用途：在 Management Science 投稿流程中执行并报告分析，判断分析是否真正支持论文主张，应对审稿人对证明正确性、识别策略与稳健性的质疑，并组装 Data Editor 会核验的复现包。该刊为双方法论期刊，分析类与实证类分属不同评审池，证据标准不同，需先明确所处路线再对标。
分析路线：每个命题/定理需有正确、可检验的证明（正文或附录）；比较静态需给出最优策略或均衡随各原始参数变动的方向与直觉；闭式解不足处提供数值示例，报告参数范围并确认定性结论非刀锋解；展示结论在放松假设、替代时序或异质情形下的稳健性；代码/笔记本须能重新生成全部图表与计算示例。
实证路线：估计前先讲清识别，说明变异来源及其排除的威胁，按设计辩护排他性、平行趋势或连续性；按数据类型选择 DiD/IV/RDD/事件研究、实验、面板固定或随机效应、结构估计、计数或受限因变量模型等；标准误按抽样或处理结构聚类；报告替代设定、样本与度量的稳健性；行为/实验研究需报告操纵检验、功效，并区分预注册与探索性分析。
披露要求：期刊执行 Code and Data Disclosure 政策（2019-06-01 生效，2026-04-20 修订），作者须建立 AsCollected 项目页并在投稿时提供 URL；含数值或计算工作的录用论文须在生产前提供足以复现的数据、程序与细节，或获批准的替代披露方案。应从一开始准备主脚本、版本锁定环境、README 与数据来源。
执行桥接：可通过 StatsPAI/Stata MCP 运行与审计分析并保留脚本，同一批脚本即满足上述披露。以 as_handle=true 拟合后用 audit_result(result_id) 获取缺失检查清单；敏感性可用 honest_did_from_result、oster_delta、sensemakr；多重结果用 romano_wolf/benjamini_hochberg；推断用 wild_cluster_bootstrap、twoway_cluster/conley；表格用 etable 或 did_summary_to_latex，避免手工重打数字。若未连接 StatsPAI/Stata，需改造随附骨架并标注未验证数字。
常见反模式：证明含糊或有误的命题；缺乏可信识别或聚类不符设计的因果主张；只在特定控制集下出现的结果；无法真正重现已报告数字的复现包。此外需避免跨路线混用，如实证论文依赖未验证的结构假设，或分析论文的“数值示例”暗中承担主要结论。审计应覆盖分析单元、对照、不确定性、缺失、敏感性与可复现性，并输出结论/证据/阻碍/下一步编辑的决策台账。官方文本暂未提供，具体政策细节以期刊官方页面为准。