用途：当实证论文的瓶颈是识别策略时使用，帮助把仅有OLS加控制变量的设计升级为可信的准实验识别，并回应审稿人对异质性处理效应、弱工具、操纵等质疑。
主要能力：按《经济研究》编委偏好给出设计优先级（政策冲击+DID、RDD、IV、PSM+DID、合成控制、DML/因果森林、OLS+内生性讨论）。分支A交叠DID：TWFE基准、Goodman-Bacon分解、异质性稳健估计量（csdid、eventstudyinteract、did_imputation、did2s、did_multiplegt_dyn）与事件研究图、安慰剂。分支B IV：Kleibergen-Paap rk Wald F、Stock-Yogo临界值、有效F（weakivtest）、Anderson-Rubin稳健区间、reduced form与排他性三段论证。分支C RDD：rdplot、rdrobust（报告Robust行）、rddensity操纵检验、多带宽与donut RD。分支D DML：报告模型类型、交叉拟合折数、学习器与Neyman正交标准误。分支E结构估计。另含标准误聚类、wild cluster bootstrap、Conley空间HAC，以及StatsPAI/Stata MCP执行桥与必查清单、反模式。
使用方式：按触发时机判断分支，运行配套代码resources/code/stata/03_did_modern.do、04_iv.do、05_rdd.do、06_dml.do；关键命令如csdid Y X, ivar(id) time(year) gvar(gvar) method(dripw)、ivreg2 Y X (D = Z1 Z2), robust first、weakivtest、rdrobust Y X, c(0) p(1) kernel(triangular) bwselect(mserd)、rddensity X, c(0)。
适用场景：中文经济学实证论文的识别设计、稳健性检验与审稿回应。
限制：识别是手段而非卖点，需回到理论与中国制度问题；若StatsPAI/Stata未连接，改用resources/code/并标注未验证数字。具体收费、平台与效果资料暂未提供。