手册：AI 辅助金融研究学生自学手册

---

对标教材：单元 5（研究设计）+ 单元 10（实验研究 · 内部效度威胁）
阶段定位：设计——“定方案”
承接：第 3 章的 one_page_proposal.md（八栏一页纸）→ 本章升级为 research_design.md（五栏方案）

学习目标

完成本章后，你应当能够：

1. 说出内部效度七大威胁（历史 / 成熟 / 测验效应 / 仪器变化 / 统计回归 / 选择偏差 / 样本流失），并各配 1 个金融版例子
2. 区分三大设计类型（真实验 / 准实验 / 非实验—事后追溯），并判断自己的研究属于哪一类
3. 用“相关≠因果”三个金融故事，解释遗漏变量、反向因果与选择偏差
4. 写出 research_design.md 五栏方案（问题 / 理论 / 假说 / 数据 / 方法）

💡 本章篇幅不长，但它是全手册的“承重墙”。第 9 章所有识别策略（IV / DID / PSM / RDD / FE），本质上都在回答本章提出的那个问题：你凭什么说 X 导致了 Y？

教材对接说明

教材单元 5 系统讲了研究设计的四大效度（内部 / 外部 / 构念 / 统计结论）、五种控制方式（操控 / 剔除 / 包含 / 统计控制 / 随机化），以及流行研究设计（实验、现场调查、二手数据、案例研究、焦点组、行动研究、人种志）。

本章从中抽取对你最要紧的两块：内部效度威胁（细化定义见教材单元 10）与设计三类型。其余部分的落点如下：

教材内容	落到手册哪一章
构念效度、量表开发与信度	第 5 章
抽样方法	第 5 章
调查研究、二手数据的具体收集流程	第 6—7 章
案例研究、行动研究、人种志	第 10 章
统计结论效度、假设检验	第 9 章

本章产出物（两件）

产出物	文件	说明
研究设计方案	research_design.md	五栏完整方案（问题 / 理论 / 假说 / 数据 / 方法）
理论框架图	figures/theory_framework.png	构念关系图，每条箭头都有文献支撑（S2.1 / S4.1）

---

§4.1 研究问题三类型

一句话直觉

你的问题是“描述现状”、“找关系”，还是“证因果”？——这一问决定你后面 80% 的工作量和全部方法选择。

第 2 章我们练过 What / Why / How 句式。现在把它升级成研究问题的三种科学类型：

类型	问的是	句式	金融例子	对应方法
描述型（Descriptive）	What：某现象是什么样？	“……的现状 / 特征 / 分布 / 趋势是……”	四川省数字普惠金融发展现状如何？县域间差异有多大？	描述统计、指标体系、图表（第 8 章）
相关型（Correlational）	Why（弱）：X 和 Y 有关系吗？	“……与……是否相关 / 有何关联”	金融素养与家庭储蓄率是否相关？	相关分析、OLS 回归（第 9 章 §9.1）
因果型（Causal / Explanatory）	Why（强）/ How：X 导致 Y 吗？通过什么机制？	“……是否提高 / 降低了……”“……如何影响……”	数字金融使用是否提高了农户收入？通过什么渠道？	识别策略：IV / DID / PSM / RDD / FE（第 9 章 §9.2—9.5）

三类型是递进的三层，不是并列的三个选项

描述型   →   相关型   →   因果型
（知道有什么）（知道有关联）（知道谁导致谁）

   证据强度 ↑     方法难度 ↑     数据要求 ↑     工作量 ↑

• 没有描述就直接谈因果，读者不知道你的样本长什么样
• 没有相关就直接谈因果，你连“值不值得深挖”都不知道
• 但只停在描述和相关，好期刊发不了——审稿人会问一句“So what?”

类型决定方法

你的问题类型	最低方法要求	落到手册哪一章
描述型	代表性样本 + 规范统计报告 + 合理的指标体系	第 5 章（抽样）+ 第 8 章（描述统计）
相关型	回归 + 控制变量 + 显著性检验	第 9 章 §9.1（OLS）
因果型	识别策略 + 内生性讨论 + 稳健性检验 + 机制检验	第 9 章 §9.2—9.7 全套

⚠️ 最常见的致命错误：问题写成因果型（“数字金融对农户收入的影响”），方法却用相关型（跑一个 OLS 就完事）。这在开题时会被导师打回，在投稿时会被直接拒稿。

两条出路，选一条：

1. 降级问题：把“影响”改成“相关性”——诚实、省力，但贡献也变小
2. 升级方法：找到识别策略（政策冲击 → DID；外生工具 → IV；参与门槛 → RDD）——费力，但这是能发表的路

💡 教材单元 5 说得很直接：内部效度就是因果关系，它需要三个条件——① 原因和结果相互关联；② 时间优先（原因先于结果发生）；③ 没有其他看似合理的解释（无伪相关）。第 9 章的所有方法，都在努力满足 ② 和 ③。

三方向练习

把你第 3 章 one_page_proposal.md 里的研究问题，按三类型各写一遍：

方向	描述型版本	相关型版本	因果型版本
【农】农村金融	四川省农户数字金融使用的现状与分布特征	数字金融使用与农户收入是否相关	数字金融使用是否提高了农户收入（识别策略：___）
【险】风险管理/保险	三大粮食作物完全成本保险试点的覆盖率与赔付情况	农业保险参与和农户生产投资是否相关	完全成本保险试点是否提高了农户粮食产量（识别策略：DID）
【金】金融理论与政策	LPR 改革后贷款利率的分布变化	LPR 变动与企业投资是否相关	LPR 下调是否通过信贷渠道刺激了企业投资（识别策略：___）

然后问自己两个问题：我打算做哪一层？我有没有能力做到那一层？

---

§4.2 内部效度与外部效度：七大威胁

先分清两种效度

效度	问的是	通俗说法	教材定义（单元 5）
内部效度	X 真的导致了 Y 吗？	“是不是它干的”	因变量的变化是否确实由假定的自变量造成，而非外生变量引起
外部效度	这个结论能推广吗？	“换个人换个地方还成立吗”	观察到的相关性能否从样本推广到总体（总体效度），或适用于其他人 / 组织 / 情境 / 时间（生态效度）

📌 教材单元 5 还讲了另外两种效度：构念效度（你的量表真的测到了那个构念吗）和统计结论效度（统计方法用对了吗、前提假设满足吗）。这两种分别在第 5 章和第 9 章详讲。

权衡关系：教材指出内部效度与外部效度常存在权衡——实验室实验内部效度高但外部效度低（人为环境不代表真实世界）；现场调查外部效度高但内部效度低（无法操控自变量）。金融研究的绝大多数选题，都站在这个权衡的“外部效度较高、内部效度较低”一侧——这正是为什么需要识别策略。

七大内部效度威胁（金融版通俗解释）

教材单元 10 用“数学补习班对高中生数学能力的作用”这个例子讲了七类威胁。下面把每一条翻译成金融场景：

#	威胁	教材原意	金融版通俗解释
1	历史（History）	观测到的结果由研究期间发生的外部事件而非处理引起	“你的研究期恰好赶上 LPR 下调 / 疫情 / 房地产调控”——结果变了，但不是你研究的那个 X 干的
2	成熟（Maturation）	结果由被试自身的自然成熟而非处理引起	“三年面板里农户自己学习、经验积累，金融素养自然提高了”——不是培训的功劳
3	测验效应（Testing）	前测影响后测（被试记住答案或学会应付）	“第一次被问收入后，农户学会了少报（或记住了问卷答案）”——第二轮数据“变好看”了
4	仪器变化（Instrumentation）	前后测量工具或标准发生变化	“统计口径 2020 年改了”“数字普惠金融指数的编制方法 2021 年调整了”——数据跳变不是现实跳变
5	统计回归（Regression to the mean）	极端值在第二次测量时向均值回归	“你专挑最穷的村做试点，次年它们自然好转”——不是政策有效，是均值回归
6	选择偏差（Selection）	实验组与对照组先天不等价	“参加农业保险的都是风险厌恶型农户”“试点县本来就是省里挑的先进县”
7	样本流失（Attrition）	被试系统性退出，且两组流失率不同	“三年面板中 20% 农户失联，且失联的多数是外出务工、收入变化最大的那批”

逐条深讲：金融研究里最常踩的三个

① 选择偏差——金融研究的头号杀手

任何“自愿参与”的项目都有这个问题：保险、贷款、培训、合作社、数字钱包。愿意参加的人和不愿参加的人从一开始就不一样（风险偏好、能力、财富、社会关系）。

观察：投保农户的平均产量 > 未投保农户
错误推断：农业保险提高了产量
真相可能：产量高、收入稳的农户更有钱也更有动机投保
         （即“产量 → 投保”，而不是“投保 → 产量”）

怎么防：随机分组（RCT，最干净）/ 倾向得分匹配 PSM（匹配可观测特征）/ 工具变量 IV（找外生变化）/ 断点回归 RDD（利用参与门槛）。→ 第 9 章 §9.3、§9.5

② 历史威胁——政策评估的常见陷阱

观察：2020 年数字金融试点县的农民收入增速高于非试点县
错误推断：数字金融试点有效
真相可能：2020 年恰逢脱贫攻坚收官，试点县同时获得了大量其他转移支付

怎么防：DID（用对照组吸收共同的时间冲击）+ 平行趋势检验；控制同期其他政策变量；安慰剂检验（把政策时点人为提前，看“效果”是否消失）。→ 第 9 章 §9.4

③ 统计回归——“专挑最差的样本”的必然代价

扶贫、普惠金融项目天然倾向于选“最困难的样本”。而这些极端样本下一期大概率会自然好转——这不是政策效果，是统计规律。

观察：最贫困的 100 户获得小额信贷后，次年收入平均上升 18%
错误推断：小额信贷使收入提高 18%
真相可能：即使不给贷款，这 100 户中很多也会自然回升（均值回归）

怎么防：设一个按同样规则筛选的对照组（关键是筛选规则一致）；用 DID 而不是简单的前后对比。

外部效度：你的结论能推广多远

内部效度解决了“是不是它干的”，外部效度问“在别的地方也是它干的吗”。三个常见推广障碍：

障碍	金融例子	应对
样本代表性	你只调查了成都平原 3 个县，能说“四川省”甚至“中国”吗？	说明样本框、报告样本特征与总体的差异、谨慎限定结论范围
情境特殊性	中国的数字金融建立在极高的移动支付渗透率上，印度的结论不能直接套用，反之亦然	明确制度背景，讨论“边界条件”
时间特殊性	2020 年疫情期间的金融市场行为能推广到常态吗？	加入时间虚拟变量、做子样本稳健性检验

⚠️ 诚实原则：外部效度不足不是致命伤，假装外部效度很高才是。论文里写“本文结论对全国农村金融改革具有重要启示”，而你的样本是一个县的 300 户——审稿人一眼看穿。正确写法是：“本文基于 XX 县 300 户的调查，结论的推广需谨慎；未来研究可在……情境下进一步检验。”

---

§4.3 三大设计类型

教材单元 5“流行研究设计”与单元 10 把研究设计分成三类。你的研究属于哪一类，直接决定了你能说多强的话。

类型一：真实验（True Experiment）

定义：研究者操控自变量（施加处理），并把被试随机分派到实验组与对照组。

随机分派
   ├── 实验组：接受处理（例如获得数字金融培训）
   └── 对照组：不接受处理（或接受安慰处理）
        ↓ 一段时间后
   比较两组因变量差异 → 差异即处理效应

为什么内部效度最高：随机分派保证两组在所有维度上（包括你观测不到的能力、风险偏好、社会关系）期望值相同。七大威胁里的选择偏差、成熟、历史、统计回归都被随机化“平均掉”了。

金融领域少见，但不是没有：

• 发展经济学 / 普惠金融的 RCT：随机选择部分村庄推广移动支付、随机分配小额信贷额度、随机提供保险补贴——这是 2019 年诺贝尔经济学奖（Banerjee、Duflo、Kremer）确立的方法传统
• 实验经济学 / 行为金融：实验室里让被试做投资决策、风险偏好任务、跨期选择任务
• 公司金融的现场实验：随机给部分投资者推送某种信息披露格式，观察其交易行为

难点：① 伦理问题（对照组被剥夺了潜在收益）；② 成本高、周期长；③ 很多金融变量根本无法随机分配（你不能随机决定一个县的 LPR）。

类型二：准实验（Quasi-experiment）

定义：有“处理”和“对照”，但分组不是随机的。教材单元 10 的原话意思是：“准实验设计几乎与真实验设计完全相同，除了一个方面不同：随机分派。”

金融领域的典型形态：

形态	处理是什么	为什么不是随机
政策试点评估（DID）	某县被列为数字金融改革试验区	试点县是上级挑选的，往往基础更好
门槛效应（RDD）	收入低于某条线才能领补贴	分组由连续变量跨门槛决定，不是抽签
外生冲击	某年发生自然灾害 / 某法规出台	冲击影响哪些人不由研究者控制
匹配对照（PSM）	参与者 vs 特征相似的未参与者	“相似”只在可观测维度成立

代价：教材单元 10 列出了一整族“选样相关威胁”——选样成熟度威胁、选样历史威胁、选样回归威胁、选样测量威胁、选样测试威胁、选样流失威胁。因为两组本来就不等价，任何与分组相关的因素都可能伪装成处理效应。

结论：准实验的内部效度低于真实验但高于纯观测研究。你必须在论文里明确讨论你的设计属于哪一类、有哪些威胁、你怎么缓解——这正是第 9 章稳健性检验的意义所在。

类型三：非实验—事后追溯（Ex Post Facto）

定义：研究者不操控任何变量，只观测已经发生的数据，用统计方法检验变量间关系。教材单元 5 称之为“现场调查”“二手数据分析”，单元 10 归为“非实验研究”。

这是金融研究的主流形态，包括：

• 截面调查：CHFS（中国家庭金融调查）、CFPS（中国家庭追踪调查）、你自己做的问卷
• 面板数据：县级面板、上市公司面板、银行个体面板
• 市场数据：股票收益率、债券价格、宏观时间序列
• 行政与统计年鉴数据：人民银行、金融监管总局、国家统计局、FAO、IMF、世界银行

优势：数据可得、成本低、样本量大、外部效度相对较高（真实世界数据）。

劣势（教材原意）：无法操控自变量 → 内部效度低；原因与结果的时间顺序常常模糊；容易受伪相关干扰。教材单元 5 特别指出，现场调查“原因和结果都是在相同的时间点观察到的”，这直接违背了因果关系的时间优先条件。

金融研究的现实：你多半在第三类

	真实验	准实验	非实验（事后追溯）
金融研究中的占比	少（RCT、实验经济学）	中（政策评估）	绝大多数
内部效度	高	中	低（需靠统计手段补）
外部效度	低	中	高
数据成本	极高	中	低（多用现成数据）
你的硕士论文最可能是	✗	✓（有政策冲击时）	✓✓

因此：既然你大概率用的是第三类数据，就必须用识别策略把内部效度“抢”回来一点：

非实验数据 + 好的识别策略  ≈  准实验的内部效度

  （面板 FE、政策 DID、工具变量 IV、断点 RDD、匹配 PSM）

这就是第 9 章 §9.2—9.5 的全部内容。第 4 章让你知道自己缺什么，第 9 章给你工具去补。

自测：判断你的设计类型

Q1  你自己决定谁接受处理吗？
    ├── 是 → Q2 你随机分派吗？
    │        ├── 是 → 真实验
    │        └── 否 → 准实验（研究者操控但非随机）
    └── 否（处理由政策 / 市场 / 个人选择决定）
             ├── 有明确且外生的处理时点或门槛？
             │     ├── 是 → 准实验（可用 DID / RDD）
             │     └── 否 → 非实验（事后追溯）
             └── 你只是观测变量间关系 → 非实验（事后追溯）

📌 把答案写进 research_design.md 第五栏“方法路线”的开头。这是审稿人第一个想知道的信息。

---

§4.4 “相关≠因果”三个金融故事

这是本章最重要的一节。请把这三个故事记到能脱口而出——答辩时被问“你怎么保证不是反向因果”，你的答案就在这里。

故事 1 · 遗漏变量（Omitted Variable）

现象：数据显示，金融素养得分高的人，买基金的比例也高。相关系数 0.42，p < 0.01。

错误推断：“提高金融素养能促进居民参与基金市场。”→ 于是建议大规模开展金融知识宣传。

真实原因（可能）：收入同时影响两者。

              收入（遗漏变量）
             ↙              ↘
    金融素养得分  ←相关→  基金购买

  收入高 → 更可能受过高等教育 → 素养得分高
  收入高 → 有更多可投资资产   → 更可能买基金

收入和素养都高的人自然更爱买基金——两者之间可能根本没有因果关系。

怎么判断有没有遗漏变量偏误：问自己“有没有第三个变量，它既影响 X 又影响 Y，而我没控制它？”在金融研究里，这个“第三个变量”最常见的候选是：收入/财富、教育、年龄、地区、风险偏好、社会关系、家庭背景。

解决方法：

1. 加入控制变量（reg fund literacy income educ age ...）——但只能控制可观测的
2. 固定效应 FE：控制不随时间变的个体特征（能力、家庭背景）→ 第 9 章 §9.2
3. 工具变量 IV：找一个只影响 X、不直接影响 Y 的外生变量 → 第 9 章 §9.3

故事 2 · 反向因果（Reverse Causality）

现象：投保农业保险的农户，粮食产量比未投保农户高 12%。

错误推断：“农业保险提高了粮食产量。”→ 于是建议扩大保险补贴。

真实原因（可能）：产量高的农户更有钱、更有动机投保。

   投保 → 产量 ？
   产量 → 投保 ✓（更可能）

高产量农户收入稳定、支付能力强、也更懂保险的价值 → 更愿意投保。这是典型的“因果箭头画反了”。

为什么这个问题在金融里特别严重：金融变量之间常常是双向的——储蓄影响收入，收入也影响储蓄；杠杆影响盈利，盈利也影响杠杆；股价影响投资，投资也影响股价。截面数据里 X 和 Y 同时测量，你根本无法从数据本身判断方向。教材单元 5 指出，现场调查“原因和结果都是在相同的时间点观察到的”，这违背了因果的时间优先条件。

解决方法：

1. 时间上分离：X 用 t 期，Y 用 t+1 期（滞后期解释变量）——这是最低要求
2. 面板 FE：利用个体内的时间变化 → 第 9 章 §9.2
3. 工具变量 IV：找一个“只影响 X、不影响 Y”的外生变量 → 第 9 章 §9.3
4. 联立方程 / 系统 GMM：同时建模双向关系（难度较高）

故事 3 · 选择偏差（Selection Bias）

现象：参加过电商培训的农民，收入比没参加的高 20%。

错误推断：“电商培训使农民收入提高 20%。”→ 于是建议大规模推广培训。

真实原因（可能）：本来就有能力、有资源、有闯劲的农民才去参加培训。

        能力 / 进取心（不可观测）
         ↙                ↘
    参加培训            收入本来就高
         ↘                ↙
      观察到“培训组收入高 20%”

培训组与对照组从参加之前就不等价。你测到的 20% 里，可能只有 5% 是培训效果，15% 是“人不一样”。

这个问题在政策评估中尤其致命——因为政策的目标群体往往正是“最需要帮助的那批人”（或反过来，“最有条件响应的那批人”），两种情况都造成系统性偏差。

解决方法：

1. 随机分派（RCT）——唯一彻底的解，但金融领域少见
2. 倾向得分匹配 PSM：给每个参与者找一个“可观测特征几乎一样”的未参与者 → 第 9 章 §9.5。⚠️ 局限：只能匹配可观测变量，能力与进取心匹配不掉
3. DID：比较“参与组的变化”与“对照组的变化”之差，可消除不随时间变的选择偏差 → 第 9 章 §9.4
4. Heckman 两步法：显式建模选择过程（需要排他性识别变量，难度较高）

三个故事的统一格式（背下来）

要素	故事 1	故事 2	故事 3
现象	素养高的人爱买基金	投保农户产量高	参训农民收入高
错误推断	素养 → 基金参与	保险 → 产量	培训 → 收入
真实原因	收入同时影响两者	产量高者更愿投保	有能力者才参加培训
问题类型	遗漏变量	反向因果	选择偏差
首选解法	FE / IV	滞后变量 / FE / IV	RCT / DID / PSM
对应章节	§9.2 / §9.3	§9.1 / §9.2 / §9.3	§9.4 / §9.5

💡 答辩万能句：当被问“你怎么保证是 X→Y，而不是 Y→X，也不是第三个变量”，标准回答结构是—— “① 我承认存在这种可能；② 我用了 ___ 策略来缓解（并说明为什么这个策略能处理这一类偏误）；③ 我做了 ___ 稳健性检验；④ 本文结论的因果强度限定为 ___（例如‘提供了与因果解释一致的证据’，而不是‘证明了因果’）。”

最糟糕的回答是“我的回归很显著，所以就是因果”。显著性只说明相关不太可能是抽样误差造成的，与因果毫无关系。

---

§4.5 研究策略三分选型

确定了问题类型、认清了效度威胁，下一步是选路线。本手册把金融研究的可行路线分成三条：

路线	核心逻辑	数据形态	适用问题	手册章节
实证回归路线	大样本 + 统计识别 → 检验假说	面板 / 截面 / 市场数据（数值型）	因果型、相关型（有明确变量和假说）	第 9 章
案例研究路线	小样本 + 过程追踪 → 理解机制或构建理论	访谈 / 档案 / 观察（文本为主）	描述型、How 型（机制不明、理论缺失）	第 10 章
仿真实验路线	建 Agent 规则 + 计算机模拟 → 探索无法观测的系统	校准参数 + 模拟输出	系统层面、政策反事实、数据不可得	第 9 章 §9.8（选修）

路线一：实证回归（金融研究的主流）

什么时候选：

• 你的假说可以写成“X 每增加 1 单位，Y 变化 β 单位”
• 你有几百个以上观测（或几十个以上个体 × 多期）
• 变量可以量化，数据已经或即将到手

要求：计量功底（第 9 章全套）+ 数据清洗能力（第 8 章）+ 稳健性检验意识（S9.1—S9.4）

典型产出：描述统计表 + 基准回归表 + 内生性处理表 + 稳健性表 + 机制检验表

路线二：案例研究（被严重低估的路线）

什么时候选（教材单元 5 的判断标准）：

• 研究问题还不太清楚，需要先弄清现象的性质和范围 → 探索性研究
• 现象很新，没有现成理论可以演绎 → 理论构建（归纳）
• 你想知道“过程是怎么发生的”，而不只是“效应有多大” → 机制追问

要求：访谈技巧 + 编码能力（第 10 章）+ 案例选择逻辑 + 多案例比较（提高可推广性）

⚠️ 常见误解：“案例研究比较简单，因为不用跑回归。”恰恰相反——好的案例研究对理论敏感度、访谈质量、编码严谨性的要求极高。教材单元 5 指出，案例研究的优势是“能发掘出与未知现象相关的各种社会、文化和政治因素”，劣势是“对调查结果的解释可能取决于研究人员的观测和综合能力”，且单个案例的结论难以推广——多案例比较是主要的补救办法。

专硕特别提示：金融专硕（MF）和农村金融专硕的学位论文中，案例分析类是主流体裁之一。四类体裁（产品设计 / 解决方案 / 案例分析 / 调研报告）的骨架见附录 F——它们的“方案设计”章，本质上就是本章 research_design.md 的应用文版本。

路线三：仿真实验（ABM，选修）

什么时候选：

• 你关心的是系统层面的涌现结果，而不是单个个体的行为（例如：保险市场会不会崩溃？挤兑会不会传染？）
• 现实中无法做实验（你不能真的让一家银行倒闭看看后果）
• 你想做反事实政策模拟（如果补贴率从 30% 提到 50%，参保率会怎么变？）

要求：编程能力（Python / Mesa）+ 参数校准（用真实数据标定）+ 敏感性分析 + 对“仿真不是证据”的清醒认识

典型例子：四川水稻气象保险 ABM（川农团队实践）——用农户 Agent 模拟参保决策，检验不同补贴方案的覆盖率与财政成本。

⚠️ 诚实边界：ABM 的结论依赖你设定的规则。规则错了，仿真再漂亮也是错的。所以 ABM 论文必须做敏感性分析，并明确说明“本文结论在何种假设下成立”。

选型决策：三个维度交叉

维度 1 · 数据形态
   有数值型大样本          → 实证回归
   只有文本 / 访谈 / 档案   → 案例研究
   两者都没有，但有可靠的机制假设 → 仿真（且需真实数据校准）

维度 2 · 问题类型
   因果型（X→Y 有多大）    → 实证回归
   How 型（过程 / 机制）    → 案例研究（或实证 + 机制检验 §9.7）
   系统型（涌现 / 反事实）  → 仿真

维度 3 · 理论成熟度
   理论成熟、有可检验假说   → 实证回归（演绎）
   理论缺失、需从现象归纳   → 案例研究（归纳）
   理论清晰但无法实证       → 仿真

混合路线（推荐了解）

教材单元 5 反复强调混合方法的价值——“即使是在为了搜集定量数据而设计的高度结构化问卷中，研究人员也能通过设置开放性问题来搜集定性数据”。金融研究里常见的混合形态：

混合形态	做法	例子
先案例后实证	用访谈发现机制 → 用大样本检验	先访谈 20 户农户了解“为什么不愿投保” → 再用问卷数据检验这些原因
先实证后案例	回归发现异常或异质性 → 用案例解释	回归发现某类地区效应为负 → 实地调查解释为什么
实证 + 仿真	实证估计参数 → 仿真做政策推演	用调查数据校准 Agent 参数 → 模拟不同补贴方案的效果

把选择写进方案

research_design.md 第五栏“方法路线”必须明确写出四件事：

1. 我选的是哪条路线，为什么（对照上面三个维度）
2. 我的设计属于三大类型的哪一类（真实验 / 准实验 / 非实验）
3. 我预判的主要效度威胁是哪 1-2 条，打算怎么缓解
4. 我放弃了什么（诚实说明局限）

---

§4.6 research_design.md 五栏模板

第 2 章你写了 research_question.md（现象 + 问题 + 构念），第 3 章升级为 one_page_proposal.md（八栏一页纸）。本章再升级为五栏完整方案。

为什么是“五栏”

教材单元 3 建议研究计划应说明：研究问题、为什么选这个问题、有关这方面的已有知识、支持待检验假设的理论、怎样衡量构念、选择哪种研究方法、为什么选这个方法、所选择的抽样方法。压缩到硕士论文可操作的程度，就是五栏：

栏	内容	回答的问题	前置章节
1	研究问题（精确化）	到底问什么？什么类型？	第 2、3 章
2	理论框架	凭什么这么问？构念怎么连？	第 2 章 §2.4 + 本章框架图
3	研究假说	可检验的具体预测是什么？	第 2 章 §2.3
4	数据方案	数据从哪来？变量怎么测？	第 5、6 章
5	方法路线	怎么识别？怎么稳健？	第 8、9 章

完整模板（复制到你自己的 research_design.md）

# 研究设计方案（Research Design）

**姓名**：____　**方向**：□农金 □风险/保险 □金融理论
**版本**：v1.0（第 4 章产出）　**日期**：____
**上游文件**：research_question.md（第 2 章）、one_page_proposal.md（第 3 章）
**AI 使用声明（开题版）**：见文末附表（第 11 章 S11.1 要求，现在就开始写）

---

## 栏 1 · 研究问题（精确化）

**主问题**：________________________
**问题类型**：□描述型（What）　□相关型（Why 弱）　□因果型（Why 强 / How）

**子问题**（2-3 个，主问题的分解）：
1. ____
2. ____
3. ____

**分析单元**（回指第 2 章 §2.2）：□个体 □群体 □组织 □地区/系统
**样本框**：____（明确边界：哪些县 / 哪些年份 / 哪类机构）

**问题的价值**（为什么值得做。一段话，不写空话）：
- 现实重要性：____（具体到政策文件名或数据事实）
- 学术重要性：____（对应第 3 章概念矩阵里读出的那个 gap）

---

## 栏 2 · 理论框架

**理论基础**（1-2 个，不能贪多）：
- 理论名称：____
- 提出者 / 代表文献：____（作者 年份，必须真实存在——S4.1）
- 核心命题：____
- 为什么适用于本研究：____（说明理论与情境的匹配度，也说明边界条件）

**核心构念**（回指第 2 章 §2.3）：

| 构念 | 理论定义 | 在框架中的角色 | 支撑文献 |
|---|---|---|---|
| ____ | | □自变量 □因变量 □中介 □调节 □控制 | |
| ____ | | | |

**逻辑链条**（一段话说清 A→B→C 为什么成立）：____

**理论框架图**：见附件 figures/theory_framework.png
（画法：AI 辅助 mermaid 初稿 → 逐箭头核实文献 → 人工定稿。
  回指第 2 章 AI 辅助栏用法二，受 S2.1 约束）

**国内理论对话**（回指第 2 章 §2.6）：
- 国外脉络：____
- 国内脉络：____（本土学者推进了什么、还差什么）

---

## 栏 3 · 研究假说

**要求**：每条假说必须 ① 可检验（能写成回归式）② 有方向（+ / −）③ 有文献支撑（S4.1）

| 编号 | 假说陈述 | 理论依据（作者 年份 + 页码） | 对应回归式与预期符号 |
|---|---|---|---|
| H1 | ____ 越高，____ 越高 / 越低 | ____ | Y = α + β₁X + γ'Z + ε，预期 β₁ ___ 0 |
| H2 | 在 ____ 的调节下，上述关系增强 / 减弱 | ____ | 加交互项 X×W，预期 β₃ ___ 0 |
| H3 | ____ 通过 ____ 渠道影响 ____ | ____ | 中介效应检验（§9.7） |

**假说的可证伪性自查**（对照教材单元 4“优秀理论四特征”）：
- [ ] 有没有可能数据推翻 H1？（如果不可能 → 假说写得太模糊）
- [ ] 假说里有没有“可能”“也许”“在一定程度上”这类模糊限定？（有 → 改具体）

---

## 栏 4 · 数据方案

**数据来源**（第 6 章详查，此处先定）：

| 项目 | 内容 |
|---|---|
| 数据名称 | ____ |
| 来源机构 / URL | ____ |
| 是否已到手 | □是（路径 ____）　□否（获取计划 ____） |
| 版本 / 更新日期 | ____（S6.1 要求留痕） |
| 样本量 | ____ 个观测（____ 个体 × ____ 期） |
| 时间跨度 | ____ 至 ____ |
| 数据使用授权 | □公开 □需申请 □需付费 □涉密（涉密不做） |

**变量定义与测度**：

| 变量 | 角色 | 变量名 | 测度方式 | 数据来源字段 | 单位 |
|---|---|---|---|---|---|
| ____ | 因变量 | Y | | | |
| ____ | 核心解释变量 | X | | | |
| ____ | 中介 / 调节 | M / W | | | |
| ____ | 控制变量 | Z₁…Zₖ | | | |

⚠️ **变量可得性红线**：任何一个变量如果在数据里**找不到对应字段**，本方案不成立。
现在就打开数据核对，不要等到第 8 章。

**测量方案**（若需问卷，第 5 章详做）：
□ 使用现成量表（必须注明出处——S5.1）　□ 自行开发（需预测试）　□ 使用二手指标

---

## 栏 5 · 方法路线

**设计类型**（§4.3）：□真实验　□准实验　□非实验（事后追溯）
**研究路线**（§4.5）：□实证回归　□案例研究　□仿真实验　□混合（说明如何混合）

**基准模型**（写清 i 和 t 分别是什么；μ_i、λ_t 是否包含）：
    Y_it = α + β·X_it + γ'·Z_it + μ_i + λ_t + ε_it

**识别策略**（因果型问题必填）：

| 潜在威胁 | 属于七大威胁哪一条 | 应对策略 | 对应章节 |
|---|---|---|---|
| 遗漏变量 | 选择偏差 / 伪相关 | FE / IV / 充分控制变量 | §9.2 / §9.3 |
| 反向因果 | 时间优先性不满足 | 滞后 X / 面板 FE / IV | §9.1 / §9.2 / §9.3 |
| 自选择 | 选择偏差 | PSM / DID / RDD / Heckman | §9.4 / §9.5 |
| 同期政策冲击 | 历史威胁 | DID + 平行趋势 + 安慰剂检验 | §9.4 |
| 极端样本 | 统计回归 | 同规则筛选的对照组 + DID | §9.4 |

**工具变量（如用 IV）**：
- 变量名：____
- 为什么它影响 X：____（相关性）
- 为什么它不直接影响 Y：____（排他性约束——这一条最难，也是审稿人最爱问的）

**稳健性检验计划**（S9.2 要求三组）：
1. 替换变量：____（例如换一种测度方式）
2. 子样本：____（例如剔除直辖市 / 剔除疫情年份）
3. 替换模型：____（例如 FE 换 RE、OLS 换 Tobit）

**机制检验计划**（§9.7）：中介变量 ____，检验方法 ____

**异质性分析计划**：按 ____ 分组（例如东中西部、规模大小、代际、地形）

**预期困难与 Plan B**：
- 最可能失败的一环：____
- 备选方案：____

---

## 附表 · AI 使用记录（从第一天开始记）

| 日期 | 用途 | 工具 | 人工核对方式 |
|---|---|---|---|
| | 文献抽取 | | 逐格对照原文 |
| | 理论图初稿 | | 逐箭头核实文献 |
| | 效度威胁自查 | | 逐条判断是否成立 |

（这张表现在看着多余，第 11 章写 AI 使用声明时你会感谢自己——S11.1）

五栏与四类专硕体裁的对应（附录 F 预告）

五栏	调研报告	案例分析	产品设计	解决方案
1 问题	调研背景与问题	案例企业面临的问题	产品需求分析	问题诊断
2 理论	理论依据（可简化）	理论视角	设计原理	政策 / 理论依据
3 假说	调研假设 / 待验证问题	分析命题	产品功能假设	方案预期效果
4 数据	调查方案设计	案例资料来源	市场数据 / 客户数据	现状数据
5 方法	统计分析方法	案例比较逻辑	定价 / 风控模型	实施路径与评估

📌 也就是说：同一份五栏方案，换一套标题就能变成四类体裁中任意一类的骨架。这就是“研究设计能力”的可迁移性——也是本手册希望专硕同学重点带走的东西。

---

🔧 AI 辅助研究栏

用法一：AI 辅助效度威胁自查（本章主打）

场景：你写完了五栏方案，但不知道自己漏了什么。这是 AI 最有价值也最安全的用法之一——因为它做的是“提出问题”，不是“给出结论”。

提示词模板：

以下是我的研究设计方案（五栏）。请按 Bhattacherjee《Social Science Research》中的七大内部效度威胁（历史 / 成熟 / 测验效应 / 仪器变化 / 统计回归 / 选择偏差 / 样本流失）逐条检查这个设计：

[粘贴你的 research_design.md 全文]

对每一条威胁，请回答： ① 这个威胁在我的设计中是否可能存在？（是 / 否 / 不确定） ② 如果存在，在我的具体情境下它会以什么形式出现？（请举我的例子，不要泛泛而谈） ③ 我当前的方法路线能否缓解它？如果能，靠哪个环节？如果不能，有什么补充策略？ ④ 严重程度评级（高 / 中 / 低）

另外请单独回答： ⑤ 我的假说 H1 是否存在遗漏变量、反向因果、选择偏差三类问题中的任何一类？ ⑥ 我的变量测度有没有明显的构念效度问题？ ⑦ 请不要给我鼓励性评价，只指出问题。

最后那句“不要鼓励性评价”很关键——不写的话，AI 会先夸你三段，再轻描淡写地提两个无关痛痒的问题。

AI 输出示例（节选，农金方向）：

威胁	是否可能	具体形式	现有缓解	补充策略	严重度
历史	是	2020—2022 年你的样本县同时经历脱贫攻坚收官与疫情，两项冲击与数字金融试点期重叠	DID 对照组可吸收共同冲击	加“同期其他政策”控制变量；做安慰剂检验（假装政策提前两年）	高
选择偏差	是	试点县由省里挑选，基础条件更好	无	PSM 先匹配再 DID；或用“申报但未获批县”作对照	高
仪器变化	是	数字普惠金融指数 2021 年调整过编制方法	无	检查指数在 2021 年是否有跳跃；考虑分时段估计	中
统计回归	否	你的样本是全部县，不是极端县	—	—	低
样本流失	不确定	县级面板一般不缺县，但可能有县改区导致口径变化	无	核对行政区划变更年份	低

你的下一步（关键）：

Step 1  逐条判断 AI 说的对不对——它是“提示”，不是“裁决”
        （AI 可能过度报警：把你的设计说得一无是处；
          也可能漏报：看不出你数据里的具体问题）

Step 2  对“确实存在”的威胁，去第 9 章找对应工具，
        写进栏 5 的识别策略表

Step 3  对“AI 误判”的威胁，在你的方案里写一句话说明为什么它不适用
        （这句话在答辩时非常有用——说明你想过了）

Step 4  把 AI 指出但你无法解决的问题，如实写进“局限性”一节
        （诚实的局限讨论 > 假装没有问题）

💡 为什么这个用法安全：AI 在这里不产生任何“事实性内容”（不产生数据、不产生文献、不产生结论），只产生问题清单。问题错了最多浪费你几分钟，不会污染你的研究。这与“让 AI 写综述”（可能引入虚构文献，S3.1）有本质区别。

用法二：AI 辅助假说推导（注意 S4.1 边界）

场景：你有理论框架图，但不知道怎么把它拆成可检验的假说。

提示词模板：

我的理论框架包含以下构念和关系：[列出构念 + 每条箭头及其文献来源] 请帮我把这个框架拆解成 3-4 条可检验的假说，要求： ① 每条假说有明确方向（正 / 负） ② 每条假说对应一个可估计的回归式（请写出回归式） ③ 每条假说必须指向我已提供的某条关系——不得引入我没有提供的新构念或新关系 ④ 如果某条假说需要额外的理论支撑而我没提供，请明确标注“缺少文献支撑，需补充”，不要替我编造文献

第 ③④ 条是 S4.1 的技术化落实——通过提示词约束，让 AI 不去做它最容易犯错的事（编文献）。

⚠️ 红线提醒：即使你在提示词里写了“不要编造文献”，AI 仍可能编。输出里出现的每一个“作者 年份”，都要用 Zotero 核实：

cli-anything-zotero add doi {DOI}                              # 有 DOI 就直接抓
cli-anything-zotero item semantic-search --query "作者 关键词"   # 在本地库里查

用法三：AI 辅助“研究问题精确化”

场景：你的问题还是“数字金融对农户收入的影响”这种宽泛表述，需要收窄到可做的程度。

提示词模板：

我的初步研究问题是：____ 我的数据是：____（样本、时间、地区、可得变量） 请指出这个问题的三个“过宽”之处，并给出三种收窄方案，每种说明： ① 收窄后的问题表述 ② 收窄后需要什么识别策略 ③ 收窄后贡献变小了多少、可行性提高了多少 请不要建议我更换数据或扩大样本——按我现有的数据条件来收窄。

最后那句约束很重要：否则 AI 会建议你“做一个全国性的随机对照试验”——听起来很对，但你做不到。

本章 AI 用法总纲

用法	AI 的角色	你的角色	风险等级
效度威胁自查	提出问题清单	逐条判断成立与否	🟢 低
假说推导	按你给的框架拆解成可检验形式	逐条核实文献、判断理论逻辑	🟡 中（S4.1）
问题精确化	指出过宽之处	决定收窄方向	🟢 低
直接生成理论框架	—	—	🔴 禁止（S2.1 / S4.1）
直接生成文献综述	—	—	🔴 禁止（S3.1 / S3.2）

---

🛡️ AI 诚信栏

S4.1 假说必有文献支撑

红线：research_design.md 栏 3 的每一条假说，必须指向至少 1 篇真实存在的已发表论文或教材章节。没有文献支撑的假说不是假说，是猜测。

这条红线管什么

情形	判定
写“根据金融排斥理论，数字金融可得性提高农户收入”，且能指出相关经典与实证文献确实支持这一推论	✅ 合规
写“根据 XX 理论”，但你查 XX 理论原文，发现它并不支持你这个推论	❌ 不端——这是“理论误引”，比不引用更严重
AI 说“Lusardi & Mitchell（2014）发现金融素养提高投资回报率”，你直接写进假说依据，但没查原文	❌ 高危——该文献可能不存在，或存在但没有这个结论
你的假说是自己的原创推测，并明确标注“本文提出，尚无直接文献支撑，属探索性假说”	✅ 合规（诚实标注即可）

为什么“理论误引”特别严重

因为它具有欺骗性：格式规范、文献真实、逻辑通顺，只有读过原文的人才知道你把作者的观点说反了或说过头了。而审稿人恰好就是那个人。

常见的三种误引：

1. 过度外推：原文说“在发展中国家样本中相关”，你写成“具有普遍因果效应”
2. 张冠李戴：原文说的是 A 对 B 的影响，你引它来支持 A 对 C 的影响
3. 反向引用：原文其实在质疑这个关系，你引它来支持这个关系

检查方法（每条假说四步）

Step 1 · 定位
   打开你引的那篇文献，找到支撑该假说的**具体段落**（记下页码）

Step 2 · 核对方向
   原文的结论方向（正 / 负 / 不显著）与你的假说方向一致吗？

Step 3 · 核对边界
   原文的样本、情境、条件与你的研究可比吗？
   如果原文是“美国上市公司”，你是“中国小农户”——
   你需要额外论证为什么可以外推。
   （这个论证本身可能就是你的贡献点）

Step 4 · 记录
   在 research_design.md 栏 3 的表格里，把“作者 年份 + 页码”写进去。
   写不出页码 = 你没真读过 = 回到 Step 1

开题前自查表（逐条打勾）

检查项	状态
栏 3 每条假说都有至少 1 个“作者 年份”支撑	☐
每条支撑文献都已用 Zotero 核实存在（DOI 解析通过）	☐
每条支撑文献我都定位到了具体页码 / 章节	☐
没有任何一条是“AI 说有但我没查到原文”的	☐
原文结论方向与我的假说方向一致（无过度外推）	☐
原文情境与我的研究情境可比，或我已论证可比性	☐
探索性假说（无文献支撑的）已明确标注	☐
理论框架图 theory_framework.png 每条箭头都有文献标注	☐

🔑 和第 2 章 S2.1 的关系：S2.1 管“理论框架图的每条箭头”，S4.1 管“每条假说”。箭头是假说的图形化表达，两者必须一致——图上有的箭头，栏 3 里要有对应假说；栏 3 里的假说，图上要能找到对应箭头。开题时导师常做的第一件事，就是把这两样对照着看。

AI 使用声明（本章版本）

在 research_design.md 末尾附上。第 11 章 S11.1 会要求三个版本（开题 / 投稿 / 答辩），现在就从开题版开始记：

## AI 使用声明（开题版）

本研究方案撰写过程中使用了生成式 AI 辅助，具体如下：

| 环节 | 用途 | 工具 | 人工核对方式 | AI 是否产出最终内容 |
|---|---|---|---|---|
| 文献梳理 | 从 30 篇摘要中抽取概念矩阵字段 | ____ | 逐格对照原文核对 | 否 |
| 理论框架 | 生成 mermaid 初稿 | ____ | 逐箭头核实文献支撑 | 否 |
| 假说推导 | 按已定框架拆解为可检验形式 | ____ | 逐条核实文献 + 判断理论逻辑 | 否 |
| 效度自查 | 按七大威胁提出问题清单 | ____ | 逐条判断是否成立 | 否 |
| 文字表达 | ____ | ____ | ____ | ____ |

**声明**：所有假说、理论关系、文献引用均经本人核实；研究设计的判断与决策由本人
独立作出；本文不包含任何由 AI 生成而未经核实的事实性内容。

签名：____　　日期：____

⚠️ 这张表必须真实。写了“逐格核对”却其实没核对，比不写声明更严重——那是虚假陈述，违反第 0 章 §0.4 研究道德四准则中的“诚实”。

---

✅ 自检题

完成以下四题，检验本章学习效果。

1. 七大威胁中，“政策试点县本来就更富裕”属于哪一条？

（提示：选择偏差（Selection）——实验组与对照组先天不等价。试点县是上级挑选的，挑选标准往往与经济发展水平相关，所以两组从一开始就不可比。注意别和“历史威胁”混淆：历史威胁说的是研究期间发生的外部事件（例如同期 LPR 下调），而“本来就富裕”是处理之前就存在的差异。缓解办法：PSM 先匹配再 DID，或用“申报但未获批”的县作对照组。回指 §4.2、§4.4 故事 3。）

2. 用县级面板做“数字金融 → 农户收入”属于三大设计哪一类？主要效度威胁是什么？

（提示：非实验—事后追溯（Ex Post Facto）。你没有操控任何变量，也没随机分派——数字金融发展水平是各县自己“长”出来的，收入是已经发生的数据。主要威胁至少三条：① 选择偏差（金融发展好的县本来经济基础就好）；② 遗漏变量（省级政策、地理条件、产业结构等同时影响两者）；③ 反向因果（收入高的县金融需求大，反过来促进金融发展）。缓解路径：双向固定效应吸收不随时间变的县特征与时间共同冲击；若能找到政策试点时点，升级为 DID（准实验）；若能找到合适的工具变量（例如地形起伏度、历史邮局数量），用 IV。回指 §4.3、第 9 章 §9.2—9.4。）

3. 五栏方案里“假说”栏每条必须有什么支撑？（S4.1）

（提示：至少 1 篇真实存在的已发表论文或教材章节，且你要能定位到具体页码。三步核查：① 文献存在（Zotero DOI 解析通过）；② 原文结论方向与你的假说方向一致（不过度外推）；③ 原文情境与你的研究情境可比，或你已论证可比性。特别警惕“理论误引”——写了“根据 XX 理论”但 XX 理论实际不支持该推论，这比不引用更严重。如果是自己的原创推测，必须明确标注“探索性假说，尚无直接文献支撑”。回指 §4.6 栏 3、本章 AI 诚信栏。）

4.（方向题）把你的候选题目写成一条可检验假说，并指出理论来源。

按下面格式完成，然后自查：

候选题目：____（来自第 3 章 one_page_proposal.md）

假说 H1：当 ____（变量 X，写清测度）每增加 1 个单位 / 由 0 变为 1，
        ____（变量 Y，写清测度）将 ____（方向）约 ____（数量级，可写“显著”）

对应回归式：Y_it = α + β₁X_it + γ'Z_it + μ_i + λ_t + ε_it，预期 β₁ ___ 0

理论依据：____（作者 年份，第 ___ 页）

设计类型：□真实验　□准实验　□非实验（事后追溯）

预判主要效度威胁：____（七大威胁里挑 1-2 条）

应对策略：____（对应第 9 章哪一节）

（示例——保险方向：

• 假说 H1：完全成本保险试点（X：县 i 在 t 年是否为试点，0/1）使试点县水稻单产（Y：公斤/亩）相对非试点县显著提高
• 对应回归式：Yield_it = α + β₁Pilot_it + γ'Z_it + μ_i + λ_t + ε_it，预期 β₁ > 0
• 理论依据：风险厌恶理论下农业保险的生产性效应——产量风险下降后，农户更愿采用高投入高回报技术（请自行检索并核实具体文献，标注页码）
• 设计类型：准实验（政策试点非随机）
• 主要威胁：选择偏差（试点县基础更好）+ 历史（同期其他农业政策）
• 应对：PSM-DID + 平行趋势检验 + 安慰剂检验 → 第 9 章 §9.4、§9.5）

自查三条：

• [ ] 你的假说有方向吗？（“有影响”不算，必须写“提高”或“降低”）
• [ ] 你的假说可证伪吗？（有没有可能数据推翻它？）
• [ ] 你的理论依据是你真读过的文献吗？（能说出页码吗？）

---

🎯 本章完成标志：你有 research_design.md（五栏填完）和 figures/theory_framework.png（每条箭头都有文献标注），并且已经用“七大威胁”逐条自查过一遍。

接下来进入第 5 章 · 测量、信效度与抽样：把栏 4 里“变量测度”那一列真正做实——你的问卷题项从哪来？信度够不够？抽样方案站得住吗？

---

农村金融业务及监管 2026 秋季 | AI 辅助金融研究学生自学手册

---

← 第 3 章 · 文献回顾与选题第 5 章 · 测量、信效度与抽样 →