24 篇研究的 Meta 分析，结论是正规贷款让中小企业就业提高 12%、销售提高 18.3%、利润提高 17.6%。配的复现包 25.8 MB，里面有原始录入表、汇率表、分类表、五条 R 脚本、七张主图和三张附录图，还有 29 篇纳入研究的 PDF 原件。页面显示 69 次下载、58 次浏览，2026 年 9 月 3 日建包，10 月 14 日更新。

解压后有 95 个条目，主要分四块。

Data 目录十项：原始录入表 Input_Data 记录每篇研究每个数字来自哪张表，CLASS_B 是研究分类，Exchange Rates 是汇率换算，另有 Cost-effectiveness 与 Intermediate 下的三份中间数据（就业、销售、利润各一份）。

Code 目录五条脚本加一个 renv.lock（404,126 字节，锁住依赖版本）。脚本分工：00-main 总控，01-processing-data 做数据清洗与效应量转换，02.1、02.2、02.3 分别对应就业、销售、利润三个结果变量。

Outputs 目录三十一个文件，覆盖七张正文图与三张附录图，加一份元回归结果表。Final Set of Studies 目录是 29 篇纳入研究的 PDF，Manuscript 目录是论文原稿的 docx 与 pdf。

02.1 那条就业脚本 45,565 字节，是销售（11,411）与利润（11,393）的四倍。原因不难看出来：就业是主结果，子组分析、元回归、先验敏感性检查、森林图、后验预测分布全塞在这一条里，销售与利润只保留了基础分析与先验检查。

所以想学方法，读 02.1 一条就够；想改结果变量做自己的分析，照着 02.2 的结构改更省力。

README 写了作者的运行环境：R 4.4.1，64 位 Windows，32 GB 内存，全程约 15 分钟跑完，脚本结束时会打印一行执行耗时。作者也说明内存少一些应该也能跑。

做法是先跑 00-main，它会按顺序调用 01 与三条分析脚本，结果按就业、销售、利润三个子目录落到 Outputs。依赖版本锁在 renv.lock 里，用 renv 恢复环境比手工装包稳。

除了三个总量数字，子组分析才是这篇的看点：贷款由公共银行发放时，就业效应明显大于私人银行发放的情况；按企业规模、国家收入水平、担保结构分组，效应差别都不大。

作者对此的解释是，私人银行的利润最大化动机，不一定和「把钱借给受信贷约束最重、资本回报最高的企业」这件事对齐。这个判断比「贷款有效」那个结论有信息量，也更值得拿去做政策讨论。

数据来源也写得很清楚：录入表里每个数字都能对回原研究的哪张表；唯一做过的变换是把以水平值报告的结果换算成百分比变化，做法是把系数与标准误都除以控制组均值，原始值与变换值在录入表里都能查。

解压后能看到 .Rproj.user 目录（38 个条目）、Code 下的 .RData（22.8 MB）和 .Rhistory。这些是作者本地工作环境的残留，不是复现需要的内容。.RData 尤其要注意：它存的是作者上次退出时的对象，先加载再跑脚本，可能读到旧数据却不报错。稳妥的做法是删掉这三个再开始，让脚本从原始数据重算。

这不是包做错了，是打包时没剔除临时文件，很多复现包都有这个毛病。

项目页的摘要写的是利润提高 17.6%，README 的概述写的是 23.1%。同一套分析出现两个数字，很可能是期刊版与包内说明对应不同修订，但两处都摆在公开页面上。

引用时最好写清用的是哪一处：按项目页摘要写 17.6%，按包内 README 写 23.1%。做二次分析前，先跑一遍 02.3 看输出落在哪个数上，比自己猜可靠。

适合做企业融资、发展经济学、Meta 分析方法的人。它的价值在路径完整：从原始研究的结果表，到效应量整理，到贝叶斯分层模型，到森林图与后验分布检查，每一步都有文件可对。

不适合只想看结论的人，摘要一段就够，不必下 25 MB。也不适合把它当成贷款效果的定论：24 篇研究的样本选择、发表偏倚、不同国家的金融环境差异，这些都还在论文的讨论范围里，复现包能复现的是计算，不是结论的适用范围。

复现包与 README 的直链、DOI 与引用格式、许可证原文、包内文件清单要点，都放在下面，回帖就能看到。