一、改变样本范围

1. 缩短样本时间

如果样本期间内存在某些重大政策可能会影响，可以只选取该政策发生后或发生前的样本进行回归，甚至还可以进行一个组间差异检验。

2. 连续样本

只选取在样本时间内连续存续多年的企业，例如三年、五年，即保留较为稳定的企业。

3. 去除在样本期间内一直为0的样本

这个为0可以是解释变量也可以是被解释变量，即该部分样本完全不具备某些特征，不是研究的重点对象。

二、变量衡量问题

1. 更换变量衡量方法

更换因变量或者是自变量，因为任何一个公式计算出来的指标都只是一个衡量方法，并不能代表本身这个变量所代表的意义，例如，最简单的公司规模，用ln(总资产)的方法只不过是一个可以用于衡量公司规模的方式，这种方式得到了大多数人的认可而已。

除了参考别的相关领域文献，找到完全不同的衡量方式外，还可以从数据的分布切入，解释说原衡量方式不呈正态分布，在稳健性检验部分改为采用ln等其他的计算，使其更符合正态分布。

所以，不同的变量有不同的衡量方式，如果在多种衡量方法下，都能够得到一样的因果关系，就能够进一步证明假设提出的正确性。

2. 缩尾范围改变

这个用的人挺少的，但是确实还是存在，即缩尾的时候把1%改成5%之类的。

三、遗漏变量问题

1. 工具变量

一个好的工具变量真的能解决很多的问题，包括内生性、遗漏变量、测量误差等等，但是！找到一个好的工具变量尊滴很难

工具变量需要同时满足两个条件

• 和被解释变量无关
• 和解释变量相关

一般来说，一个好的工具变量往往设计的非常巧妙，当然，也有拿解释变量的滞后一年做工具变量的，但是私以为那样不如不做。。

2. 政策冲击

政策冲击就是能够模仿一个自然实验，通过政策，将全样本分为对照组和实验组，即一部分样本会受到影响，另一部分不会。

该政策一般是对解释变量产生影响，例如反腐败巡视对政企之间的利益输送就会产生重大影响，那么就可以考虑用该冲击代替企业的寻租程度变化，进一步采用DID等方法，分析企业寻租对其他的影响。

一般来说，政策冲击的对象最好是有明显的区别，例如政策实施具有针对性，但是如果没有显著区别，如全国性的政策下发，那么一般就会按照受到影响程度进行分类，例如税制改革，就可以将在政策前的公司按照缴税程度进行分类。

但是现在做政策冲击的很多开始变成了单纯对某一政策的效果进行检验，大大降低了这种准自然实验在证明因果关系中的作用。

3. 增加控制变量

这个很好理解，参考领域的相关文献，再多去找一些控制变量，最好是那种不常见的，这样就不会被人质疑 为什么在主回归不加。

4. 固定效应加强

有些文献会主回归中只采用行业固定效应和时间固定效应，然后稳健性检验加入公司和时间固定效应，但是在现在公司固定效应流行的环境下，这也很容易被人质疑为什么不在主回归就用（当然，肯定是因为后续的检验中没法都用公司固定效应。。

一般来说，在稳健性中可以再加上地区或者是地区时间的交乘固定效应等等，还是要看文章的逻辑。

四、更改模型

从OLS改成别的模型，将Y改成虚拟变量，再采用Logit或者Probit模型

或者是重新利用Tobit模型对有截尾数据特征的进行估计，虽然说另外几种模型更符合数据特征的分布，但是在某些情况下，OLS会更稳定，且固定效应的加入更为准确。具体后续再更新相关内容

稳健性部分的通用写法

1. 简述主回归采用的方法可能存在的问题

2. 为什么会出现问题

3. 所采用的稳健性检验为什么能解决这种方法

4. “稳健性结果与原主回归结果保持一致”

可进一步参考

稳健性检验部分常用方法 - 计量经济学与统计软件 - 经管之家(原人大经济论坛)

吾日三省吾身：内生性问题及其解决方案

三寸不烂之舌 | 如何说明工具变量的合理性？ - 知乎 (zhihu.com)