用途：当识别策略已定，但样本、变量与估计量仍未敲定，或需在面板固定效应、Fama–MacBeth、GMM、结构估计之间抉择，或组合排序/因子构建选择显得随意、关键变量测量可被质疑时，使用该技能。它针对 RFS 特有的两项压力：公开代码发布要求每一步筛选与构建可被他人复现；Registered Reports 允许在第一阶段锁定设计，因此应尽量预先设定。
主要能力：
- 样本构建：说明总体、时间跨度与每一步筛选，并给出各步样本量（样本流失表）；用数据可得性或制度变化而非便利性论证起止日期；显式处理生存偏差、前视偏差与回填偏差；说明缩尾或截尾规则并保持一致。
- 变量测量：每个关键变量给出定义、数据来源、构建公式与单位；为代理变量提供第一性原理或验证性论证，而非仅沿用文献；避免左右侧变量间的机械相关。
- 估计量选择：处理效应面板默认现代双重差分并以双向固定效应为基准；横截面收益溢价用 Fama–MacBeth 并作 Shanken/GMM 校正；预测回归用面板/混合并配重叠稳健标准误与样本外检验；风险暴露/因子模型用时间序列跨度回归与 GRS 检验；结构参数/反事实用 SMM/GMM/MLE 并给出识别论证。
- 固定效应与控制：饱和固定效应以吸收混杂，但需展示结果不因固定效应选择而机械变化；区分坏控制与合法协变量。
- 标准误：按处理分配或相关单位聚类；资产定价中根据收益结构匹配（自相关用 Newey–West，横截面与序列相关用 Driscoll–Kraay）。
执行桥接：可运行资产定价检验组合。因子回归/时间序列 alpha 用 feols 配适当标准误；因子动物园裁剪在披露筛选信号数后应用 romano_wolf / benjamini_hochberg 并报告存活 alpha；Fama–MacBeth 与 Shanken EIV 在 Stata 中经 mcp__stata-mcp__stata_do 运行 resources/code/（asreg / xtfmb）；表格用 etable。报告经济量级（bps/月 alpha、Sharpe 增益），完整因子网格入附录。
检查清单：样本流失表齐全且每个筛选有理由；处理生存/前视/回填偏差；关键变量有定义、来源、公式与效度论证；估计量与问题匹配并报告基准；固定效应结构有理由且无坏控制；标准误匹配数据生成结构；每步可从将公开代码复现；设计尽量预先承诺。
反模式：未解释的样本期或筛选、仅以“沿用文献”辩护可疑代理、把 TWFE 当作现代交错 DID、控制处理后结果、忽略重叠收益或处理层聚类的标准误。
输出格式：【Sample】【Key measures】【Estimator】【FE & controls】【SE structure】【Next step】。