用途：该技能用于在实证论文主结果表已完成后，补齐 AER 审稿人通常会要求的稳健性、异质性、机制与安慰剂检验，避免因缺少这些内容导致退修或延迟。
主要能力：提供一套“预判审稿人”的检验清单。稳健性涵盖替代设定（逐个增减协变量、不同固定效应粒度、不同权重）、替代样本（剔除最大单位、剔除最有影响时期、平衡面板、可比子集）、替代结果定义（对数与水平、缩尾、替代平减指数）、替代聚类（更高层级聚类、双向聚类、聚类数少时用 wild cluster bootstrap）、替代估计量（OLS 对 IV、TWFE 对 Callaway-Sant'Anna、RD 对 donut 与带宽网格）、异常值诊断。异质性强调理论预测的交互项而非数据挖掘。机制区分渠道证据与排除替代解释。安慰剂包括处理前、跨单位与结果安慰剂。争议结果建议使用 specification curve。还列出前 5 条审稿意见的预防方式、功效与精度要求、附录结构、报告纪律，以及 StatsPAI 工具绑定（如 audit_result、spec_curve、wild_cluster_bootstrap、honest_did、oster_delta、evalue_from_result、causal_forest、romano_wolf 等）。
使用方式：在论文实证部分薄弱、R&R 要求补充检查、提交前起草附录或诊断此前被拒原因时使用。若连接 StatsPAI MCP 服务器，应通过已验证工具执行检查，而非手写脚本。仓库资源包括 references/robustness-menu.md，以及 Stata、R、Python 的稳健性与异质性模板。
适用场景：实证经济学论文，尤其是目标为 AER 的投稿。
限制：资料未提供具体安装命令、价格、平台支持范围或实际效果数据；部分工具调用依赖 StatsPAI MCP 服务器连接。