外观
如果你已经把数据准备好了，下一步通常不是直接跳到复杂方法，而是先拿到一张结构清楚、变量角色明确的基准表。下面按“先建模、再检查、再扩展”的顺序整理了入口。
适合第一次试跑，先把 OLS 链路跑通。
建立最基础的线性关系基准表。
适合企业-年份、城市-年份等面板数据。
在个体效应可视为随机且与解释变量独立时考虑。
先拿到面板数据上的基准对照表，再和 FE / RE 比较。
先看样本均值、标准差和分布范围。
比较不同组之间的基础差异。
快速发现分类变量分布异常。
先看变量之间方向关系是否符合直觉。
检查多重共线性是否明显。
比较两组样本均值差异。
判断两个分类变量是否有关联。
比较多组样本的均值差异。
先看整体模型是否有解释力。
在固定效应和随机效应之间做选择。
检查异方差风险。
更一般地检查异方差问题。
快速判断一阶序列相关。
适合因变量只有 0/1 取值的场景。
同样用于二元因变量，但链接函数不同。
把离散选择模型结果转成更容易解释的概率变化。
把总效应拆成直接效应和间接效应，继续追问“通过谁发生作用”。
检验这条关系会不会因为外部条件不同而更强或更弱。
按组别拆样本做分组回归，判断效应主要集中在哪些组。
把机制路径细化成“先影响 A，再影响 B，最后影响结果”的串联传导链路。
