| name | cpa-identification |
| description | Use when the research design is the bottleneck for a 《中国行政管理》 manuscript — choosing and stress-testing a quantitative, qualitative, or normative design and matching it to the research question. Stress-tests the design before drafting exhibits; does not write the policy implications. 本技能服务于《中国行政管理》(Chinese Public Administration, CPA)。 |
研究设计与因果推断（cpa-identification）
触发时机
- 不确定该用定量、定性还是规范分析
- 做了问卷但只跑了描述统计 + 主观判断
- 案例研究只是"讲故事"，没有清晰的设计逻辑与证据链
- 想用准实验（DID / IV / 断点）但不确定问题是否适配
第一原则：方法服务于问题
先看研究问题的性质，再选方法。 把流行的因果识别方法硬套到本质是规范或描述性的问题上，是《中国行政管理》审稿人最反感的"方法错配"。
| 研究问题性质 | 适配设计 |
|---|
| "X 是否 / 多大程度上影响 Y"（效应估计） | 定量：准实验 / 回归 / 多层模型 |
| "X 如何 / 通过什么过程导致 Y"（机制 / 过程） | 定性：案例 / 过程追踪；或定量中介 |
| "为什么 A 地成功 B 地失败"（条件 / 组合） | 比较案例 / QCA |
| "某制度应当如何设计 / 其规范基础是什么" | 规范 / 理论分析 |
| "效应 + 过程都要" | 混合方法（嵌入式 / 解释性序列） |
分支路径
分支 A：定量——准实验因果推断
适用于政策评估类问题（某项改革 / 政策冲击的效应）。
- DID：是否交叠处理？→ 必须用 Goodman-Bacon 分解 + Callaway-Sant'Anna 或 Sun-Abraham，回应近年异质性处理偏误批评；平行趋势事件研究图必画；安慰剂检验
- IV：第一阶段 F 须足够强（弱工具 → weak-IV-robust CI）；排他性论证至少 3 段（理论 / 制度 / 安慰剂）
- 断点（RDD）：利用清晰的行政门槛（人口规模、财政线、评级线）；McCrary 密度检验 + 带宽稳健性
- 标准误聚类层次合理（地区 / 政策实施层级）
分支 B：定量——调查与多层数据
适用于态度 / 感知 / 行为类问题（政府信任、满意度、参与）。
- 抽样框与代表性说明清楚；回收率与无应答偏差
- 测量效度（信度 α、CFA / 收敛—区分效度）与共同方法偏差检验（如 Harman 单因子、标记变量法）
- "个体—组织—地区"嵌套 → 用多层模型（HLM），不要忽视层次结构
- 内生性 / 反向因果的讨论与缓解（工具、面板、滞后）
分支 C：定性——案例与比较案例
- 案例选择有明确逻辑：典型 / 极端 / 关键 / 最相似—最不同；说明为什么是这个(些)案例
- 资料多源三角验证：文件 + 访谈 + 观察 + 档案，建立证据链（chain of evidence）
- 比较案例：明确比较维度与控制条件
- 提升外部效度的论证：分析性概括（而非统计概括）
分支 D：定性——过程追踪与扎根理论
- 过程追踪：用因果机制的观察含义设检验（箍式检验、冒烟枪检验），评估证据强度，排除竞争性解释
- 扎根理论：开放—主轴—选择三级编码；理论饱和判断；编码簿与编码者间一致性（如适用）
- 时间线清晰，关键节点可追溯到资料
分支 E：规范 / 理论分析
- 概念界定清晰，论证逻辑严密（不是观点罗列）
- 与既有理论对话，明确推进点
- 规范主张有价值前提与论证链，不滑向纯政策建议
分支 F：混合方法
- 说明设计类型：解释性序列（先定量后定性解释）/ 探索性序列（先定性建模后定量检验）/ 嵌入式
- 定量与定性的整合点在哪里（联合展示 / 三角验证矩阵）
- 不是"定量一段 + 定性一段"拼贴，而是相互回答
执行桥（StatsPAI / Stata MCP）
把设计跑出来并审计，而不是只做描述。完整映射见
execution-with-mcp。《中国行政管理》是公共管理刊，实证用观察性与(准)实验设计；识别 + 聚类/多层推断，定性工作另循其标准。
detect_design → recommend → 用 as_handle=true 拟合 → audit_result 列出尚欠的检查。- **观察性因果：**交错 DID（
callaway_santanna / sun_abraham + bacon_decomposition +
honest_did_from_result）；IV（effective_f_test + anderson_rubin_ci）；RDD（rdrobust +
mccrary_test）。
- **实验：**随机化推断 +
romano_wolf 做多结果族错误率控制。
- 敏感性：
oster_delta / sensemakr。
正文报告经济量级，完整 battery 进附录；每个数字都能复现。端到端真跑示例见
JF 执行 walkthrough。若 StatsPAI/Stata 未连接，改用 resources/code/ 并标注未验证数字。
必查清单
反模式
- 把因果识别方法硬套到本质是规范 / 描述的问题上
- 问卷研究止步于描述统计 + 主观判断，无效度检验、无识别策略
- 案例只是叙事，没有案例选择逻辑、没有证据链
- TWFE + 交叠处理却不讨论异质性处理偏误
- "我们认为该政策外生"但无任何证据
- 忽视"个体—组织—地区"嵌套结构，直接 OLS
输出格式
【研究问题性质】效应 / 机制过程 / 条件组合 / 规范 / 混合
【选定设计】DID / IV / RDD / 调查多层 / 案例 / 过程追踪 / 扎根 / 规范 / QCA / 混合
【方法-问题匹配】匹配 / 错配（说明）
【已完成检验/论证】[...]
【缺失检验/论证】[...]
【竞争性解释】已排除 / 待处理
【下一步】cpa-mechanism
