同一份简历，三个版本：一份不写代词，一份写 she/her，一份写 they/them。7,970 份这样的申请组成 3,985 个配对，投向美国六个都市区的 15 种岗位，看招聘方是否回话。这份复现包把配对数据、变量构造与全部表图的 R 代码一起放出来。

论文是《Taryn versus Taryn (she/her) versus Taryn (they/them): A Field Experiment on Pronoun Disclosure and Nonbinary Hiring Discrimination》，已被 Journal of Human Resources 有条件接收。复现材料 2026 年 10 月 25 日发布在 Zenodo，记录号 23632034，许可 CC BY 4.0。

code.zip 只有两个文件：main_paper_analysis.R（890 行，出主文表
1、表
2、表
4、表 5，图 1 与图 2 的三个面板）和 appendix_analysis.R（2,647 行，出附录表 A9—A26 与图 A4）。data.zip 三个 CSV：

脚本按论文表图编号分节，找某张表直接跳到同名注释即可，不用猜哪个函数出哪个结果。

明细数据的一行是一份申请，不是一对。application_id 标识岗位与配对，所以在申请层面数据里出现两次；做配对固定效应时用它，做聚类时也用它。

处理变量三个：pronouns 分 no pronouns、binary、they/them 三类；pronouns_a 对两个披露臂都取 1；pronouns_nb 只对 they/them 取 1。结果变量 pap_positive 表示雇主有积极回应。写回归时，pronouns_nb 与 pronouns_a 两个系数合起来才是"披露代词相对不披露"的平均效应，代码里专门做了一条系数和为零的检验。

配对结构决定了三组样本不等：3,985 个配对里每对只有一份不写代词的申请，另一份随机是 she/her 或 they/them，所以对照组 3,985 份、they/them 臂 2,695 份、binary 臂 1,290 份。把三组当成等分随机分组会算错。

按 CSV 直接数，pap_positive 的未加权比例是：不写代词 31.29%（3,985 份）、she/her 29.38%（1,290 份）、they/them 25.83%（2,695 份），全样本 29.13%。they/them 相对不写代词低 5.46 个百分点，she/her 低 1.91 个百分点。

这是描述值，不是论文的处理效应估计。论文在表 4 里逐列加控制项与固定效应，数字会变；用这份表可以快速判断数据读得对不对，别拿它当结论引用。

五列共用同一个基础式 pap_positive ~ pronouns_nb + pronouns_a，标准误一律聚类到 application_id。

第一列只放两个处理指示；第二列加入简历控制项与雇主控制项，简历侧含相关工作年限及其平方、是否在职、学历与在校表现、技能标签、投递次序与滞后投递量，雇主侧含估计应聘人数、相对收入与收入差、是否漏报收入；第三列换成 occupation、location、ra_name 三组固定效应；第四列同时上控制项与这三组固定效应；第五列改用 application_id 配对固定效应，把同一岗位同一配对内的比较做干净。

每列跑完都跟一条 pronouns_nb + pronouns_a = 0 的线性假设检验，报出两个披露臂合起来是否显著不为零。这一列递进的设计本身就是个模板：从裸差分到配对内比较，看系数怎么移动。

异质性按三处切：当地政治环境（共和党票仓的都市区与其余地区）、岗位工资区间、是否面向客户。做法是在基础式上加交互项，例如 pronouns_nb_republican_loc + pronouns_a_republican_loc + republican_loc，然后分别检验主效应与交互项是否为零。

附录里还有几张值得单独看的：A16 收的是估计不精确的零结果，A18 用异方差 logit 做 Neumark 偏差校正，A19 是检测检验，A20 换了性别歧视的对照设定，A21—A24 把主文与异质性结果各做一遍稳健性。

作者参考环境是 R 4.5.2（Windows x64），需要 16 个包：ggplot2、dplyr、fixest、marginaleffects、broom、ggsignif、conflicted、tibble、sandwich、Rchoice、car、nlWaldTest、survival、scales、miceadds、MASS。结果打印在控制台，不落盘成表。

两个脚本开头都有一行 project_dir <- "PATH/TO/REPLICATION_PACKAGE"，必须改成三个 CSV 所在目录的完整路径；三个 CSV 要放在同一层，脚本按文件名直接读，没有相对路径兜底。不改这一行，脚本第一步就找不到文件。

README 写明主脚本产表
1、表
2、表
4、表 5，附录脚本产 A9—A26，也就是说主文表 3 与附录前八张表没有对应代码。想核这几张表只能回论文原文看定义，别在脚本里翻。这不影响主结果复现，但对外说"全部表图都能重跑"就过头了。

六个都市区是 Colorado Springs、Denver、Provo、Salt Lake City、Seattle、Spokane，选举数据与人口结构都进了异质性分析。这套设计能学的是配对申请、回应率因变量、交互检验与表图对应的做法；至于代词披露在国内招聘里意味着什么，这份数据回答不了。

需要记录页与两个压缩包的直达地址、226 列的字段清单、表图与代码段对照，以及三组回应率的计算口径，回帖后可见。