凡是搞计量经济的，都关注这个号了
邮箱：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
*重要的发现在图片下方的文字里，都已经被标粗。
接着“研究了4万篇论文, 发现什么样的文章更容易发表到经济学TOP5, TOP6-TOP100期刊呢？“，在对何种期刊上发表进行分析之后，接下来进一步探讨知识图谱的结构特征与论文引用影响力之间的关系。引用次数是衡量论文在学术界影响力和认可度的重要指标。通过深入了解哪些因素能够提升引用次数，我们能够为研究成果的传播和影响力的提升提供有价值的见解。
为了探究知识图谱特征与引用次数之间的关系，本文将转换后的引用次数作为因变量进行回归分析。采用与"研究了4万篇论文, 发现什么样的文章更容易发表到经济学TOP5, TOP6-TOP100期刊呢？"相同的自变量集合，包括全知识图谱（All）和因果子图（Causal）两个度量指标。样本被分为四组：所有期刊、Top 5期刊、Top 6–20期刊和Top 21–100期刊。通过这种方法，本文能够评估不同期刊类别中引用影响的预测因素是否存在显著差异。
首先，对于发表在Top 5期刊和排名第6至第20的期刊（Top 6–20）上的论文，某些知识图谱度量的较高值与引用次数的增加显著相关。具体地，因果子图中的独特路径数量和最长路径长度均显示出正相关且显著的系数。这表明，在这些期刊中，那些深入探讨复杂因果叙事、涉及多个路径和更深层次因果链条的论文更有可能获得更多的引用。尽管在排名第6至第20的期刊中，这些系数略大，但差异并不显著。这些论文可能因其对因果机制的全面探索和严格的识别策略而受到学术界的关注。这一发现与经济学中“可信度革命”的广泛趋势相一致，后者高度重视严格的因果推断。
其次，非因果关系的新边（Share of New Edges）的比例与大多数期刊中的引用次数呈负相关。研究发现，引入新的非因果关系不仅可能不会增加，甚至可能减少论文的引用影响力。相反，基于已知关系的研究似乎更能引起学术界的共鸣，从而获得更高的引用次数。尽管本文发现非因果新边的比例与论文在Top 5期刊中的发表概率呈正相关，但这种模式并没有转化为更高的引用次数。这表明，虽然因果声明的创新性可能有助于论文在顶级期刊中的发表成功，但这并不一定会带来更高的引用影响力。
第三，论文知识图谱中节点的平均特征向量中心性与大多数期刊中的引用次数呈正相关，尤其在Top 5期刊中表现显著，而在Top 6–20期刊中这种关系并不明显。这表明，一旦发表，聚焦于更中心概念的论文往往会在大多数期刊中获得更多的引用。这说明与广为认可的主题相关的研究更能提升论文的影响力。有趣的是，这与本文早前发现的知识图谱中平均特征向量中心性与论文在Top 5期刊发表概率的负相关（见图9）相反。这表明，尽管顶级期刊在发表阶段倾向于优先考虑创新性和专业化，但在这些期刊中，涉及中心话题的论文会获得更多的关注和引用。相反，Top 6–20期刊，通常是领域内的顶级期刊，更倾向于关注在其特定领域内更中心的概念，但关注这些中心概念并不一定会提升这些期刊中的引用影响力。
此外，在所有期刊类别中，本文发现因果边的比例与引用次数之间并无显著的正相关关系。这表明，虽然因果推断方法可能增加论文在顶级期刊中的发表机会，但这并不一定转化为更高的引用影响力。这可能反映了在精确识别所需的严格方法与研究成果的广泛相关性或普适性之间的权衡。专注于狭义定义且精确识别的因果关系的论文，可能因其方法学贡献而受到期刊编辑和审稿人的青睐，但如果研究问题较为局限或难以普及，它们可能不会吸引更多的引用。这一结果突显了经济学领域关于精确识别与解决重要政策相关问题之间平衡的持续讨论。
这些发现表明，影响引用的预测因素在不同期刊类别中存在差异。在Top 5刊和排名第6至第20的期刊（Top 6–20）中，接受叙事复杂性并发展复杂的因果叙事能够提升论文的引用影响力。这可能与这些期刊的可见性和可信度有关，创新和全面的研究更有可能获得认可和引用。研究人员可能更倾向于信任那些发表在排名较高期刊上的论文，因为这些期刊拥有严格的同行评审过程和高标准的方法学要求。此外，这些论文引用影响力的增加可能反映了学术界对那些不仅使用实证方法而且深入探讨因果机制的研究的认可。
总体而言，知识图谱特征与引用影响力之间的关系相当复杂，受到方法论严谨性、叙事复杂性和期刊声望等因素的相互作用影响。本文的分析揭示了论文知识图谱的结构特征与引用影响力之间的联系，而这种联系在不同期刊类别中表现出不同的特点。在Top 5和Top 6–20期刊中，那些具有较高叙事复杂性、深层因果链条和复杂因果叙事的论文往往能获得更多的引用。这突显了研究内容、结构以及发表期刊在决定学术影响力中的重要作用。
*群友可直接在社群下载全文PDF。
内生性问题的拓展性阅读 ，0.看完顶级期刊文章后, 整理了内生性处理小册子；1.“内生性” 到底是什么鬼? New Yorker告诉你；2.Heckman两步法的内生性问题(IV-Heckman)；3.IV和GMM相关估计步骤，内生性、异方差性等检验方法；4.最全估计方法，解决遗漏变量偏差，内生性，混淆变量和相关问题；5.毛咕噜论文中一些有趣的工具变量！；6.非线性面板模型中内生性解决方案；7.内生性处理的秘密武器－工具变量估计；8.内生性处理方法与进展；9.内生性问题和倾向得分匹配；10.你的内生性解决方式out, ERM独领风骚；11.工具变量IV必读文章20篇, 因果识别就靠他了；12.面板数据是怎样处理内生性的；13.计量分析中的内生性问题综述；14.工具变量IV与内生性处理的解读；15.一份改变实证研究的内生性处理思维导图；16.Top期刊里不同来源内生性处理方法；17.面板数据中heckman方法和程序(xtheckman)；18.控制函数法CF, 处理内生性的广义方法；19.二值选择模型内生性检验方法；20.2SRI还是2SPS, 内生性问题的二阶段CF法实现；21.内生变量的交互项如何寻工具变量；22.工具变量精辟解释, 保证你一辈子都忘不了，23.审稿人: 为啥你不展示Y对工具变量Z的简约式回归结果呢？24.Two Sample IV, 双样本二阶段工具变量回归, TS2SLS充分利用2份数据的信息，25.Stata自救行动: 高维固定效应HDFE, 弱工具变量稳健性估计, 工具变量SVAR
7年，计量经济圈近2000篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle
