用途：在 AMJ 稿件的数据分析阶段，指导测量效度与统计估计的规范做法，并给出报告结构。触发场景包括数据已收集待估计、不确定估计量是否匹配设计（嵌套数据、潜变量、面板）、审稿人质疑测量效度、共同方法偏差或内生性，以及交互/中介效应需要正确检验与报告时。
主要能力：先建立测量再估计，要求报告各多题项量表的 Cronbach's alpha 和/或组合信度、验证性因子分析（CFA）拟合指标（CFI、TLI、RMSEA、SRMR）并与替代模型比较、AVE 与区分效度（AVE 大于构念间相关系数平方或 HTMT）、对角线含信度的相关矩阵；多层聚合需用 ICC(1)、ICC(2)、r_wg(j) 论证；定性研究以可信度替代效度，呈现 Gioia 式数据结构、审计轨迹与代表性引文。估计量按设计选择：潜变量/中介用 SEM，嵌套数据用多层/HLM，面板用固定或随机效应加聚类稳健标准误，实验用 ANOVA/回归，内生档案变量用 2SLS/IV、DiD、Heckman、倾向匹配，计数/受限因变量用 Poisson/负二项、logit/probit、Tobit。共同方法偏差除程序性分离外，需统计证据，单因子检验必要但较弱，优先标记变量法、未测量方法因子或交互效应存续。中介报告偏差校正 bootstrap 置信区间（如 5,000 次重抽样），调节报告交互系数、简单斜率与增量方差，并报告效应量。稳健性包括替代设定、子样本、内生性假设敏感性、缺失数据处理（FIML/多重插补）。
使用方式：按输出格式分节整理【Measurement】【Estimator】【CMB evidence】【Mediation/Moderation】【Endogeneity】【Robustness】【Open issues for reviewers】【Next step】。可结合 StatsPAI/Stata MCP 执行检验，如 romano_wolf、benjamini_hochberg、oster_delta/sensemakr、wild_cluster_bootstrap、twoway_cluster/conley，用 audit_result(result_id) 查看缺失检查，用 etable/did_summary_to_latex 生成表格。
限制：资料未提供具体安装命令、价格、平台支持范围与效果数据；反模式包括对嵌套数据用 OLS、仅用 Baron-Kenny 因果步骤、p-hacking、仅用单因子检验、无拐点检验即称曲线关系、只报 p 值不报效应量。