学员档案：L 同学，某高校应用经济学方向学术硕士。学位论文使用一套省级面板数据，考察一项地方性政策对某行业产出的影响。首轮外审意见几乎都落在研究设计环节：审稿人指出核心解释变量与被解释变量之间可能存在互为因果和遗漏变量问题，原稿仅用固定效应加滞后一期处理，不足以支撑文中多处因果表述。经过识别策略重构、工具变量补充与多维稳健性检验后，论文进入再审流程。以下为整理后的复盘。
一、先分清"相关"与"因果"，再谈改什么
L 同学把意见转过来时，最担心的是"审稿人是不是否定了整个选题"。我们把意见逐条抄写下来，发现三个质疑其实指向同一件事：这篇论文的语言走得比识别策略远。数据能支持的是一次条件相关，文章里却写成了政策效应。
于是第一轮工作不是补回归，而是做减法——把全文中的因果词逐个标出来。凡是没有识别策略支撑的地方，先改成中性表述；只有在做了工具变量或准自然实验设计之后，才允许在相应段落使用因果语言。这个动作看着不产出新结果，却直接决定了后面补什么。
二、把内生性拆成四类，逐条对应
泛泛地说"存在内生性"无法指导修改。我们按四类来源拆开，每一类都指定一个可执行的动作：
- 遗漏变量：地区层面的经济结构与产业结构随时间变化，而模型只控制了少数几个变量。处理方式是加入地区与年份的交互固定效应，并把可能混淆的变量逐批纳入做敏感性检验。
- 双向因果：该行业产出高的地区，本身更可能争取到政策倾斜。处理方式是引入工具变量，并明确交代外生性论证的依据。
- 测量误差：核心解释变量来自统计年鉴，存在口径调整。处理方式是替换数据来源重跑，比较系数方向与显著性是否稳定。
- 样本选择：部分年份数据缺失的样本被整段剔除，可能引入选择偏误。处理方式是改用非平衡面板，并在附录报告剔除前后的结果对比。
拆完之后，原本笼统的一条意见变成了四条可核对的任务，改稿进度也就可控了。
三、工具变量：不能只讲"看起来合理"
原稿曾用核心解释变量的滞后一期作为工具变量，被审稿人直接指出"滞后项仍然内生于当期结果"。这是实证论文里很常见的一处硬伤。
我们重新讨论候选工具的三个条件：与内生变量相关、只通过内生变量影响结果、逻辑上可被读者接受。最终选择了一个与地区产业基础有关的外生冲击类变量，并在正文中补足三件事：
- 第一阶段回归的系数与 F 统计量，弱工具检验用稳健形式报告，而不是只看普通 F 值；
- 过度识别检验结果；若模型恰好识别，就说明为何无法检验，而不是硬报一个数；
- 工具变量的外生性无法靠统计检验完全证明，因此写清逻辑依据，并承认这一限制。
一个经验：审稿人质疑工具变量，多半不是嫌它不够高级，而是嫌作者没把"为什么它能用"讲透。把论证补上，比再换一个更花哨的工具变量更有用。
四、稳健性检验要从"一种"变成"一组"
原稿的稳健性部分只有一处替换被解释变量，说服力偏弱。我们按"结论会不会因为某个处理选择而改变"重新设计了一组检验：
1. 替换测量
核心解释变量与被解释变量各准备两套口径，交叉重跑，报告系数区间而非单一点估计。
2. 改变识别策略
在同一份数据上并行使用动态面板与工具变量两种方法，看方向是否一致。方法之间的相互印证，比任何一种方法内部的稳健性更有分量。
3. 安慰剂检验
把政策发生时点前移若干期，或随机分配处理组，若仍得到"显著"结果，说明原设计可能只是捕捉了趋势。这一步预先设定，避免事后挑结果。
4. 调整聚类层级
标准误分别按地区、按年份、按地区与年份双向聚类，报告显著性是否稳定。很多"结论翻转"其实只是聚类层级换了一下。
五、机制与异质性：先有假设，再跑回归
原稿讨论部分罗列了大量分组回归，看起来热闹，实则缺少主线。我们把它改造成两个有明确假设的部分：机制部分先写出中介路径，再用可行的检验方法验证；异质性部分只保留三组有理论预期的分组，其余移入附录并注明为探索性分析。
这样调整之后，讨论部分从"我们发现了什么"变成"我们预期什么、验证到什么程度、哪一部分没有验证出来"，读起来更像研究，而不是数据清单。
六、结果
修改稿连同逐条回复信一并提交后，进入再审流程。对 L 同学来说，这轮返修最大的收获是理解了识别策略决定了能说什么话——同样的系数，配上不同强度的识别设计，能承载的结论强度完全不同。
七、复盘建议
- 写因果结论之前先自问识别策略是什么；没有识别策略，就把语言改成相关表述。
- 把"存在内生性"拆成遗漏变量、双向因果、测量误差、样本选择四类，逐条对应处理动作。
- 工具变量的关键是论证不是形式；第一阶段、弱工具与过度识别检验一个都别省。
- 稳健性检验在分析前就设计好，事后挑选出来的稳健性没有说服力。
- 异质性与机制分析只保留有理论预期的部分，其余放附录并标注探索性。
- 回复信逐条复述关切、说明改动、给出位置，不辩解也不过度认错。
（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。）