21.4 因果识别设计与估计

面向经管学生、研究者与从业者的 AI 智能体设计教材

作者

李学恒、林建浩、严翊歆

发布于

2026-05-11

本节进入八阶段流水线的阶段 5——主回归与因果识别执行。因果识别是研究者不能外包的判断：选择 IV 还是 DID、选 Callaway-Sant’Anna 还是传统 TWFE，是对研究问题、数据结构和识别假设的综合权衡。AI 在这件事上的定位很明确：在研究者选定方法后高效执行具体估计代码、生成对照结果、绘制事件研究图、维护多份规范的一致性。本节讲如何让 agent 协助方法选择而不越权、为什么渐进采纳情景要用 csdid 而不是 reghdfe、主回归 Skill 的标准模板长什么样，以及 LLM 在估计环节独有的训练数据泄漏风险。

方法选择决策树

研究者在设计阶段最常问自己的问题可以整理成一棵决策树。树的每个分叉都对应一组识别假设，选错了就意味着后续所有估计的可信度归零。

flowchart TD
    A[研究问题确立] --> B{有无明确的<br/>外生冲击变量?}
    B -->|是| C[工具变量 IV<br/>ivreg2 / ivreghdfe]
    B -->|否| D{有无阈值或<br/>断点规则?}
    D -->|是| E[断点回归 RDD<br/>rdrobust]
    D -->|否| F{有无处理时点<br/>变化的面板?}
    F -->|否| G[横截面或<br/>匹配方法]
    F -->|是| H{处理时点是否<br/>渐进采纳?}
    H -->|否, 单时点| I[传统 DID / TWFE<br/>reghdfe]
    H -->|是, 多时点| J{控制组数量?}
    J -->|充足| K[Callaway-Sant'Anna<br/>csdid]
    J -->|少于 5 个| L[合成控制 / SDID<br/>synth / sdid]

flowchart TD
    A[研究问题确立] --> B{有无明确的<br/>外生冲击变量?}
    B -->|是| C[工具变量 IV<br/>ivreg2 / ivreghdfe]
    B -->|否| D{有无阈值或<br/>断点规则?}
    D -->|是| E[断点回归 RDD<br/>rdrobust]
    D -->|否| F{有无处理时点<br/>变化的面板?}
    F -->|否| G[横截面或<br/>匹配方法]
    F -->|是| H{处理时点是否<br/>渐进采纳?}
    H -->|否, 单时点| I[传统 DID / TWFE<br/>reghdfe]
    H -->|是, 多时点| J{控制组数量?}
    J -->|充足| K[Callaway-Sant'Anna<br/>csdid]
    J -->|少于 5 个| L[合成控制 / SDID<br/>synth / sdid]

树只给出粗线条。真实研究里，每个节点还要追加细节：IV 的相关性和排他性是否站得住、RDD 的带宽如何选、DID 的平行趋势能否用事件研究可视化。这些判断不写在树上，而是写在 references/ 下的方法论卡片里——例如 did-checklist.md、iv-validity.md、rdd-bandwidth.md。每张卡片 50-100 字，列举该方法的关键假设和诊断命令，作为 Skill 执行前的参考材料。

让 agent 辅助方法选择

研究者不应当把”该用哪种方法”抛给 AI，但可以让 AI 在研究者的方法候选集上做辅助判断。做法是让方法选择 Skill 读取 references/ 下的方法论卡片，把研究问题映射到假设检查单，输出”推荐 X 方法的理由 + 需要研究者亲自确认的假设”。

▶ Claude Code

[用户]
我要研究美国各州最低工资调整对低薪就业的影响。数据是 QCEW 2000-2019
州-年面板，各州在不同年份提高最低工资。帮我判断用什么方法。
/method-advisor

[Claude Code]
读取 references/did-checklist.md 和 references/iv-validity.md。
根据你描述的设计，我的推荐如下：

推荐方法：Callaway-Sant'Anna (csdid)
三个支持理由：
1. 你有处理时点变化的州-年面板，符合多期 DID 结构
2. 各州提高最低工资的时点不同（渐进采纳），TWFE 会产生负权重
   问题（Goodman-Bacon 2021, de Chaisemartin-D'Haultfoeuille 2020）
3. 控制组充足（从未调整或延后调整的州）

需要你亲自确认的两个假设：
A. 平行趋势：处理前各州低薪就业趋势是否与从未调整组相似？
   建议用 event study 的 pre-period 系数目视检验。
B. 处理时点外生性：州决定提高最低工资是否与当期就业冲击相关？
   如果相关（例如州经济繁荣时涨工资），csdid 结果仍会偏。
   建议补一个排除经济衰退期的稳健性检验。

我不做最终决定，这两项请你判断后再进入主回归。

这段互动体现了几个原则。AI 给出的是有结构的建议，不是结论——三个支持理由来自文献、两个假设检查点对应 DID 的核心识别假设。AI 明确声明 “我不做最终决定”，把拍板权交回研究者。研究者即便采纳建议，也要自己在 event study 图上看 pre-period 平行、自己判断处理时点的外生性。这才是 HITL 的正确形态：AI 承担整理、对照、提醒的工作，研究者承担判断。

词条：渐进采纳设计（Staggered Adoption）

定义：多期 DID 中处理单元在不同时间点陆续接受处理的设计结构。

作用：区别于所有处理单元同时接受处理的经典双期 DID。美国各州最低工资调整、各省房产税试点、各国加入 WTO 都属于此类。

关键风险：传统 TWFE 估计量在这类设计下会产生负权重，即某些处理单元的处理效应会被”减去”而非”加上”，导致系数方向甚至可能反向。Callaway-Sant’Anna、de Chaisemartin-D’Haultfoeuille、Sun-Abraham 三套方法均针对此问题提出修正。

Callaway-Sant’Anna vs TWFE

词条：本节涉及的三个本科计量术语

TWFE（双向固定效应）：Two-Way Fixed Effects，回归同时吸收个体（如州）和时间（如年）两个维度的固定效应，模型形如 y_it = α_i + δ_t + β·D_it + ε_it。是 DID 估计最常用的实现形式之一。当处理时点不一致（不同州在不同年份接受政策）时，传统 TWFE 在 staggered DID 文献中已被证明可能给出有偏估计，需要换用 Callaway-Sant’Anna 等专门估计量。

平行趋势假设：DID 设计的核心识别假设。若没有政策干预，处理组和控制组的结果变量在时间维度上应沿相同的趋势演化。该假设本身无法直接检验，事件研究图（event study）只是间接诊断：处理前各期系数接近零是间接支持，前期系数显著偏离零则是明确的否定证据。

聚类标准误：当样本中存在组内相关（如同一州不同年份的观测互相关联）时，传统标准误会低估实际不确定性。聚类标准误（cluster-robust SE）按某一层级（如州）重新计算方差，把组内相关纳入。聚类层级须与处理变量变异的层级匹配——最低工资 DID 中处理在州层面变化，标准误也聚类于州。

渐进采纳设计下，传统 TWFE（reghdfe y treat, absorb(i t)）和 Callaway-Sant’Anna（csdid）会给出不同结果。差异来自权重处理方式。

维度	TWFE（reghdfe）	Callaway-Sant’Anna（csdid）
核心估计量	单一系数 β	分组分期 ATT(g,t)
权重处理	隐式加权，可能产生负权重	显式按处理组-时期聚合，非负权重
控制组选择	所有未处理观测（含已处理组的前期）	可选”从未处理”或”尚未处理”
事件研究	需手动生成 leads/lags 系数	`estat event` 一行输出
适用场景	单时点处理、同步处理	渐进采纳、处理时点异质
速度	快	慢（需估计多个 ATT(g,t)）

ATT(g,t) 的直觉是：把所有接受处理的单元按首次处理年份 g 分组，再对每组单独估计各期 t 的处理效应，最后用研究者指定的聚合权重合并成汇总估计量。这样做的好处是每个处理组只和它自己的合适对照组比较，不会把已经处理过的单元错误地拿来做对照。

两者不是相互替代，而是在报告里并列呈现。主回归用 csdid，作为方法论升级；reghdfe 结果放对照栏，展示 “如果用传统方法，结果长这样”。两者若差异很大，要在正文说明为什么选 csdid——这是典型的稳健性讨论。

csdid 与 TWFE 的差异一句话

TWFE 在渐进采纳下会把已处理组当作新处理组的控制组，而新处理组的处理效应被用负权重减掉；csdid 只用”尚未处理”或”从未处理”的单元作对照，权重非负，结果更稳健。

主回归 Skill 的完整范例

把因果估计封装成 Skill 的好处是规范固化。每次跑主回归都走同一套步骤：读面板、跑 csdid、跑 reghdfe 对照、画事件研究图、落盘暂存。AI 按 Skill 执行，研究者在关键节点审阅。下面是 did-estimate.skill 的完整内容。

▶ Skill

---
name: did-estimate
description: 对已清洗面板执行 Callaway-Sant'Anna DID 主回归，并生成 TWFE 对照、事件研究图和估计存档。触发关键词：主回归、DID、csdid、event study、平行趋势。
---

# DID 主回归执行步骤

## 前置检查

在执行估计前，向用户输出主回归规范摘要，等待确认：

- 面板文件路径（默认 data/processed/panel_balanced.dta）
- 结果变量（默认 log_emp）
- 处理变量（gvar，首次处理年份；控制组编码为 0）
- 个体维度（ivar，默认 state_id）
- 时间维度（tvar，默认 year）
- 聚类层级（默认 vce(cluster state_id)）
- 控制变量集（默认无控制，作为基准规范）

用户回复"确认"后再进入执行。

## 执行步骤

1. 读取清洗面板，isid 守卫主键，assert 样本量符合预期
2. 运行 csdid，以 notyet 选项指定"尚未处理"为对照组
3. 依次运行 estat simple / estat group / estat calendar / estat event
4. 调用 csdid_plot 生成事件研究图，保存至 output/figures/fig_event_study.pdf
5. 运行 reghdfe 作对照，absorb(state_id year)，同一聚类规范
6. estimates store cs_main 和 twfe_main，供 esttab 后续调用
7. 将所有输出追加到 output/logs/main_reg_log.txt

## HITL 输出

执行结束后向用户呈现：
- 主回归规范摘要（ATT 点估计、聚类后 SE、N、状态数）
- 事件研究图路径
- csdid 与 reghdfe 的系数差异百分比
- 平行趋势目视检验建议：查看 pre-period 系数是否接近 0

用户确认前不推进到稳健性检验。

Skill 的结构有三点值得留意。第一，前置检查把所有规范性决策（变量、聚类、控制变量）在执行前集中呈现给研究者，避免 AI 用默认值偷偷改变规范。第二，执行步骤是可重复的，每次主回归走同一套流程，不同研究项目只改输入变量名。第三，HITL 输出不是执行完就交差，而是强制研究者在进入稳健性之前审阅主回归——这个检查点最贵，错了以后所有稳健性都要重跑。

核心 Stata 命令

Skill 背后是一段具体的 Stata 代码。落到 04_main_reg.do 里是这样：

* 04_main_reg.do : 主回归
version 18.0
set seed 20260417
use "data/processed/panel_balanced.dta", clear

* Callaway-Sant'Anna 主规范
csdid log_emp, ivar(state_id) tvar(year) gvar(g_first_treated) notyet wboot reps(999)
estat simple
estat group
estat calendar
estat event
csdid_plot, title("事件研究：最低工资调整对低薪就业") ///
    xlabel(-5(1)5) yline(0, lpattern(dash))
graph export "output/figures/fig_event_study.pdf", replace
estimates store cs_main

* 传统 TWFE 对照
reghdfe log_emp treat_indicator, ///
    absorb(state_id year) vce(cluster state_id)
estimates store twfe_main

* 并列输出
esttab cs_main twfe_main using "output/tables/tab_main.tex", replace ///
    b(3) se(3) star(* 0.1 ** 0.05 *** 0.01) ///
    booktabs label nonotes ///
    mtitles("CS-DID" "TWFE") ///
    title("主回归：最低工资对低薪就业的影响") ///
    addnotes("括号内为聚类在州层级的标准误。")

csdid 的 notyet 选项指定 “尚未处理”为对照组，这是渐进采纳情景里更干净的对照设定。estat event 输出处理前后各期的 ATT 动态路径，直接进入事件研究图。reghdfe 的聚类层级和 csdid 保持一致（都在州层级），两者系数可比。esttab 的 booktabs + nonotes 让输出直接进 LaTeX 论文，不再手工调格式。

训练数据泄漏与验证样本

方法选择与 Skill 封装都假设 AI 是一个听话的执行者。但 LLM 在估计环节有一个独有的风险：它可能在预训练时已经见过经典数据集或经典论文。当你让它”分析”Card-Krueger 1994 新泽西快餐业数据时，它给出的系数可能是它记住的原文系数，而不是从你数据里重新估出来的。

Ludwig, Mullainathan & Rambachan (2025) 把这称为 LLM 在预测（prediction）和估计（estimation）之间的角色混淆。LLM 可以是好的预测工具——给它一段文本，它能给出情感、主题、实体。但它不是好的因果估计工具——给它一张回归表，它可能在复述记忆。两者的混淆会让研究结论建立在虚假的”独立验证”上。

训练数据泄漏的识别与防范

风险场景：让 LLM 直接”分析”Card-Krueger 1994、Angrist 1990、Autor-Dorn-Hanson 2013 等经典文献的公开数据集，并报告系数或显著性结论。模型可能从记忆里调取原文结果，而不是真正从数据中估计。

识别方法（Ludwig-Mullainathan-Rambachan 2025 验证样本流程）： 1. 在 LLM 几乎肯定未见过的数据上重跑同一分析——例如把时间窗口推到预训练截止日之后的新数据 2. 或者对数据做不可逆的扰动（如随机抽样、变量重命名、单位变换）后再让 LLM 分析 3. 对比两次结果：若显著发散，说明原结果含记忆成分

Claude Code 中的防范： - 让 AI 只执行代码（csdid、reghdfe），不要让 AI 替你 “解读数字” - 主回归结果的经济显著性判断由研究者亲自做 - 稳健性检验里加入 “推后样本”（例如 2020-2023）作为一列——LLM 未见过的时段，如果系数仍稳定，说明结果不是记忆复述 - 在 CLAUDE.md 中明确：AI 只生成代码和表格，系数解读、假设判断、稳健性结论由研究者撰写

这条防范措施不只是原则性规定，也是审稿人和期刊日益重视的议题。AEA 2025 政策和部分期刊已经要求作者在披露中说明 “哪些结果由 AI 解读、哪些由作者独立核验”。把这条界线画在 “AI 跑代码、人读数字”的位置，既能让 AI 承担执行工作，又能把判断保留给研究者，是当前最稳妥的协作范式。

--- title: "21.4 因果识别设计与估计" --- ![配图：因果识别方法选择决策树](images/img_04_causal_tree.png) 本节进入八阶段流水线的阶段 5——主回归与因果识别执行。因果识别是研究者不能外包的判断：选择 IV 还是 DID、选 Callaway-Sant'Anna 还是传统 TWFE，是对研究问题、数据结构和识别假设的综合权衡。AI 在这件事上的定位很明确：在研究者选定方法后高效执行具体估计代码、生成对照结果、绘制事件研究图、维护多份规范的一致性。本节讲如何让 agent 协助方法选择而不越权、为什么渐进采纳情景要用 `csdid` 而不是 `reghdfe`、主回归 Skill 的标准模板长什么样，以及 LLM 在估计环节独有的训练数据泄漏风险。 ## 方法选择决策树研究者在设计阶段最常问自己的问题可以整理成一棵决策树。树的每个分叉都对应一组识别假设，选错了就意味着后续所有估计的可信度归零。 ```{mermaid} flowchart TD A[研究问题确立] --> B{有无明确的 外生冲击变量?} B -->|是| C[工具变量 IV ivreg2 / ivreghdfe] B -->|否| D{有无阈值或 断点规则?} D -->|是| E[断点回归 RDD rdrobust] D -->|否| F{有无处理时点 变化的面板?} F -->|否| G[横截面或 匹配方法] F -->|是| H{处理时点是否 渐进采纳?} H -->|否, 单时点| I[传统 DID / TWFE reghdfe] H -->|是, 多时点| J{控制组数量?} J -->|充足| K[Callaway-Sant'Anna csdid] J -->|少于 5 个| L[合成控制 / SDID synth / sdid] ``` 树只给出粗线条。真实研究里，每个节点还要追加细节：IV 的相关性和排他性是否站得住、RDD 的带宽如何选、DID 的平行趋势能否用事件研究可视化。这些判断不写在树上，而是写在 `references/` 下的方法论卡片里——例如 `did-checklist.md`、`iv-validity.md`、`rdd-bandwidth.md`。每张卡片 50-100 字，列举该方法的关键假设和诊断命令，作为 Skill 执行前的参考材料。 ## 让 agent 辅助方法选择研究者不应当把"该用哪种方法"抛给 AI，但可以让 AI 在研究者的方法候选集上做辅助判断。做法是让方法选择 Skill 读取 `references/` 下的方法论卡片，把研究问题映射到假设检查单，输出"推荐 X 方法的理由 + 需要研究者亲自确认的假设"。 ```opencode [用户] 我要研究美国各州最低工资调整对低薪就业的影响。数据是 QCEW 2000-2019 州-年面板，各州在不同年份提高最低工资。帮我判断用什么方法。 /method-advisor [Claude Code] 读取 references/did-checklist.md 和 references/iv-validity.md。根据你描述的设计，我的推荐如下：推荐方法：Callaway-Sant'Anna (csdid) 三个支持理由： 1. 你有处理时点变化的州-年面板，符合多期 DID 结构 2. 各州提高最低工资的时点不同（渐进采纳），TWFE 会产生负权重问题（Goodman-Bacon 2021, de Chaisemartin-D'Haultfoeuille 2020） 3. 控制组充足（从未调整或延后调整的州）需要你亲自确认的两个假设： A. 平行趋势：处理前各州低薪就业趋势是否与从未调整组相似？建议用 event study 的 pre-period 系数目视检验。 B. 处理时点外生性：州决定提高最低工资是否与当期就业冲击相关？如果相关（例如州经济繁荣时涨工资），csdid 结果仍会偏。建议补一个排除经济衰退期的稳健性检验。我不做最终决定，这两项请你判断后再进入主回归。 ``` 这段互动体现了几个原则。AI 给出的是有结构的建议，不是结论——三个支持理由来自文献、两个假设检查点对应 DID 的核心识别假设。AI 明确声明 "我不做最终决定"，把拍板权交回研究者。研究者即便采纳建议，也要自己在 event study 图上看 pre-period 平行、自己判断处理时点的外生性。这才是 HITL 的正确形态：AI 承担整理、对照、提醒的工作，研究者承担判断。 ::: {.callout-note} ## 词条：渐进采纳设计（Staggered Adoption） **定义**：多期 DID 中处理单元在不同时间点陆续接受处理的设计结构。 **作用**：区别于所有处理单元同时接受处理的经典双期 DID。美国各州最低工资调整、各省房产税试点、各国加入 WTO 都属于此类。 **关键风险**：传统 TWFE 估计量在这类设计下会产生负权重，即某些处理单元的处理效应会被"减去"而非"加上"，导致系数方向甚至可能反向。Callaway-Sant'Anna、de Chaisemartin-D'Haultfoeuille、Sun-Abraham 三套方法均针对此问题提出修正。 ::: ## Callaway-Sant'Anna vs TWFE ::: {.callout-note} ## 词条：本节涉及的三个本科计量术语 **TWFE（双向固定效应）**：Two-Way Fixed Effects，回归同时吸收个体（如州）和时间（如年）两个维度的固定效应，模型形如 `y_it = α_i + δ_t + β·D_it + ε_it`。是 DID 估计最常用的实现形式之一。当处理时点不一致（不同州在不同年份接受政策）时，传统 TWFE 在 staggered DID 文献中已被证明可能给出有偏估计，需要换用 Callaway-Sant'Anna 等专门估计量。 **平行趋势假设**：DID 设计的核心识别假设。若没有政策干预，处理组和控制组的结果变量在时间维度上应沿相同的趋势演化。该假设本身无法直接检验，事件研究图（event study）只是间接诊断：处理前各期系数接近零是间接支持，前期系数显著偏离零则是明确的否定证据。 **聚类标准误**：当样本中存在组内相关（如同一州不同年份的观测互相关联）时，传统标准误会低估实际不确定性。聚类标准误（cluster-robust SE）按某一层级（如州）重新计算方差，把组内相关纳入。聚类层级须与处理变量变异的层级匹配——最低工资 DID 中处理在州层面变化，标准误也聚类于州。 ::: 渐进采纳设计下，传统 TWFE（`reghdfe y treat, absorb(i t)`）和 Callaway-Sant'Anna（`csdid`）会给出不同结果。差异来自权重处理方式。 | 维度 | TWFE（reghdfe） | Callaway-Sant'Anna（csdid） | |:---|:---|:---| | 核心估计量 | 单一系数 β | 分组分期 ATT(g,t) | | 权重处理 | 隐式加权，可能产生负权重 | 显式按处理组-时期聚合，非负权重 | | 控制组选择 | 所有未处理观测（含已处理组的前期） | 可选"从未处理"或"尚未处理" | | 事件研究 | 需手动生成 leads/lags 系数 | `estat event` 一行输出 | | 适用场景 | 单时点处理、同步处理 | 渐进采纳、处理时点异质 | | 速度 | 快 | 慢（需估计多个 ATT(g,t)） | ATT(g,t) 的直觉是：把所有接受处理的单元按首次处理年份 g 分组，再对每组单独估计各期 t 的处理效应，最后用研究者指定的聚合权重合并成汇总估计量。这样做的好处是每个处理组只和它自己的合适对照组比较，不会把已经处理过的单元错误地拿来做对照。两者不是相互替代，而是在报告里并列呈现。主回归用 `csdid`，作为方法论升级；`reghdfe` 结果放对照栏，展示 "如果用传统方法，结果长这样"。两者若差异很大，要在正文说明为什么选 `csdid`——这是典型的稳健性讨论。 ::: {.callout-tip} ## csdid 与 TWFE 的差异一句话 TWFE 在渐进采纳下会把已处理组当作新处理组的控制组，而新处理组的处理效应被用负权重减掉；csdid 只用"尚未处理"或"从未处理"的单元作对照，权重非负，结果更稳健。 ::: ## 主回归 Skill 的完整范例把因果估计封装成 Skill 的好处是规范固化。每次跑主回归都走同一套步骤：读面板、跑 csdid、跑 reghdfe 对照、画事件研究图、落盘暂存。AI 按 Skill 执行，研究者在关键节点审阅。下面是 `did-estimate.skill` 的完整内容。 ```skill --- name: did-estimate description: 对已清洗面板执行 Callaway-Sant'Anna DID 主回归，并生成 TWFE 对照、事件研究图和估计存档。触发关键词：主回归、DID、csdid、event study、平行趋势。 --- # DID 主回归执行步骤 ## 前置检查在执行估计前，向用户输出主回归规范摘要，等待确认： - 面板文件路径（默认 data/processed/panel_balanced.dta） - 结果变量（默认 log_emp） - 处理变量（gvar，首次处理年份；控制组编码为 0） - 个体维度（ivar，默认 state_id） - 时间维度（tvar，默认 year） - 聚类层级（默认 vce(cluster state_id)） - 控制变量集（默认无控制，作为基准规范）用户回复"确认"后再进入执行。 ## 执行步骤 1. 读取清洗面板，isid 守卫主键，assert 样本量符合预期 2. 运行 csdid，以 notyet 选项指定"尚未处理"为对照组 3. 依次运行 estat simple / estat group / estat calendar / estat event 4. 调用 csdid_plot 生成事件研究图，保存至 output/figures/fig_event_study.pdf 5. 运行 reghdfe 作对照，absorb(state_id year)，同一聚类规范 6. estimates store cs_main 和 twfe_main，供 esttab 后续调用 7. 将所有输出追加到 output/logs/main_reg_log.txt ## HITL 输出执行结束后向用户呈现： - 主回归规范摘要（ATT 点估计、聚类后 SE、N、状态数） - 事件研究图路径 - csdid 与 reghdfe 的系数差异百分比 - 平行趋势目视检验建议：查看 pre-period 系数是否接近 0 用户确认前不推进到稳健性检验。 ``` Skill 的结构有三点值得留意。第一，前置检查把所有规范性决策（变量、聚类、控制变量）在执行前集中呈现给研究者，避免 AI 用默认值偷偷改变规范。第二，执行步骤是可重复的，每次主回归走同一套流程，不同研究项目只改输入变量名。第三，HITL 输出不是执行完就交差，而是强制研究者在进入稳健性之前审阅主回归——这个检查点最贵，错了以后所有稳健性都要重跑。 ## 核心 Stata 命令 Skill 背后是一段具体的 Stata 代码。落到 `04_main_reg.do` 里是这样： ```stata * 04_main_reg.do : 主回归 version 18.0 set seed 20260417 use "data/processed/panel_balanced.dta", clear * Callaway-Sant'Anna 主规范 csdid log_emp, ivar(state_id) tvar(year) gvar(g_first_treated) notyet wboot reps(999) estat simple estat group estat calendar estat event csdid_plot, title("事件研究：最低工资调整对低薪就业") /// xlabel(-5(1)5) yline(0, lpattern(dash)) graph export "output/figures/fig_event_study.pdf", replace estimates store cs_main * 传统 TWFE 对照 reghdfe log_emp treat_indicator, /// absorb(state_id year) vce(cluster state_id) estimates store twfe_main * 并列输出 esttab cs_main twfe_main using "output/tables/tab_main.tex", replace /// b(3) se(3) star(* 0.1 ** 0.05 *** 0.01) /// booktabs label nonotes /// mtitles("CS-DID" "TWFE") /// title("主回归：最低工资对低薪就业的影响") /// addnotes("括号内为聚类在州层级的标准误。") ``` `csdid` 的 `notyet` 选项指定 "尚未处理"为对照组，这是渐进采纳情景里更干净的对照设定。`estat event` 输出处理前后各期的 ATT 动态路径，直接进入事件研究图。`reghdfe` 的聚类层级和 `csdid` 保持一致（都在州层级），两者系数可比。`esttab` 的 `booktabs` + `nonotes` 让输出直接进 LaTeX 论文，不再手工调格式。 ## 训练数据泄漏与验证样本方法选择与 Skill 封装都假设 AI 是一个听话的执行者。但 LLM 在估计环节有一个独有的风险：它可能在预训练时已经见过经典数据集或经典论文。当你让它"分析"Card-Krueger 1994 新泽西快餐业数据时，它给出的系数可能是它记住的原文系数，而不是从你数据里重新估出来的。 Ludwig, Mullainathan & Rambachan (2025) 把这称为 LLM 在预测（prediction）和估计（estimation）之间的角色混淆。LLM 可以是好的预测工具——给它一段文本，它能给出情感、主题、实体。但它不是好的因果估计工具——给它一张回归表，它可能在复述记忆。两者的混淆会让研究结论建立在虚假的"独立验证"上。 ::: {.callout-important} ## 训练数据泄漏的识别与防范 **风险场景**：让 LLM 直接"分析"Card-Krueger 1994、Angrist 1990、Autor-Dorn-Hanson 2013 等经典文献的公开数据集，并报告系数或显著性结论。模型可能从记忆里调取原文结果，而不是真正从数据中估计。 **识别方法**（Ludwig-Mullainathan-Rambachan 2025 验证样本流程）： 1. 在 LLM 几乎肯定未见过的数据上重跑同一分析——例如把时间窗口推到预训练截止日之后的新数据 2. 或者对数据做不可逆的扰动（如随机抽样、变量重命名、单位变换）后再让 LLM 分析 3. 对比两次结果：若显著发散，说明原结果含记忆成分 **Claude Code 中的防范**： - 让 AI 只执行代码（`csdid`、`reghdfe`），不要让 AI 替你 "解读数字" - 主回归结果的经济显著性判断由研究者亲自做 - 稳健性检验里加入 "推后样本"（例如 2020-2023）作为一列——LLM 未见过的时段，如果系数仍稳定，说明结果不是记忆复述 - 在 `CLAUDE.md` 中明确：AI 只生成代码和表格，系数解读、假设判断、稳健性结论由研究者撰写 ::: 这条防范措施不只是原则性规定，也是审稿人和期刊日益重视的议题。AEA 2025 政策和部分期刊已经要求作者在披露中说明 "哪些结果由 AI 解读、哪些由作者独立核验"。把这条界线画在 "AI 跑代码、人读数字"的位置，既能让 AI 承担执行工作，又能把判断保留给研究者，是当前最稳妥的协作范式。