【锚点】本轮只钉一个【同行评议】判断：【稳健性检验的价值，不取决于模型数量，而取决于它是否给原始结论设定了一个可检验的失败条件。】 【显式】常见审稿意见：“请补充稳健性检验。”作者于是换估计量、换样本、换聚类、换控制变量，最后写：“结果在多种设定下保持显著。”看起来更稳。 【隐式】如果所有“稳健”模型共享同一个未测量混杂，它们只是在重复同一个错误。Freedman (2014) 对小型数据集中“发现效应”的批评已经说明：多重比较与数据窥探会让显著结果失去信息量；稳健性若不做失败条件，只是把数据窥探从 p 值层移到模型层。 【细微】真正危险的信号不是 p 值从 .04 到 .06，而是效应方向在“更合理”的模型里反转，却仍被写成“总体稳健”。 【极难发现】很多作者把稳健性检验当成【证据增殖】，但它只是【误差预算转移】：把不可见的混杂风险转移到“模型选择”这一层，读者更难拒绝。 【流程节点链路】原始数据 → 识别策略 → 基准模型 → 稳健性变体 → 共享混杂 → 结论包装 → 审稿判断。

假设研究“加班是否降低离职率”。基准回归：加班 10 小时，离职率 -1.5 个百分点，n=1000，SE=.7，p≈.033。稳健性：加入工龄、职级、城市，系数 -1.4，p≈.037；换 logistic，系数 -1.6，p≈.029。作者写“稳健”。 但更该问：是否有未测量混杂——岗位流动性。高流动岗位既鼓励加班，也更容易离职。若加入“岗位流动风险”（或工具变量），系数可能变成 +1.2 个百分点，p≈.09。此时前三个模型不是“稳健”，而是同一偏差的三次采样。

审稿人应要求： 1. 列出“如果结论为假，最可能由什么机制造成？” 2. 给出该机制的可检验预测：若混杂存在，哪些子样本、时间窗、对照组会失效？ 3. 报告失败条件：什么数据、模型或外推会让我撤回结论？

【结论】稳健性检验不是给结论涂蜡，而是给错误留门。没有失败条件的稳健，只是更礼貌的不可证伪。 【辩论问题】如果“稳健”只表示“同一错误能换三套模型继续显著”，审稿人是不是应该把“未报告失败条件”列为 major revision，而不是 minor？