用途：在主结果已具备、但实证部分偏薄时，系统补齐AER审稿人预期会要求的检验，避免因缺失检验而被要求补做导致延误。适用于投稿前撰写附录、回应R&R中含糊的“补充检验”要求，以及诊断此前因稳健性不足被拒的原因。
主要能力：一是稳健性，涵盖替代设定（逐个增减协变量、固定效应粗细、加权方式）、替代样本（剔除最大单位或最具影响力时期、平衡面板、可比子集）、替代结果定义（对数与水平、1%/5%缩尾、替代平减指数）、替代聚类（更高层级、双向聚类、少聚类时wild cluster bootstrap）、替代估计量（OLS对IV、TWFE对Callaway-Sant'Anna、RD对甜甜圈与带宽网格）、异常值诊断（Cook距离、杠杆、剔除前1%影响点）。二是异质性，主张报告理论预测的异质性而非挖掘所得，按单位特征、时期、处理强度或分位数处理效应呈现，田野实验子组分析需预注册，否则标注为探索性。三是机制，区分“渠道证据”（辅助结果与机制一致，非因果中介）与“排除替代解释”（列2-3个最可能的替代解释并给出反证）。四是安慰剂，包括处理前、跨单位、结果三类。若结果有争议或反直觉，建议使用规范曲线（Simonsohn-Simmons-Nelson 2020）。还可预测并预先化解前五大审稿意见，如遗漏变量、聚类不当、预趋势可疑、机械效应、效应量不合理。
使用方式：主文稳健性保留一张表、每行一个设定，深度稳健性按顺序放入附录（设定与聚类、样本与结果定义、异质性、安慰剂、机制、理论扩展、数据附录）。所有稳健性表报告与主表相同的点估计列以便直接比较；异质性以交互项系数报告；样本量变化需标注。始终报告95%置信区间与p值；零结果需证明检验功效且置信区间足够紧，不可过度声称“无效应”。不推荐放入无人质疑的检验、二十个设定只突出两个，或“结果备索”。
工具绑定：连接StatsPAI MCP服务时，可用audit_result枚举缺失检验，用spec_curve、wild_cluster_bootstrap、twoway_cluster、conley、honest_did、oster_delta、robustness_value、lee_bounds、evalue_from_result、causal_forest、metalearner、romano_wolf等验证工具，避免手写脚本。安装技能自带references/robustness-menu.md，使用前应先阅读；仓库中另提供方法参考与Stata/R/Python模板。
限制：本资料未提供收费、价格、平台兼容性或具体运行环境信息，暂未提供。