论文写作的3C: 完整性、清晰性、可信性（该文甚好，转录于此）
论文写作的3C: 完整性、清晰性、可信性
武夷山
Academy of Management Journal编辑部发表了系列文章，谈论文写作要注意什么问题。该刊2012年第1期由Yan（Anthea）Zhang和Jason D. Shaw合写的文章属于这个系列的第5部分，专门讨论“方法”与“结果”两小节的写作。我觉得，文章所谈的内容不仅适用于管理学论文，而且具有超出管理学学科的一定的普遍意义，故简要介绍其观点。
两位作者对该刊保存的大量拒稿信档案进行了考察，看看被拒文稿有什么共同问题，结果发现，它们主要在completeness（完整性）、clarity（清晰性）和credibility（可信性）这3C中的至少一方面出了问题。
“方法”小节的3C
完整性
“方法”小节要实现3个目标，每个目标都涉及完整性的问题。
1. 要交代研究过程的how、what和why。比如，论文涉及的所有测度值如果能放在附录中就很好。
2. 使得读者读完论文后，能够就本文的优点与缺点作出评价。
3. 提供充分的信息，让人家有可能重复本项研究，得出同样的结果。
清晰性
作者在清晰性方面经常出问题，比如，说本文所用的指标是对原有指标做了改进，却没讲清楚到底是怎么改动的，改动的依据是否充分。
可信性
1. 一定要交代为什么选取某个样本。
2. 最好简要小结一下本文采用的构念（Construct）的定义，然后再描述相关构念的测度指标。
3. 说清为什么要进行某种操作。比如，有多种可供选择的指标时，应说明本文除了最后选定的指标外，还考察过哪些其他指标，为什么弃用那些指标。
4. 一定要就模型设定和数据分析方法展开一些论证，比如同样对于面板数据，是采用固定效应模型还是采用随机效应模型？
“结果”小节的3C
完整性
文章采用的分析单位、样本规模、模型的变量等，一定要阐述清楚。
清晰性
常见的问题是，有的作者没有把研究发现与起初的研究假设关联起来。有时候，你得出的结果不能支持假设，但是，不具有显著统计意义的结果，与期望值符号相反的结果，也是同等重要的。有的作者喜欢将这些不太理想的结果给隐藏起来，反而被审稿者逮个正着。
另外，对于不同的变量，这一段是按这个次序叙述的，下一段也按这个次序来叙述，也有助于文章的清晰性。
可信性
1. 要回答，为什么自己对结果的阐释是合适的。
2. 如果存在着多种指标、方法和模型设定方式，而作者只选了一种，就可能被批评为“摘樱桃”――挑选有利的结果来支持自己的假设。因此，最好要提供补充性的分析和稳健性检验。
3. 即使所得结果具有显著的统计意义，读者仍会问：那又怎么样？具有显著统计意义的效应未必是实际意义重大的效应。因此，可以做一些追加分析来表明研究结果确实具有实际意义。
来源：http://blog.sciencenet.cn/blog-1557-581916.html
武夷山
Academy of Management Journal编辑部发表了系列文章，谈论文写作要注意什么问题。该刊2012年第1期由Yan（Anthea）Zhang和Jason D. Shaw合写的文章属于这个系列的第5部分，专门讨论“方法”与“结果”两小节的写作。我觉得，文章所谈的内容不仅适用于管理学论文，而且具有超出管理学学科的一定的普遍意义，故简要介绍其观点。
两位作者对该刊保存的大量拒稿信档案进行了考察，看看被拒文稿有什么共同问题，结果发现，它们主要在completeness（完整性）、clarity（清晰性）和credibility（可信性）这3C中的至少一方面出了问题。
“方法”小节的3C
完整性
“方法”小节要实现3个目标，每个目标都涉及完整性的问题。
1. 要交代研究过程的how、what和why。比如，论文涉及的所有测度值如果能放在附录中就很好。
2. 使得读者读完论文后，能够就本文的优点与缺点作出评价。
3. 提供充分的信息，让人家有可能重复本项研究，得出同样的结果。
清晰性
作者在清晰性方面经常出问题，比如，说本文所用的指标是对原有指标做了改进，却没讲清楚到底是怎么改动的，改动的依据是否充分。
可信性
1. 一定要交代为什么选取某个样本。
2. 最好简要小结一下本文采用的构念（Construct）的定义，然后再描述相关构念的测度指标。
3. 说清为什么要进行某种操作。比如，有多种可供选择的指标时，应说明本文除了最后选定的指标外，还考察过哪些其他指标，为什么弃用那些指标。
4. 一定要就模型设定和数据分析方法展开一些论证，比如同样对于面板数据，是采用固定效应模型还是采用随机效应模型？
“结果”小节的3C
完整性
文章采用的分析单位、样本规模、模型的变量等，一定要阐述清楚。
清晰性
常见的问题是，有的作者没有把研究发现与起初的研究假设关联起来。有时候，你得出的结果不能支持假设，但是，不具有显著统计意义的结果，与期望值符号相反的结果，也是同等重要的。有的作者喜欢将这些不太理想的结果给隐藏起来，反而被审稿者逮个正着。
另外，对于不同的变量，这一段是按这个次序叙述的，下一段也按这个次序来叙述，也有助于文章的清晰性。
可信性
1. 要回答，为什么自己对结果的阐释是合适的。
2. 如果存在着多种指标、方法和模型设定方式，而作者只选了一种，就可能被批评为“摘樱桃”――挑选有利的结果来支持自己的假设。因此，最好要提供补充性的分析和稳健性检验。
3. 即使所得结果具有显著的统计意义，读者仍会问：那又怎么样？具有显著统计意义的效应未必是实际意义重大的效应。因此，可以做一些追加分析来表明研究结果确实具有实际意义。
来源：http://blog.sciencenet.cn/blog-1557-581916.html
