用途：当 IER 论文的核心结果可能依赖函数形式、样本、外设参数、校准或推断选择时，用该技能组织稳健性论证。核心原则是按威胁组织、而非罗列重跑结果，将稳健性与 ier-theory-model/ier-identification 中识别的承重假设挂钩。
主要能力：构建威胁地图，列出三类主要威胁及对应决定性检验：函数形式（换用非 CES、半参数等替代设定）、校准或外设参数（在可辩护区间内变动并报告结果随其变化）、样本与时期（剔除有影响子样本、分期、排除离群单位）、设定搜索（透明设定网格而非挑选）、推断（聚类稳健、wild cluster bootstrap、HAC）、结构模型数值稳定性（更细网格、替代求解器、更紧容差）。理论论文的稳健性体现为扰动承重假设；结构论文需区分经济稳健性、参数稳健性和数值稳健性，三者不可互相替代。
使用方式：先按优先级列出威胁，把与承重假设相关的一两项检验放入正文，其余进在线附录并一句话引用；每个正文威胁只做一个决定性检验；参数不确定时以区间或函数形式报告，如“福利增益在合理弹性区间内为 3.8%–5.1%”；若某检验改变了结果，应如实报告并界定变动幅度。执行层面可借助 StatsPAI/Stata MCP，用 romano_wolf 或 benjamini_hochberg 处理多重检验，用 oster_delta/sensemakr 做遗漏变量敏感性，用 wild_cluster_bootstrap、twoway_cluster、conley 处理推断，用 audit_result(result_id) 查看缺失检验，用 etable、did_summary_to_latex 生成表格。
适用场景：向 IER 投稿的实证、理论或结构论文，尤其是审稿人质疑“是否稳健”而初稿仅以机械附录回应的情形。
限制：资料未提供该技能的安装命令、具体平台支持范围、执行环境依赖或收费信息；工作示例为示意性说明，非真实研究结果。输出格式模板要求填写期刊、技能名、受检结果、威胁地图、正文检验、参数区间、脆弱性、推断与结论等字段。