稳健性检验
Robustness checks
学到 会用 就够：能亲手用起来
你可能会说
“我的主要结果换一种合理设定还成立吗，怎样检查才不是只挑好看的回归？”
稳健性检验检查结论对哪些合理选择或潜在问题敏感，例如换一种测量、样本规则或估计办法后，结果是否明显改变。
使用 AI
科研里的例子
假设农业政策研究担心同期交通改善解释了结果，作者检查交通变化的时点和相关比较，而不只把回归重复十遍后数有几个星号。
先指出要检验的具体疑问，再选择能触及这个疑问的检查。担心某个地区主导结果，可以查看去掉该地区的影响；担心同期政策混在一起，则需要针对那个替代解释设计比较，而不是随意换一列控制变量。尽量在看结果前记录检查计划，保留不支持主结论的结果，并说明变化来自样本、测量还是方法。所谓稳健，不要求所有系数一模一样，而要关注大小、方向、区间和目标问题是否一致。许多相似模型共享同一个错误设计，反复得到同方向结果也不能弥补它。证伪或安慰剂检查同样需要清楚的理论依据。
在你的学科里，直接拿去用
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明，再建议代码。 问题：[填写] 数据字典及已有规则：[提供] 可用软件与现有代码：[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG08
提前制定异质性与稳健性分析计划
我准备研究[问题]，主设计为[设计]。请依据[理论预期和数据说明]拟一份事前分析计划草案：限定主要结果与次要结果、少量有理论依据的分组、组间差异检验、涉及多重比较时的处理思路，以及有理由的替代定义和样本规则。说明各项是否仍估计同一目标效应；可能改变人群或问题的另列。把事前假设与将来可能进行的探索分析分开，所有规格均保留报告。输出计划表和所需信息；没有效能计算所需输入时不编样本量，也不承诺任何分组一定显著。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PE06
判断
亲手检查一次
为每项检查写一句“它在排查什么问题”，没有对应疑问的检查先重新评估，并保留全部相关结果。
它做不到的
稳健性检查不能补造可信的因果比较，也不是通过规定数量的附表就算完成。改变研究对象后，结果不同也可能是在回答另一个问题。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
- Scott Cunningham — Causal Inference: The Remix, Difference-in-Differences Fundamentals2026-11-07 核对
- American Economic Association — Data and Code Availability Policy2026-11-07 核对
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。