用途：在营销科学（Marketing Science）论文的模型已设定后，用于估计与验证模型，或在审稿人质疑“参数识别不可信”“反事实未经验证”时使用；也可用于准备录用所需的复现包。
主要能力： 一、估计与识别。按模型选择估计器：带矩条件的 GMM（BLP）、MLE/SMLE、模拟矩估计（SMM）或分层贝叶斯的 MCMC；报告与估计方法匹配的标准误（GMM/三明治、bootstrap 或后验区间）及优化器与收敛诊断。经验性地展示识别：显示识别性变异如何移动相应矩、报告估计对工具的敏感性，可行时用蒙特卡洛恢复已知参数或做估计对矩的敏感性分析；IV/GMM 报告第一阶段/工具强度并讨论相关性与排除性。 二、拟合评估。报告样本内拟合（预测值与实际份额/价格/矩的对比），可行时做样本外或留出验证；检查估计的经济合理性（自价格/交叉价格弹性、供给 FOC 隐含边际、贴现因子）；贝叶斯模型报告收敛（R-hat、有效样本量）与后验预测检验。 三、反事实。在政策/反事实下重新求解模型，仅按理论固定应当固定的量，在企业会重新优化处重算均衡价格/数量；报告带不确定性的量级（delta 法或模拟区间）并分解机制；说明反事实有效的范围与假设。 四、稳健性与复现。检查替代设定（函数形式、工具、异质性）、子样本与替代正规化，确保核心结果与关键反事实仍成立；按 Marketing Science 复现与披露政策准备数据与代码，有许可限制的数据（NielsenIQ、Compustat、CRSP、Census）提供访问说明与链接/构建代码，保留可重新生成全部表、图与反事实的主脚本。
使用方式：资料给出执行桥接（StatsPAI / Stata MCP），用于因果推断链，例如 romano_wolf（逐步 FWER）或 benjamini_hochberg、oster_delta / sensemakr、wild_cluster_bootstrap / twoway_cluster / conley，并通过 audit_result、etable / did_summary_to_latex 复用结果句柄；但资料明确说明结构与分析建模不属于该因果推断工具链。输出采用【Estimator】【Identification evidence】【Fit】【Counterfactual】【Robustness】【Replication】【Next step】格式。
限制：技能面向结构/分析建模类营销科学论文；反模式包括只报点估计而无识别或拟合证据、反事实固定企业行为、弹性/边际不合理不处理、以“代码可索取”代替复现包。具体平台、收费与价格资料暂未提供。