这里有一个很容易看漏的落差。你即使把 final project 推进了一整个学期，WIL hurdle 仍然要单独通过，项目投入无法替它兜底。那就把跟课节奏分成两轨：项目链持续累积，WIL 轨单独留出准备空间。

🔗 一个回归结果要穿过几道门

第二阶段开始，最值得抓住的是 系数到 recommendation 的承接线。Week 4 先让你读懂 regression coefficient、functional form 和一些常见设定风险。Week 5 接着检查 sample、data availability、frequency 与时间顺序，手里的数据结构会限制可用方法。Week 6 再加入 structural break、cointegration 和 panel differences，同一个关系在不同时间与对象中可能换了样子。Week 7 把问题推到 endogeneity，你要追问解释变量的变化从哪里来，候选 IV 也要同时过 relevance 和 exogeneity。Week 9 要把 finding、mechanism、decision maker、action、trade-off 和 scope 连起来。Week 10 再区分 statistical significance、economic significance、robustness 和 generalisability，让结论的力度与证据保持一致。我会把每一周的新工具放回同一个项目里，这样你学的就是一条不断收紧结论的路，不会变成一排孤立模型名称。

这条线也解释了为什么 Presentation 和 Report 可以共用一套研究骨架。前者把 findings 压进 6 分钟，后者用 3000 words 把问题、方法、结果和含义完整闭合。

落到每周跟课，我不会把每个新方法当成必须塞进项目的升级包。更实用的做法是带着自己的 question 和 data 去听：新方法解决了哪个已有问题，增加了哪项前提，又把哪一种结论排除在外。这样到了 Week 9–10，你手里留下的是一套有理由的选择，写 limitation 时也能说清哪些路径没有被当前设计覆盖。

💡 一个结果能同时进入 Presentation 和 Report，靠问题、数据、方法与解释一直连得上；多几个模型名称并不会自动补上断开的关系。

🧃 优惠券正相关先别急着下结论

把这条承接线放进一个虚拟门店，正相关陷阱就很好懂了。例如「蜜雪东城」的低销量门店可能更主动发优惠券，能力更强的店长也可能同时提高优惠券使用和销量。这时候看到正系数，你还无法直接写成「发券带来销量增长」，因为门店处境、店长能力和反向决策都可能混在系数里。这个小场景有趣的地方，就是它会逼你把「数字很漂亮」和「证据够支持行动」分开处理。

如果总部确实随机分配提前接入资格，这项资格可以成为候选 instrumental variable。接下来，你可以沿着四个抓手读自己的 project result：

• 🏷️ 先认清 dependent variable、单位和样本范围，避免把两种不同结果混在一起。
• 🔍 把门店处境、管理能力和反向决策这些遗漏路径摆到纸面上。
• 🧭 追问关键变化从哪里来，再检查候选 instrument 的 relevance 与 exogeneity。
• 📍 把 implication 限制在证据能够覆盖的对象、成本、trade-off 和退出条件里。

以优惠券为例，relevance 检查提前接入资格对优惠券使用的推动，exogeneity 继续检查这项资格经由其他路径影响销量的可能。两道检查承担不同工作，少一边都无法让候选 IV 自动变成可靠答案。你把这层关系讲清楚，Presentation 里就知道哪些词要收住，Report 里也知道 limitation 应该放在哪里。

学会这个观察顺序以后，你拿到一个显著结果时会多停一下。那一下会帮你在写 implication 之前先看清结果的来路，也会让现场陈述更经得起追问。

🪜 反向验链能省掉临交付返工

到 Week 11–13，我会把本课的 省力黄金法则 定成一个反向动作：每写一条 recommendation，就向前追到 result、method and data、research question 和 real-world problem。连接断在哪里，就先回到那里修。这个顺序会让你很快分清，当前需要的是收窄问题、换数据、调方法、重写解释，还是给行动含义补上范围。

它也能把两项 final project 交付拉回同一骨架。Presentation 优先保留最短且连续的问题、证据、结果和含义，Report 再展开方法、technical interpretation、limitation 与可推广范围。你无需为两个交付各造一套逻辑，只要让同一条证据链在短讲和长文中保留不同密度。WIL 则继续留在独立轨道上，这样三项交付的准备关系会更清楚。

到交付前，这种反向检查还有一个很实际的好处。它会阻止你因为某个回归表看起来很完整，就把结论一路放大到证据还没有到达的位置。该收窄的地方及时收窄，也会让你把精力留给已经连得上的部分。

🏆 省力黄金法则：每条 recommendation 都向前追到 result、method and data、research question 和 real-world problem，连接断在哪里就先修哪里。继续翻到下一页，我直接打开完整攻略给你看这条研究链怎样被讲清楚。