Agent Skills
› brycewang-stanford/Awesome-Journal-Skills
› cre-identification
cre-identification
GitHub针对《中国农村经济》稿件，审查微观因果识别策略。覆盖DID、IV、RDD及PSM，重点排查农户自选择、反向因果等内生性问题，确保满足期刊对政策评估与稳健性检验的严苛要求。
Trigger Scenarios
实证仅含描述统计或OLS，未处理自选择内生性
使用TWFE DID但未回应异质性处理偏误
IV存在弱工具或排他性疑虑
PSM未讨论不可观测选择性
Install
npx skills add brycewang-stanford/Awesome-Journal-Skills --skill cre-identification -g -y
SKILL.md
Frontmatter
{
"name": "cre-identification",
"description": "Use when the empirical identification strategy is the bottleneck for a 《中国农村经济》 manuscript — micro-household \/ village-level quasi-experimental designs (DID, IV, RDD, PSM). Stress-tests the design and the rural-specific endogeneity before drafting tables."
}
因果识别策略（cre-identification）
触发时机
- 实证主体仅有描述统计 + OLS + 控制变量
- 自变量是农户的自选择行为（入合作社、外出务工、采用新技术、参与流转），但没处理自选择内生性
- DID 用了 TWFE 但没回应近年异质性处理批评（Goodman-Bacon, de Chaisemartin, Sun-Abraham, Callaway-Sant'Anna）
- IV 第一阶段 F 弱 / 工具变量排他性疑虑
- PSM 只做了匹配但没讨论"不可观测的选择性"
设计优先级
《中国农村经济》编委对农村微观研究的偏好排序（强 → 弱）：
- 农村政策冲击 + DID（含 staggered / continuous treatment）——如某项试点改革、确权、补贴政策的分批推行
- 断点回归——清晰的政策门槛（如贫困县划定线、补贴资格线、年龄门槛）
- 工具变量——强工具 + 排他性论证（处理农户自选择的核心武器）
- 倾向得分匹配 + DID（PSM-DID）——农村横截面 / 短面板的常见组合
- 合成控制法——村级 / 县级政策评估
- OLS + 严密的自选择讨论（仅在有强外生性论证或结构 / 理论实证时可接受）
农村数据的内生性专项
农村微观研究最常见的内生性来源，审稿人必查：
- 自选择进入处理：是否更"能干 / 风险偏好 / 资源禀赋好"的农户才入社 / 流转 / 务工？
- 反向因果：是收入高才参与，还是参与带来收入？
- 测量误差：农户自报的收入 / 土地面积 / 用工常有偏差
- 遗漏的村级 / 家庭固定特征：村庄区位、宗族网络、家庭社会资本
针对性策略至少给出一条：固定效应 + IV / 准实验冲击 / 匹配 + 安慰剂 / 双稳健（Heckman 仅作辅助，不能单独立住识别）。
分支路径
分支 A：DID
- 是否 staggered？→ 必须用 Goodman-Bacon 分解 + Callaway-Sant'Anna 或 Sun-Abraham
- 平行趋势检验：事件研究图必须画
- 安慰剂：随机分配处理村 / 处理户 500–1000 次
- 是否报告 Bacon 分解的"坏比较"权重？
分支 B：IV
- 第一阶段 F 必须 ≥ 10（弱工具 → 用 Anderson-Rubin 或 weak-IV-robust CI）
- 排他性论证至少需要 3 段：理论 / 制度 / 安慰剂；说明工具只通过处理变量影响农户结果
- 农村常用工具（地理 / 历史 / 政策外生）的内生性也要论证，不能"看起来外生就行"
- 是否报告了 reduced form？
分支 C：RDD
- 是否做了 McCrary / 密度检验（防止农户在门槛附近操纵，如人为划线进贫困户）？
- 带宽：最优带宽（Calonico-Cattaneo-Titiunik）+ 至少 3 个带宽稳健性
- 协变量平滑性检验
分支 D：PSM / PSM-DID
- 报告匹配前后的协变量平衡性检验
- 报告共同支撑域（common support）
- 明确讨论"不可观测选择性"——PSM 只能处理可观测变量，需补 IV 或敏感性分析（Rosenbaum bounds）
- 优先 PSM-DID 而非纯横截面 PSM
分支 E：结构估计 / 理论实证
- 农户决策模型的微观基础是否清晰？
- 识别假设是否明确列出？
- 是否提供反事实（如政策模拟）？
执行桥（StatsPAI / Stata MCP）
把设计跑出来并审计，而不是只做描述。完整映射见
execution-with-mcp。《中国农村经济》是三农实证刊，政策评估与微观面板为主；突出识别与选择性偏误处理。
detect_design→recommend→ 用as_handle=true拟合 →audit_result列出尚欠的检查。- **观察性因果：**交错 DID（
callaway_santanna/sun_abraham+bacon_decomposition+honest_did_from_result）；IV（effective_f_test+anderson_rubin_ci）；RDD（rdrobust+mccrary_test）。 - **实验：**随机化推断 +
romano_wolf做多结果族错误率控制。 - 敏感性：
oster_delta/sensemakr。
正文报告经济量级，完整 battery 进附录；每个数字都能复现。端到端真跑示例见
JF 执行 walkthrough。若 StatsPAI/Stata 未连接，改用 resources/code/ 并标注未验证数字。
必查清单
- 平行趋势 / 平滑性 / 弱工具 / 匹配平衡 检验都做了
- 农户自选择内生性有明确处理（不是一句"我们假设外生"）
- 安慰剂检验做了（处理时点随机 / 处理村或户随机）
- 标准误聚类层次合理（农户 / 村 / 县 / 政策推行层级）
- 是否回应了"被处理农户预期"问题（如预期确权而提前调整行为）
反模式
- 纯描述性统计 + OLS 就下因果结论
- 自变量是农户自选择行为（入社 / 务工 / 流转）却不处理自选择
- TWFE + staggered 但不讨论异质性处理偏误
- PSM 只报匹配结果，回避"不可观测选择性"
- IV 用"村级历史变量"但不论证它不通过其他渠道影响当代农户结果
- RDD 用了门槛但不做密度检验（农户可能操纵分组）
输出格式
【识别策略】DID / IV / RDD / PSM-DID / 结构估计 / 其他
【自选择处理】方式：[...]
【已完成检验】[平行趋势, 安慰剂, 弱工具, 匹配平衡, ...]
【缺失检验】[...]
【聚类层次】农户 / 村 / 县 / ...
【下一步】cre-mechanism
Version History
- 1839142 Current 2026-07-05 12:28
