为什么经济管理类论文建模型前都要做一个描述性统计？ 第1页

1、任何模型都是有适用前提的

如果生搬硬套一个模型，而没有注意模型适用前提的话，可能得到一个完全错误的结果。

很多时候，即便踏踏实实的做了很多苦力活。但是没有前提的描述容易让人认为你是编数据，是在造假。

2、100%错误的一个例子

Dematel-ISM联用模型是经管类文章，尤其是管理类中经常用到的一个模型。截止2021年，很多人找我来计算，发现没有一个算对的。

他们总是会拿着以前一些发表的论文给我看。有部分人甚至直接往我的邮箱里塞。这些人每给一篇，就不由的感叹一次。原来凭着大概的印象是这类论文的错误率大概在90%左右。而根据统计的结果得出的结论是，所有的论文都是错的，即错误率居然是100%。而且这些论文还基本都是目测可见的错误，部分错误甚至是初中生都不应该犯的。本文将这些论文放出，并指出其哪些是目测可见的低级错误。

上面是一些错误的例子。

上面是常见的使用步骤。

上面的流程图可以用如下方式

其中综合影响矩阵T到关系矩阵A是很核心的一步。即截距 的取值。

这步就可以由统计性的方法获得。大部分人完全没有提及这步是怎么来的。

3、一篇博士论文中的错误

上面讲了熵权法计算注意事项。其中分析指标的性质，即属于正向指标，还是逆向指标是重中之重。

这种分析也属于描述性的。

这步如果缺失，那得到的结果可能完全错误。

上面是指标。

上面就没有分析每个指标的数值越大越好，还是数值越小越好。

上面直接得出结果，显然是瞎掰的。继续算下去就是胡说八道了。

这样不区分指标的属性，没有先归一化，得到的结论很可能是及其荒谬的。

类似美国抗疫是世界第一，比中国牛逼得多。因为美国每天有人感染，有人死亡，而中国压根就没有什么感染了。

4、相关性的统计与因果性的描述

上面是一个由调查访问开始，从相关性统计处理，到因果性的分析，衔接而成的一篇论文。

论文的描述性统计就解释了14个要素。

接着把数据丢到统计软件里面分析。

运用Stata 16.0对数据进行Probit分析，并采用Logit 回归结果与之相比较进行稳健性检验，结果显示基本 一致。如表2所示。 运用Probit和Logit得到的回归结果基本一致，证 明结果稳健性较好，R2 拟合优度较高，证明数据有较 强说服力。小农户农业年收入、学历层次、农业收入 占比、健康状况、认知能力、邻里效应、合作社、政 策补贴、技术培训对小农户采纳生态农业意愿产生正 向影响，户主年龄对小农户采纳生态农业行为产生负 向影响。

上面就得到了10个紧密相关的关键要素。

接着作者在另外一个软件平台上计算因果性。

得到了如上的结果图。并对这个结果，进行更深层次的描述。