cpa-identification

研究设计与因果推断（cpa-identification）

触发时机

• 不确定该用定量、定性还是规范分析
• 做了问卷但只跑了描述统计 + 主观判断
• 案例研究只是"讲故事"，没有清晰的设计逻辑与证据链
• 想用准实验（DID / IV / 断点）但不确定问题是否适配

第一原则：方法服务于问题

先看研究问题的性质，再选方法。 把流行的因果识别方法硬套到本质是规范或描述性的问题上，是《中国行政管理》审稿人最反感的"方法错配"。

研究问题性质	适配设计
"X 是否 / 多大程度上影响 Y"（效应估计）	定量：准实验 / 回归 / 多层模型
"X 如何 / 通过什么过程导致 Y"（机制 / 过程）	定性：案例 / 过程追踪；或定量中介
"为什么 A 地成功 B 地失败"（条件 / 组合）	比较案例 / QCA
"某制度应当如何设计 / 其规范基础是什么"	规范 / 理论分析
"效应 + 过程都要"	混合方法（嵌入式 / 解释性序列）

分支路径

分支 A：定量——准实验因果推断

适用于政策评估类问题（某项改革 / 政策冲击的效应）。

• DID：是否交叠处理？→ 必须用 Goodman-Bacon 分解 + Callaway-Sant'Anna 或 Sun-Abraham，回应近年异质性处理偏误批评；平行趋势事件研究图必画；安慰剂检验
• IV：第一阶段 F 须足够强（弱工具 → weak-IV-robust CI）；排他性论证至少 3 段（理论 / 制度 / 安慰剂）
• 断点（RDD）：利用清晰的行政门槛（人口规模、财政线、评级线）；McCrary 密度检验 + 带宽稳健性
• 标准误聚类层次合理（地区 / 政策实施层级）

分支 B：定量——调查与多层数据

适用于态度 / 感知 / 行为类问题（政府信任、满意度、参与）。

• 抽样框与代表性说明清楚；回收率与无应答偏差
• 测量效度（信度 α、CFA / 收敛—区分效度）与共同方法偏差检验（如 Harman 单因子、标记变量法）
• "个体—组织—地区"嵌套 → 用多层模型（HLM），不要忽视层次结构
• 内生性 / 反向因果的讨论与缓解（工具、面板、滞后）

分支 C：定性——案例与比较案例

• 案例选择有明确逻辑：典型 / 极端 / 关键 / 最相似—最不同；说明为什么是这个(些)案例
• 资料多源三角验证：文件 + 访谈 + 观察 + 档案，建立证据链（chain of evidence）
• 比较案例：明确比较维度与控制条件
• 提升外部效度的论证：分析性概括（而非统计概括）

分支 D：定性——过程追踪与扎根理论

• 过程追踪：用因果机制的观察含义设检验（箍式检验、冒烟枪检验），评估证据强度，排除竞争性解释
• 扎根理论：开放—主轴—选择三级编码；理论饱和判断；编码簿与编码者间一致性（如适用）
• 时间线清晰，关键节点可追溯到资料

分支 E：规范 / 理论分析

• 概念界定清晰，论证逻辑严密（不是观点罗列）
• 与既有理论对话，明确推进点
• 规范主张有价值前提与论证链，不滑向纯政策建议

分支 F：混合方法

• 说明设计类型：解释性序列（先定量后定性解释）/ 探索性序列（先定性建模后定量检验）/ 嵌入式
• 定量与定性的整合点在哪里（联合展示 / 三角验证矩阵）
• 不是"定量一段 + 定性一段"拼贴，而是相互回答

必查清单

• 方法与研究问题匹配（不是赶方法时髦）
• 定量：识别假设明确、关键检验（平行趋势 / 弱工具 / 测量效度 / 层次结构）已做
• 定性：案例选择逻辑清晰、资料多源、证据链可追溯
• 竞争性解释是否被讨论 / 排除
• 内生性 / 选择性偏差 / 共同方法偏差（按设计类型）有处理
• 信效度 / 资料可信度论证到位

反模式

• 把因果识别方法硬套到本质是规范 / 描述的问题上
• 问卷研究止步于描述统计 + 主观判断，无效度检验、无识别策略
• 案例只是叙事，没有案例选择逻辑、没有证据链
• TWFE + 交叠处理却不讨论异质性处理偏误
• "我们认为该政策外生"但无任何证据
• 忽视"个体—组织—地区"嵌套结构，直接 OLS

输出格式

【研究问题性质】效应 / 机制过程 / 条件组合 / 规范 / 混合
【选定设计】DID / IV / RDD / 调查多层 / 案例 / 过程追踪 / 扎根 / 规范 / QCA / 混合
【方法-问题匹配】匹配 / 错配（说明）
【已完成检验/论证】[...]
【缺失检验/论证】[...]
【竞争性解释】已排除 / 待处理
【下一步】cpa-mechanism