research-ideation

研究构思

根据主题、现象或数据集，生成结构化的研究问题、可检验的假设和实证策略。

输入： $ARGUMENTS — 一个主题（例如，“最低工资对就业的影响”）、一种现象（例如，“为什么企业会在地理上集聚？”）或数据集描述（例如，“包含美国县级污染和健康结果的 2000-2020 年面板数据”）。

---

步骤

1. 理解输入。 阅读 $ARGUMENTS 和所有引用的文件。检查 master_supporting_docs/ 中是否有相关论文。检查 .claude/rules/ 中的领域规范。

2. 生成 3-5 个研究问题，按从描述性到因果性的顺序排列：

   • 描述性： 有哪些模式？（例如，“X 随时间如何变化？”）
   • 相关性： 哪些因素与之相关？（例如，“控制 Z 后，X 是否与 Y 相关？”）
   • 因果性： 产生了什么影响？（例如，“X 对 Y 的因果效应是什么？”）
   • 机制： 为什么会产生这种影响？（例如，“X 通过什么渠道影响 Y？”）
   • 政策： 有什么启示？（例如，“政策 X 是否会改善结果 Y？”）

3. 为每个研究问题标注可能的论文类型（参照 methods-referee.md）：

   • reduced-form（DiD、IV、RD、事件研究、合成控制）
   • structural（估计一个完整指定的模型）
   • theory+empirics（形式模型 + 对其预测的实证检验）
   • descriptive（测量、数据构建、模式记录）
   • formal-theory（纯理论，本论文不做实证检验）
   • survey-experiment（情境实验、联合分析、列表实验）
   • unsure（存在多种可能类型时使用——用户之后可通过 /interview-me 选择）

   使用 .claude/references/discipline-cards.md，根据领域调整类型分布（经济学与政治学的默认频率有所不同——例如，政治学比经济学更倾向于 survey-experiment 和 formal-theory）。

4. 针对每个研究问题，制定以下内容：

   • 假设： 带有预期方向/幅度的可检验预测
   • 识别策略： 如何确立因果关系（DiD、IV、RDD、合成控制等）
   • 数据需求： 需要哪些数据？这些数据是否可用？
   • 关键假设： 该策略要有效，必须满足哪些条件？
   • 潜在陷阱： 常见的识别威胁
   • 相关文献： 2-3 篇采用类似方法的论文

5. 按可行性和贡献对问题排序。

6. 将输出保存到 quality_reports/research_ideation_[sanitized_topic].md

---

输出格式

# Research Ideation: [Topic]

**Date:** [YYYY-MM-DD]
**Input:** [Original input]

## Overview

[1-2 paragraphs situating the topic and why it matters]

## Research Questions

### RQ1: [Question] (Feasibility: High/Medium/Low)

**Type:** Descriptive / Correlational / Causal / Mechanism / Policy
**Paper type:** reduced-form / structural / theory+empirics / descriptive / formal-theory / survey-experiment / unsure

**Hypothesis:** [Testable prediction]

**Identification Strategy:**
- **Method:** [the identification approach you would defend in a seminar]
- **Treatment:** [What varies and when]
- **Control group:** [Comparison units]
- **Key assumption:** [the assumption the method's validity rests on, stated so it can be attacked]

**Data Requirements:**
- [Dataset 1 — what it provides]
- [Dataset 2 — what it provides]

**Potential Pitfalls:**
1. [Threat 1 and possible mitigation]
2. [Threat 2 and possible mitigation]

**Related Work:** [Author (Year)], [Author (Year)]

---

[Repeat for RQ2-RQ5]

## Ranking

| RQ | Feasibility | Contribution | Priority |
|----|-------------|-------------|----------|
| 1  | High        | Medium      | ...      |
| 2  | Medium      | High        | ...      |

## Suggested Next Steps

1. [Most promising direction and immediate action]
2. [Data to obtain]
3. [Literature to review deeper]

---

飞行后验证（必需，CoVe）

返回构思报告之前，运行 .claude/rules/post-flight-verification.md 中的飞行后验证协议。研究构思容易在以下三个方面产生幻觉：

1. 关于文献空白的断言——“此前没有研究过 X”通常是错误的。
2. 关于数据集结构的断言——“CPS 包含字段 educ_attain”可能会在变量名、覆盖年份或访问限制方面出现严重错误。
3. 关于估计量可行性的断言——“这适用于面板固定效应”可能会错误表述识别假设。

步骤

1. 提取主张：从构想报告草稿中提取每项关于负面文献的主张、每个注明归属字段的数据集，以及每项关于识别策略及所需数据结构的主张。
2. 针对每项主张生成核查问题。 示例：“Card、Krueger、Autor 或过去 10 年的其他人研究过 X 吗？搜索 Google Scholar 和 NBER 工作论文。” / “IPUMS-CPS 在 1990–2024 年是否包含 educ_attain 变量？”
3. 通过 Agent 工具在全新上下文中启动 claim-verifier，并设置 subagent_type=claim-verifier。必须使用命名的 Agent 调用，而不是会继承草稿内容的对话分支。向其提供主张、问题和来源指引（可使用 WebSearch；优先提供 NBER/SSRN URL 和数据集代码本）。不要包含草稿。
4. 协调结果： PASS → 附上绿色区块；PARTIAL → 对不确定的研究问题标注标记；FAIL → 重写受影响的研究问题/假设/策略。

跳过条件

• 使用 --no-verify 标志
• 用户明确表示“我会自行核查文献”

---

原则

• 发挥创意，但以事实为依据。 突破显而易见的问题，但每项建议都必须具备实证可行性。
• 像审稿人一样思考。 对每个因果问题，立即指出识别方面的挑战。
• 考虑数据可用性。 没有可用数据的出色问题无法付诸实践。
• 尽可能提出具体的数据集（FRED、Census、PSID、行政数据等）。