学员档案：Y 同学，某高校产业经济学方向学术硕士，学位论文研究企业规模与创新产出之间的关系，使用一家公开数据库的多年面板数据。首轮外审意见认为，论文对核心变量的处理方式损失了大量信息，结论的稳健性存疑。
困境：连续变量被一刀切成两组
问题出在一个看似省事的做法上。
Y 同学把企业规模按样本中位数切成“大企业”与“小企业”两组，用分组虚拟变量做回归；又把研发强度按三分位切成“低、中、高”三组。这样做的好处是结果好解释，坏处有三条。
第一，连续信息被压缩成类别。同样是中位数以下的企业，规模可能相差几十倍，但在这套设定里没有任何区别。变量本身的变异被丢弃，估计精度也随之下降。
第二，分组阈值缺乏依据。为什么用中位数而不是均值、三分位而不是四分位？论文没有给出任何理由，也没有说明换一个阈值结论是否还成立。评审自然会问：如果换个切法结果就变了，那这个结论还稳吗？
第三，分组导致样本被摊薄。在需要控制行业与年份固定效应时，分组后某些格子的观测数很少，估计变得不稳定，个别系数在加入控制变量后方向就翻了。
第四是口径在摘要与正文之间不一致。摘要里写的是“大企业的创新产出显著更高”，正文表格的分组依据却是研发强度的三分位，两处说的并不是同一个变量。评审读到摘要再翻正文，很容易产生“结论与证据对不上”的印象。
Y 同学一开始觉得这是审稿人挑刺：分组在文献里也很常见。我们的解释是，分组本身不是错，错在没有说明为什么这样分组、也没有检验结论对分组方式的敏感性。
辅导路径：从“分组比较”改回“连续设定”
一、核心解释变量改用连续形式
我们把企业规模还原为连续变量（取对数以缓解右偏），研发强度也改用连续形式，重新估计主回归。结果的方向与分组时一致，但系数精度明显提高，个别原本因为分组而变得不显著的变量重新变得可解释。回归表同时补报了标准误与置信区间，读者可以直接判断估计的精度。
二、补做阈值敏感性分析
考虑到研究问题本身确实关心“规模达到一定程度后效应是否变化”，我们没有简单地一删了之，而是补做了系统的阈值考察：以中位数、均值、三分位为界分别估计，并绘制不同阈值下系数的取值与置信区间，观察结论是否稳定。结果显示效应在阈值两侧的变化是平滑的，说明原来那种“突变式”解读并不成立。
三、非线性关系正面检验
如果确实存在“规模到一定程度后效应减弱”的猜想，正确做法是引入二次项或分位数回归，而不是把它藏在分组阈值里。我们补做了二次项设定与分位数回归，把效应的形状正面呈现出来，并在方法章说明为什么选择这种设定。
四、摘要、正文与表格的口径同步
变量设定一改，摘要与结论章的表述必须同步更新。我们把摘要中所有涉及分组的表述核了一遍，统一改为连续变量的边际效应表述，并逐张核对表格的变量名、单位与样本量，确保三处口径完全一致。这类不一致往往不是研究能力问题，而是改稿时的疏漏。
结果：再审关注阈值的经济含义
返修稿提交后，再审意见不再质疑变量处理，转而讨论阈值位置的经济学解释是否充分。论文按正常流程进入后续环节。Y 同学说，改完才发现原来的分组设定其实掩盖了真正有意思的现象。
复盘建议
- 能用连续变量时优先用连续变量，分组只用于回答特定问题。
- 凡是设定阈值，都要说明依据，并报告结论对阈值的敏感性。
- 关心非线性就正式检验非线性，不要用分组阈值代替。
- 变量处理方式一旦调整，主回归与稳健性检验的口径要同步更新。
本次辅导由学长汇匹配的同方向导师负责。导师来自签约合作导师库，年均在线导师 5,000+，覆盖 1,200+ 细分学科方向（内部统计，统计口径为年均在线导师），在计量模型的变量设定与稳健性检验方面经验较多。
（本案例已脱敏整理，仅用于呈现学术辅导的常见路径，不代表任何具体机构或个人；文中过程与结果均为中性描述，不构成对投稿结果的承诺。）