什麼是實證分析？
實證分析是一種分析經濟問題“是什麼”的研究方法。它側重於研究經濟系統如何運作，分析經濟活動的過程、結果和方向，以及經濟活動的結果是否可取。實證分析法考慮某些假設與相關經濟變量之間的因果關係，對觀察到的事實進行描述、解釋或解釋，並預測相關現象的存在。客觀事實是檢驗實證分析方法結論的標準。有學者指出，實證研究作爲一種經濟研究方法的基本特徵如下：這些假設是基於現實，從一系列的結論中推導出來的，並逐漸將某些假設聯繫起來，從而將理論結論轉化爲具體的事實。
下面介紹迴歸分析法的相關步驟
（1）描述性統計
描述性統計分析主要是對研究樣本中與所有變量相關的數據進行統計描述，包括頻數分析、中心趨勢分析、方差分析、分佈分析這類十分基本的統計圖形。
①數據的頻數分析。在進行數據預處理，可以使用描述性分析中的頻率分析和交叉頻率分析來檢查偏差值。
②數據的集中趨勢分析。集中趨勢分析是展現數據是什麼樣的水平，像是均值、中位數和衆數這類指標。
③數據的離散程度分析。該分析對數據之間的差異程度進行衡量，一般情況採用的的指標是方差和標準差。
④數據的分佈。假設樣本所在的總體分佈要求是正態分佈的，所以在作分析的時候需要進行偏度和峯度兩個指標來檢驗樣本數據是否屬於正態分佈。
⑤繪製統計圖。在分析時，圖形總是比文字總結更加形象生動，更能突出你想要表達的意思，SPSS 軟件可以進行繪製各種變量的統計圖表，像是條形圖、餅圖以及折線圖。
（2）差異性分析
差異分析是進行實證研究中較爲常用的一種數據分析方法，一般是用於確定實驗組與對照組之間是否存在差異，以及這些差異是否顯着，也稱爲顯著性檢驗，這類檢驗也是假設檢驗的一類，經常用於評估樣本之間的差異是否由隨機誤差引起或者是否存在顯著差異。
在實證分析論文裏通常是採用差異性分析去對研究的各個變量進行分析，其目的是想要展現出各種控制變量會對研究的主要變量產生什麼樣的影響，從而去進行分析陳述。
（3）相關性分析
在做迴歸分析變量的因果關係之前，需要先對變量的相關性進行檢驗。
那麼什麼是相關性分析呢？
相關性分析的基本概念是通過分析兩個或多個相關的變量來進行實證研究這兩個變量因素的接近程度。在進行相關之前，相關元素之間必須存在聯繫或概率。
在對變量進行迴歸分析之前，要先對其進行相關性分析，判斷他們之間是否相關，是否顯著，通過後，再對變量之間的關係進行分析。
（4）迴歸分析
有各種各樣的迴歸技術用於迴歸分析。
1. Linear Regression線性迴歸
在進行學習迴歸模型的時候，線性迴歸通常是首選模型之一。在這種模型中，因變量是連續變量，自變量可以是連續的也可以是離散的，迴歸線本質上是線性的。
線性迴歸使用最佳的擬合直線（也就是迴歸線）在因變量（Y）和一個或多個自變量（X）之間建立一種關係。
多元線性迴歸可表示爲Y=a+b1*X +b2*X2+ e，其中a表示截距，b表示直線的斜率，e是誤差項。多元線性迴歸可以根據給定的預測變量（s）來預測目標變量的值。
2.Logistic Regression邏輯迴歸
邏輯迴歸是用來計算“事件=Success”和“事件=Failure”的概率。當因變量的類型屬於二元（1 / 0，真/假，是/否）變量時，應該使用邏輯迴歸。這裏，Y的值爲0或1，它可以用下方程表示。
odds= p/ (1-p) = probability of event occurrence / probability of not event occurrence
ln(odds) = ln(p/(1-p))logit(p) = ln(p/(1-p)) =b0+b1X1+b2X2+b3X3....+bkXk
3. Polynomial Regression多項式迴歸
對於一個迴歸方程，如果自變量的指數大於1，那麼它就是多項式迴歸方程。如下方程所示：
y=a+b*x^2
在這種迴歸技術中，最佳擬合線不是直線。而是一個用於擬合數據點的曲線。
以上就是常用的實證分析方法，是否覺得對他的瞭解加深了？對於需要進行實證類論文的學子，掌握最基本的實證方法有助於實證部分的完善，快了解起來吧！