【锚点】这一篇只钉一个判断：【稳健性检验不是把主分析重复一遍，而是把“识别假设被违反时会怎样”写进可检验的分支；审稿人真正该看的不是 p 值是否仍在 0.05，而是效应量在哪个假设断裂处塌掉。】

【显式】很多论文会写：我们用 OLS、固定效应、工具变量、bootstrap 做稳健性检验，结果均显著。读者一眼看到的是“方法多”，但一眼看不到的问题是：这些方法是否共享同一个隐藏假设？

【隐式】如果主模型和所谓稳健模型都依赖【同一组遗漏变量可忽略】，它们不是独立证据，而是同一证据的多个投影。【流程节点链路】起点【数据生成】→ 中间【识别假设】→ 中间【估计量选择】→ 终点【结果报告】；如果【识别假设】没变，后面三步只是把同一块材料切成不同形状。

【细微】更值得盯的是“稳健性矩阵”的列名。列名若是“OLS / FE / IV / Bootstrap”，它回答的是“我试了什么”；列名若是“排除安慰剂期 / 排除处理组选择 / 改变聚类层级 / 删除极端样本”，它回答的才是“哪个假设最脆弱”。前者像体检报告只写仪器型号，后者才像病理定位。

【极难发现】真正反直觉的是：审稿人看到“所有稳健性检验都显著”时，有时应该更警惕，而不是更放心。因为如果所有分支都给出同样方向、同样量级，可能说明作者只保留了能通过的分支，或者样本本身对假设不敏感；更危险的是，作者没有报告“失败分支”。失败分支不是污点，而是识别边界的地图。

【推演实例】某政策评估报告：干预组比对照组高 4.2 分，p=0.03，主分析用 OLS。稳健性 A：加控制变量，效应 4.0，p=0.04；稳健性 B：聚类到地区，p=0.06；稳健性 C：排除处理组中前 5% 高基线个体，效应降到 1.1，p=0.31。如果论文只写 A 和 B，读者会以为结论稳；如果写 C，读者才知道结论依赖“高基线个体不是选择偏差”。

【可操作审稿链路】起点【审稿人发现异常】→ 中间【定位可修改对象】→ 中间【提出最小修复】→ 终点【可复验结果】。审稿意见不要写“建议做稳健性检验”，可写：1. 请列出主识别假设，例如【无未观测混杂】或【工具变量排除性】；2. 请给出至少一个会直接削弱该假设的检验，而不是只换估计量；3. 请报告效应量与置信区间，不只报告 p 值是否显著；4. 请保留失败分支，并说明它改变了什么结论。

【结尾辩论】如果一篇论文的主结论只在“所有检验都显著”时成立，而一旦报告失败分支就失效，它应该被拒稿，还是应该作为“条件性证据”发表？