实证结果诊断：结果不显著时，研究生想改问题凑结论，AI 帮他分清了边界

交给导师之前，想先自己查一遍

马骏（化名）在一所财经院校读金融学硕士，课程论文选的是一个案例研究：用事件研究法，考察某类公司公告发布前后的股价反应。数据是他自己从公开数据库整理的，回归和检验也是他自己跑的。初稿写完，他想在交给导师之前先做一次彻底的体检：数字有没有算错，检验有没有做对。

他担心的是自己看不出的问题。自己写的东西，看十遍也还是按自己的逻辑去读。

只诊断，不改写

他把论文初稿和整理好的数据表一起上传，第一条消息就划了界线：

请用表格中的原始数据重算正文报告的统计量，逐一列出与正文不一致的地方；检查每项稳健性检验在设计上是否真的可能改变结论；然后完整复现事件研究部分。只做诊断，不要改写我的研究问题和结论。

"只做诊断"这条约束让 AI 的角色很清楚：它是一个复核者，不是作者。

诊断结果：一处计算偏差，一项"无效"的检验

重算之后，AI 列出了两类问题。

第一类是计算偏差。正文里有一处描述统计的数值和数据表重算的结果对不上，原因是他在整理表格后删了几条异常样本，但正文里的数字还是删除之前的。他按重算结果改正了正文。

第二类更值得注意。论文里有一项稳健性检验，替换了模型中的一个设定，结果"依然稳健"。AI 指出，这项检验替换的那个量，在后续计算中会被差分抵消掉，所以无论怎么替换，结果都不可能改变。这项检验在设计上就无法检验任何东西，结果一致不能说明稳健。

马骏这才意识到，这项检验是他照着另一篇文章的做法搬过来的，没有想过它在自己的设计里是否有意义。他把它换成了一项真正可能改变结论的检验。

随后，AI 用他的数据完整复现了事件研究：估计窗口、事件窗口、异常收益和累计异常收益的计算都逐步列出，和他的结果一一对照，主要结论可以复现。

卡住的地方：结果不显著，能不能换个问题？

换上新的稳健性检验后，问题来了：原来的主要结论在新检验下变得不显著，只有在一部分子样本里还成立。马骏有点着急，问 AI：能不能把研究问题改成只讨论这部分子样本，这样结论就"显著"了？

AI 没有直接照做，而是把两种做法分开说明：

• 如实收窄问题：如果有事前的理论理由说明这部分子样本应当不同，而且在论文中如实报告全样本的结果，再说明为什么聚焦子样本，这是可以接受的；
• 事后挑结果：如果是看到结果之后，才挑出显著的那一部分作为"研究问题"，并且不报告全样本结果，这就是在凑结论，会让整个研究失去可信度。

它请马骏自己判断：在看到结果之前，他是否有理由认为这部分子样本应当不同。马骏想了想，承认没有。于是他没有改研究问题，只是重写了结论的表述：全样本结果如实报告，子样本的发现作为探索性结果单独说明，不作为主要结论。

结论按三段式重写

最后，他请 AI 帮他把结论部分按"结论—证据—边界"的结构整理：

结论部分请按三段式整理：结论只写数据能支持的；证据写明对应的表格和检验；边界写清楚样本、方法和子样本发现的局限。用我原来的表述，只调整结构。

最后拿到了什么

• 一份诊断报告：列出与原始数据不一致的数字、每项稳健性检验的有效性判断及理由；
• 一份事件研究的完整复现过程，可以和他的结果逐步对照；
• 按"结论—证据—边界"重写的结论部分，全样本结果如实报告，子样本发现标为探索性。

论文的研究问题和最终判断，都是马骏自己做的，并带去和导师讨论。

可以直接借鉴的做法

1. 交给导师前先让 AI 用原始数据重算，正文数字以重算为准。
2. 逐项检查稳健性检验"在设计上能不能改变结论"，不能的就不算检验。
3. 要求只诊断、不改写，研究问题和结论由自己决定。
4. 结果不理想时，分清"如实收窄"和"事后挑结果"，全样本结果必须报告。
5. 结论按"结论—证据—边界"三段式写，每句话都有对应的证据。