# Counterfactual Reasoning

> 反事实思维工具（Counterfactual Reasoning）。对研究结论进行系统性压力测试： 枚举竞争性解释、检查选择性偏差、识别推论边界、模拟审稿人质疑。 当用户说"帮我挑战这个结论""有没有其他解释""审稿人会怎么质疑这个" "这个结论成立吗""反驳一下我的论点""还有没有别的可能""结论太强了吗" "帮我做压力测试"时触发此 skill。 注意：这不是"找不同意见"或"泼冷水"的工具，而是帮助研究者 在提交前系统性发现论证弱点、主动处理潜在质疑的防御性分析工具。

- Skill: `yipng05-max/counterfactual-reasoning` (Agent Skill)
- Install (CLI): `npx skillmds@latest add yipng05-max/counterfactual-reasoning`
- Raw SKILL.md: https://api.skillmd.com/api/skills/yipng05-max/counterfactual-reasoning/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: yipng05-max (https://skillmd.com/u/yipng05-max)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/yipng05-max/counterfactual-reasoning

---


# 反事实思维工具（Counterfactual Reasoning）

本 skill 基于 King、Keohane & Verba（1994）的因果推断逻辑、
Campbell & Stanley（1963）的威胁效度框架，以及社会学实证研究的评审标准，
对研究结论进行系统性压力测试，帮助研究者在提交前识别和处理论证弱点。

**核心立场**：一个经得住检验的结论，是被竭力反驳之后仍然成立的结论，而不是没有被反驳过的结论。
主动寻找竞争性解释并处理它们，比等待审稿人指出要有价值得多。

---

## 启动：获取必要信息

触发后，收集以下信息：

### 必填 1：核心结论或论点
用户希望进行压力测试的结论，尽量具体，例如：
> "平台工人通过'时间自由叙事'内化了平台对劳动时间管理责任的转移，
> 这是一种主体性的屈从（subjectivation），而非单纯的意识形态灌输。"

### 必填 2：支撑结论的主要证据
简要说明结论建立在什么数据/材料基础上：
- 定性研究：受访者人数、类型、核心资料来源
- 定量研究：样本量、变量操作化、核心统计结果

### 选填 3：研究设计概述
- 研究方法类型
- 案例选择策略
- 数据收集方式

### 选填 4：用户已意识到的弱点
研究者自己已经注意到的潜在问题（优先处理）。

### 选填 5：目标期刊
不同期刊的审稿文化不同，可以影响压力测试的侧重点。

---

## 执行流程

收到信息后，**自动连续执行**以下四个阶段，无需每步等待用户确认。

---

### 第一阶段：结论解剖

在压力测试之前，先精确解析结论的逻辑结构：

1. **核心主张**：结论声称 A 导致（或解释了）B，其中 A 和 B 分别是什么？
2. **因果方向**：是单向因果？双向？还是条件性关系？
3. **适用范围**：结论明示或暗示适用于哪类情境、人群、时间段？
4. **机制描述**：结论背后声称发生了什么机制？（不只是"A→B"，而是"A 通过 X 过程导致 B"）
5. **证据-结论的跨度**：现有证据直接支撑到哪里？从证据到结论做了多大的推论跳跃？

**输出格式**：
```
【结论解剖】
核心主张：A = [  ]，B = [  ]
因果/解释方向：
适用范围（显性）：
适用范围（隐性预设）：
声称的机制：
证据实际覆盖到：[具体到哪里]
推论跨度评估：小 / 中 / 大
```

---

### 第二阶段：竞争性解释枚举

系统枚举所有可能与当前结论竞争的替代解释。按以下五类来源逐一检索：

#### 来源 1：混淆变量（Confounding Variables）
> 有没有第三个变量同时影响了原因变量和结果变量，使得观察到的关系是虚假的？

针对研究的具体情境，提出 2-4 个最可能的混淆变量候选，并说明：
- 该变量如何同时影响两端？
- 研究设计是否控制了这个变量？
- 如果没有控制，结论的稳健性受到多大威胁？

#### 来源 2：反向因果（Reverse Causation）
> B 有没有可能是 A 的原因，而非结果？
> 或者两者互为因果？

说明反向因果的可能路径，并评估：
- 时间顺序是否足够清晰？
- 有没有工具变量或其他因果识别策略？

#### 来源 3：选择性偏差（Selection Bias）
> 研究的样本/案例是否系统性地倾向某种特征，导致结论不具代表性？

检查：
- 样本如何被选入研究？选入过程有没有内生性？
- "沉默的多数"——那些没有进入样本的对象，会和样本有什么系统性差异？
- 访谈研究中：接受访谈的人与拒绝访谈的人，有没有系统性差异？

#### 来源 4：观察者效应（Observer Effects）
> 研究者的存在或研究过程本身，是否改变了被研究现象？

在定性研究中尤其重要：
- 受访者是否在研究者面前呈现了与日常不同的行为或叙述？
- 受访者是否猜测了研究者的期望并迎合它？
- 反思性：研究者的身份、立场如何影响了数据收集和解读？

#### 来源 5：替代机制（Alternative Mechanisms）
> 即使 A→B 的关系成立，有没有与当前解释不同的机制也能产生同样的结果？

这是最具挑战性的一类：机制的竞争。
列出 2-3 个替代机制，每个替代机制说明：
- 这个替代机制的逻辑是什么？
- 它会产生和当前结论相同的可观测模式吗？
- 什么样的证据能够区分这两个机制？

**输出格式**（每类竞争性解释）：
```
[竞争性解释类型：混淆变量/反向因果/选择偏差/观察者效应/替代机制]
具体威胁描述：
威胁的严重程度：高 / 中 / 低
当前研究的处理情况：已处理 / 部分处理 / 未处理
如果未处理，对结论可信度的影响：
可能的回应策略：
```

---

### 第三阶段：结论范围检验

压力测试结论的适用边界，防止过度概括：

#### 检验 1：案例代表性
> 研究者选择的案例/样本能否支撑所声称的普遍性程度？

- 如果结论声称"在X情境下普遍成立"，当前证据覆盖了X的哪些子类型？
- 有没有明显遗漏的子类型，而那些子类型可能产生不同结果？

#### 检验 2：时间稳健性
> 结论是在特定历史时刻成立，还是具有一定的时间稳健性？

- 数据收集的时间背景有什么特殊性？
- 如果在其他时间点重复这项研究，结论可能如何变化？

#### 检验 3：情境转移
> 结论能在多大程度上迁移到其他情境？

- 哪些情境特征对结论至关重要（改变这些特征，结论就不成立）？
- 哪些情境特征不影响结论（这些构成结论的稳健性证明）？

**输出格式**：
```
【结论范围检验】
当前证据实际支撑的范围：[比结论声称的范围更窄？还是基本匹配？]
遗漏的重要子类型：
时间特殊性风险：
情境迁移的边界条件：
建议的结论措辞调整：[将当前过宽的结论收窄至证据能支撑的范围]
```

---

### 第四阶段：模拟审稿人质疑

模拟 2-3 种不同立场的审稿人，提出最可能的核心质疑，并给出应对建议：

#### 审稿人 A：方法论严格派
关注：研究设计的效度、因果推断的严谨性、抽样的合理性

> "[模拟质疑内容]"

建议回应策略：

#### 审稿人 B：理论对话派
关注：与现有文献的对话是否准确、理论贡献的原创性、对替代理论的处理

> "[模拟质疑内容]"

建议回应策略：

#### 审稿人 C：经验领域专家
关注：对该研究情境的了解是否准确、数据解读是否符合领域常识

> "[模拟质疑内容]"

建议回应策略：

---

### 第五阶段：综合建议

综合以上分析，给出：

1. **最需要主动处理的 2-3 个弱点**（按威胁程度排序）
2. **可以通过文本修辞处理的问题**（承认局限性、限定结论范围、说明研究设计选择的理由）
3. **需要补充数据或分析才能真正解决的问题**（如果有）
4. **结论强度建议**：当前结论是否过强？建议修改为什么强度？

---

在所有输出之后，输出以下固定文字：

> **压力测试的目的是强化结论，而非摧毁结论。**
> 以下问题请研究者判断后告知：
> 1. 你认为哪个竞争性解释威胁最大？你有没有尚未告知我的应对材料？
> 2. 结论范围的调整建议，你是否认可？
> 3. 有没有你刻意保持的结论强度，而不是疏忽？如果是，说明理由。

---

## 参考文献

- King, G., Keohane, R. O., & Verba, S. (1994). *Designing Social Inquiry: Scientific Inference in Qualitative Research*. Princeton University Press.
- Campbell, D. T., & Stanley, J. C. (1963). *Experimental and Quasi-Experimental Designs for Research*. Houghton Mifflin.
- Mahoney, J. (2010). After KKV: The new methodology of qualitative research. *World Politics*, 62(1), 120–147.
- Seawright, J. (2016). *Multi-Method Social Science: Combining Qualitative and Quantitative Tools*. Cambridge University Press.

---

## 语言

- 默认中文
- 若用户用英文输入，输出用英文，frontmatter 字段名保持英文