发帖
雷达卡
在实证论文中，“主假设检验”和“稳健性检验”是前后呼应的两环：前者回答“核心结论是否成立”，后者回答“结论是否只是巧合或依赖于特定设定”。下面用“一张逻辑图 + 三种常见套路 + 代码模板”帮你快速把稳健性检验嵌入主假设流程，国家自科/社科基金结题、中英文期刊均适用。
一、逻辑图：从主假设到稳健性检验的闭环
二、三种万能稳健性套路（附示例句）
套路1：替换核心变量度量
目的：排除“变量构造方式驱动结果”。
做法：
主假设用 出口额 度量贸易绩效 → 稳健性改用 出口产品种类数 或 出口质量指数。
主假设用 专利授权数 → 稳健性改用 发明专利申请数 或 引用加权专利。
报告句式：
“表3第(2)列将被解释变量替换为出口质量指数(lnexqual)，核心解释变量Treat×Post系数保持显著(β=0.32, p<0.01)，表明基准结果不受绩效度量方式影响。”
套路2：调整模型设定
目的：排除“函数形式/控制变量选择驱动结果”。
做法：
主假设用 OLS → 稳健性改用 Poisson/负二项回归（计数数据）。
主假设用 线性模型 → 稳健性改用 分位数回归（检验不同分布点）。
主假设用 省份固定效应 → 稳健性加入 省份×年份高维固定效应。
报告句式：
“采用负二项回归重新估计后，交互项系数仍在5%水平显著(表4第(3)列)，排除了泊松分布误设导致的偏误。”
套路3：样本截断 & 内生性处理
目的：排除“极端值/反向因果/遗漏变量”干扰。
做法：
样本截断：删除1%极端值、或仅保留持续经营企业样本。
工具变量IV：用政策试点城市地理距离或行业外生冲击做IV。
PSM-DID：用倾向得分匹配+双重差分，确保处理组对照组可比。
报告句式：
“表5第(4)列显示，采用PSM-DID样本后，交互项系数从0.41降至0.38，但仍显著(p=0.028)，验证了结论不受样本选择偏误影响。”
三、代码模板（Stata & Python 对照）
Stata：三步出结果
Python：PyHDFE + linearmodels
四、国家自科/社科基金结题专用提示
主假设与稳健性必须放在同一章节，标题为“5.3 稳健性检验”（国自科模板要求）。
表格编号：主回归表5-1，稳健性表5-2至5-4，勿另起章节。
关键一句话：在结题报告“主要创新”部分需写：
“通过变量替换、IV估计、样本截断等三种稳健性检验，核心结论始终显著，排除了度量误差与内生性干扰。”
五、一句话总结
“先跑主回归，再用‘换变量、换模型、换样本’三把刀各砍一刀；三刀下去仍显著，就可放心写结论。”
京公网安备 11010802022788号
