教程 · 2026-06-24

稳健性检验完整教程 — 换样本/换方法/换指标，经济学论文必做

经济学与社科论文必做的稳健性检验：替换核心变量、子样本分析、安慰剂检验、缩尾处理，用 AI 一句话全部完成，并给出可直接套进论文的 APA 7th 格式报告句式。

审稿人最爱的一句话："请补充稳健性检验。" 这篇教程把经济学/社科论文里最常用的四类稳健性检验——替换核心变量、子样本分析、安慰剂检验、缩尾处理——全部拆开讲清楚，并给出可直接复制进论文的 APA 7th 报告句式。

为什么稳健性检验是论文的"第二道防线"

在经济学、管理学、社会学论文中，你的核心回归结论能否被接受，往往取决于两件事：

基准回归（Baseline Regression）——在原始样本、原始变量、原始模型设定下，结果是否显著
稳健性检验（Robustness Check）——当你改变样本范围、换用替代变量、调整模型设定或处理异常值时，结论是否依然成立

如果基准回归显著，但改换任何一个细节后系数就消失或方向翻转，审稿人有充分理由质疑你的发现是"偶然的"——是数据偶然性或模型特化所致，而非真实的因果/相关关系。

稳健性检验的本质：用多种合理的替代方案重复核心分析，验证结论的一致性和可重复性。这并不是为了"凑字数"，而是科学诚信的内在要求。

四类最常用稳健性检验方法

方法一：替换核心变量（Variable Substitution）

逻辑：如果你的核心自变量或因变量存在多种合理的测量方式，换一种测量方式后结论仍稳健，说明结论不依赖于特定的变量定义。

典型操作：

用变量的 滞后一期值（lagged variable） 替换当期值，缓解内生性担忧
将连续变量替换为分位数虚拟变量（如高/低分组的 0/1 变量）
用行业均值去中心化后的变量替换原始变量
换用同一概念的替代指标（如将"公司规模"从总资产对数换为员工数对数）

何时必做：

核心变量的测量方案在文献中存在争议
变量定义存在主观判断
基准回归结果的系数在替换指标后变化超过 10%，应在论文中加以说明

方法二：子样本分析（Subsample Analysis）

逻辑：如果结论在特定子群体中依然成立，则说明结论不依赖于某一特殊群体的特征，排除了异质性驱动假阳性的可能。

典型分法：

按中位数将样本分为高组/低组（如高市值/低市值，高教育/低教育）
剔除极端值样本（如规模最大的 1% 企业）
剔除特殊时期（如金融危机年份 2008-2009，新冠疫情年份 2020）
按地区、行业或时间段做分层检验

核心关切：如果结论仅在某个子样本中成立而在另一个子样本中消失，需要解释异质性来源，而不能直接宣称结论稳健。

方法三：安慰剂检验（Placebo Test）

逻辑：安慰剂检验是稳健性检验中最有说服力的一类。其思路来自医学随机对照试验：如果你给"对照组"施加与"处理组"同样的分析，结果不应该显著——如果不显著，则反向证明真实处理效应的显著性不是偶然的。

常用形式：

随机打乱处理变量：将核心自变量的取值随机置换（permutation），重复回归 1000 次，得到系数的经验分布。若真实系数落在 5% 尾部以外，说明真实效应不是随机噪音产生的。
替换为"假处理"时间点：在政策评估（DID 设计）中，把真实政策实施时间向前移动 2-3 年，若虚假事件窗口的系数不显著，说明真实效应不是趋势混淆所致。
用不相关的因变量重复回归：以理论上不应受影响的结果变量做因变量，若回归系数不显著，说明核心自变量不存在"广谱"的影响效应。

统计口径提示：安慰剂检验中，随机置换回归的系数分布用来构造经验 p 值，与传统回归的理论 p 值计算路径不同，不可混用。报告时应明确说明使用"经验 p 值（empirical p-value，基于 1000 次随机置换）"。

方法四：缩尾处理（Winsorization）

逻辑：计量回归对极端值（outliers）高度敏感。缩尾处理通过把分布两端超出阈值的极端值"截断到"阈值水平，减小极端值对系数估计的扭曲，而不是删除这些观测（与截尾/truncation 不同）。

常用阈值：

1%/99% 双侧缩尾：将低于 1st percentile 的值替换为 1st percentile 值，将高于 99th percentile 的值替换为 99th percentile 值。最常用。
5%/95% 双侧缩尾：更激进，适用于分布高度偏斜或样本量较小的情形。
仅对因变量缩尾 vs 对所有连续变量缩尾：前者更保守，后者处理更彻底，选择依据在于哪类变量存在明显的极端值影响。

统计口径提示：缩尾（Winsorization）与截尾（Truncation）不同。缩尾保留全部观测，仅修改极端值的取值；截尾直接删除极端值观测。两者对样本量和系数估计的影响不同，论文中必须明确说明使用的是哪种处理方式。

案例数据：企业 ESG 表现对股权融资成本的影响

假设基准回归研究"企业 ESG 评分是否显著降低股权融资成本"，样本为 A 股上市公司 2015-2022 年平衡面板数据，共 3,840 个企业-年观测。

cost_of_equity    股权融资成本（%，因变量）
esg_score         ESG 综合评分（0-100，核心自变量）
size              公司规模（总资产对数）
lev               资产负债率
roa               资产收益率
growth            营业收入增长率
board_size        董事会规模
year_fe           年份固定效应（虚拟变量组）
ind_fe            行业固定效应（虚拟变量组）

基准回归结论：ESG 评分对股权融资成本有显著负向影响，b = -0.042，SE = 0.011，p < .001，即 ESG 评分每提高 1 分，股权融资成本平均降低约 0.042 个百分点（控制年份和行业固定效应）。注：此处报告非标准化系数 b，APA 7th 规范下非标准化系数用 b 表示，标准化系数才用 β。

用 AI 一句话完成四类稳健性检验

在 chatsrs.com 上传数据后输入：

"基准回归：以 cost_of_equity 为因变量，esg_score 为核心自变量，size、lev、roa、growth、board_size 为控制变量，加入年份和行业固定效应，做 OLS 面板回归。

请依次做以下四类稳健性检验：

替换变量：将 esg_score 替换为其环境子维度评分 esg_env，重跑回归，比较系数变化

子样本分析：分别在高市值组（market_cap 中位数以上）和低市值组做回归，比较两组系数

安慰剂检验：对 esg_score 做 1000 次随机置换，输出系数分布直方图和经验 p 值

缩尾处理：对 cost_of_equity 和所有连续控制变量在 1%/99% 分位数做双侧缩尾后重跑回归

每类检验输出三线表格式，写 APA 7th 中文报告句式，与基准回归对比系数和显著性"

输出结果怎么读

输出 1: 替换变量稳健性

表 1  替换核心变量稳健性检验（因变量：stock_equity_cost）

                  基准回归              替换变量
                  esg_score             esg_env
                  beta     SE   p        beta     SE   p
ESG 指标         -0.042   0.011 <.001   -0.038   0.013 .004
size             -0.312   0.048 <.001   -0.308   0.049 <.001
lev               0.521   0.073 <.001    0.518   0.074 <.001
roa              -1.243   0.187 <.001   -1.251   0.189 <.001
growth           -0.018   0.022  .415   -0.019   0.023  .407
board_size       -0.021   0.034  .538   -0.020   0.035  .568
年份/行业 FE      是                     是
N                 3,840                  3,840
R^2               0.423                  0.418

注：括号内为稳健标准误（HC1）；* p < .05，** p < .01，*** p < .001。

解读要点：ESG 环境子维度评分（esg_env）系数为 -0.038（p = .004），与基准系数 -0.042 方向一致、量级相近，R^2 基本持平，说明核心结论不依赖于特定的 ESG 综合评分指标。

输出 2: 子样本分析

表 2  子样本稳健性检验（按公司市值中位数分组）

                  高市值子样本（n=1,920）    低市值子样本（n=1,920）
                  beta     SE     p           beta     SE     p
esg_score        -0.051   0.015  <.001        -0.033   0.016  .040
控制变量          是                           是
年份/行业 FE      是                           是
R^2               0.441                        0.398

注：高市值组为 market_cap >= 样本中位数，低市值组为 market_cap < 中位数。

解读要点：两个子样本中 ESG 系数均显著为负，高市值组效应（-0.051）略大于低市值组（-0.033），方向一致性满足稳健性要求。两组系数差异提示存在规模异质性，可在异质性分析部分进一步讨论。

输出 3: 安慰剂检验

安慰剂检验结果（1000 次随机置换）

真实系数                 beta = -0.042
置换系数均值             beta_mean = -0.001（95% CI: [-0.021, 0.019]）
真实系数的经验百分位数   < 1st percentile
经验 p 值                p < .001（双尾，基于 1000 次置换）

直方图说明：置换系数分布集中于 0 附近，真实系数 -0.042 远落于左尾 1% 临界值外。

解读要点：1000 次随机置换后系数均值接近 0，真实系数 -0.042 的经验 p 值 < .001，说明基准回归中的显著效应不是随机噪音产生的偶然结果。

输出 4: 缩尾处理后回归

表 3  缩尾处理稳健性检验（1%/99% 双侧缩尾）

                  基准回归（未缩尾）    缩尾处理后（1%/99%）
esg_score        -0.042 (0.011) ***    -0.039 (0.010) ***
size             -0.312 (0.048) ***    -0.305 (0.047) ***
lev               0.521 (0.073) ***     0.513 (0.071) ***
roa              -1.243 (0.187) ***    -1.198 (0.181) ***
growth           -0.018 (0.022)        -0.017 (0.021)
board_size       -0.021 (0.034)        -0.022 (0.033)
N                 3,840                 3,840
R^2               0.423                 0.431

注：括号内为稳健标准误；*** p < .001。对 cost_of_equity 及所有连续控制变量做 1%/99% 双侧缩尾。

解读要点：对因变量和连续控制变量缩尾处理后，ESG 系数由 -0.042 变为 -0.039，变动幅度约 7%，方向和显著性完全不变，R^2 略有提升（0.423 -> 0.431），说明基准结论不受极端值驱动。

论文里怎么报告（APA 7th 格式）

APA 7th 对稳健性检验的报告要求：明确说明检验类型和操作方式，报告关键系数及其变化范围，明确结论是否成立。

稳健性检验方法节写法：

为验证基准回归结论的稳健性，本文从以下四个维度进行稳健性检验：（1）变量替换，以 ESG 环境子维度评分替换综合评分重新估计；（2）子样本分析，按公司市值中位数将样本分为高市值组与低市值组分别回归；（3）安慰剂检验，对核心自变量 ESG 评分进行 1000 次随机置换，构造系数经验分布并计算经验 p 值；（4）缩尾处理，对因变量及所有连续控制变量在 1% 和 99% 分位数处进行双侧缩尾后重新估计。

稳健性检验结果节写法：

稳健性检验结果如表 4 所示。替换变量检验表明，以 ESG 环境子维度评分为核心自变量时，系数为 -0.038（SE = 0.013, p = .004），与基准系数 -0.042（SE = 0.011, p < .001）方向一致，量级相近，变化幅度约 9.5%。子样本分析显示，ESG 评分的负向效应在高市值组（beta = -0.051, SE = 0.015, p < .001）和低市值组（beta = -0.033, SE = 0.016, p = .040）中均显著成立。安慰剂检验结果表明，1000 次随机置换后系数均值接近零（M = -0.001, 95% CI [-0.021, 0.019]），真实系数的经验 p 值 < .001，排除了随机噪音的解释。对连续变量进行 1%/99% 双侧缩尾处理后，ESG 系数为 -0.039（SE = 0.010, p < .001），结论保持不变。综合四类稳健性检验结果，本文核心结论具有良好的稳健性。

APA 7th 格式规范总结（稳健性检验专项）：

报告要素	APA 格式示例
替换变量系数	beta = -0.038, SE = 0.013, p = .004
子样本系数对比	beta_high = -0.051, p < .001; beta_low = -0.033, p = .040
安慰剂经验 p 值	empirical p < .001（基于 1000 次随机置换，双尾）
缩尾后系数	beta = -0.039, SE = 0.010, p < .001（1%/99% 双侧缩尾）
系数变化幅度	系数变化幅度约 X%（=(原系数-稳健系数)/原系数 x 100%）

特别提示：报告系数时统一使用 beta（标准化/非标准化需注明），SE 为稳健标准误时须注明（如"括号内为 HC1 稳健标准误"）。p 值小数点前不加 0（写 p = .004，不写 p = 0.004）。

可直接套进论文的报告句式模板

基准结论句（方法节）：

以 [因变量] 为被解释变量，[核心自变量] 为核心解释变量，
加入 [控制变量列表] 以及年份/行业固定效应，
采用 OLS 回归（稳健标准误）估计基准方程（1）。

替换变量稳健性句（结果节）：

将 [原变量] 替换为 [替代变量] 后重新估计，核心系数为 
beta = XX, SE = XX, p [值]，与基准系数 beta = XX 方向一致，
系数变化幅度约 X%，结论保持稳健。

子样本稳健性句（结果节）：

按 [分组依据] 将样本划分为 [组 A]（n = XX）和 [组 B]（n = XX）：
[组 A] 中核心系数为 beta = XX（SE = XX, p [值]），
[组 B] 中为 beta = XX（SE = XX, p [值]），两组方向一致，
表明结论不依赖于特定的 [分组特征] 水平。

安慰剂检验句（结果节）：

对 [核心自变量] 进行 1000 次随机置换，
置换系数均值为 M = XX（95% CI [XX, XX]），
真实系数经验百分位数低于第 [X] 百分位，
经验 p 值为 p < [值]（双尾），
排除了随机噪音对核心结论的替代解释。

缩尾处理句（结果节）：

对 [变量列表] 进行 1%/99% 双侧缩尾处理后重新估计，
核心系数为 beta = XX（SE = XX, p [值]），
与未缩尾基准系数一致，说明结论不受极端值影响。

常见问题 FAQ

Q1：稳健性检验做几类才够？顺序有讲究吗？

A：没有固定的"最低要求"，但期刊审稿实践中以下三类组合最受认可：（1）替换核心变量，（2）子样本分析，（3）安慰剂检验或缩尾处理——三类合在一起能覆盖"变量定义不同""样本特殊"和"随机噪音"三大质疑来源。顺序上通常在论文结果节靠后的"稳健性检验"小节集中呈现，每类检验配一张对比表，并在文字中对比基准系数的变化幅度。如果篇幅受限，也可以将稳健性表格放入附录，正文只写一段结论性陈述。

Q2：替换变量后系数方向不变但显著性消失（如 p = .08），结论还稳健吗？

A：这是稳健性检验中最常见的"灰色地带"。严格来说，显著性消失意味着稳健性存疑，但评估时需要看：（1）替代变量与原变量的测量一致性有多高（相关系数是否 > 0.9）；（2）系数的置信区间是否与基准系数的置信区间大量重叠；（3）效应量（回归语境下用 f² 或标准化系数 β 的量级，而非适用于两组均值比较的 Cohen's d）是否仍然在同一数量级。若上述三点均成立，可以在论文中写"虽然统计显著性略有下降（p = .08），但系数方向和量级与基准回归高度一致（b 变化幅度 < 10%），两者置信区间大量重叠，结论基本稳健"。若显著性消失且置信区间与 0 高度重叠，应诚实报告并讨论可能的原因。

Q3：安慰剂检验和 Bootstrap 检验是什么关系？

A：两者都是基于重抽样的推断方法，但目的不同。Bootstrap 是通过有放回重抽样来估计统计量的抽样分布，用于获得更可靠的标准误和置信区间，适用于样本量较小或分布假设难以满足的情形。安慰剂检验的置换（permutation）是在保持数据结构不变的情况下打乱处理变量的配对关系，用于检验"零效应"假设下的系数分布，属于假设检验工具。两者可以并行使用：先用 Bootstrap 稳健化标准误，再用安慰剂检验排除随机噪音解释。在 ChatSRS 中可以同时请求两类输出。

Q4：缩尾处理用 1%/99% 还是 5%/95%？文献里说法不一。

A：选择阈值的原则是"与研究问题的保守程度相匹配"，没有绝对标准，但以下经验规则适用于大多数情形：在样本量 n > 500 的研究中，1%/99% 是最常见且被广泛接受的默认阈值（经济学顶刊多用此设定）。若变量分布的偏度（skewness）绝对值 > 3 或峰度 > 10，可以考虑用 5%/95% 并在稳健性表格中同时报告两种缩尾结果以供对比。注意：所有缩尾操作必须在方法节明确说明哪些变量进行了缩尾、采用何种阈值，不可隐瞒。ChatSRS 在缩尾处理后会自动在输出注释中标明处理细节。

小结

稳健性检验是经济学与社科论文从"可发表"到"被接受"的关键一步。四类方法各有侧重：

方法	核心问题	推荐场景
替换变量	结论是否依赖于特定的变量定义？	核心变量有多种测量方案时必做
子样本分析	结论是否仅存在于特定子群体？	存在分组异质性假设时优先做
安慰剂检验	显著效应是否只是随机噪音？	政策评估、DID、准实验设计时强烈推荐
缩尾处理	结论是否由极端值驱动？	包含财务/经济数据（高偏度变量）时必做

在 chatsrs.com 用一句自然语言指令，即可获得：

四类稳健性检验的完整三线表输出
基准回归与稳健性回归的系数对比与变化幅度计算
安慰剂检验经验 p 值与置换系数分布图
缩尾处理前后系数对比
可直接粘贴进论文的 APA 7th 格式中文报告句式