fin-experiment-design

经济金融实证方法设计

将研究想法细化为完整、可执行的实证研究设计。

输出文件

所有文件输出到 output/fin-refinement/ 目录：

文件	说明	优先级
REFINED_DESIGN.md	核心研究设计文档（最重要）	必须
EXPERIMENT_PLAN.md	详细实验执行计划	必须
VARIABLE_DEFINITIONS.md	变量定义表	必须
ROBUSTNESS_PLAN.md	稳健性检验方案	必须
ENDOGENEITY_PLAN.md	内生性处理方案	必须
EXECUTION_CHECKLIST.md	实验执行检查清单	必须
empirical_package.json	实证包契约（表台阶 / 控制职务 / 机制 / 图门）	必须

实证包（先问后填）

选控制、写机制前先走十问，不要抄例 JSON 的渠道名：

python -m scripts.core.empirical_package questions
python -m scripts.core.empirical_package scaffold --mode core --unit firm
python -m scripts.core.empirical_package audit output/fin-refinement/empirical_package.json

实证轨跑一遍就能把能算的格填上（结构事实 / 逐步 / 更紧 / 样本流；机制须自己点名渠道）：

python -m scripts.research_framework.enhanced_pipeline --topic "..." --mechanism 渠道列名

empirical_package.json 最低要求：y_construct / x_construct、每件控制的 variable_jobs（中文 table_row + 接到本题 Y 的 job + 非贴纸 basis）、黄金八格（缺格写 dropped 理由）、政策 DID 还要独立于电池的 mechanism_channels（≥2 条且不是本题 Y）与 figure_gate。mechanism_methods 按推断家族计数（sobel+bootstrap 只算一种）。政策 DID 不得 dropped: mechanism。交稿是合取：主栏显著 ∧ 控制有职务 ∧ 活机制表 ∧ 图干净 ∧ 能复述的 story 页。H1 必须是主发现，禁止写「H1 被拒绝」。

前置条件

读取以下文件（按优先级）：

1. output/fin-ideas/IDEA_REPORT.md — 选定研究想法
2. output/fin-novelty/NOVELTY_REPORT.md — 新颖性验证
3. output/fin-literature/LIT_REVIEW.md — 文献综述
4. FIN_BRIEF.md — 研究简报
5. output/fin-refinement/REFINED_DESIGN.md — 如已存在，读取并更新

核心模块依赖

# scripts/research_framework/modern_did.py
from modern_did import ModernDiDEngine, DiDEstimationResult

# scripts/research_framework/robustness_runner.py
from robustness_runner import RobustnessRunner, RobustnessReport

# scripts/research_framework/iv_panel.py
from iv_panel import IVPanel

# scripts/research_framework/rdd.py
from rdd import RDDEngine

---

阶段1：识别策略选择（决策树）

⚠️ Checkpoint: 策略选择后必须向用户展示决策树结果，解释为何选择该策略。

决策树

样本是否包含处理组/对照组？
│
├── 是 → 政策/处理时点是否单一？
│   ├── 是 → 经典 2×2 DID
│   │   ├── 单一处理队列 → 标准 DID (Angrist & Pischke 2009)
│   │   └── 多处理队列 → Callaway-SantAnna (QJE 2021) [推荐]
│   │       或 Sun-Abraham (REStud 2021)
│   │       或 Borusyak-Jaravel-Spinks (REStud 2024)
│   │       或 Gardner (2022) shock-free
│   │
│   └── 否 → 合成控制法 (Abadie et al. 2010)
│       或 合成 DID (Arkhangelsky et al. 2021)
│
└── 否 → 处理变量是否为连续型？
    ├── 是 → 断点回归 (RDD)
    │   ├── 精确 RDD
    │   └── 模糊 RDD (含 IV)
    │
    └── 否 → 工具变量法
        ├── 弱 IV 检验: Kleibergen-Paap rk F statistic
        └── 面板 GMM: Arellano-Bond / Blundell-Bond