[color=rgba(0, 0, 0, 0.9)]
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
[color=rgba(0, 0, 0, 0.9)]
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。”