稳健性检验

稳健性检验 (Robustness Check)

稳健性检验 (Robustness Check) 是实证研究中用于验证主要结论是否对模型设定、变量定义、样本构成或估计方法等研究者的自由裁量选择敏感的一套系统化诊断程序。其核心逻辑可以概括为一个反问：如果研究者当初做出了不同的合理选择，结论是否会因此改变？ 如果结论在多种合理替代方案下保持稳定（即具有"稳健性"），则研究结果的可信度大幅提升；反之，若关键系数符号或显著性在微小调整后即发生翻转，则基准回归结果应被视为脆弱的、不可靠的。

稳健性检验并非一个具有严格数学定义的统计检验，而是一类研究实践规范 (Research Practice Norm)。它与敏感性分析有亲缘关系但不等同——敏感性分析考察结论如何随参数或假设的连续变化而变化，而稳健性检验强调在离散"合理替代方案"之间切换时结论的稳定性。

稳健性检验的必要性：研究者自由裁量权问题

任何一项实证研究都涉及大量的研究者自由裁量 (Researcher Degrees of Freedom)，也称为研究者自由度。这些选择包括但不限于：核心变量的操作化定义、控制变量的选取与组合、样本的纳入排除标准、函数形式（线性、对数线性、多项式）、估计方法（OLS、FE、GMM）、标准误的计算方式（异方差稳健、聚类稳健）等。Simonsohn 等 (2014) 指出，在极端情况下，同一数据集的同一研究问题可以通过合理但不同的分析路径得出截然相反且均"统计显著"的结论。稳健性检验的核心使命就是证明研究结论并非研究者刻意挑选某一特定规格以"p-hacking"的产物。

从哲学层面看，稳健性检验体现了实证科学的基本原则：科学结论不应依赖分析者的主观偏好。若结论只在特定设定下成立而在其他同样合理的设定下消失，该"发现"更可能是统计伪影而非真实经济规律。

稳健性检验的主要维度

一项完整的稳健性检验通常涵盖以下六个维度中的若干项。具体选择哪些维度取决于研究问题的性质和数据特征。

1. 替代变量定义

核心解释变量和被解释变量通常有多种合理的测量方式。例如，"企业创新"可以用专利申请数、研发支出占销售额比重、新产品销售收入占比等来衡量；"经济发展水平"可用 GDP 总量、人均 GDP、夜间灯光强度等来代理。稳健性检验要求研究者证明：当替换为核心变量的替代度量时，主要结论的符号和显著性不出现根本性改变。

2. 替代模型设定

函数形式的改变是对结论可靠性的严格测试。线性模型变为对数线性模型 (log-linear model)、在Probit与Logit之间切换、添加二次项或交互项以检验非线性效应——这些变化都不应颠覆核心结论。特别地，如果研究者发现加入二次项后线性项符号反转，则原线性设定的结论可能具有误导性。

3. 样本调整

样本构成的变化是检验外部有效性的重要手段。常见的操作包括：(a) 剔除极端值或使用Winsorize (缩尾处理) 以检验结论是否由离群观测值驱动；(b) 剔除某一特定子群体（如最大城市、某一行业）以检验结论是否具有普遍性；(c) 在不同时间窗口或不同地区子样本中分别回归。如果基准结论在某一子样本中消失，这表明可能存在异质性处理效应 (Heterogeneous Treatment Effects)，需要进一步探究。

4. 替代估计方法

当基准回归使用OLS时，稳健性检验可能切换为加权最小二乘法 (WLS)、中位数回归 (Median Regression 或 分位数回归 Quantile Regression)、或使用Bootstrap推断。对于面板数据，可能从随机效应模型 (Random Effects) 切换到固定效应模型 (Fixed Effects) 或系统 GMM。如果不同估计方法得出方向一致的结论，则基准结果不依赖于特定估计量的数学性质。

5. 安慰剂检验 (Placebo Test)

安慰剂检验是一种特殊的稳健性检验，主要用于因果推断研究（特别是双重差分 (DID)和断点回归 (RDD)设计）。其基本逻辑是：将"处理"施加到不应该产生效果的时期（伪处理时间）或群体（伪处理组），若此时仍然"发现"显著的处理效应，则说明基准结果很可能只是反映了数据中的某种自然波动或遗漏变量趋势，而非真正的因果效应。一个标准的安慰剂检验是：将政策发生时间人为提前若干期，检验在此之前是否已出现"处理效应"——若存在，则平行趋势假设可能不成立。

6. 控制额外协变量

基准回归可能遗漏了同时影响处理变量和结果变量的混淆因素。稳健性检验通过逐步添加控制变量来观察核心系数是否稳定：若加入新变量后核心系数剧烈波动，则基准回归可能存在遗漏变量偏误 (Omitted Variable Bias)。Oster (2019) 提供了一种形式化的方法，利用系数和 $R^2$ 的联动变化来评估遗漏变量偏误的严重程度。

稳健性检验与敏感性分析的边界

稳健性检验与敏感性分析在实践中常被混用，但二者的分析逻辑有重要差异。敏感性分析通常采取"连续变化"的范式——例如，考察Rosenbaum 界限 (Rosenbaum Bounds) 在倾向得分匹配 (Propensity Score Matching) 中评估未观测混杂因素需达到多强才能使结论反转。而稳健性检验采取"离散切换"的范式——在几种同样合理但性质不同的替代方案中切换，报告结论的稳定性。

另一个关键区别在于结果呈现。敏感性分析通常给出一个临界值（"当未观测混杂效应达到什么水平时结论逆转"），而稳健性检验通常以表格形式呈现——基准回归在第一列，后续各列依次报告替代设定下的结果，终端读者可以直观判断系数符号和显著性的稳定性。这种"稳健性表格"已成为经济学实证论文的标准配置。

稳健性检验的局限与滥用风险

尽管稳健性检验是实证研究的必要步骤，但也存在被滥用的风险。首先，选择性报告 (Selective Reporting) 是一个严重问题：研究者可能实际上进行了数十种稳健性检验，但只选择性地报告那些"通过"的检验结果，而将不利结果隐匿。这与p-hacking 的逻辑如出一辙——稳健性检验本身变成了另一种形式的"规格搜索"。

其次，稳健性不等于正确性。一组非常稳健的结果可能仅仅是反映了数据中普遍存在的内生性问题——如果解释变量在每一种设定下都与扰动项相关，那么无论使用何种估计方法，系数的偏误方向都可能一致。因此，稳健性检验必须与识别策略 (Identification Strategy) 的严谨论证相结合，而不能替代对因果识别的基本思考。

再次，过度稳健性检验可能使分析失去焦点。论文若包含数十页稳健性检验表格，读者易迷失于细枝末节，反而削弱核心论证的说服力。最优实践是选取识别假设最可能被违反的维度进行针对性检验，而非机械穷举所有替代设定。

现代实践：预注册与多重假设校正

面对研究者自由度带来的可复制性危机，经济学界开始引入来自实验科学的制度工具。预注册 (Pre-registration) 要求研究者在数据分析和结果知晓之前公开注册研究设计和分析计划，包括哪些稳健性检验将被执行以及如何解释其结果。这样做的目的不是禁止探索性分析，而是对"确认性分析"与"探索性分析"做出明确标示，使读者能够自行判断结论的可靠程度。

在涉及大量并行稳健性检验时，多重假设检验校正 (Multiple Hypothesis Testing Correction)——如Bonferroni 校正、Benjamini-Hochberg 程序等——也越来越常见。这些方法通过对显著性阈值进行调整，降低族错误率 (Family-Wise Error Rate)，防止将纯粹由随机波动产生的"显著"结果误判为稳健的证据。

总结

稳健性检验是连接统计推断与科学推断的桥梁。它不直接检验任何经济理论，而是检验数据分析的可靠性——结论是否足够强健，以至于能够在研究者做出的各种合理自由裁量下存活。一个没有经过稳健性检验的实证结论，就像一座未经压力测试的桥梁：表面上可能结构完整，但在轻微的外部冲击下就可能崩溃。因此，严谨的稳健性检验不是可有可无的附录材料，而是实证研究中与基准回归同等重要的核心组成部分。它为从相关性到因果性的推断提供了一道必要的防火墙。