知乎热议：发 Top 5 和 Field Top 是什么感觉？

👇 连享会 · 推文导航 | www.lianxh.cn

• 🍎 Stata：Stata基础 | Stata绘图 | Stata程序 | Stata新命令
• 📘 论文：数据处理 | 结果输出 | 论文写作 | 数据分享
• 💹 计量：回归分析 | 交乘项-调节  | IV-GMM | 时间序列 | 面板数据  | 空间计量 | Probit-Logit | 分位数回归
• ⛳ 专题：SFA-DEA | 生存分析  | 爬虫 | 机器学习 | 文本分析
• 🔃 因果：DID | RDD | 因果推断 | 合成控制法 | PSM-Matching
• 🔨 工具：工具软件 | Markdown | Python-R-Stata
• 🎧 课程：最新专题 |  计量专题 | 关于连享会

🍓 课程推荐：2024 机器学习与因果推断专题
主讲老师：司继春 (上海对外经贸大学) ；张宏亮（浙江大学）
课程时间：2024 年 11 月 9-10 日 ；16-17日
课程咨询：王老师 18903405450（微信）

 课程特色 · 2024机器学习与因果推断：

• 懂原理、会应用。本次课程邀请了两位老师合作讲授，目的在于最大限度地实现理论与应用的有机结合。为期四天的课程，分成两个部分：第一部分讲解常用的机器学习算法和适用条件，以及文本分析和大语言模型；第二部分通过精讲 4-6 篇发表于 Top 期刊的论文，帮助大家理解各类机器学习算法的应用场景，以及它们与传统因果推断方法的巧妙结合。
• 以 Top 期刊论文为范例。目前多数人的困惑是不清楚如何将传统因果推断方法与机器学习结合起来。事实上，即便是 MIT 和 Harvard 的大牛们也都在「摸着石头过河」。为此，通过论文精讲和复现来学习这部分内容或许是目前最有效的方式了。张宏亮老师此前在浙江大学按照这一模式教授了「因果推断和机器学习」课程，效果甚佳：学生们能够逐渐建立起研究设计的理念，并在构造识别策略时适当地嵌入机器学习方法。 

作者：冀承 (中国人民大学)
邮箱：jicheng@ruc.edu.cn

温馨提示： 文中链接在微信中无法生效。请点击底部「阅读原文」。或直接长按/扫描如下二维码，直达原文：

编者按：本文主要整理自知乎热议「发表经济学顶级期刊 (top 5，field top) 是什么体验？」，特此致谢！

目录

• 1. 写在前面

• 2. Top 5 发表体验

• 3. Field Top 发表体验

• 4. Top 5、Field Top 发文特点

• 5. 总结

• 6. 相关推文

1. 写在前面

对于经济金融领域的学者来说，高质量的论文发表并非易事。经济学 Top 5 (AER、QJE、RES、JPE、Econometrica) 以及各细分领域的 Field Top 期刊，堪称是经济学圈的超级 “硬通货”，是所有经济学者趋之若鹜、各展才学的领地。

根据知乎网友的整理，近 5 年来国内学者已正式发表了 10 篇 Top 5，另有 7 篇正在 Top 5 的 R&R 阶段。与此同时，利用中国数据开展研究的 Top 5 论文更是在快速增长。

本文是连享会推文「知乎热议：发顶刊是什么感觉？」的姊妹篇，继整理了发表《经济研究》、《管理世界》等国内经济学顶刊的感觉后，又整理了发表 Top 5、Field Top 等国际经济学顶刊的感觉，给致力于发表高质量经济学论文的学者提供借鉴经验。

2. Top 5 发表体验

发 Top 5 啥感觉，发之前以为自己要走上人生巅峰了。发了以后觉得，好吧，从地下二层到了地下一层。

周期非常长。文章的所有框架都是博二博三做的，而且是我有史以来第一个工作。爆雷很多，那时候还很年轻，很多事情没有经验。投搞的时候我博四奔博五了，很多致命性问题比如实验设计，在审稿过程中都重新设计了一遍，并重新收集了一遍数据。

这期间心理压力也很大，因为其他人都可以有很多项目。而你要投 Top 5 就得全力以赴这一个项目。最可怕的是你知道大概率投不中，可是还得全力以赴。审稿审到 2-3 轮的时候，每一轮，editor 都强调不能保证发表，然后提出的要求大概都要做 2-3 个月。这感觉就像你投资一个项目，对方老跟你说再给我 2000 万，不能保证有回报，但是不给的话之前的钱就都没了。

然而这些都还不是最坑的，最坑的是投稿之前人人都告诉你，你只要尽全力做好这一件事，如果赌对了你就什么都有了。不过当你真的用尽最大的耐心、努力、运气把这件事情做成了以后，我导师却跟我说，今年招你这个方向的学校太少了，要想找到教职，多做几年博后吧。我说那我的 Top 5 呢？他说，哎，没办法，方向才是最重要的。

你说这些都是谁的错。当然是经济学这个领域了。用最难的姿势去最差的 placement。一切的祸根就是像传销一样，在你成长过程中慢慢给你洗脑这个领域的 prestigious。给你看很多 elegant work，发在 Top 5 上的那种。在你心里种下，有昭一日自己也要发 Top 5，有 elegant work 的种子。

博四的时候，我遇到过一个善良的大牛，他很欣赏我的 work。但是他偷偷跟我说，尽管我非常欣赏你，但是我真心给你一个忠告，赶快 run。经济学现在对年轻学者太不友好了，付出与收获高度不成正比。可惜为时已晚，那时候这篇 Top 5 宝宝月份已大，做妈妈的哪里舍得引产。

再告诉大家一个小知识：Top 5 接受率平均来说大概 5%。最坑的 QJE 是 3%，好一点 AER 好像是 8%。然而 Nature、Science 正刊的接受率都有 7%-8%。(以上内容来自知乎网友：萌萌小学酥)

我投过三次 Econometrica，两次第一轮被拒，幸运成功的那一次是 5 年前的事情。这篇文章，从投稿到发表，总共用了两年。发一个 Econometrica 真心不容易，工作量大于三个 Journal of Econometrics。

感谢我的合作者给力，我靠自己写不出这文章。这篇文章写作、修改过程中，我学会了很多东西。这次痛苦的修炼过程，为我写之后的论文打下了坚实的基础。

讲讲我的亲身经历。经济学博士要毕业的时候，工作市场论文 (job market paper) 是展示自己最重要的成果。博士毕业前一年，我还在为 JMP 题目苦苦挣扎。阅读文献是读博士的重要环节，我会把文章存下来备查。那一年的寒假，找不到题目的我，随手翻看电脑上的保存的文件。我偶然打开一个 PDF，只有 5 页，然而灵光闪烁。这个小 notes 没有署名，我寻思，这是谁写的呢？

过了半分钟，我才意识到，这原来是过去的我写的。博士生二年级的时候，上完一门统计系的课，我写下这个想法。当时试图去证明，但是做不出来。计量理论研究最重要的是获得做证明的能力。我资质不高，没有大量练习和思考的积累，这能力不会凭空产生。博士生二年级时候我能力不够。等到博士最后一年，重新拾起这个尘封的 idea，花两个月的时间，顺利地把证明做出来了。

这段经历说明，光有想法是不够的，需要技术才能实现想法。(以上内容来自知乎网友：史震涛)

3. Field Top 发表体验

被下面一片 AER 和 Econometrica 吓哭了。本人不才只发了个 Field Top (Management Science)，这个题就只能强答了。目前 PhD 第二年在读，18 年春天开始做的一篇应用微观的文章上个月被 Management Science 接收了。这篇文章是和导师合作的，导师提供了数据并且把控大方向，我具体负责数据处理。

受惠于 MS 一骑绝尘的审稿速度 (官方要求 1 major revision + 1 minor revision 之内出结果，每轮 revision 不超过三个月) 和另外两个期刊雷厉风行的拒速度 (desk rejection 3 天，reject after revision 一个月)，整篇文章从开始到接收花了两年，应该是我自己这辈子发的最快的文章了(如果以后还有的话)。

第一个体验是，与数据打交道的底线是保证结果真实准确。大一的第一节专业课，老师的一句话到现在我还一直记得，他说 “不是不允许大家翘课，而是大一开始翘课的话到大四就根本不愿意上课了”。同理，尝到过一次数据造假的甜头就不会回头了。所以写学术文章一定要反复打磨，每个细节都得想的很清楚，做的很小心才行。

第二个体验是，写 paper 真的需要多跟人交流沟通。这篇文章的 idea 是我跟人聊天的时候想到的，之后在系里系外 present 的时候，很多同学和教授也提供了非常有用的建议。在所有人的帮助下，这篇文章的第一稿跟最后一稿真的是天壤之别。而且写文章碰到自己绕不过去的坎是家常便饭，自己憋着很容易丧气，也会拖慢整个项目的进度，多找人聊聊就算不能马上解决问题，起码心情会舒畅很多。

跟人沟通还有一个好处是，有些时候被拒不是 topic 的问题，也不是结果不好，而是 reviewer 觉得太多小坑没有填上，鉴于其他写得更认真的文章还在排队就不给你这个机会了。很多小坑都是身边的人可以帮忙看出来的，所以一定要多跟人聊，在投稿之前把自己能做的 99% 做完再投，免的耽误好几个月浪费一个 journal。

第三个体验是，审稿人就是爸爸。只要没有非常充分的理由，审稿人的意见作者一般都得听。尤其是改不改都差不多的地方就必须要改。很幸运的是，我们碰到的七个审稿人 (AEJ 三个，MS 四个) 都非常 nice，哪怕对文章不乐观还是给了很多非常具体实用的建议。如果以后碰到天马行空或者键盘侠那种审稿人，我会回来补这段答案的。

最后一个体验是，发文章努力很重要，但是运气更重要。一篇应用微观的文章，需要找一个自已能驾驭的 idea，这个 idea 还要没被任何人做过，并且还要有合适的数据。光是开头就需要 triple coincidence，更别提做到一半发现结果不显著，显著但不 robust，robust 但 mechanism 说不清楚，做完了发现被人抢发了。到最后一篇文章发出来的概率就是 0。我最近两年出来的三个完整的 triple coincidence，也只有这一个走到了最后。

话虽如此，个人奋斗还是要有的。毕竟找 idea 最好的方式还是多读 paper，找最近的研究还没填上的坑。毕竟拍脑袋想出来的 idea 如果还没人做，那基本可以确定是现有技术和数据做不了。总而言之，研究还是个辛苦活。毕竟世界上真理就这么多，却有那么多人抢着去发现。结果一定是 5% 的人发现的是金矿，剩下 95% 的人发现的是石头。即便如此，为何不为 5% 的概率拼一把？(以上内容来自知乎网友：匿名用户)

毕业论文中了 Journal of Econometrics。体验就是，没有大牛背书，发表过程漫长而又艰辛。后续体验就是，现在写文章都想 try 好一点的杂志。(以上内容来自知乎网友：rainmaker)

我爱人发过 JFE，然后他在知乎上潜水。那篇文章在我们第一次 date 的时候就和我聊过，后来在我们结婚第 3 年终于发出来了。(以上内容来自知乎网友：匿名用户)

4. Top 5、Field Top 发文特点

Top 5 都是综合性期刊，什么文章都可以投，没有特定的 field 限制。

• AER 偏好观点新颖，理论简单深刻的文章。
• Econometrica 偏好理论性强的文章，无论是 theory 还是 empirics，都要有很强的理论基础和创新。
• QJE 偏好 Harvard 学者的文章。
• JPE 偏好 Chicago 学派学者的文章。
• RES 审稿要 4 个 referee？还是换一家吧 (纯吐槽)。

以上内容来自知乎网友：匿名用户。

作为追赶者，我们还是把目光多放在 Field Top 上比较合适。学习起来更有针对性，效率更高 (虽然投稿发表难度依然不低)。例如，

• Journal of Economic Growth 主要发表经济增长领域的论文，看看从第一卷第一期开始，都是谁在投稿就知道了。
• Journal of Public Economics 主要发表公共政策领域的论文。
• Journal of Macroeconomics 经常会让你眼前一亮。

以上内容来自知乎网友：张真实。

5. 总结

综上所述，知乎网友发 Top 5 和 Field Top 的经验可以总结为以下 6 点：

• 多读 paper，多想有创新的 idea 是关键。
• 发表周期长，心理压力大，要有良好的抗压能力。
• 多与导师和周围同学交流沟通。
• 针对不同顶刊的发文特点选择性投稿。
• 认真回复审稿人的意见。
• 运气同样很重要。

6. 相关推文

Note：产生如下推文列表的 Stata 命令为：
  lianxh 知乎, m
安装最新版 lianxh 命令：
  ssc install lianxh, replace

• 专题：数据分享
• 知乎热议：经济-金融大佬从哪里获得数据？如何处理？
• 专题：论文写作
• 知乎热议：发顶刊是什么感觉？
• 知乎热议：答辩老师会仔细看论文内容吗？
• 知乎热议：博士应该采取什么策略读文献？
• 知乎热议：写论文时有哪些非常神的网站？
• 专题：计量专题
• 知乎热议：如何系统地自学计量经济学？
• 知乎热议：经济学专业博士如何学好高级计量？
• 专题：Stata资源
• 连享会-知乎推文列表
• 专题：Markdown-LaTeX
• mdnice.cn——Markdown、知乎、公众号排版神器
• 专题：工具软件
• 知乎热议：科研工具汇总
• 知乎热议：有哪些一用就爱上的可视化工具？
• 专题：其它
• 知乎热议：怎样查全一个方向的文献？
• 知乎热议：如何搜到专业数据和行业报告
• 知乎热议：怎样做好学术PPT？
• 知乎热议：穷人出身的孩子能不能靠读博士搞科研稍微改变命运？
• 知乎热议：哪一位实证经济学家最具影响力？
• 知乎热议：有哪些东西是你读博以后才懂的？
• 知乎热议：机器学习在经济学的应用前景
• 知乎热议：大牛如何读文献？
• 知乎深度：青年学者如何更好工作
• 知乎热议：初学者如何学好计量经济学
• 知乎热议：为什么会有人觉得青年大学老师是最轻松工作？
• 知乎高赞：文献阅读利器之文献笔记法 (Literature Notes)
• 知乎高赞：17个高质量网站-让你拥有几乎所有的书籍
• 知乎热议：再来一次，你还会选择读博士吗？
• 知乎热议：如何做文献笔记？
• 知乎热议：读博士不去科研岗，意义何在？
• 知乎热议：如何保持充沛的精力？
• 知乎热议：最让你震惊的网站有哪些？
• 专题：机器学习
• 知乎热议：如何学习机器学习
• 知乎热议：纠结-计量经济、时间序列和机器学习