er-robustness
Use when building or writing the robustness-check section of an Economic-Research manuscript — organizes checks by the identification threat each one answers, not as an undifferentiated pile.
Profile →npx skills add brycewang-stanford/Awesome-Journal-Skills --skill er-robustness --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 稳健性检验体系（er-robustness） ## 触发时机 - 主回归已定稿，准备补稳健性，但只想到"换控制变量""缩尾"几招 - 审稿人质疑识别（遗漏变量 / 测量误差 / 样本选择），不知道该补哪类检验 - 已堆了一大堆稳健性表，但都没正面回应审稿人最担心的那个威胁 - 把异质性 / 机制误当稳健性写进了"稳健性检验"小节 - DID 文章只画了一张事件研究图，安慰剂只跑了一次 ## 核心区分：稳健性不是机制也不是异质性 | 类型 | 回答的问题 | 操作 | |---|---|---| | **基准结果** | 主效应是什么 | 主回归 | | **稳健性** | 换个方式做主回归，结论变不变 | 同一个 Y、同一个核心解释变量，改度量 / 样本 / 方法 | | **机制** | 为什么有这个效应 | 换中介变量做被解释变量 | | **异质性** | 在什么条件下效应更强 | 分组 / 交互 | 判定法则：**稳健性检验的结论句永远是"核心结论不变"。** 如果一段话的结论是"在 A 组更强""通过 M 起作用"，它就不是稳健性，挪到 er-mechanism / er-heterogeneity。 ## 稳健性检验分类与清单（按识别威胁组织） ### 威胁 1：遗漏变量 / 内生性 - 更换识别策略（OLS → IV / DID / RDD，见 er-identification） - 工具变量 / Bartik 工具，报告第一阶段 F - 逐步加入更高维固定效应（个体×年份、行业×年份、地区×年份）与更多控制变量，看系数稳定性 - **Oster (2019) δ 与 β 边界**（`psacalc` / `oster_bounds`）：在"观测变量解释力强、担心不可观测选择"时报告 δ（处理效应归零所需的不可观测/可观测选择比）与受限 β 边界。δ > 1 是常用门槛（Altonji, Elder & Taber, 2005 的思想） - 安慰剂检验（见下方专节） ### 威胁 2：测量误差 / 变量定义 - 替换核心被解释变量（如 TFP 的 OP / LP / ACF 不同算法） - 替换核心解释变量的度量（连续 vs. 离散、不同阈值、不同数据源） - 不同指标构造方式（主成分 vs. 熵权 vs. 简单加总） ### 威胁 3：样本选择 - 剔除特殊样本：直辖市、金融业、ST/*ST、IPO 当年、极端规模 - 不同时间窗（剔除危机年份 / 政策预热期 / 疫情年） - PSM 后再估（共同支撑域内重做主回归） - Heckman 两步法（存在自选择进入时） ### 威胁 4：估计方法 / 标准误 - 更换聚类层次（个体 → 行业 / 地区 / 处理层级） - 双向聚类（个体 + 时间） - Bootstrap 标准误 - **
- 触发时机
- 核心区分：稳健性不是机制也不是异质性
- 稳健性检验分类与清单（按识别威胁组织）
- 威胁 1：遗漏变量 / 内生性
- 威胁 2：测量误差 / 变量定义
- 威胁 3：样本选择
- 威胁 4：估计方法 / 标准误
- 威胁 5：功能形式
- DID 专属稳健性
- 安慰剂检验的两种类型
- 写作模板（每个稳健性检验一段，固定结构）
- 稳健性检验的"度"
- 执行桥（StatsPAI / Stata MCP）
- 必查清单
What does the er-robustness skill do?
Use when building or writing the robustness-check section of an Economic-Research manuscript — organizes checks by the identification threat each one answers, not as an undifferentiated pile.
How do I install it?
Run `npx skills add brycewang-stanford/Awesome-Journal-Skills --skill er-robustness --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From brycewang-stanford/Awesome-Journal-Skills, a repository with 909 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.