用途：当企业金融/实证类 JF 投稿论文的瓶颈在于因果识别策略时使用，例如依赖工具变量、外生冲击、断点回归或双重差分，且审稿人会攻击排除性或平行趋势假设；内生性（反向因果、遗漏变量、选择偏差）威胁核心结论时也适用。范围限于企业/实证因果效应；横截面资产定价检验应改用 jf-empirical-design。
主要能力：提供识别设计审计，列出各设计需捍卫的核心假设与 JF 常见攻击点（自然实验：冲击外生性与时点；IV：相关性与排除性；DID：平行趋势与差异化冲击；RDD：无操纵与断点连续性）。要求用一句话说明变异来源，尽可能展示可检验的识别假设（预趋势、第一阶段 F、McCrary 检验），完整检验放入 Internet Appendix，并报告经济量级。
使用方式：按输出格式给出【Design】【Source of variation】【Key assumption + how defended】【Main threat pre-empted】【Magnitude】【Next step】。执行层面可借助 StatsPAI/Stata MCP：detect_design → preflight → recommend，fit 时 as_handle=true；交错 DID 用 callaway_santanna / sun_abraham 而非裸 TWFE，并运行 bacon_decomposition；IV 报告 effective_f_test 与 anderson_rubin_ci；RDD 用 rdrobust、rddensity/mccrary_test 与 rdbwselect；用 audit_result 与 honest_did_from_result 补充诊断。若未连接工具，则改编 vendored resources/code/ 骨架并说明哪些数字未经验证。
适用场景与限制：适用于 JF 企业金融实证论文的识别策略打磨与审稿预防。资料未提供具体收费、价格、平台支持范围或效果保证；弱工具与现代 DID 标准会演变，需对照近期期刊与作者指南确认诊断要求。