用途：面向实验性与前瞻性数据研究，在数据产生前确立可信度。该技能负责撰写预分析计划（PAP）、依据功效计算确定样本量，并完成研究登记，使最终结果不易被 p-hacking。对 AEA 期刊的随机对照试验，登记不是可选项；若设计为观察性研究，则跳过本步。
适用时机：论文开展随机对照试验（田野、实验室或调查实验）；项目收集的首要数据需预先确定分析方式；审稿人或编辑要求试验登记号或 PAP；需论证样本量，或解释效应为何“未被检测到”。判断规则：由研究者随机分配处理则应在干预前于 AEA RCT Registry 登记并撰写 PAP；若收集新的首要数据但非随机，可发布 PAP 预先确定分析；若为已实现的二手或观察性数据，不应预注册，应转向 aer-robustness。
PAP 内容：需在揭盲前按序预先指定并加时间戳——假设（以带方向的、可检验的预测陈述）、主要结局（理想为 1 至 3 个，其余标记为次要或探索性）、估计方程（回归、固定效应、协变量及标准误聚类层级）、样本与纳入规则（含缺失处理，可预先承诺界限）、多重检验校正（族与方法，如 Romano-Wolf）、异质性（预先固定的子组）、功效（MDE 及其假设）。PAP 范围宜适中，主要分析严格预设，真正的探索分析明确标注。
功效与最小可检测效应：应由 MDE 倒推样本量。两臂等分配时：MDE = (z_power + z_{1-alpha/2}) * sigma * sqrt(1 / (p (1 - p) N))。80% 功效、5% 双侧水平下 z 值之和为 2.80。应按受众关心的单位陈述 MDE 并与最小经济意义效应比较；若 MDE 超出该效应，则研究功效不足。方差需校正聚类设计效应 1 + (m-1)ρ、基线协变量增益与预期缺失；忽略 ICC 的功效数值是虚假的。功效不足的设计不仅在显著时夸大效应（Type-M），还需引用 mckenzie_2012 与 duflo_glennerster_kremer_2007。
对照计划报告：先按预定原文报告主要结果，即使为零结果；预注册的零结果仍可发表。所有偏离 PAP 之处需在表中明确标注并说明原因；正文区分确证性与探索性结果，不得将探索性子组提升为头条。需提交披露与 IRB/伦理审批。
预注册门禁：主要结局与估计方程书面预设、样本量由含聚类与缺失的 MDE 论证、多重检验族与校正预先固定、研究已登记（AEA RCT Registry）且时间戳早于干预、探索性分析明确标注，全部满足方可进入数据收集。
仓库资源：随技能打包，无需检出仓库即可读取 references/pap-template.md；按需加载 examples/power-mde-demo/、examples/lee-bounds-demo/、docs/methods-reference.md、skills/aer-robustness/SKILL.md 与 references.bib。
交接：输出 DESIGN、PRIMARY OUTCOMES、MDE/POWER、MULTIPLICITY、REGISTRATION，下一步为 aer-identification 再 aer-robustness。
反模式：在终点数据到手后补写 PAP；预注册过多结局使“确证性”失去意义；按期望效应而非最小值得检测效应做功效；将已登记零结果视为失败；把探索性子组当作预先指定来报告。