现在能体现出她水准低的主要是一些错别字，这也是大部分网友能看明白的。但这些错别字的部分，是不会影响外审和答辩专家的，因为他们主要看文章的选题、论证，尤其是计量方法部分，而这些是大部分网友不看的——说很震惊水准如此之低的朋友，有多少能看懂人家指出的技术错误呢？
作为评审专家，挑错别字只是一个娱乐活动，是通勤路上打发时间用的。评审专家会举出一些错别字的例子，然后督促学生仔细修改，但是很少有学生真的会仔细修改。一般而言，评为优秀毕业论文的人还会严肃对待，因为这篇论文大概率会上网而且受到关注，但杨同学为啥没有这么做，俺就不知道了。
实际上从计量部分看，杨同学已经做的不错了。现在挑错的人，我觉得大部分都是博士生或者青年科研人员，没有大量看过硕士论文，更不会仔细去抠细节，所以根本不了解现在的毕业生，甚至是985高校毕业生的真实水平。
在我看来，这篇论文的质量是可以的。唯一让我有点拿不住的，是她文中频繁引用了一篇论文，但是不在参考文献里，怀疑是她主要参考的文章，有多少创新就不知道了。
我举几个例子：
（1）文中的图片做的还是比较漂亮的。
这个图起码信息都是清晰的，包括照顾到黑白印刷，给不同国家以不同的线条，并且在右边标注清楚。另外横坐标和纵坐标交代的也清楚，还贴心的画出更替水平的生育率作为参照。
这张图照顾到了两组数据的差别，分别用实心圆点和空心棱形表示，而且每个点都标注了名称，每组的拟合曲线（虽然拟合的有点扯淡）页分为实线和曲线——与每个样本点的实心和空心对应，而且在右边以图例表达清楚。
我其实觉得绝大多数硕士生根本做不出来这种图。。。。。。
作为对比，我随便搜了一下一个北京大学的硕士论文：
这个图我觉得做的就不是很清楚，而且它是两个数据搞在一张图上，读者需要仔细看，才明白柱状图是生产量，对应左轴，折线图是价格，对应右轴，而且它选择一个深色背景，坐标轴的刻度故意隐藏，俺也不知道是为啥。。。。
但是这个图，已经算是很好的了。下边这个同样也是北京大学的硕士论文：
大家可以看到，这玩意就是用word做了图直接复制粘贴过来的，没有任何的美化。而且槽点也有很多，例如坐标轴刻度竟然还保持了小数点后边的0。例如图后没有任何的说明，包括数据来源等，再例如文中其实有两组数据，一是gdp的比重，一是出口的比重，但是图中不进行任何区分。。。。
这个，才是中国硕士论文的普遍水平，这甚至是一个北大的毕业生的论文。
（2）理论模型有那么回事儿
其实是一个很简单的凑数的模型，说是博弈，其实就用了一个纳什讨价还价，但是国内很多专家很认可要有一个理论模型，起码工作量上来了，这是加分项。
有趣的是，作者对理论模型还做了一些图：
这是费力不讨好的事儿，我觉得绝大多数硕士甚至博士，写理论模型的时候做不出来这种图，或者懒得做图。
（2）作者的计量方法粗看起来是合格的的。
主要用了“双重固定效应”（很多挑错的人说应该是“双向固定效应”，但是你仔细看她的固定效应，其实所谓的年份是“出生年份”，另外一个所谓的拟面板，其实控制的也不是年份，而是年龄小组，所以她这里严格来说，应该是控制了两种虚拟变量。。。。。）和事件研究（与很多挑错的人说的DID其实还不算一回事），虽然从文中某些蛛丝马迹看，作者可能对方法理解的也不是很透彻，但是大面上找不到毛病。
很多朋友指出了，是否生育是个人的决策，不是外生的。是的，当然也有别的方法，但是作为一个硕士，我其实觉得不用太苛责。另外这个也是可以改进的，例如现在很多高龄的生育其实都是生育年龄快过了才不得不生的。。。
这张图作的也很漂亮，虽然槽点也有一些。
我还特意看了一下，t值1.6，不显著，t值1.65，10%的显著性水平。是准确的。
有人说这玩意不是stata直接导出吗，怎么会有错。您可别说，我在一次会议上（巧合的是，也是在武汉大学）经历过有人汇报论文，有老师当场算了一下系数除以标准误，说我算出来不显著你怎么还有星号啊。从此以后，我闲着没事总是去注意一下显著性是否标错。
当然，有人说你分组的样本怎么和总样本对不上。相信我，评委老师不会去看的，即使看到了，也会说可能是笔误，去改一下。
（3）有一定的学术思考
虽然这个故事很简单，女性生育丧失了外部工作能力，导致家庭内议价能力降低。但是作者在对比中印数据的时候发现了一个反常现象：
对于印度来说，恰好相反，生育之后家暴反而显著降低了。
作者这里做出了很漂亮的一步：思考反常的原因，提出假说，并采取方法验证假说。
接下来作者首先解释为什么会出现这种反常现象：
这两条都是合理的。
然后作者还想办法进行了验证。你别管验证的靠谱不靠谱，我觉得比大多数硕士往前走了一步，思考的深度比大多数硕士要高一些。
这就是我说的为什么这篇论文的水平是高于一般硕士生的（包括只限于985高校），至于你说那些笔误，是大专生都不会犯的，怎么回事？这就是抬杠了。我举出的作图，运用计量方法，进行一定深度的思考并自觉去验证，同样也是一般的大专生所不会的。
作为一个评委，你能咋整？答案是把后者作为她的实际学术能力，前者作为可以纠正的无伤大雅的错误。
即使是公开发表的学术论文，只要不是能证明故意造假，对于不影响文章基本结论的小错误，也是可以容忍的。况且公开发表的学术论文有专业编辑三审三校，初稿上指不定有多少连“初中生”都不会犯的错误呢。
（某单位的公文里有“中国人民共和国”这样的错误，而且还盖章了发给其他单位，愣是很久都没看出来。这算小学生错误还是幼儿园错误？）
当然，我也看到这篇文章的很多硬伤。
包括我在想法里说的，文中的中印比较完全没有必要，而且还带来了一些技术性的问题。但我也理解，这是因为作者是世界经济专业，进行区域国别研究，如果不加入两个以上的国家，这篇论文就和专业不相干了。
有人指出文章在基础数据和计量方法上的错误。前边我没仔细看，计量上我觉得现在很难从结果上看到有问题，除非你让她公布数据和代码。
当然，我个人也是发现了一个大的问题的。
就是样本量的问题。
我倒不是说分组的样本加起来不等于总体样本，所以作者人为删掉了一些样本。
我觉得大致差不多，就算是小问题，不一定是人为删了什么。
一个最简单的反驳：反正你也看不到原始数据，我只要把样本量自己改一下，让它一样不就得了。。。。
实际上，由于某些变量的缺失，出现这种不一致的情况还是很普遍的。
我为什么又说样本量有问题呢，大家可以看这个：
第一个nfhs3的情况，就是我说的可以原谅的错误，因为两个组加起来等于84161，略小于全样本，我只要说有一些划分种性的变量缺失了，就解释了这个问题。
但是第二个nfhs4的情况就完全不一样了，全样本才8000个数据，低种姓和高种姓的子样本分别是3万个和1万个，加起来4万7千个。
这显然是对不上的。
问题出在哪里？
如果问题出在笔误，我觉得也不是不能原谅，不影响基本结论嘛。
然而我们可以看到她的描述性统计：
这是nfhs4各变量的描述性统计。
这就有意思了，其他变量的观测值大体是4万9千这个数量级，只有一个是否就业的变量是8千。
怎么这么巧？因为回归中两个子样本回归的样本量加起来恰好是4万7千个，而所谓的全样本回归的样本量恰好是8千。
可以对比作者的基准回归模型：
可以和上一张表对照，我们可以发现，被解释变量和关键解释变量，样本量都是4万9，那么问题很有可能出在控制变量上。
文章给出的控制变量，包括婚姻、户口、受教育情况，这些变量的样本量也都是4万9。
这就耐人寻味了。
为什么有一个样本量为8千的变量，它不在控制变量里，而有一个全样本回归的样本量恰好等于8千？
到底为什么，就等读者自己思考吧！
ps，回应一些有朋友的不同意见。
关于做表的问题。有朋友指出，大多数脑子正常的本科生都会注意到我说的那几点，还有朋友说，这是文科生的标准，我们理工科从来都标注的清清楚楚。
可惜世界上又个东西叫cnki，无论你是文科生还是理科生，你的论文都在上边，逃不掉的。
我随便搜了一个北京大学的理工科论文：
这些都是不靠谱黑白印刷的。。。。
另外还有一篇：
也是不考虑黑白印刷，另外大哥，说好的数据来源呢？难道是作者自己去统计的？不是说大部分脑子正常的本科生都能想到嘛？
我们再看这位同学作的表：
你就知道为什么我说杨同学的表做的还是挺漂亮的了。。。。
再来一个北大计算机硕士：
说好的绝大多数脑子正常的本科生都会呢。。。。说好的理工科不一样呢。。。。
当然，我知道有人又说了，北大的理工科，还是文科，真正的理工科还是得看我们清华！