Mw Replication

复现包构建（mw-replication）

概述

《管理世界》自 2023 年起执行数据与代码可获得性政策（Data and Code Availability Policy），所有实证、模拟、实验类录用稿件，必须在录用后向编辑部提交数据与代码包，并接受编辑部的可重复性核查。核查不通过将延迟刊发，且会被记入作者档案。

这个 skill 的目标：让你提交的复现包一次过编辑部审核，不返工。

触发时机

• 收到《管理世界》R&R 或条件录用，编辑部要求 30 天内提交复现材料
• 项目启动日就开始写 README（强烈推荐，事后补成本至少 5 倍）
• 编辑部数据核查报告退回，要求补充材料
• 准备投稿前自检（《管理世界》明确允许投稿时一并提交，可加快后续审核）

《管理世界》政策三大支柱

1. 数据存档 —— 实证、模拟、实验所用的全部数据；不可公开的数据须有完整溯源说明
2. 代码存档 —— 能复现论文中每一个数字、表格、图形的代码
3. README 说明书 —— 一份让独立复现者能跑通整套流程的中文文档（英文亦可，但中文为佳）

存档位置：《管理世界》数据与代码托管平台（编辑部统一管理；可访问链接由编辑部在录用通知中提供）。不接受 "数据可向作者索取" 之类的表述。

与 AER 政策的关键差异（对中文期刊作者最重要）

底层逻辑：AER 模板可以借鉴，但不能照搬。中文期刊的核心痛点是「商业数据库受限 + 手工变量多」，必须用「数据获取路径文档 + 变量构造说明书」补齐。

推荐目录结构

管理世界-复现包-<作者姓-论文短题>/
├── README.md                          # 中文，主入口
├── README_EN.md                       # 可选，英文摘要
├── LICENSE                            # 代码 MIT；数据按原始来源
├── 00_环境说明.txt                     # 软件版本、包版本、硬件、运行时间
├── data/
│   ├── raw/                           # 原始数据（受限数据放占位说明 .txt）
│   ├── intermediate/                  # 清洗后的中间数据集
│   ├── final/                         # 用于回归的最终样本
│   └── codebook/
│       ├── 变量构造说明书.xlsx          # 关键产出，逐变量
│       └── 数据来源清单.xlsx            # 每一份数据：来源、版本、获取日期
├── code/
│   ├── 00_setup.do                    # 路径、包安装、随机种子
│   ├── 01_数据清洗.do
│   ├── 02_变量构造.do
│   ├── 03_主回归.do
│   ├── 04_机制异质性.do
│   ├── 05_稳健性.do
│   ├── 06_表格输出.do
│   ├── 07_图形输出.do
│   └── run_all.do                     # 一键复现总脚本
├── output/
│   ├── tables/                        # 与正文表 1、表 2... 一一对应
│   └── figures/                       # 与正文图 1、图 2... 一一对应
└── docs/
    ├── 数据获取指引.pdf                # 受限数据如何申请/购买
    ├── 论文-表图清单.xlsx              # 表/图 ↔ 脚本行号 映射
    └── 修订对照表.pdf                  # 若为修改稿，列明本次修订项

README 必备章节（中文模板）

1. 论文信息

• 论文题目 / 作者 / 通讯作者邮箱
• 拟刊期号（编辑部告知后填入）
• 本复现包版本号 + 最后更新日期

2. 数据可获得性声明

对每一份数据，必须说明：

• 数据来源（机构 / 数据库 / URL）
• 获取方式（公开下载 / 商业订阅 / 申请获取）
• 获取日期与版本号（如 CSMAR 2024-09 版）
• 是否包含在本包中；若不包含，原因 + 替代获取路径

受限数据标准声明模板（直接套用）：

本研究使用的 CSMAR 中国上市公司财务数据库为商业订阅数据，根据深圳希施玛数据科技有限公司的用户协议，不得对外重新分发原始数据。本复现包提供：(a) 完整的变量构造代码；(b) 变量构造说明书；(c) 一份脱敏后的样本数据（前 100 个观测值）供代码冒烟测试；(d) 数据获取联系方式见 docs/数据获取指引.pdf。

3. 数据清单

表格：文件名 | 描述 | 来源 | 时间跨度 | 观测数 | 是否包含

4. 计算环境

操作系统：Windows 11 / macOS 14
统计软件：Stata 18.0 MP（必需）
Stata 外部包：reghdfe 6.12, ftools 2.49, did 1.3.1, csdid 1.7
辅助软件：Python 3.11（用于第 7 节文本分析），见 requirements.txt
硬件：标准笔记本（16 GB 内存）
总运行时间：约 45 分钟

5. 代码说明

按脚本依次写明：做什么、读入什么、输出什么。明确总入口脚本（如 run_all.do）。

6. 复现操作指引（写给陌生复现者）

1. 解压本复现包到工作目录。
2. 打开 Stata 18，执行 do "code/00_setup.do" 完成包安装。
3. 编辑 00_setup.do 第 8 行 global path "你的路径"。
4. 执行 do "code/run_all.do"，约 45 分钟。
5. 全部表格、图形输出至 output/ 目录。
6. 与论文正文核对：见 docs/论文-表图清单.xlsx。

7. 表图复现对照表（必交付）

8. 变量构造说明

对每一个主要变量（被解释、解释、机制、控制），用一行说明：

• 变量名（与代码、与论文一致）
• 中文含义
• 计算公式
• 数据来源字段
• 单位 / 取对数 / winsorize 区间

放在 data/codebook/变量构造说明书.xlsx。

编码纪律（从第一天就要做到）

通用

• 一个总脚本（run_all.do）端到端跑通
• 全部相对路径：data/raw/foo.dta，永不写 D:/我的论文/...
• 显式设置随机种子：set seed 20260525
• 包版本固定：在 00_setup.do 中 ssc install reghdfe, replace，并在 README 写明已测版本
• 每次运行写 log：log using logs/run_$S_DATE.log, replace

Stata（《管理世界》主流）

• 每个 do 文件首行：version 18.0
• 任何随机化前：set seed
• 避免 set more off 等显示设置在共享脚本里
• 高维固定效应一律 reghdfe，不要 xtreg, fe 配 i.year i.firm
• 注释用中文也可以，但确保 UTF-8 编码，否则跨平台乱码
• 谨慎使用中文文件名 —— 编辑部审核机器多为 Windows 中文环境，但跨平台兼容性差；建议代码文件用英文 / 数字命名，数据文件可中文

R / Python（辅助）

• R：用 renv::snapshot() 锁版本
• Python：requirements.txt 用 == 锁版本
• 任何 ML 流程必须 set.seed() / numpy.random.default_rng(seed=...)

编辑部实际核查什么

1. README 是否齐全、是否符合模板？
2. 总脚本能否在一台干净的机器上从零跑通？
3. 跑出来的数字是否与论文一致？（特别是主表系数和标准误）
4. 每一份数据是否有来源说明？
5. 受限数据是否有完整溯源 + 替代获取路径？

任一项不过 → 退回修改，最多两轮；两轮仍不过 → 撤稿。

常见被打回的失败模式（编辑部反馈高频项）：

• 写死的绝对路径（E:/师姐论文/）
• Stata 包没装就直接调用
• 主回归的样本量与论文不一致（中间数据筛选未存档）
• "数据来自 CSMAR" 一句话带过，无版本、无字段
• 表格用了手工 Excel 调整，脚本输出对不上正文
• 变量构造说明缺失 —— 审稿人无法判断"政企关联度"怎么算的

受限数据特别处理

中国商业数据库（CSMAR / Wind / RESSET / 国泰安 / 中经网 / 同花顺 iFinD 等）几乎全部禁止重新分发原始数据。处理路径：

1. 不提供原始数据，但提供：
   • 完整数据清洗与变量构造代码
   • 每一个外部字段的字段名 + 数据库定位（如 CSMAR / 公司研究系列 / 治理结构 / FS_Combas.A001000000）
   • 一份脱敏样本（如前 100 家公司、随机抽样、或合成数据）让代码可冒烟测试
2. 在 README 中提供获取指引：数据库名、订阅机构、申请流程、预计费用、预计周期
3. 考虑提交中间聚合数据（如行业 × 年度均值），允许部分复现

政府微观数据（CFPS / CHIP / CHARLS / CGSS）：

• 一般可申请访问，但不可重分发
• 提供完整申请流程链接（如北大 ISSS、人大 NSD）
• 提供清洗代码即可

关联资源

本仓库或插件包中按需加载：

• 目录骨架：examples/replication-skeleton/
• 变量构造说明书模板：templates/codebook-template.csv
• 数据获取指引模板：templates/data-acquisition-guide.md

提交前自检清单

• 总脚本在另一台干净机器（同事电脑）从零跑通
• 全部路径相对化
• 随机种子已设置
• 所有软件 + 包版本写入 README
• README 中文，覆盖 8 个必备章节
• 论文中每一张表、每一张图都能在 output/ 找到对应文件
• 论文-表图清单 xlsx 已填
• 变量构造说明书 xlsx 覆盖全部主回归变量
• 每一份数据均有来源说明（含版本、获取日期）
• 受限数据：标准声明 + 获取指引 + 脱敏样本三件套齐全
• 代码文件名英文/数字，UTF-8 编码无 BOM
• LICENSE 文件已添加
• 目录结构与 mw-replication 推荐一致

输出格式

【复现包类型】公开数据 / 受限数据 / 混合
【README 状态】完成 / 待补章节：...
【可重复性自测】已在另一台机器跑通 / 未测
【受限数据处理】N/A / 已附标准声明+获取指引+脱敏样本
【变量构造说明书】完成 / 缺：变量 X、Y、Z
【下一步】mw-submission

反模式

• 等收到录用通知才开始整理 —— 编辑部 30 天死线压力大
• README 写成"给自己看的笔记"，而不是"给陌生复现者的指南"
• "数据可向作者索取" —— 直接被退
• 把脚本输出表手工改完粘贴到 Word，再说"代码就这样" —— 编辑部一跑就对不上
• 用 Stata 16 跑、README 写 Stata 18，反之亦然
• 只交主回归代码，不交稳健性 / 机制 / 异质性 —— 那些也都在论文里，都要能复现
• 用中文路径或中文文件名，跨平台跑直接报错
• 把 CSMAR 原始 dta 打包上传 —— 违反数据库用户协议，可能被追责