统计百科 · 2026-06-24

稳健性检验的 APA 报告怎么写？替换变量/子样本/方法对比格式全解

统计百科：专攻"稳健性检验如何规范写进论文"这一格式难点——替换核心变量、子样本分析、换方法/换估计量、工具变量稳健性四类策略的 APA 7th 呈现规范，给出可直接套用的报告模板与常见问题解答。

稳健性检验（Robustness Test）是量化论文的"保险箱"——审稿人要求做、论文答辩必被问、却很少有人知道规范写法。本文专攻一件事：替换变量、子样本分析、替换方法/估计量、工具变量稳健性四类策略的 APA 7th 报告格式，给出可直接抄进论文的报告句式，并梳理格式层面的常见错误。

你的稳健性检验报告有这些问题吗？

审稿人或导师关于稳健性检验最常见的反馈：

"稳健性检验放了表格，但正文缺乏文字解读，无法判断结论是否一致"
"替换变量后的结果只说'结论不变'，未报告核心系数的方向与显著性"
"子样本分析未说明剔除标准，也未报告子样本 N"
"工具变量稳健性检验缺少 F 统计量，无法判断弱工具变量问题"
"换用稳健标准误后，表中 SE 变了，正文却未说明更换原因"
"安慰剂检验结果不显著是好事，但你把它写成'结果不理想'——方向搞反了"

这些错误集中在两个层面：统计理解错误（如不理解安慰剂检验的逻辑）和报告格式错误（缺少关键要素）。本文聚焦后者，对每种策略给出完整的报告模板。

产品边界提示：以下 FE/RE、双向聚类、扩展 IV 与安慰剂段落是通用方法模板，不代表 ChatSRS 当前会自动运行或输出这些检验。ChatSRS 当前可执行范围及一句话指令见第七节；模板中的示例数字也不得当作系统真实结果。

如果你还没做过稳健性检验，建议先读稳健性检验完整教程，本文默认你已完成分析，专注于"如何写进论文"这一步。

一、稳健性检验在论文中的位置与整体写法

放在哪里

稳健性检验通常位于实证结果章节的末尾，紧接主回归或主模型结果。常见章节结构：

第四章 实证结果
  4.1 描述性统计
  4.2 基准回归结果
  4.3 内生性处理（如有工具变量/PSM）
  4.4 稳健性检验
    4.4.1 替换核心变量
    4.4.2 子样本分析
    4.4.3 替换估计方法
    4.4.4 安慰剂检验

整体段落结构

每类稳健性检验的正文段落建议包含：

要素	说明
检验策略说明	采用何种方式做稳健性（一句话）
替换/排除的具体内容	换了哪个变量/排除了哪类样本/改用哪种方法
关键结果	核心系数方向、大小、显著性（精确到两位小数）
结论一致性声明	明确指出与基准结果是否一致
指向表格	"结果见表 X"或"详见附录表 A-X"

二、策略一：替换核心变量（Alternative Measures）

方法逻辑

用不同操作化方式重新测量核心自变量（或因变量），检验结论对变量定义的依赖程度。若不同测量下结论一致，说明结果稳健。

APA 报告模板

为检验结果对核心变量测量方式的敏感性，本研究采用[替代变量名称]
替代原变量[原变量名称]（[原变量定义]），重新对主回归模型进行估计。
如表[X]所示，[替代变量]对[因变量]的系数为 B = X.XX（SE = X.XX），
t([df]) = X.XX, p [= .XXX / < .001]，[95% CI (X.XX, X.XX)]，
与基准结果（B = X.XX, p [值]）的方向及显著性一致，
表明本研究的主要结论对核心变量的测量方式具有稳健性。

填入数值的示例

为检验结果对企业创新水平测量方式的敏感性，本研究采用研发投入强度（R&D/营业收入）替代原变量专利申请数量（取对数），重新对主回归模型进行估计。如表 5 所示，研发投入强度对企业绩效（ROA）的系数为 B = 0.18（SE = 0.04），t(847) = 4.32, p < .001，95% CI [0.10, 0.26]，与基准结果（B = 0.23，p < .001）方向一致且均达统计显著，表明本研究关于创新对绩效正向影响的结论对核心变量的测量方式具有稳健性。

常见格式要点

不能只说"结论不变"：必须给出替换后的 B 值、SE、p 值
对比基准结果：指出基准系数，让读者可以直接比较
若效应量有所变化：加一句"尽管系数绝对值有所下降，但方向与显著性均保持一致"

三、策略二：子样本分析（Subsample Analysis）

方法逻辑

排除特定子群体（如异常样本、特殊时期、特定行业），或仅在某一子群体内重新估计，检验结论是否依赖于全样本的特定构成。

APA 报告模板（排除子样本）

为排除[特定群体/时期/行业]对结果的干扰，本研究在剔除[剔除标准]后，
以[剩余子样本描述]（N = [子样本量]）重新估计主模型。
如表[X]所示，[核心变量]的系数为 B = X.XX（SE = X.XX），
t([df]) = X.XX, p [值]，[95% CI (X.XX, X.XX)]，
与全样本结果方向一致且仍达统计显著（p [值]），
表明基准结论不受[被剔除群体]的影响，具有稳健性。

APA 报告模板（子群体内估计）

本研究进一步分[高/低][分组变量]子样本，检验主效应在不同群体中的一致性。
在[子组A]子样本（N = [N_A]）中，[核心变量]对[因变量]的系数为
B = X.XX（SE = X.XX），p [值]；
在[子组B]子样本（N = [N_B]）中，系数为 B = X.XX（SE = X.XX），p [值]。
两个子样本中主效应方向一致，均达统计显著，
表明[核心关系]不因[分组变量]的高低而发生实质性改变。

填入数值的示例（排除）

为排除 2020 年新冠疫情冲击对结果的干扰，本研究剔除 2020 年及 2021 年的观测值，以 2015—2019 年的子样本（N = 2,340）重新估计主模型。如表 6 列（1）所示，核心自变量数字化转型指数对企业全要素生产率的系数为 B = 0.21（SE = 0.05），t(2,290) = 4.07, p < .001，与全样本结果（B = 0.19，p < .001）方向一致且同样显著，表明疫情冲击不影响主要结论的稳健性。

填入数值的示例（子群体）

本研究按企业规模中位数将样本分为大型企业（N = 1,420）和小型企业（N = 1,380）两个子样本，检验数字化转型效应的一致性。在大型企业子样本中，数字化转型对全要素生产率的系数为 B = 0.24（SE = 0.06），p < .001；在小型企业子样本中，系数为 B = 0.17（SE = 0.07），p = .015。两个子样本主效应方向一致且均达统计显著，表明数字化转型的正向效应在不同规模企业中具有普遍性。

四、策略三：替换估计方法（Alternative Estimators）

方法逻辑

原模型可能对某一估计假设（如误差分布、面板效应类型）较为敏感。采用不同估计量（如 OLS vs. 稳健回归、固定效应 vs. 随机效应、Logit vs. Probit）重新估计，检验结论稳定性。

常见替换类型与报告关键点

替换类型	报告关键要素
普通 OLS → 稳健标准误（HC1/HC3）	说明采用 Huber-White 稳健标准误；报告系数、稳健 SE、p 值
OLS → 分位数回归（Quantile Regression）	说明估计中位数（tau = 0.5）或多分位点；报告各分位点系数
固定效应 → 随机效应	先报告 Hausman 检验结果；再说明选用模型
Logit → Probit	报告边际效应（dy/dx），与 Logit 边际效应对比
OLS → Tobit（受限因变量）	说明因变量截断性质；报告 Tobit 系数与边际效应

APA 报告模板（稳健标准误）

考虑到回归残差可能存在异方差，本研究采用 Huber-White 稳健标准误
（HC1 校正）重新估计主模型。如表[X]列（[列号]）所示，
[核心变量]对[因变量]的系数为 B = X.XX（稳健 SE = X.XX），
t([df]) = X.XX, p [值]，与基准 OLS 结果（B = X.XX，SE = X.XX，p [值]）
系数相同、标准误有所调整，结论不受异方差影响，具有稳健性。

APA 报告模板（固定效应 vs. 随机效应）

本研究采用 Hausman 检验评估固定效应与随机效应模型的适用性，
检验结果为 chi^2([df]) = X.XX, p [值]，[支持/不支持]使用固定效应模型。
作为稳健性检验，本研究同时报告随机效应估计结果（表[X]列[列号]）：
[核心变量]系数为 B = X.XX（SE = X.XX），p [值]，
与固定效应结果（B = X.XX，p [值]）方向一致，表明结论不受模型选择影响。

填入数值的示例（稳健标准误）

考虑到面板数据中各公司残差项可能存在异方差与序列相关，本研究在公司-年份层面对标准误进行双向聚类处理，重新估计主回归模型。如表 6 列（2）所示，数字化转型指数对全要素生产率的系数为 B = 0.19（聚类稳健 SE = 0.06），t(2,798) = 3.24, p = .001，与基准结果系数完全相同（B = 0.19），仅标准误有所扩大，结论对标准误估计方式具有稳健性。

五、策略四：工具变量稳健性（IV Robustness）

方法逻辑

若基准模型存在内生性问题，已用工具变量（IV）估计；稳健性检验则验证：（1）工具变量本身有效（相关性 + 排他性）；（2）更换工具变量后结论是否一致；（3）先行使用 2SLS，稳健性改用 LIML 或 GMM。

APA 报告模板（工具变量有效性检验）

为验证工具变量的有效性，本研究进行如下检验：
第一阶段回归显示，[工具变量名称]对[内生变量名称]具有显著正向影响，
F([df1], [df2]) = X.XX, p [值]，F 统计量远超 10 的经验阈值，
排除弱工具变量问题（Stock & Yogo, 2005）。
过度识别检验（Sargan-Hansen J 检验，适用于恰好识别以外的情形）结果
chi^2([df]) = X.XX, p = .XXX（p > .05），
未能拒绝工具变量外生性的原假设，支持工具变量排他性假设。
第二阶段 2SLS 估计结果显示，[核心变量]对[因变量]的系数为
B = X.XX（SE = X.XX），z = X.XX, p [值]，
与 OLS 基准结果方向一致，表明内生性处理后主要结论仍然稳健。

填入数值的示例

本研究采用工具变量法处理数字化转型指数的潜在内生性问题，以各省互联网基础设施指数（城市宽带普及率的历史均值）作为工具变量，进行两阶段最小二乘估计（2SLS）。第一阶段回归显示，省级互联网基础设施指数对企业数字化转型指数具有显著正向影响，F(1, 2,798) = 48.73, p < .001，F 统计量远超 10 的经验阈值，不存在弱工具变量问题（Stock & Yogo, 2005）。第二阶段 2SLS 估计结果显示，数字化转型指数对全要素生产率的系数为 B = 0.31（SE = 0.08），z = 3.84, p < .001，与 OLS 基准结果（B = 0.19，p < .001）方向一致，表明在控制内生性后，数字化转型的正向效应依然稳健，且系数绝对值有所扩大，与内生性导致系数低估的预期一致。

工具变量稳健性报告必须包含的要素

要素	说明	常见遗漏
第一阶段 F 统计量	F > 10 为弱工具变量经验标准	只说"工具变量有效"，未给 F 值
过度识别检验（若有多个工具变量）	Sargan/Hansen J 检验 p > .05 支持排他性	多个 IV 却不做 J 检验
第二阶段系数、SE、z 值、p 值	注意 2SLS 用 z 而非 t（渐近正态）	混用 t 和 z
与 OLS 结果对比	说明系数变化方向（变大/变小）及原因	完全不提 OLS 基准

六、安慰剂检验（Placebo Test）

方法逻辑

安慰剂检验的核心逻辑是：用随机化或错位处理替代真实处理，若结果仍显著，说明原结果可能是假象；若结果不显著，反而支持原结论的可信度。

这是很多研究者逻辑搞反的地方——安慰剂检验"不显著"是好消息。

APA 报告模板（随机置换安慰剂检验）

本研究进行安慰剂检验以排除遗漏变量干扰。具体做法是：
将[核心变量/处理变量]在样本内随机置换[500/1000]次，
每次置换后均以相同模型进行估计，记录随机置换系数。
如图[X]所示，[500/1000]次模拟系数的均值为 X.XX（约等于 0），
95% 置信区间为 [X.XX, X.XX]，均未包含真实估计系数
B_real = X.XX；真实系数在模拟分布中的 p 值（placement p）为 .XXX（p < .05），
表明真实估计结果难以由随机因素产生，进一步支持了主要结论的可靠性。

填入数值的示例

本研究通过随机置换安慰剂检验评估主效应被遗漏变量驱动的可能性。将数字化转型指数在样本内随机打乱 1,000 次，每次以相同固定效应回归估计全要素生产率效应，构建 1,000 个安慰剂系数的经验分布。如图 3 所示，安慰剂系数的均值为 0.003（接近 0），1,000 个模拟系数中仅有 12 个超过真实估计系数 B = 0.19，对应放置 p 值为 .012，远低于 .05 的显著性水平。这表明，真实系数难以由随机因素产生，进一步验证了数字化转型对全要素生产率正向影响结论的可靠性。

七、在 ChatSRS 一句话完成稳健性检验与报告

打开 chatsrs.com，上传面板数据后输入：

"以数字化转型指数为核心自变量、全要素生产率（TFP）为因变量，个体列为 firm_id、时间列为 year。请运行面板稳健性检验：使用我已准备好的替代因变量字段、核心变量滞后一期、剔除 2020—2021 年，并以企业整群 Bootstrap 重新估计标准误；汇总各规格的核心系数、标准误、p 值和样本量。"

当前可执行范围是替代因变量、核心变量滞后一期、剔除指定年份、缩尾和企业整群 Bootstrap。替代字段必须预先存在；当前模块不自动替换核心自变量、不提供随机置换安慰剂，也不把个体聚类写成双向聚类。超出该范围的检验应在其他统计软件执行后再按本文模板报告，所有结论以真实输出为准。

八、稳健性检验汇总表的 APA 规范写法

大多数期刊和学位论文要求将多类稳健性检验汇总于一张表格。

汇总表结构建议

表 X  稳健性检验结果汇总
------------------------------------------------------------------
变量              基准结果    替换变量    子样本      稳健SE
                  (1)         (2)         (3)         (4)
------------------------------------------------------------------
核心自变量         0.19***     0.18***     0.21***     0.19***
                  (0.04)      (0.04)      (0.05)      (0.06)
[控制变量]         是          是          是          是
[固定效应]         是          是          是          是
N                 2,800       2,800       2,340       2,800
R^2               0.482       0.479       0.501       0.482
------------------------------------------------------------------
注：括号内为标准误（列4为聚类稳健标准误）。
*** p < .001, ** p < .01, * p < .05。

汇总表的 APA 7th 格式要点

表格标题用 "表 X" + 描述性标题，加粗，顶端对齐
星号注释放表格下方：*** p < .001, ** p < .01, * p < .05
括号内统一说明是标准误（SE）还是稳健标准误（Robust SE）
基准结果必须作为第（1）列，方便对比
若子样本量不同，在 N 行单独注明

九、稳健性检验常见错误对照表

常见错误	正确做法	违反的规则
"结果稳健，与基准一致"	给出系数 B、SE、p 值，点出与基准的一致性	正文必须有数值支撑
安慰剂结果不显著写"效果不佳"	"安慰剂系数不显著（p = .XXX），支持主结论可靠性"	不显著是预期好结果
子样本分析未说明 N	在括号或文中注明剩余子样本 N	读者无法评估检验效力
IV 第一阶段只说"显著"不给 F	报告 F([df1],[df2]) = X.XX，说明排除弱 IV	F 值是弱工具变量判断标准
2SLS 系数用 t 检验	2SLS 渐近分布用 z 值，格式 z = X.XX	估计量不同，检验统计量不同
过度识别检验遗漏	Sargan-Hansen J: chi^2([df]) = X.XX, p = .XXX	多工具变量必须报告
稳健标准误未说明类型	注明 HC1/HC3 或"企业层面聚类稳健标准误"	读者无法复现
汇总表缺少基准结果列	第（1）列必须是基准，其余列为稳健性检验	无对照无法判断稳健性

常见 FAQ

Q：每篇论文的稳健性检验要做几类？

A：没有硬性要求，但经济学、管理学顶刊通常期望至少做 2—3 类。最基本的组合是：替换核心变量 + 子样本排除 + 若存在内生性则加工具变量或 PSM 匹配后再估计。安慰剂检验在因果推断类研究（双重差分 DID、断点回归 RDD）中几乎是必做项。社会科学心理学类研究稳健性检验要求相对宽松，通常替换测量 + 控制不同协变量即可。

Q：稳健性检验结论与基准结论略有差异（如 p = .038 vs. p < .001），算"稳健"吗？

A：算稳健——关键判断标准是方向一致 + 统计显著，而非系数完全相同。若替换变量后系数从 B = 0.23 变为 B = 0.18，但方向相同、p 值均 < .05，可以认为结论稳健；此时在报告中补充一句"系数绝对值有所下降，但方向与显著性保持一致"即可。若替换后系数方向反转或变为不显著，则需在稳健性部分如实说明，并讨论可能原因，不能隐瞒。

Q：稳健性检验的表格要放在正文还是附录？

A：视期刊/导师要求而定。对于核心稳健性检验（如替换变量、子样本），建议放正文表格；对于大量安慰剂系数分布图、多个子样本切割方案等辅助稳健性，可放附录，正文以"结果见附录表 A-X"引用。学位论文倾向于把所有稳健性放附录，期刊投稿更建议至少把主要两类稳健性放正文，因为编辑和审稿人未必会仔细看附录。

Q：稳健性检验和敏感性分析（Sensitivity Analysis）是一回事吗？

A：概念上有重叠，但侧重点不同。稳健性检验（Robustness Test）主要检验变量定义、样本构成、估计方法变化后结论是否一致，是对"结论普遍性"的验证；敏感性分析（Sensitivity Analysis）更广泛，也包括对统计假设（如先验分布、截断阈值）的敏感程度检验，在 meta 分析和贝叶斯框架中更常用。在大多数量化社科论文中，两者可互换使用，报告格式基本相同。

Q：方法章节怎么预告稳健性检验？

A：在方法章节或分析策略段简短提及即可，不需要完整描述：

为确保结论的可靠性，本研究采用多种稳健性检验，
包括替换核心变量测量方式、排除特殊样本期间及采用
聚类稳健标准误重新估计，结果报告于结果章节稳健性检验部分。

快速参考：稳健性检验报告格式速查卡

[替换核心变量]
"采用[替代变量]替代[原变量]重新估计，B = X.XX (SE = X.XX),
 t([df]) = X.XX, p [值]，与基准（B = X.XX, p [值]）方向一致且均显著"

[子样本排除]
"剔除[标准]后，N = [子样本量]，核心变量系数 B = X.XX (SE = X.XX),
 p [值]，与全样本结果方向一致"

[稳健标准误]
"采用[HC1/HC3/聚类]稳健标准误重估，B = X.XX (稳健SE = X.XX),
 p [值]，结论不受异方差影响"

[工具变量 2SLS]
"第一阶段 F([df1],[df2]) = X.XX, p [值]（无弱IV问题）；
 第二阶段 B = X.XX (SE = X.XX), z = X.XX, p [值]"

[安慰剂检验]
"[N]次随机置换安慰剂系数均值 ≈ 0，
 真实系数在模拟分布中 placement p = .XXX（p < .05），
 支持主结论可靠性"

你的稳健性检验报告有这些问题吗？

一、稳健性检验在论文中的位置与整体写法

放在哪里

整体段落结构

二、策略一：替换核心变量（Alternative Measures）

方法逻辑

APA 报告模板

填入数值的示例

常见格式要点

三、策略二：子样本分析（Subsample Analysis）

方法逻辑

APA 报告模板（排除子样本）

APA 报告模板（子群体内估计）

填入数值的示例（排除）

填入数值的示例（子群体）

四、策略三：替换估计方法（Alternative Estimators）

方法逻辑

常见替换类型与报告关键点

APA 报告模板（稳健标准误）

APA 报告模板（固定效应 vs. 随机效应）

填入数值的示例（稳健标准误）

五、策略四：工具变量稳健性（IV Robustness）

方法逻辑

APA 报告模板（工具变量有效性检验）

填入数值的示例

工具变量稳健性报告必须包含的要素

六、安慰剂检验（Placebo Test）

方法逻辑

APA 报告模板（随机置换安慰剂检验）

填入数值的示例

七、在 ChatSRS 一句话完成稳健性检验与报告

八、稳健性检验汇总表的 APA 规范写法

汇总表结构建议

汇总表的 APA 7th 格式要点

九、稳健性检验常见错误对照表

常见 FAQ

快速参考：稳健性检验报告格式速查卡

相关阅读