用途：为 JFQA 实证金融论文构建可辩护的识别与研究设计。JFQA 审稿人重点追问相关性是否因果，或资产定价中的溢价是否稳健、非数据挖掘。
主要能力：按问题选择并辩护设计。收益横截面用组合排序与 Fama-MacBeth 回归、Newey-West/聚类标准误、控制标准因子、报告经济量级（每 1 个标准差变化的收益）并防数据窥探；公司金融面板用企业与时间固定效应、双向聚类并展示识别系数的变异；政策/监管冲击用现代估计量的交错 DID（Callaway-Sant'Anna、de Chaisemartin-D'Haultfœuille）、事件研究前置/滞后与平行趋势证据，避免朴素 TWFE；自然实验/IV 需工具相关性（第一阶段 F）、经济逻辑支持的排除性、弱工具稳健置信区间；阈值/指数重构用带操纵与密度检验及带宽稳健性的 RDD；公告用 CAR/BHAR 事件研究、可辩护的市场模型并注意日历聚集。理论投稿则透明陈述假设、推导命题、清晰证明并给出可检验含义。
审稿人要求：正确的标准误（聚类维度有理由，必要时双向）、统计显著之外报告经济显著、明确处理内生性而非用控制变量搪塞。资料还给出内生性威胁到补救的对照表（反向因果、遗漏企业层面变异、选择进入处理、监管预期、数据挖掘异象、坏控制）。
执行桥接：可用 StatsPAI/Stata MCP 估计并审计识别主张，流程为 detect_design → recommend → fit with as_handle=true → audit_result；交错 DID 用 callaway_santanna/sun_abraham + bacon_decomposition + honest_did_from_result；IV 用 effective_f_test + anderson_rubin_ci；RDD 用 rdrobust + rddensity/mccrary_test；OVB 用 oster_delta/sensemakr。若未连接 StatsPAI/Stata，可改编随附 resources/code/ 骨架并标注未验证数字。
输出格式：【Design】【Identifying variation】【Inference】【Economic magnitude】【Next step】jfqa-data-analysis。
限制：资料未提供具体安装命令、收费与平台信息；示例数字为说明性内容。