不变的个体特征截距项）

7.3 FE vs RE 定义（p91）必背

$u_i$ 与任一解释变量相关 → Fixed Effects 固定效应（OLS 不一致，需变换消 $u_i$ ）

$u_i$ 与所有解释变量不相关 → Random Effects 随机效应

7.4 FE 三种估法（p91-95）

方法	英文	思路	缺点/注意	翻阅
虚拟变量法	LSDV (Least Squares Dummy Variable)	每个体一个 dummy，OLS 估计	n 个截距只放 n-1 个 dummy（全放→完全共线性=dummy 陷阱）；个体多时（300+地级市）不可行	p91-93

第 10 页

方法	英文	思路	缺点/注意	翻阅
组内估计	Within-group	各变量减去个体时间均值（离差变换）再 OLS，消掉 $u_i$	用聚类标准误 clustered SE（组内自相关）；无法估计时不变变量（如性别，被消掉）	p93-94
一阶差分	First-difference (FD)	本期减上期消 $u_i$ ，OLS 得 FD 估计量	要求 $\Delta\varepsilon$ 与 $\Delta x$ 不相关才一致	p95

7.5 RE 估计：FGLS（p95-96）

OLS 一致但非最有效（扰动项非球形 spherical：同一个体存在序列自相关）

FGLS 可行广义最小二乘：先 OLS 估 $\theta$ ，再做变换； $\theta=0\rightarrow$ 退化为混合回归； $\theta=1\rightarrow$ 组内估计；所得=随机效应估计量（Stata 中 theta）

7.6 选 FE 还是 RE：Hausman 检验（p97-98）必背

H0： $u_i$ 与 $x_{it}$ 、 $z_i$ 不相关（RE 更好）

H0 对 → FE、RE 都一致，RE 更有效，两估计量差异不显著

H0 错 → FE 一致、RE 不一致，差异显著

统计量超阈值（或 $p<\alpha$ ）→拒绝 H0→选 FE；否则选 RE（Hausman 1978）

7.7 模型选择总纲（p99）

选回归模型看两件事：①数据类型（面板 or 非面板）②因变量测量尺度（连续 or 离散）——连续非面板→Ch5 多元回归；离散→Ch6 Logit/Probit；面板→Ch7 FE/RE。参数分析始终遵循假设检验基本规则。

Chapter 8 研究设计（p99-113）

8.1 总论（p99-101）

研究设计=对研究全过程的综合规划（计划-实施-收集-分析）；最常见载体=学术论文（p99-100）

论文三大特性（p100-101）：

Scientificity 科学性（前提）：数据真实+术语规范+结构合范式

第 11 页

Innovation 创新性（核心）：新理论/新视角/新现象/新数据；分 breakthrough 突破性 vs incremental 增量性——本科生做增量性

Theoretical nature 理论性：结果要理论解读→可推广结论；常见误区=只有数据模型没有理论

8.2 论文结构（p101-103）框架必背

前置 Preliminary：标题（名词短语、含关键词）→ 作者+单位 → 摘要（核心论点/方法/发现）→ 关键词（3-8 个，名词）

主体 Main Body：引言（问题+目的+文献综述+方法+概念）→ 正文论证（方法/结果/讨论）→ 结论（三件套）

后置 Supplementary：附录（问卷/代码/原始表）→ 参考文献（GB/T 7714、APA、Chicago；文中引用与文末列表一一对应）→ 致谢

结论三件套（p103）：研究结论 + 政策建议 policy implications + 局限与未来方向 limitations & future research

引言要素（p104）：为什么值得研究（理由+意义）→文献综述（进展+空白）→本研究目标/范围/方法/预期贡献

文献综述三大作用+特点（p104-105）：作用=①助选题（识别 research gap）②为研究假设提供理论支撑（定量论文中综述与假设常一起呈现）；特点=综合性 comprehensiveness、评述性 criticality（述+评结合）、前沿性 frontier

研究方法部分（p106）：关键=研究对象（依课题性质/可行性/效率界定）+样本（怎么抽、多大、什么结构）

结果（p106）：图表+文字呈现；定量定性整合分析；正文/表/图不重复

讨论（p107）：与已有文献比较→新结论；分析结果提新见解；评估意义价值创新；指出局限与未来

8.3 范文解读：垃圾分类政策试点扩散（p107-113）

出处：李欢欢、顾丽梅《中国行政管理》2020；235 个地级市、2000-2018（p107，p110）

结构：引言→文献综述与研究假设→研究方法→实证结果→结论与未来研究（p108）

三种逻辑、8 个假设（p108-109）：需求驱动（H1a 经济发展水平+、H1b 人口密度+）/ 压力回应（H2a 上级政治压力+、H2b 同级政府采纳数+、H2c 公众舆论+）/ 效率导向（H3a 社会支持+、H3b 科技投入+、H3c 配套制度+）

变量（p110）：因变量=二元变量 0-1（当年是否实施垃圾分类）→用离散选择/面板模型

第 12 页

结论（p112-113）：人均 GDP、人口密度、上级压力、社会压力、人力资本、制度建设显著影响扩散；不同阶段/区域存在异质性；建议：回应治理需求、试点形成可复制可推广经验、纳入官员考核

局限（p113）：未涵盖全部因素（志愿组织、市场主体缺数据）；未考虑交互效应；政策扩散测量待改进（象征性/表演性执行未讨论）

第三部分公式速查表（考前过一遍）

第 13 页

#	公式	名称	用途	翻阅
1	$\bar{x}=\Sigma X_i/n$	sample mean	样本均值	p9
2	$s^2=\Sigma(X_i-\bar{x})^2/(n-1)$ ； $\sigma^2$ 除以 N	variance	方差（样本 n-1）	p11
3	$s=\sqrt{s^2}$	standard deviation	标准差	p11
4	$CV=s/\bar{x}\times100\%$	coefficient of variation	比较多组数据的相对离散度	p12
5	$z=(x-\mu)/\sigma$	standard score	正态→标准正态	p16
6	$\pm1\sigma/2\sigma/3\sigma=68.27/95.45/99.73\%$	3σ rule	正态概率区间	p16
7	$r=\Sigma(X-\bar{x})(Y-\bar{Y})/\sqrt{\Sigma(X-\bar{x})^2\Sigma(Y-\bar{Y})^2}$	sample corr coef	样本相关系数	p47
8	$t=r\sqrt{n-2}/\sqrt{1-r^2}\sim t(n-2)$	test of r	相关系数检验	p49
9	$Y_i=\alpha+\beta X_i+\varepsilon_i$ （PRF）； $\hat{Y}_i=a+bX_i$ （SRF）	reg functions	总体/样本回归函数	p50-51
10	$\min RSS=\Sigma(Y_i-\hat{Y}_i)^2\rightarrow$ 求导=0	OLS	最小二乘原理	p53
11	$\sigma^2=RSS/(n-2)$ （简单）； $RSS/(n-k)$ （多元）	unbiased est of $\sigma^2$	误差方差估计	p56, p67
12	$TSS=ESS+RSS$ ； $R^2=ESS/TSS$	decomposition	拟合优度	p56-57
13	$\bar{R}^2=1-(1-R^2)(n-1)/(n-k)$	adjusted R²	跨模型比较	p68
14	$t=(\beta_j-\beta_j)/se(\beta_j)\sim t(n-k)$	t-test	单个系数显著性	p58, p69

#	公式	名称	用途	翻阅
15	$F=(ESS/(k-1))/(RSS/(n-k))\sim F(k-1,n-k)$	F-test	方程整体显著性	p70

第 14 页

#	公式	名称	用途	翻阅
16	$b=(X'X)^{-1}X'y$	matrix OLS	多元回归系数	p67
17	$\ln[p/(1-p)]=\alpha+\beta X$	logit	二元 Logit 线性形式	p77
18	$OR=e^\beta$	odds ratio	优势比解释	p79-80
19	Pseudo- $R^2=1-\ln L_1/\ln L_0$	McFadden	Logit/Probit 拟合优度	p81
20	$P(y=1\mid X)=\Phi(x'\beta)$	probit	二元 Probit（ $\Phi$ =标准正态分布 CDF）	p82
21	$y^*=x'\beta+\varepsilon$ + cut-offs	ordered model	有序选择微观基础	p85-86
22	$\alpha$ （Cronbach）	reliability	信度	p23
23	CVR； $\chi^2/df$ ；CFI；TLI	validity indices	效度指标	p26
24	z-score 标准化： $(x-\mu)/\sigma$	standardization	PCA 第一步	p31
25	$d_j=1-e_j$ ； $w_j=d_j/\Sigma d_j$	entropy weight	熵权法	p33, p35
26	Hausman 统计量 $\sim\chi^2(K)$	FE vs RE	拒绝 H0 选 FE	p98
—	Ch5 全部重要公式汇总	—	考前最后翻	p72-73

第四部分英文答题弹药库（开卷英文作答直接套用）

以下句型全部源自讲义原文英文，考试可直接改写使用。背带标记的万能句。

Ch1-2 定义类

Quantitative research uses numbers and data to analyze and explain social phenomena, while qualitative research uses words and texts to describe and study events and social problems. (p1)

The four functions of quantitative methods: describe what has happened, explain why it happened, predict what may happen, and prescribe what to do. (p2)

第 15 页

The nominal scale can only distinguish categories and must satisfy exhaustiveness and mutual exclusivity. (p6)

The interval scale has no absolute zero, while the ratio scale requires a true absolute zero point. (p7)

The mean is affected by outliers, whereas the median and the mode are not. (p10)

The coefficient of variation measures the relative degree of dispersion and is used to compare the dispersion of multiple sets of data. (p12)

The normal distribution curve is symmetric about $x=\mu$ , attains its maximum at $x=\mu$ , has two inflection points at $\mu\pm\sigma$ , and takes the x-axis as its asymptote. $\mu$ determines the position and $\sigma$ determines the shape. (p14-15)

As the degrees of freedom approach infinity, the t-distribution converges to the standard normal distribution; when df>30, it is very close to N(0,1). (p16-17)

Ch3 信度效度/数据类

Reliability refers to the degree of consistency of results obtained when the same method is repeatedly applied to the same object. (p23)

Validity denotes the degree to which a measurement tool can accurately capture the desired variable. (p24)

Validity encompasses content validity, construct validity, and criterion validity. (p25)

For Cronbach’s $\alpha$ : $\alpha>0.7$ indicates good reliability, $\alpha>0.8$ excellent, and $\alpha>0.9$ very high. (p23)

PCA transforms multiple correlated variables into a smaller set of uncorrelated principal components through linear combinations. (p29)

When missing values are random and the proportion is low (less than 5%), direct deletion is a straightforward approach. (p28)

第 16 页

Ch4 假设检验类

Hypothesis testing adopts proof by contradiction, and its rationality is based on the principle of small probability events. (p38)

Steps: (1) state H0 and H1; (2) select a test statistic; (3) determine the rejection region at the given $\alpha$ ; (4) calculate the observed value and compare; (5) make a statistical decision. (p39)

If the test statistic falls within the rejection region, a small-probability event has occurred and H0 should be rejected. (p41)

If there is no prior knowledge of direction and the purpose is to examine whether a significant difference exists, a two-tailed test should be selected. (p43)

Ch5 回归类

The purpose of regression analysis is to estimate the mean of the dependent variable using fixed independent variables. (p50)

The OLS estimator is the Best Linear Unbiased Estimator (BLUE) according to the Gauss-Markov theorem. (p55)

The correlation coefficient only reflects linear correlation and cannot determine causal relationships. (p48)

$R^2$ shows that X% of the variation in the dependent variable can be explained by the independent variable(s).（仿 p61）

The adjusted $R^2$ introduces a trade-off between explanatory power and parsimony by incorporating k. (p69)

If the p-value is less than the significance level $\alpha$ , we reject the null hypothesis. (p59)

The F-test examines whether multiple variables collectively exert a significant effect on the dependent variable, based on ANOVA. (p70)

The ice-cream/drowning example represents a spurious relationship because both variables depend on temperature. (p64)

第 17 页

Ch6 离散选择类

The conventional linear regression model cannot ensure that the predicted value of y lies within $(0,1)$ ; therefore a logistic model is adopted. (p75)

The regression coefficient $\beta$ represents the change in $\ln(p/(1-p))$ caused by a one-unit change in the given independent variable, holding others constant. (p78)

When $\beta>0$ , the odds ratio $e^\beta>1$ , indicating a positive effect on the occurrence of the event. (p80)

Parameters are estimated by Maximum Likelihood Estimation (MLE), which finds the optimal parameters that maximize the probability of the observed sample. (p77)

The binary probit model relies on the cumulative distribution function $\Phi$ of the standard normal distribution and is less interpretable than logit. (p82)

Ch7 面板类

Panel data helps address the omitted variable problem caused by unobservable, time-invariant individual heterogeneity. (p88)

If the individual effect $u_i$ is correlated with any explanatory variable, the fixed-effects model should be used; if uncorrelated, the random-effects model applies. (p91)

In LSDV, only n-1 dummy variables can be included; otherwise perfect collinearity arises. (p92)

The within-group estimator cannot estimate the effects of time-invariant variables, and clustered standard errors should be used due to within-group autocorrelation. (p93-94)

Hausman test: H0 states that $u_i$ is uncorrelated with the explanatory variables (RE is better). If H0 is rejected, choose the fixed-effects model; otherwise choose random effects. (p97-98)

第 18 页

Ch8 论文写作类

A complete conclusion typically includes research conclusions, policy recommendations, and limitations with future research directions. (p103)

The literature review facilitates topic selection by identifying research gaps, and provides theoretical support for the proposed hypotheses. (p104-105)

Its characteristics are comprehensiveness, criticality (combining description and comment), and frontier orientation. (p105)

Innovation falls into breakthrough and incremental types; undergraduates are advised to pursue incremental contributions. (p100-101)

第五部分跨章对比表（论述/辨析题高发区）

对比组	核心区别一句话	翻阅
Qual vs Quant vs Mixed	文字 vs 数字 vs 结合	p1
Nominal/Ordinal/Interval/Ratio	分类→排序→差值→比值（绝对零点），层级递增	p6-7
Cross-sectional / Time series / Panel	一时点多个体 / 一个体多时点 / 多体多点	p8, p87
Mean vs Median vs Mode	受不受 outlier；适用什么尺度	p9-10
Variance vs SD vs CV	平方单位 / 同量纲 / 相对（跨量纲可比）	p11-12
Normal vs t dist	t 尾更厚；df>30≈正态；小样本用 t	p16-17
Reliability vs Validity	稳不稳（一致）vs 准不准（测到目标）	p23-27
$\alpha$ vs p-value	$\alpha$ 事先定的标准；p 算出来的概率；p< $\alpha$ 拒绝 H0	p38, p59
One-tailed vs Two-tailed	有无方向先验；拒绝域一尾还是两尾	p42-43
$\rho$ vs r	总体常数 vs 样本随机变量	p46-47
Corr vs Regression	对称只看线性关联 vs 不对称估计均值/可预测；都不能直接=因果	p48, p50

第 19 页

对比组	核心区别一句话	翻阅
R² vs Adjusted R² vs Pseudo-R²	只增不减 / 惩罚 k 可跨模型比 / 似然构造（Logit）	p68, p81
t-test vs F-test（回归）	单个系数 $\beta_j=0$ / 全部系数联合=0	p69-70
OLS vs MLE	最小化残差平方和（线性模型）/ 最大化似然（Logit/Probit）	p53, p77
Logit vs Probit	logistic 分布 S 曲线 / 正态 CDF $\Phi$ ；Logit 更好解释更常用	p76-77, p82

对比组	核心区别一句话	翻阅
Pooled vs FE vs RE	忽略异质性 / $u_i$ 与 X 相关 / $u_i$ 与 X 不相关	p89-91
LSDV vs Within vs FD	加 n-1 个 dummy / 减组均值 / 减上一期；都不能估时不变变量（后两者）	p91-95
FE vs RE 选择	Hausman：拒绝 H0→FE，不拒绝→RE（RE 更有效）	p97-98
Consistent vs Unbiased vs Efficient	大样本收敛真值 / 期望=真值 / 方差最小	p55, p89, p95

第六部分开卷考场策略 + 考前节奏

考场检索三步法

1. 审题抓关键词 → 判断属于哪章（用第一部分总图：因变量连续→Ch5；0/1 分类→Ch6；面板→Ch7；问信度效度→Ch3；问检验步骤→Ch4；问论文结构→Ch8）

2. 翻本提纲第二部分找到对应节的 PDF 页码 → 直接翻 PDF 抄原文英文（第四部分弹药库有现成句型的先用句型）

3. 答题格式：定义题=英文定义句+一个例子；步骤题=编号 1-5 步（Ch4 五步/p39、OLS 四步、PCA 五步/p30、熵权法五步/p32）；辨析题=用第五部分对比表“一句话区别+各自适用场景”

第 20 页

必背到“不用翻书”的 5 件事（其余都允许翻）

1. 假设检验五步流程 + $\alpha$ 常用值（p38-39）

2. 回归五大假设 + BLUE（p51, p55）

3. FE vs RE 判据 + Hausman 逻辑（p91, p97-98）

4. Logit 系数解释 + OR 三种符号情形（p78-81）

5. 论文结构树 + 结论三件套（p101-103）

考前节奏（今天起）

D-3~D-2 系统过：每天 2-3 章，用本提纲“关键词→页码”演练翻书速度；重点章 Ch4/5/6/7 各留 40 分钟

D-1 冲刺：只过标记 + 第三部分公式表 + 第五部分对比表；给 PDF 贴上章节便签（p6/p17/p35/p43/p73/p87/p99 七个分界页）

考试当天：进场先在草稿纸默写“必背 5 件事”，之后全程按三步法检索；不确定的题先写弹药库句型占位，再翻书补细节

诚实提醒：本提纲的页码基于你上传的 PDF（113 页）逐页核对生成；若老师另发新版讲义，页码可能偏移，届时以标题关键词检索为准。

第 21 页