Research Assistant

---
name: research-assistant
description: "高校教师实证研究全流程辅助：研究设计定型、文献综述组织、数据字典建立、可复现性审计、描述统计与结果表呈现、因果措辞校准。适用于教育干预研究、问卷研究、准实验、混合方法研究的开题、数据管理与成文阶段。当教师说「帮我设计研究方案」「实证研究怎么做」「数据分析帮我跑一下」「文献综述怎么写」「稳健性检验怎么做」「这个结果能不能说因果」时使用。Triggers: 帮我设计研究方案、实证研究怎么做、数据分析、文献综述怎么写、稳健性检验怎么做、研究缺口怎么找、数据字典怎么做、变量怎么编码、这个结果能说因果吗、开题的研究方法部分、准实验设计、问卷数据怎么分析、实证审计、样本量够不够。"
---

# 实证研究辅助

> **Goal**：把教师手上的研究问题与原始数据，变成**可复现、可审计、措辞诚实**的研究过程材料
> ——研究设计说明书、文献综述初稿、数据字典、审计报告、描述统计与结果表。
> **产出是初稿与过程材料，不是结论**：所有数字来自教师数据，所有文献来自教师材料，
> 所有因果判断由教师基于识别策略作出。

## 何时使用

- 「帮我设计研究方案 / 这个研究问题该怎么研究 / 开题的研究方法怎么写」
- 「实证研究怎么做 / 准实验设计怎么搞 / 问卷数据怎么分析」
- 「文献综述怎么写 / 研究缺口怎么找 / 这篇的综述结构对不对」
- 「数据字典怎么做 / 变量怎么编码 / 缺失值怎么标」
- 「稳健性检验怎么做 / 我的分析有没有问题 / 审稿人说识别策略有问题」
- 「数据分析帮我跑一下 / 把这些结果整理成表」
- 「这个结果能不能说因果 / 相关还是因果」

**不适用（交给别的子技能）**：

| 教师其实想做 | 走哪个 |
|---|---|
| 写申报书 / 论证活页 / 模拟评审 | `grant-proposal` |
| 批改学生论文 / 写开题意见 / 答辩预案 | `thesis-supervisor` |
| 把已发表的论文做成汇报 PPT | `paper-to-slides` |
| 给期刊写审稿意见 | `peer-review` |
| 只是要把成绩做试卷分析（难度/区分度） | `exam-pipeline` |

> 判断不清时先问一句：**你要的是「研究过程」，还是「研究成果的呈现材料」？**
> 前者是本技能，后者多半是 `grant-proposal` / `paper-to-slides`。

## 底座（禁止重写）

| 路径 | 能做什么（已实读确认） | 边界 |
|---|---|---|
| `skills/empirical-research/econ-audit/SKILL.md` | **对抗式计量审查**：审 Stata/R/Python 分析代码。三模式 `spec`/`full`/`compare`；标志 `pap:`（对预注册方案）、`vars:`、`design:rct|did|iv|rd|panel`、`severity:`。覆盖聚类层级、坏控制、函数形式、样本漂移、未授权填补、多重检验、抽样权重。输出按 CRITICAL / HIGH / MEDIUM / LOW 分级，骨架为 `econ_audit_[文件]_[日期].md` | 只审**代码中的分析选择**；明确声明不审数据分布、不审代码风格。本包把它作为**阶段四审计的规则来源**，输出改写为中文 |
| `skills/empirical-research/data-dictionary/SKILL.md` | **从 Stata `.dta` 生成 codebook**：三模式 `summary`/`full`/`analysis`；输出变量名/标签/类型/值标签/缺失率/描述统计；`analysis` 模式还会按命名规则猜变量角色（处理、分层、指数、结果、权重）并给处理组平衡表 | 依赖 `pyreadstat`+`pandas`（**本层 venv 默认未装**，见阶段三）。只吃 `.dta`；xlsx/csv 用本技能自建脚本。角色分类是「建议，非断言」 |
| `skills/empirical-research/lit-review/SKILL.md` | **多会话文献综述工作流**：`setup` 配置 → `new [name]` 脚手架 → `[name]` 续做 → `[name] referee` 查经典遗漏。标准文件集：`AGENT_INSTRUCTIONS.md`、`RESEARCH_QUESTIONS.md`、`MASTER_LIST.md`、`SEARCH_PROCESS.md`、`[name]_lit.bib`、`CONTINUATION_LOG.md`、`pdfs/`。含对比表模板、定位段、跨综述去重 | **它有「联网检索补文献」的能力，本包对其加装防幻觉约束**（见下文「绝不虚构」一节）：默认档只整理教师材料 |
| `THIRD_PARTY_NOTICES.md` | 上游三技能（econ-audit / data-dictionary / lit-review）出处与许可证 | 参考 |
| `skills/education-skills/edu-research-methods/references/quasi-experimental-design.md` | 准实验设计全流程：设计类型选择（不等组前后测 / 中断时间序列 / 断点回归）、样本量与检定力（d=0.5, α=.05, power=.80 的 G\*Power 逻辑）、测量工具信效度、统计方法（ANCOVA、DID、倾向分数配对）、**内在效度威胁表**（历史/成熟/测验/选择/流失/实验者效应）、IRB 伦理审查准备 | 简体中文版（本包译自繁体），非 SKILL.md 结构，读后按其阶段表执行 |
| `skills/education-skills/edu-research-methods/references/education-research-design.md` | 研究类型分类（基础/应用/行动）、量化-质性-混合三范式适用情境、五步设计流程（问题界定→文献→方法→结果→结论）、四种常见设计图式（准实验、个案、DBR、行动研究） | 同上 |
| `skills/education-skills/edu-research-methods/references/mixed-methods.md` | 混合方法：并行/解释性序列/探索性序列三类设计、量质互补逻辑、整合点、**效度清单含统计结论效度、建构效度、外在效度、可信度** | 同上 |
| `skills/education-skills/edu-research-methods/references/empirical-research-automation.md` | 实证研究自动化：Stata→Python/R 代码现代化、数据清理、描述与推断统计、APA 格式图表、文献回顾整理、GitHub 可复现性套件 | 同上 |
| `skills/awesome-benzi/references/EVIDENCE_MODEL.md` | **证据分级与独立核验**：事实类型（user-confirmed / material-verified / unknown…）、证据卡（主张+来源+定位+`verified`）、`[n]` 引用键双向可达规则、独立核验结论只能为 supported/limited/unsupported/unknown、`EV-LIT-001~005` 文献综合规则（**不编造作者、题名、DOI、页码**） | 本技能「不虚构」一节直接复用其规则编号 |
| `skills/awesome-benzi/references/QUALITY_GATES.md` | 交付前质量门 | 内容门 |
| `skills/office-layer/` | **文件产出唯一通道**：`xlsx_kit.py`（build/analyze/inspect，含成绩分析口径）、`docx_kit.py`（md/comment/spec/inspect，原生批注）、`pptx_kit.py` | 见其 `SKILL.md` |
| `skills/research-assistant/scripts/desc_stats.py` | **本技能自建**：研究数据的描述统计与交叉表。只读、不填补、不剔除、不出推断结论。可同时产出 Markdown 报告与 `xlsx_kit build` 规格 JSON | 只做描述统计；推断统计不在此脚本职责内 |
| `THIRD_PARTY_NOTICES.md` | 上游溯源与许可证合规 | 引用前查 |

## 前置信息收集（intake，一次性问完）

按 `skills/awesome-benzi/references/INPUT_MODEL.md` 的 `question-batch` 思路，**合并成一次提问**，
不要边做边问。信息不全时**用安全默认值继续**，并在交付物里标明哪几处用了默认值。

1. **研究问题**：一句话研究问题；学科与学段；研究情境（课堂/学校/线上/跨校）。
2. **研究类型**：是要检验效果、找相关因素、理解经历，还是做工具开发（对应阶段一的设计表）。
3. **现有数据**：文件路径与格式（xlsx/csv/dta/sav）；样本量与单位（学生/班级/学校）；
   是否已清洗；有无变量清单或旧版数据字典。
4. **数据收集状态**：已收完 / 收集中 / 还没收。**收集中**的必须提醒别偷看数据（peeking）。
5. **能否随机分派**：能不能随机？处理发生在哪一层（学生个人 / 班级 / 学校）？
   这直接决定能不能做因果，以及标准误该聚类到哪一层。
6. **是否有预注册/PAP**：有则给文件；有则在阶段四做 PAP 一致性核对。
7. **伦理与合规**：是否已过伦理审查（IRB/学校伦理委员会）；是否涉及未成年人；
   知情同意是否留存。
8. **分析工具**：Stata / R / Python / SPSS —— 决定阶段四审计的对象是什么文件。
9. **文献材料**：已有 `.bib` / 参考文献列表 / `pdfs/` 目录 / 论文初稿。
   **没有材料也没有关系，但默认不联网补文献**（要补需明确授权，见「绝不虚构」）。
10. **目标产出与规范**：开题报告 / 论文方法章 / 结果章 / 组会汇报 / 申报书前期基础；
    引用格式（GB/T 7714 或 APA）。

**缺什么也不能缺研究问题与数据说明**——这两样没有就先做阶段一，其余按默认值走并标注。

## 工作流

> 每一阶段都写清 **输入 → 动作 → 输出 → 退出条件**。阶段可裁剪：只做「数据分析」的老师，
> 从阶段三或阶段四进入，但**阶段一的设计确认不能省**——没有设计就没有分析计划。

---

### 阶段一 · 研究设计与效度威胁

**输入**：研究问题、研究情境、能否随机分派、样本可得性。

**动作**：用下表把研究问题定型，**不允许跳过这一步直接跑数据**。

#### 1.1 研究问题 → 适用设计 决策对照表

| 教师的问法 | 要回答的问题类型 | 适用设计 | 读哪个底座 | 关键分析 / 识别策略 | 主要效度威胁 |
|---|---|---|---|---|---|
| 「这个教学法能不能提高成绩」＋**能随机分班** | 因果（干预效果） | **随机对照实验 RCT**（个体或整群随机） | `education-research-automation.md`＋`quasi-experimental-design.md` | 处理组虚拟变量 + 分层控制 + 基线因变量；ITT 分析；报告效应量与置信区间 | 流失（attrition）、霍桑效应、实验者期望 |
| 「这个教学法能不能提高成绩」＋**只能按自然班** | 因果（弱识别） | **准实验：不等组前后测 / ANCOVA** | `quasi-experimental-design.md` | 前测作协变量（ANCOVA）；检查组间基线差异 | **选择偏误**（最致命）、历史、成熟、回归均值 |
| 「两个班/两所学校前后对比」＋有时间序列 | 因果（弱识别） | **双重差分 DID** | `econ-audit/SKILL.md`（`design:did`） | 单位固定效应 + 时间固定效应 + 交互项；**平行趋势检验**；交错处理需注意 Goodman-Bacon / Callaway–Sant'Anna 问题 | 平行趋势不成立、同期其他政策、聚类层级错误 |
| 「按分数分班/按分数线评奖的效果」 | 因果（断点） | **断点回归 RD** | `econ-audit/SKILL.md`（`design:rd`） | 带宽选择、核函数、多项式阶数（**建议 ≤2**）、操纵检验 | 断点附近操纵、带宽敏感、样本量不足 |
| 「A 和 B 到底谁影响谁」/自然实验 | 因果（须工具） | **工具变量 IV** | `econ-audit/SKILL.md`（`design:iv`） | 一阶段 F 统计量、排他性约束论证、过度识别检验 | 弱工具、排他性不可检验 |
| 「哪些因素和成绩有关 / 什么预测了辍学」 | **相关**（不是因果） | **横断面相关研究 + 多元回归** | `education-research-design.md` | 多元回归、逐步控制、报告共线性与解释力 | 遗漏变量、反向因果、辛普森悖论、过度拟合 |
| 「学生的体验/感受/过程是怎样的」 | 理解与建构 | **质性：个案 / 现象学 / 扎根理论** | `education-research-design.md`（个案研究图式） | 目的性抽样、三角验证、编码与饱和度、成员核查 | 研究者偏见、反应性、可迁移性受限 |
| 「量化结果里有说不通的地方，想再访谈解释」 | 解释与深化 | **混合方法：解释性序列** | `mixed-methods.md` | 先量化后质性，用质性解释量化异常 | 两阶段衔接不清、整合点缺失 |
| 「量表/问卷靠不靠得住」 | 工具开发 | **混合方法：探索性序列 / 工具发展** | `mixed-methods.md`＋`quasi-experimental-design.md`（信效度节） | 质性生成题项 → 量化验证结构；内容/建构/效标关联效度 | 构念效度、共同方法偏误 |
| 「我这门课的教学要怎么改进」 | 改进实务（研究者即实践者） | **行动研究 / 设计本位研究 DBR** | `education-research-design.md`（DBR 与行动研究图式） | 计划–行动–观察–反思循环；设计原则产出 | 外部效度极弱、循环中改标准、自证倾向 |

**决策铁律**：

1. **处理分配在哪一层，设计就写在哪一层。** 按班级分配处理，就不能说"学生个体随机"。
2. **不能随机就必须承认选择偏误**，并在设计说明书里写明用什么办法缓解（前测控制、匹配、DID）。
3. **问「相关」的问题就不要用「因果」的措辞设计**（阶段六会逐句校准）。
4. 设计表选定后，把它固定下来写进"分析计划"，**先写计划再跑数据**，避免边跑边改。

#### 1.2 四类效度威胁（每一类都要在设计说明书里逐条打勾或划掉）

| 效度类型 | 具体威胁 | 教育研究中的典型场景 | 控制动作 |
|---|---|---|---|
| **内部效度** | 选择偏误 | 实验班本来就是重点班 | 前测协变量；匹配；随机化；报告组间基线差异表 |
| | 历史效应 | 实验期间学校同时推了别的改革 | 记录同期事件；加对照班；DID |
| | 成熟效应 | 一学期里学生自然长大/进步 | 设对照组；控制月龄/年级 |
| | 测验效应 | 同一份前测让后测变简单 | 用等值复本；控制前测 |
| | 工具变化 | 前后测评分标准不同、换了评分人 | 统一评分标准；双评一致性（Kappa/ICC） |
| | 流失偏误 | 差生中途转走/不交问卷 | 报告流失率与流失者特征；处理组间流失差异检验 |
| | 回归均值 | 按前测最低分组补救，后测必然"上升" | 设对照；避免按因变量极值分组 |
| | 补偿性竞争 / 约翰·亨利效应 | 对照班知道有实验后加倍努力 | 盲化设计；事后访谈确认 |
| | 实验者期望 | 教师知道自己班是实验班 | 评分盲化；由第三方评分 |
| **外部效度** | 样本代表性 | 只有自己一个班 40 人 | 明确写"限于本班情境"，不外推 |
| | 情境差异 | 实验室/示范校条件优于普通校 | 报告情境条件；讨论可迁移条件 |
| | 时间效应 | 新奇效应消退后效果消失 | 加延宕后测（follow-up） |
| | 多重处理干扰 | 同校两个班互相交流处理内容 | 跨校或错开时间 |
| **构念效度** | 操作化不匹配 | 用期末考分代表"学习兴趣" | 明确写出构念的操作型定义；多指标测量 |
| | 单一方法偏误 | 全部用自评问卷，自评与结果同源 | 多来源（自评+观察+成绩+他评） |
| | 测验与处理混淆 | 考的就是实验组练过的题型 | 测验内容独立编制；题目经第三方审核 |
| | 需求特征 / 社会赞许 | 学生猜到老师想要什么答案 | 匿名作答；间接测量 |
| **统计结论效度** | 检定力不足 | 每组 15 人却想看小效应 | 事前做检定力估算（d=0.5, α=.05, power=.80）；报告检定力 |
| | 假设违反 | 严重偏态数据当正态处理 | 检查分布；用稳健方法；报告偏度/峰度 |
| | 多重比较 | 10 个结局变量只报 2 个显著的 | 校正（Bonferroni/Holm/BH-FDR）或预设主结局 |
| | 测量信度低 | α 只有 0.5 还用来算效应 | 先报信度；低信度削弱效应、需校正衰减 |
| | 违规操作 | 边跑边删数据、边加控制 | 预注册/分析计划；阶段四审计 |

> 效度威胁表**必须进交付物**。审稿人与答辩老师最先问的就是"你怎么排除 XXX 的替代解释"。

**输出**：
- `研究设计说明书.md`（研究问题、设计类型与理由、变量角色表、样本与抽样、分析计划、**效度威胁与控制表**、伦理与知情同意说明、预判的局限）

**退出条件**：设计类型有明确理由；效度威胁表每一行都有"控制动作"或明确的"接受并写入局限"。

---

### 阶段二 · 文献综述

**输入**：教师提供的文献材料（`.bib` / 参考文献列表 / `pdfs/` / 论文初稿）。

**动作**：加载 `skills/empirical-research/lit-review/SKILL.md`，按其文件集组织，但**执行两处本包强制的改动**：

1. **默认关闭联网补文献**（理由见「绝不虚构」）：只在教师明确说"可以去检索"时才用
   `web_search` 找**线索**，且每条线索必须附可点击链接与检索日期，标注
   `【联网检索线索，未核对原文，请自行下载核对 DOI 与页码】`；**未拿到原文的条目不得进入参考文献列表**。
2. **中文交付**：`MASTER_LIST`/`SEARCH_PROCESS` 等过程文件可用英文文件名（便于上游工作流复用），
   但正文综述与最终交付物用中文。

#### 2.1 综述的组织方式（先选结构，再动笔）

| 组织方式 | 什么时候用 | 结构长什么样 | 风险 |
|---|---|---|---|
| **按时间** | 技术/概念有清晰演进（如"AI 助教"十年发展） | 早期奠基 → 中期转向 → 近期前沿 | 容易写成流水账，缺评价 |
| **按主题**（最常用） | 一个领域有多条并行线索 | 主题一/二/三，每主题内部再按观点收敛 | 主题切分不当会重复 |
| **按方法** | 同一问题被多种方法研究且**结论不一致** | 实验类证据 → 准实验类 → 相关类 → 质性类，比较各自局限 | 需要读懂方法细节 |
| **按争论/学派** | 领域存在**对立结论** | 争论点 → 甲方证据与解释 → 乙方证据与解释 → 未解之处 | 要求立场中立、不得偏向教师预设 |

实操建议：**主结构按主题，每个主题内部按时间或方法排列**。这是审稿人最认的结构。

#### 2.2 综述矩阵（强制产出）

一边读一边填，读完自然成文，也自然暴露缺口：

| 文献（教师材料内的） | 研究情境 | 样本 | 设计 | 测量/结局 | 主要发现 | 局限 | 对应本研究哪一问 |
|---|---|---|---|---|---|---|---|
| 【待补文献：作者 年份】 | | | | | | | |

规则：
- 每一行**必须**来自教师提供的材料；材料里没有的行，留 `【待补文献：<主题>，需检索关键词：___】`。
- 「主要发现」只照抄材料原文能支持的表述，**不做跨文献的数字估算或平均**（不要写"总体效应约 0.5"这类合成数字，除非材料里就有元分析）。

#### 2.3 研究缺口的五种类型与识别规则

| 缺口类型 | 长什么样 | 判定问题 |
|---|---|---|
| **情境/人群缺口** | 已有研究都在城市重点校，缺乡村/职校/成人学习者 | 已有样本的边界到哪为止？ |
| **方法缺口** | 全是横断面相关，缺因果证据 | 已有证据强度够不够支撑因果主张？ |
| **构念/测量缺口** | 都用自评量表，缺行为或成绩指标 | 测量是否覆盖了构念的全部面向？ |
| **机制缺口** | 知道"有效果"，不知道"为什么有效" | 中介/过程变量是否被检验过？ |
| **矛盾未解缺口** | A 研究发现有效、B 发现无效 | 分歧能否用情境/剂量/测量差异解释？ |

**缺口的硬性要求**（沿用 `EVIDENCE_MODEL.md` 的 `EV-LIT-002`）：
> **每条缺口必须由「已有研究的边界或分歧」推出，不得凭印象写"研究较少""尚属空白"。**

缺口写法模板：

```
缺口：<已有研究全为 X> → 因此 <本研究情境 Y> 尚无证据。
证据来源：<材料内的文献1>、<材料内的文献2>（若为空则标【待补文献】）。
本研究如何回应：<设计/样本/测量上的具体差别>。
```

**输出**：`文献综述_初稿.md`（含综述矩阵表与缺口表）、`MASTER_LIST.md`、`SEARCH_PROCESS.md`、
`CONTINUATION_LOG.md`（多会话续做用）、`【待补文献】清单.md`（教师拿去查的清单）。

**退出条件**：每条缺口都能回溯到具体材料条目或明确的 `【待补文献】`；
综述正文里**没有一条无法溯源的引用**；`SEARCH_PROCESS.md` 记录了检索库、检索词与日期。

---

### 阶段三 · 数据字典与数据管理

**输入**：原始数据文件 + 问卷/量表原题 + 数据收集说明。

**动作**：

#### 3.1 两条路径（按数据格式分）

**路径 A — `.dta`（Stata）**：按 `skills/empirical-research/data-dictionary/SKILL.md` 走，
模式建议 `full` 或 `analysis`。先确认依赖（本层 venv 默认没装）：

```bash
PY="skills/office-layer/.venv/bin/python"
$PY -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas pyreadstat
```

**路径 B — `.xlsx` / `.csv`（多数教师场景）**：用本技能自建脚本先出**统计事实底稿**：

```bash
PY="skills/office-layer/.venv/bin/python"

# 描述统计 + 缺失概况 + 交叉表（只读，不改原始数据）
$PY skills/research-assistant/scripts/desc_stats.py \
    --in 研究数据.xlsx --sheet 数据 \
    --cross 组别,后测成绩 --cross 组别,性别 \
    --missing-codes="-99,-98,-97" \
    --out-md 过程/描述统计.md --out-json 过程/描述统计.json

# 出 xlsx 底稿
$PY skills/office-layer/scripts/xlsx_kit.py build --spec 过程/描述统计.json --out 数据字典_统计底稿.xlsx
$PY skills/office-layer/scripts/xlsx_kit.py inspect --in 数据字典_统计底稿.xlsx
```

> ⚠ 注意 `--missing-codes` 的值以 `-` 开头，**必须写成 `--missing-codes="-99,-98,-97"`**（用等号），
> 否则会被 argparse 当成选项而报错。不写该参数时默认就是 `-99,-98,-97`。

> 脚本会输出一份「待确认」清单：数值型但唯一值少的变量被默认按分类呈现。
> 若其中某些是连续测量值（成绩、量表总分），加 `--num 变量名1,变量名2` 重跑；
> 若把编号类变量误判为连续，加 `--cat`。**类型判定以数据字典为准，不以脚本为准。**

#### 3.2 变量字典的必备字段（一个字段都不能省）

| 列 | 说明 | 谁来填 |
|---|---|---|
| 变量名 | 数据里的实际列名（英文/拼音，勿用中文列名参与建模） | 数据 |
| 中文含义 | 对应问卷第几题 / 系统哪个字段 | **教师**（脚本无法知道） |
| 变量类型 | 连续 / 有序 / 名义 / 计数 / 文本 / 日期 | 教师确认 |
| 取值与编码 | 值标签映射，例如 `1=完全不同意 … 5=完全同意` | **教师**（问卷原题） |
| 缺失编码 | `-99 / -98 / -97` 或空白 | 教师统一 |
| 单位 | 分 / 次 / 分钟 / 元 | 教师 |
| 来源 | 问卷题号 / 平台导出字段 / 学校教务系统 | 教师 |
| 构造公式 | 由哪几个原始变量如何算出（反向题、求和、均值、z 分） | 教师确认 |
| 角色 | 自变量 / 因变量 / 控制 / 标识 / 分层 / 权重 | 教师确认 |
| 备注 | 是否缩尾、是否取对数、信度 α | 教师确认 |

**缺失编码规范（务必统一）**：

| 编码 | 含义 | 必须区分的原因 |
|---|---|---|
| `-99` | 未作答（跳过了没答） | 与"不适用"含义不同，不能合并 |
| `-98` | 不适用（跳题逻辑导致没问） | 不能当成 0 |
| `-97` | 不知道 / 拒答 | 与"未答"含义不同 |
| 空白 | 未采集 | 需说明是技术缺失还是设计缺失 |

**三条禁令**：

1. **禁止把缺失当 0**（`replace x = 0 if missing(x)`、`mvencode _all, mv(0)` 是最常见的数据事故）。
2. **禁止静默删除**缺失行（列表删除会缩样，且可能造成选择性偏误）。
3. **禁止未记录的填补**。任何填补（均值、回归、多重插补）都必须在字典里写明方法、比例，
   并做敏感性分析对比"填补 / 未填补"两套结果。

#### 3.3 数据管理约定

- **原始数据只读**：任何修改都不覆盖原文件，产出到 `过程/`，新版本用 `数据_v2_20260910.xlsx` 命名。
- **一表一版**：每次改动在 `数据版本记录.md` 里记一行（日期 / 改了哪一列 / 为什么 / 谁改）。
- **脱敏**：对外分享的分析数据去掉姓名、学号、身份证、联系方式；用匿名 ID 替换。
- **备份**：分析前把原始数据另存一份只读副本。

**输出**：`数据字典.xlsx`（脚本底稿 + 教师补全的字段含义/取值/来源/构造）、`数据版本记录.md`、
`数据处理说明.md`（缺失处理、异常值处理、变量构造全部写明，供审计与论文方法章引用）。

**退出条件**：数据字典里**每个参与分析的变量**都有含义、类型、取值、缺失编码、来源五列；
分析脚本里用到的每个变量都能在字典里查到；缺失处理方式已书面确认。

---

### 阶段四 · 实证审计（可复现性检查）

**输入**：分析代码（`.do` / `.R` / `.py`）或分析计划文字；数据字典；预注册方案（若有）。

**动作**：以 `skills/empirical-research/econ-audit/SKILL.md` 为规则来源，按下面六项清单逐条过。
**没有代码时，就审计"数据处理说明 + 分析计划"这份文字**——清单一样适用。

#### 4.1 审计清单 A — 样本筛选是否可复现

- [ ] 原始 N → 分析 N 的**每一步**都写清：删了多少、为什么删（附条件语句）。
- [ ] 任一步骤丢弃 **>10%** 观测，必须有书面理由。
- [ ] 最终分析样本 **< 合格样本的 80%**，必须讨论流失偏误。
- [ ] 剔除条件**不得**使用处理后的变量（会导致内生选择）。
- [ ] 缺失用列表删除时，检查缺失是否与处理组相关（`drop if missing(x)` 连环缩样是隐蔽杀手）。
- [ ] 论文表格里**每一列**的 N 都能对上，且列与列之间样本变化有解释。

#### 4.2 审计清单 B — 变量构造是否有文档

- [ ] 每个分析变量都能追溯到构造式（问卷题号 → 计分方向 → 反向题处理 → 合成方式 → 缺失处理）。
- [ ] 反向题、维度合成、标准化（z 分）、指数权重都写明。
- [ ] 量表报告信度（Cronbach α 或 ω），低信度进入局限讨论。
- [ ] 无未文档化的填补；无 `missing → 0`；无未说明的插值。
- [ ] 对数变换的变量**不含 0 或负值**（否则需 `log(x+1)`、IHS 或放弃变换，并写明）。
- [ ] 缩尾/截尾：阈值、单双侧、是否与其他规格一致，全部报告。
- [ ] 同一变量名在不同表里是同一含义（警惕"重命名后含义漂移"）。

#### 4.3 审计清单 C — 回归设定与稳健性是否充分

- [ ] 核心设定与设计匹配：
  - RCT：处理 + 分层控制 + **基线因变量**
  - DID：单位固定效应 + 时间固定效应 + 交互项（交错处理另需说明）
  - IV：报告**一阶段 F**、排他性论证（F<10 必须讨论弱工具）
  - RD：带宽选择方法、核函数、多项式阶数（**阶数 ≤2**）、操纵检验
  - 面板：固定效应是否吸收了感兴趣的全部变异（时间 FE + 同一时点统一处理 = 无识别）
- [ ] **无坏控制**：不控制受处理影响的变量（中介、后测变量、同期态度）——这是"把效应控没了"的主因。
- [ ] 不做对撞变量控制（处理与结果的共同结果）。
- [ ] 交互项带主效应；非线性模型中的交互不用系数直接解释（用边际效应）。
- [ ] 控制变量数量有理由（>15 个控制且无说明 = 厨房水槽回归）。
- [ ] 稳健性至少覆盖：换样本范围、换控制组合、换标准误设定、换函数形式、
      安慰剂检验/事前趋势检验、留一法（leave-one-out）。
- [ ] **稳健性结果全部报告**，包括不显著、方向相反的那些。

#### 4.4 审计清单 D — 标准误是否聚类

- [ ] **聚类层级 ≥ 处理分配层级**。处理在班级层面分配 → 必须 `cluster(班级)`；
      处理在学校层面 → `cluster(学校)`。只写 `robust` 是错的。
- [ ] DID 在**单位层面**聚类，不在时间层面聚类。
- [ ] 聚类数 < 50 时使用小样本校正（wild cluster bootstrap、CR2/CR3）。
- [ ] 同一个文件里标准误设定保持一致；不同规格间变动必须有说明。
- [ ] 没有裸跑 OLS（无 `robust` / 无 `vce()`）——应用研究中几乎从不合适。
- [ ] 用了抽样权重就必须同时正确处理 `svyset` 的分层与聚类。
- [ ] 双向聚类是否必要（如同时按班级和年份）。

> **这是应用研究里最常见的错误来源。** 教育干预研究的处理多在班级/学校层面，
> 忽略聚类会让标准误偏小、p 值偏小、把不显著说成显著。

#### 4.5 审计清单 E — 多重检验是否校正

- [ ] 数一数检定的结局变量个数：**>3 个主结局未校正**即为问题。
- [ ] 结局"家族"（如 5 个动机维度）需做族错误率校正。
- [ ] 子组分析有无预注册；子组是否用处理后的变量定义（禁止）。
- [ ] 有没有"寻宝"模式：跑了很多子组，只报显著的。
- [ ] 校正方法已声明：Bonferroni / Holm / BH-FDR / FWER，或明确"主结局仅 1 个，无需校正"。
- [ ] 有预注册时，主/次结局的划分与预注册一致，偏离处标为探索性。

#### 4.6 审计清单 F — p-hacking 风险点

| 风险点 | 长什么样 | 应对 |
|---|---|---|
| 边跑边加控制 | 加到 p<0.05 就停 | 分析计划里固定控制变量集；报告全部规格 |
| 挑规格 | 跑了 20 组只报 1 组 | **规格曲线（specification curve）**：全部规格都报；或附"多规格稳健性表" |
| 删异常值 | 删到显著为止 | 先定阈值再跑；同时报含/不含异常值两套结果 |
| 换结局变量 | 主结局不显著就换一个 | 主结局按设计固定；其他标为探索性 |
| HARKing | 事后假设写成像事前假设 | 有预注册就对 PAP；无预注册就明说"探索性" |
| 偷看数据 | 边收数据边检验，显著就停 | 定样本量再收；或做序贯检验并校正 |
| 只在缩尾后报告 | 用缩尾结果掩盖敏感性 | 原始与缩尾结果并列 |

**输出**：`实证审计报告.md`，骨架参照 `econ-audit` 的输出格式并中文化：
概览（总体评价 + 各级问题计数）→ 识别与设计评估 → CRITICAL/HIGH 问题（逐条：问题/后果/方向性/
修复建议）→ MEDIUM → LOW → **规格汇总表**（规格 / 结局 / 处理 / 控制 / FE / 聚类 / N / 标记）→
审计清单勾选表（PASS/FAIL/WARN/NA）→ 下一步三件事。

严重度定义（照搬 econ-audit 口径）：

| 级别 | 含义 | 处理时点 |
|---|---|---|
| **CRITICAL** | 会得出错误推断：标准误错、因果主张失效、结论推不出来 | 任何汇报/投稿前必须修 |
| **HIGH** | 有实质性错误推断风险：设定可疑、关键稳健性缺失、核心假设未检验 | 投稿前必须修 |
| **MEDIUM** | 该说明或该检验的选择，可能是有意的但缺文档 | 修改稿中处理 |
| **LOW** | 次要建议 | 视情况 |

**退出条件**：CRITICAL 项清零，**或**教师书面确认接受并有理由（写进报告，不偷偷放过）；
每条发现都有"方向性"说明（把结果推向哪边）；规格汇总表填满。

---

### 阶段五 · 数据分析与结果呈现

**输入**：通过审计（或教师确认接受风险）的数据与分析计划。

**动作**：

#### 5.1 描述统计与交叉表（可立即执行）

```bash
# 在技能包根目录（含 CONVENTIONS.md 的那一级）执行
PY="skills/office-layer/.venv/bin/python"
export MPLCONFIGDIR=/tmp/mplcache && mkdir -p /tmp/mplcache

$PY skills/research-assistant/scripts/desc_stats.py \
    --in 研究数据.xlsx --sheet 数据 \
    --num 后测成绩,学习动机 \
    --cross 组别,后测成绩 --cross 组别,性别 \
    --out-md 过程/描述统计.md --out-json 过程/描述统计.json

$PY skills/office-layer/scripts/xlsx_kit.py build --spec 过程/描述统计.json --out 描述统计.xlsx
$PY skills/office-layer/scripts/xlsx_kit.py inspect --in 描述统计.xlsx    # 自检：工作表与行列数
```

脚本产出 4 张表：说明（数据来源/行数/缺失编码/声明）、连续变量（N/缺失/均值/标准差/P25/中位数/P75/极值）、
分类变量（频数+占比）、交叉表（频数与行内百分比）。

> 提示：`--cross` 的两个变量**都应是分类变量**。若把连续变量（如后测成绩）放进去，
> 会生成几十列、每格 1 人的宽表，没有解释价值。正确做法是先在数据里生成分组变量
> （如按前测分数分三段），或改用 `--num` 把它当连续变量出描述统计。
> 交叉表只呈现列联频数，**是否做卡方检验、如何解释，由教师判断**——脚本不做推断。

#### 5.2 组间比较图（图表也用 office-layer 出）

```bash
# 用 xlsx_kit 原生图表：图里只放来自数据的数字
mkdir -p 过程
cat > 过程/组间比较.json <<'JSON'
{"sheets":[{"name":"组间比较",
  "header":["组别","前测均值","后测均值"],
  "rows":[["实验", 0, 0],["对照", 0, 0]],
  "chart":{"type":"bar","title":"前后测均值对比（数字来自数据文件）","value_col":2}}]}
JSON
# ↑ rows 里的 0 必须替换成脚本算出的真实均值后再执行；不要凭印象填数
$PY skills/office-layer/scripts/xlsx_kit.py build --spec 过程/组间比较.json --out 组间比较.xlsx
```

`chart` 支持 `type: bar|line`、`value_col`（从第几列取数）、`anchor`（图表锚点位置）。
需要精细统计图时用 venv 里的 matplotlib 出 PNG：

```bash
$PY - <<'PY'
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["Arial Unicode MS", "Heiti TC", "SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 数据必须来自实际计算结果，不要在这里硬编码示例数字
PY
```

> **已知边界**：`docx_kit.py md` 目前**不支持把图片嵌进 DOCX**（无 `add_picture` 处理）。
> 交付 Word 时图需在 Word 里手动插入；汇报场景可用 `pptx_kit.py build` 的 `image` 字段自动插图。

#### 5.3 成绩类数据的教育测量分析（仅限测验）

如果是**考试/测验成绩**（不是实验数据），可用 `xlsx_kit.py analyze` 出教育测量口径的三张表：

```bash
$PY skills/office-layer/scripts/xlsx_kit.py analyze \
    --in 成绩.xlsx --out 成绩分析.xlsx \
    --first-q-col 3 --full-marks '[10,10,15,15]'
```

它给：难度 P（得分率）、区分度 D（高分组−低分组，各 27%）、偏度/峰度、分数段分布，
并在 JSON 里标出 `weak_questions`（D<0.2）/ `hard_questions`（P≤0.3）/ `easy_questions`（P≥0.9）。

> ⚠ **不要把区分度 D 当成干预效应量。** D 是"题目区分学生水平"的指标，
> 与研究设计的处理效应不是一回事。干预效果请用阶段一的对应分析方法，
> 报告标准化效应量（Cohen's d / 标准化 β）与置信区间。

#### 5.4 结果表规范（论文级，逐项对照）

| 规范项 | 要求 |
|---|---|
| 系数 | 报告点估计；注明是原始尺度还是标准化 |
| 标准误 | **紧接系数下方括号内**；表注写明类型：普通 / 稳健 / **聚类稳健（聚类到哪一层）** |
| 显著性标记 | 统一用 `* p<0.10, ** p<0.05, *** p<0.01`，表注必须写出临界值 |
| 样本量 | **每一列**都报 N（列间样本变化要在表注解释） |
| R² | 报 R²；面板/固定效应模型报组内 R² 或调整 R² |
| 固定效应 | 用 "Yes/No" 行标明，不要只写在正文 |
| 聚类层级 | 单列一行标明 |
| 因变量 | 表头写清因变量名称、单位、取值范围 |
| 效应量 | 教育/心理场景附 Cohen's d 或标准化系数 + 95% 置信区间 |
| 完整性 | **不删不显著的列**，不因结果不好看而不报 |
| 表注 | 数据来源、样本范围、缺失处理、异常值处理一并写在表注 |

**结果表模板（跑之前先搭好，数字全部留空）**：

| 变量 | (1) | (2) | (3) |
|---|---|---|---|
| 处理组 | 【待补：来自软件输出】 | 【待补】 | 【待补】 |
| | (【待补：标准误】) | (【待补：标准误】) | (【待补：标准误】) |
| 前测成绩 | — | 【待补】 | 【待补】 |
| 控制变量 | 否 | 是 | 是 |
| 班级固定效应 | 否 | 否 | 是 |
| 标准误聚类层级 | — | — | 班级 |
| N | 【待补：N】 | 【待补：N】 | 【待补：N】 |
| R² | 【待补：R²】 | 【待补：R²】 | 【待补：R²】 |

> 表注：括号内为聚类到班级层面的稳健标准误；\* p<0.10, \*\* p<0.05, \*\*\* p<0.01。
> 数据来源：【待补：数据文件名与版本】。

**关于"要不要跑推断统计"的边界**：

- 教师提供数据且要求跑，**可以跑**（用其本机软件或 venv），但：
  1. 结果必须**原样落表**，不做手工"微调"；
  2. 跑了哪些规格就报哪些规格，**不得只端出显著的那一套**；
  3. 每次输出保留日志文件（`.log` / 重定向输出），作为可复现证据；
  4. 结论性判断交回教师。
- 教师没提供数据 → **只出空表模板 + 分析计划**，绝不预填数字。

**输出**：`描述统计.xlsx`、`组间比较.xlsx`（或 PNG 图）、`回归结果表.xlsx`、`分析与复现说明.md`
（写明：用了哪个数据文件版本、什么命令、什么软件版本，别人照着能重跑）。

**退出条件**：结果表每一格数字都能指认来源（哪个输出文件/哪一行）；`分析与复现说明.md` 让别人能复现；
表注齐全。

---

### 阶段六 · 因果推断警示与结果措辞校准

**输入**：结果表 + 拟写的结论段落。

**动作**：

#### 6.1 先分清问题类型（这决定能用什么词）

| 问题类型 | 句式 | 允许的措辞 | 不允许 |
|---|---|---|---|
| 描述 | 「本样本中 A 组均值是多少」 | 描述、分布、占比 | 推论到总体 |
| 预测/相关 | 「哪些因素与 Y 相关」 | 相关、关联、共变、预测（明确是统计预测） | 导致、促进、提升 |
| 因果 | 「X 是否导致 Y」 | 仅当有识别策略时：效应、提高、降低 | 无识别策略却说因果 |

#### 6.2 常见陷阱（逐条自查）

| 陷阱 | 机制 | 教育场景例子 | 缓解 |
|---|---|---|---|
| **遗漏变量偏误** | 有共同原因没被控制 | 家庭背景同时影响选班与成绩 | 加控制、固定效应、随机化；做遗漏变量敏感性分析 |
| **反向因果** | Y 也影响 X | "学习投入高→成绩好"，也可能成绩好→更投入 | 时序设计、滞后变量、工具变量 |
| **选择偏误** | 谁进入处理组不是随机的 | 选修课学生本来动机就强 | 随机化、匹配、DID、前测控制 |
| **辛普森悖论** | 总体与分组结论相反 | 全校看实验组更好，但每个班里都更差（班级构成差异） | 分层分析、加组别固定效应、同时报总体与分层结果 |
| 测量误差 | 自变量测量误差导致衰减偏误 | 用单题测"家庭支持" | 多题量表、报告信度 |
| 回归均值 | 极端组自然回归 | 只对低分组做补救 | 设对照、避免按因变量极值选组 |
| 对撞偏误 | 控制了共同结果 | 控制"是否被表扬"（既是处理又是成绩的结果） | 别控对撞变量 |
| 幸存者偏误 | 样本只剩留下的 | 只分析坚持完成课程的学生 | 报流失、ITT 分析 |
| 外部效度误推 | 一个班结论说成普适 | 「本方法适用于所有高校」 | 明确情境边界 |
| 生态谬误 | 群体层面推个体 | 班级平均分高 → 该班每个学生都好 | 层级匹配分析 |

#### 6.3 措辞校准（交付前逐句过）

| ❌ 不能写 | ✅ 改成 |
|---|---|
| X 提高了 Y | 在本样本中，X 组 Y 的均值高于对照组（差值为…，聚类稳健标准误…）；是否为因果效应取决于识别策略 |
| 证明了 / 证实了 | 与…一致 / 提示 / 在本样本中观察到 |
| 显著影响 | 统计上显著相关（【待补：系数与 p 值，来自实际输出】） |
| 说明 X 是 Y 的原因 | 与"X 是 Y 的可能原因"相容；本研究设计无法排除【待补：具体替代解释】 |
| 效果显著，说明该教学法有效 | 若按【待补：设计类型】的识别假设成立，可解释为处理效应；主要威胁为【待补：效度威胁】 |
| 所有学生都受益 | 未做异质性分析前无法判断受益分布；如需结论请补子组分析（并做多重检验校正） |

**识别策略清单**（有其一才可讨论因果）：

| 策略 | 需要的支持性证据 |
|---|---|
| 随机化 | 随机化过程记录、平衡性检验表 |
| DID | **平行趋势检验**（事前趋势图/回归）、同期无其他冲击的论证 |
| IV | 一阶段 F ≥ 10、排他性约束的实质论证 |
| RD | 断点连续性、无操纵检验（密度检验）、多带宽稳健性 |
| 固定效应 | 说明变异来源，确认感兴趣的处理变异没被吸收 |
| 匹配/PSM | 匹配前后平衡表、共同支撑域、对不可观测混淆的承认 |

**没有识别策略时**：明确写"本研究报告的是相关关系（association），不主张因果（causation）"。

**输出**：`结论措辞校准表.md`（原句 → 问题 → 改后句），以及全套交付物定稿。

#### 6.4 交付

```bash
PY="skills/office-layer/.venv/bin/python"

$PY skills/office-layer/scripts/docx_kit.py md --in 研究报告初稿.md --out 研究报告初稿.docx \
    --title "【待补：研究标题】"
$PY skills/office-layer/scripts/docx_kit.py inspect --in 研究报告初稿.docx   # 自检段落/表格/字数
```

需要给学生或合作者标注待改处时用**原生批注**：

```bash
cat > 过程/批注.json <<'JSON'
[{"anchor": "本研究报告的是相关关系，不主张因果",
  "text": "此处措辞已按识别策略降级；若补做平行趋势检验，可升级为因果讨论。"}]
JSON
$PY skills/office-layer/scripts/docx_kit.py comment \
    --in 研究报告初稿.docx --out 研究报告初稿_批注.docx \
    --comments 过程/批注.json --author "研究助理"
```

> `comment` 的 `anchor` 必须与正文**逐字一致**（含标点），否则退出码为 2，读返回 JSON 的 `failed` 逐条修。

**退出条件**：全文因果措辞与识别策略强度匹配；每处结论都有 `【待教师确认：…】` 位；
交付说明写明"初稿，请重点核对数据来源、统计输出与因果表述"。

---

## 绝不虚构（最高红线，独立成节）

> 高校研究材料一旦编造，后果是学术不端。以下每一条都是**硬约束**，不是建议。
> 规则沿用 `skills/awesome-benzi/references/EVIDENCE_MODEL.md`（`EV-CARD-005`、`EV-LIT-005`、`EV-UNKNOWN-001`）。

### 1. 文献：绝不生成引用

- 作者、年份、期刊名、卷期页码、DOI、标题 —— **一律不得由模型生成**。
- 只有教师材料（`.bib` / 参考文献列表 / `pdfs/` 里的原文 / 论文初稿）里有的引用才能写。
- 材料里没有 → 写 `【待补文献：<主题>，建议检索关键词：<词1；词2>】`，并汇总到 `【待补文献】清单.md`。
- **禁止**"我记得有一篇 XX（2019）做过类似研究"这类凭记忆的引用。模型记忆里的文献细节经常是错的，
  写出来就是编造。
- 联网检索档（教师明确授权时）：只产出**线索**，每条必须带可点击链接与检索日期，
  统一标注 `【联网检索线索，未核对原文，请自行核对 DOI 与页码】`，**未拿到原文不得进参考文献列表**。
- 正文引用用 `[n]` 数字标识，与证据卡一一对应；**没有证据卡的引用直接留空**，让教师补。

### 2. 数据：绝不生成、绝不填补

- 不生成任何"看起来合理"的数值：均值、百分比、相关系数、样本量、效应量都不行。
- 不补全缺失值、不构造"示例数据"充当真实数据。
- 不修改原始数据文件；所有产出写进 `过程/` 或新文件。
- 所有数字必须能指认来源：**哪个文件、哪个工作表、哪一行、哪个脚本**。

### 3. 统计结果：绝不预填

- 结果表里系数、标准误、p 值、R²、N 一律先留 `【待补：…】`，跑完把**实际输出原样**回填。
- 不"估计一下大概是多少"，不四舍五入凑成好看的数字，不把不显著改成显著。
- 只报告跑了的结果；**跑了 10 组只报 1 组就是选择性报告**。
- 保留日志（`.log`、stdout 重定向），作为可复现证据。

### 4. 越界自检（一旦出现这个念头，就是编造的起点）

- 「这个数字大概是…」→ **停**，去跑脚本或留占位。
- 「我记得有篇文献…」→ **停**，留 `【待补文献】`。
- 「审稿人应该想看显著结果…」→ **停**，报告实际结果。
- 「缺失几个值补上均值不影响」→ **停**，写明缺失，让教师决定。

---

## 产出物

| 文件 | 内容 | 通道 |
|---|---|---|
| `研究设计说明书.docx` | 研究问题、设计类型与理由、变量角色、抽样、分析计划、**效度威胁与控制表**、伦理说明、预判局限 | `docx_kit md` |
| `文献综述_初稿.docx` | 按主题/时间/方法/争论组织的综述 + 综述矩阵 + 缺口表 | `docx_kit md` |
| `【待补文献】清单.md` | 教师需自行补全的文献主题与建议检索词 | Markdown（工具清单） |
| `数据字典.xlsx` | 变量名/含义/类型/取值/缺失编码/单位/来源/构造/角色 | `xlsx_kit build` |
| `数据版本记录.md` | 每次数据改动一行 | Markdown |
| `数据处理说明.docx` | 缺失处理、异常值处理、变量构造（可直接进论文方法章） | `docx_kit md` |
| `实证审计报告.docx` | 分级问题清单 + 规格汇总表 + 审计清单勾选表 + 下一步 | `docx_kit md` |
| `描述统计.xlsx` | 连续变量、分类变量、交叉表、说明页 | `desc_stats.py` → `xlsx_kit build` |
| `回归结果表.xlsx` | 系数/标准误/星号/N/R²（数字来自实际输出） | `xlsx_kit build` |
| `结论措辞校准表.docx` | 原句 → 问题 → 改后句 | `docx_kit md` |
| `分析与复现说明.md` | 数据版本、命令、软件版本，供他人复现 | Markdown |

命名与目录建议：

```
研究项目/
├── 数据/          原始数据（只读，勿改）+ 脱敏版
├── 文献/          .bib、参考文献列表、pdfs/
├── 过程/          脚本输出、中间文件、日志（任务结束提醒清理）
└── 交付/          上表产出物
```

## 红线

1. **不虚构是最高红线**：不生成文献引用、不生成数据、不预填统计结果。
   未知一律 `【待补：…】` / `【待补文献：…】`。
2. **不代写论文结论**。可以起草"结果描述"段落（只陈述数据事实），
   但**研究结论、理论贡献、政策建议由教师本人作出**；
   结论段落必须留 `【待教师确认：结论表述】`。发现结论超出识别策略能支撑的范围，直接指出并降级措辞。
3. **不做无识别策略的因果断言**。没有随机化/DID/IV/RD/固定效应等识别策略支撑，
   就只能写"相关/关联"。这条在审稿与答辩中是硬伤，AI 必须替教师挡住。
4. **数据属研究机密**：
   - 未发表数据、被试信息、合作方数据、伦理审查材料**只在本机处理**，不上传、不外发、不写入任何外部服务；
   - 中间文件（转换产物、缓存、导出 CSV）在任务结束后提醒教师删除；
   - 含个人信息的交付物必须标注「本文件含可识别个人信息，请注意保管」；
   - 对外分享的分析数据先脱敏。
5. **不修改教师原始数据**，不覆盖已有交付物；新版本另存并登记版本。
6. **不改写结果去迎合假设**。发现结果与假设相反，如实报告并讨论——这是研究的一部分。
7. **涉及人的研究提示伦理审查**。涉及未成年人、可识别信息、干预实验时，
   提醒教师确认伦理审查与知情同意（参照 `quasi-experimental-design.md` 的 IRB 准备节）。AI 不代替审查。
8. **文件产出只走 `skills/office-layer/`**。不用文本框拼表格，不手搓 OOXML，
   不生成 `.md` 当交付物（教师明确只要 Markdown 除外）。
9. **不放任 CRITICAL 问题**。审计发现的 CRITICAL 项若不修，必须在报告与交付说明中明确标注，
   不得默默略过。

## 自检清单

**不虚构（第一优先，逐条核）**

- [ ] 全文没有任何模型生成的文献（作者/年份/期刊/DOI 都能在教师材料里找到）
- [ ] 每个缺口都有材料依据或明确的 `【待补文献】`
- [ ] 所有数字都能指认来源文件与生成命令；没有一个数字是模型"估"的
- [ ] 结果表里的 `【待补：…】` 已由实际输出回填，**或**明确仍是待补状态
- [ ] 没有生成过"示例数据"充当真实数据

**设计**

- [ ] 研究问题 → 设计类型的对照有明确理由（阶段一决策表已过）
- [ ] 效度威胁表四类（内部/外部/构念/统计结论）都过了一遍，每条有控制动作或写入局限
- [ ] 处理分配层级 → 聚类层级一致
- [ ] 样本量/检定力有交代

**数据**

- [ ] 数据字典每个分析变量都有含义/类型/取值/缺失编码/来源
- [ ] 缺失编码统一（-99/-98/-97 含义分明），无"缺失当 0"
- [ ] 无未记录的填补；有填补则做了敏感性分析
- [ ] 原始数据未被修改；版本有记录

**分析**

- [ ] 审计六项清单（样本/变量/设定/聚类/多重检验/p-hacking）逐条过完
- [ ] CRITICAL 项清零，或有教师书面确认
- [ ] 结果表：系数、标准误、显著性标记、N、R²、固定效应行、聚类层级行、表注齐全
- [ ] 跑了多少规格就报多少规格，无不显著规格被隐藏
- [ ] 日志已保留

**措辞与交付**

- [ ] 因果措辞与识别策略强度匹配；无识别策略处写的是"相关/关联"
- [ ] 结论段落留了 `【待教师确认：结论表述】`，未代写结论
- [ ] 交付说明写明"初稿，请重点核对：数据来源 / 统计输出 / 因果表述 / 效度威胁"
- [ ] 含个人信息的文件已标注保管提示
- [ ] 中间文件清单已给教师，提醒删除
- [ ] 所有 docx/xlsx 都由 `office-layer` 生成，并用 `inspect` 自检过