How Robust are Robustness Checks?
稳健性检验究竟有多稳健？AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用回归设定的稳健性度量，未明确涉及所列因果、面板、宏观或金融细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
稳健性检验究竟有多稳健？
- 研究问题
- 当经验研究改变回归设定或样本进行稳健性检验时，如何正式衡量各设定目标参数与主设定目标参数的差异，并考虑抽样不确定性？
- 方法与思路
- 作者将稳健性回归表述为带有明确偏差的回归，澄清不同样本下的目标参数，再借助矩不等式检验构造可解释的稳健性半径。
- 材料陈述的贡献
- 摘要称，稳健性半径量化不同设定目标参数的偏离，并适应抽样不确定性及回归间相关性；应用说明该指标可辅助判断并提高透明度。
- 阅读关注点
- 应核对半径的定义与单位、各回归目标参数的可比性、矩不等式检验及相关性处理，并判断怎样结合研究背景解释半径大小。
- 阅读边界
- 所给来源为 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明检验条件和应用结果，半径较小也不能直接证明主设定正确。
原文摘要
Robustness checks are routine in empirical work, but there is no standard statistical procedure to formally measure what one can learn from them. I propose a "robustness radius" measure to quantify the amount by which the robustness checks estimands differ from the main specification estimand. I do so by framing robustness checks as explicitly biased regressions, clarifying what exactly the estimands are when comparing multiple regressions with slightly different samples, and applying a test from the moment inequalities literature. The robustness radius is easily interpretable and adapts to sampling uncertainty and correlation across regressions. An application shows that, although assessing overall robustness is context-specific, the robustness radius guides those judgments and improves transparency.