审稿返修 · 2026-07-11

审稿人要求安慰剂检验：虚假时点、虚假处理组与回复模板

DID 安慰剂检验怎么补？本文给出虚假政策时点、随机处理组、统计量分布与返修信清单，并明确 ChatSRS 当前没有专用 placebo analyzer。

直接返修答案

先问清楚安慰剂检验要排查哪类伪相关：把政策时间提前是“虚假时点”；在保持样本结构的前提下重新分配处理身份是“虚假处理组”；替换为理论上不应受影响的结局是“安慰剂结局”。三者不是同一个检验。

返修不能只展示一次“恰好不显著”的随机结果。随机处理组通常需要预设重复次数、随机种子、保持处理比例或 cohort 结构，并把真实估计放进随机系数分布中比较。检验失败或成功都不能替代 DID 的平行趋势、无同期冲击和无溢出等识别假设。

先写安慰剂设计协议

在运行前锁定：

原始估计对象、样本、固定效应和聚类层级；
哪个量被伪造：政策年份、处理身份还是结局；
合法的随机化单位，例如企业而非企业—年份行；
处理比例、首次处理年份分布和面板结构如何保持；
重复次数、随机种子和主要比较统计量；
是否报告双侧尾部比例、系数分布和真实系数位置；
所有失败运行、排除规则和多重尝试如何记录。

如果研究从来没有真实随机分配，随机处理组安慰剂只是设计敏感性诊断，不能反向证明原处理是外生的。

ChatSRS 当前真实能力边界

当前没有专用 placebo analyzer，也没有自动生成虚假时点、随机处理组、循环数百次模型并汇总经验分布的注册路径。

panel_did 可以在你已经构造好一个 0/1 DID 指示变量后跑双向固定效应，输出 B、个体聚类 SE、p、N 和调整 R²。它不会替你随机化处理身份。

panel_robustness 实现的是替换 Y、核心 X 滞后一期、剔除指定年份和企业层 Bootstrap SE。这些是其他稳健性规格，不等于 placebo。文件名中有“稳健性”不能据此声称已完成安慰剂检验。

**硬边界：**当前产品不能自动完成全部随机化安慰剂。若需要随机分布，应在经过验证的外部脚本中生成每次 placebo 数据、保存 seed 和分配，再把每次明确构造的 DID 规格交给可复核估计器。不能让一次聊天输出代替循环账本。

三种可复核方案

方案一：虚假政策时点

在真实政策前选择有制度依据的假时点，同时保证有足够政策前观察期。不要事后遍历所有年份，只报告最不显著的一个。若存在预期效应，提前期结果需要结合事件研究解释。

方案二：虚假处理组

以个体为随机化单位，保持处理个体数；交错政策时还要考虑是否保持 cohort 规模。每次重新构造 0/1 placebo_did，用与主模型相同的 Y、控制、双向固定效应和聚类层级估计。保存全部 placebo 系数，不仅保存 p>.05 的运行。

方案三：安慰剂结局

选择理论上不应被政策影响、且测量过程相近的结局。必须提前解释“为什么不应受影响”，不能从几十个变量里挑一个没有星号的结果。

一句话执行清单

对 policy_panel.csv 做虚假处理组安慰剂：以 firm_id 为随机化单位，保持真实处理企业数和原始年份结构，预设 500 次、seed=20260711；每次重建 placebo_did，并使用与主模型相同的 outcome、controls、企业/年份固定效应和企业聚类。保存每次分配、B、SE、p、N及失败原因，绘制 placebo B 分布并标出真实 B。当前 ChatSRS 无自动循环路径，随机化与汇总必须由经验证脚本完成，禁止虚构结果。

输出怎么解释

演示性报告应保留占位符：“500 次预设随机分配中，有 [ ] 次成功估计；经验双侧尾部比例为 [ ]；真实 B 位于分布的 [ ] 位置。”这些数字只能由保存完整运行账本的实际程序产生。

若真实估计在 placebo 分布尾部，只能说它不太像当前随机化机制下的典型伪分配结果；不能说“排除了所有遗漏变量”。若大量 placebo 也得到类似结果，应重新检查共同趋势、组别结构、时间冲击和标准误。

随机化运行账本怎么保存

每次迭代至少记录迭代号、seed、被分配个体、虚假政策时点、成功或失败状态、有效 N、系数和标准误。失败模型不能静默丢弃，应说明失败比例及其是否与特定分配结构相关。图中真实系数与 placebo 分布必须使用同一估计规格和尺度；若主模型缩尾、固定效应或聚类设置不同，比较就失去意义。多种安慰剂方案应分别给出预设目的，不能把所有结果混成一个“稳健”结论。运行脚本、输入文件校验值和汇总代码应随返修材料归档，使编辑或合作者能够在相同种子下重现分配。

返修信模板

感谢审稿人的建议。我们预先定义了 [虚假时点/虚假处理组/安慰剂结局] 检验。
随机化单位为 [ ]，保持 [处理比例/cohort结构]，共运行 [ ] 次，随机种子为 [ ]。
每次估计沿用主模型的样本、控制、固定效应与聚类层级；完整失败记录见附录 [ ]。
真实估计与 placebo 分布的比较见图 [ ]，经验尾部比例为 [ ]。
该检验是对特定伪相关机制的诊断，不证明所有 DID 识别假设成立。

常见问题 FAQ

Q1：把政策提前一年跑一次就够了吗？

只能作为一种虚假时点规格，需说明选择依据，不能代表随机处理组分布。

Q2：panel_robustness 是 placebo analyzer 吗？

不是。它当前实现替换 Y、滞后 X、剔年份和 Bootstrap SE。

Q3：随机多少次才一定够？

没有脱离目标精度的万能次数。应事前规定并报告 Monte Carlo 不确定性。

Q4：安慰剂不显著就证明因果成立吗？

不能。它只针对所设计的伪处理机制提供补充诊断。