用途：当实证论文的识别策略成为《管理世界》投稿瓶颈时，用该技能梳理并审计因果识别设计。触发情形包括仅有OLS加控制变量、DID使用TWFE但未回应异质性处理批评、IV第一阶段偏弱或排他性存疑、准备使用双重机器学习但不确定如何报告。
主要能力：给出设计优先级（政策冲击+DID、断点回归、工具变量、PSM+DID、合成控制、DML/因果森林、OLS+内生性讨论）；按分支列出必做检验。DID需Goodman-Bacon分解、Callaway-Sant'Anna或Sun-Abraham、事件研究平行趋势图、500–1000次安慰剂；IV需第一阶段F≥10、弱工具时用Anderson-Rubin或weak-IV-robust CI、三段排他性论证与reduced form；RDD需McCrary检验、最优带宽与至少3个带宽稳健性、协变量平滑性；DML需报告sample-split与cross-fitting、nuisance函数选择、至少5种学习器稳健性。还提供敏感性分析（oster_delta、sensemakr）、随机化推断与romano_wolf多重结果控制。
使用方式：通过StatsPAI/Stata MCP执行，流程为detect_design→recommend→以as_handle=true拟合→audit_result列出缺失检查；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+mccrary_test。若未连接，改用resources/code/并标注未验证数字。输出格式含识别策略、已完成检验、缺失检验、聚类层次、国家战略相关性、下一步。
适用场景与限制：面向《管理世界》中国情境实证，强调政策冲击与国家战略相关性、识别逻辑可复述，正文报告经济量级、完整检验进附录。反模式包括staggered DID不讨论异质性偏误、IV外生性仅断言、RDD不汇报带宽敏感性。具体格式与方法偏好以编辑部最新稿约为准；资料未提供收费、平台与效果信息。