从 Stage 2 取数起持续记录、在收尾时打包、在质量门维度⑦打分时核验。本文件把现代顶刊「可复现是 投稿的必要条件」落成一套可执行标准：data provenance → 复现包结构 → README 模板 → data availability statement → 一键重跑契约。
分工：
research-grade-methods.md的 Method Gate 管「方法 artifact 是否齐」（识别诊断、稳健性矩阵）；本文件管「整个项目能不能被第三方一键复跑、数据来源是否交代 清楚」的打包完整性；其技术姊妹篇computational-reproducibility.md管「删掉派生产物重跑、数字能不能真对上」的确定性、环境固定与产出容差核验。data-governance.md进一步管 public/restricted/confidential/PII、 IRB/DUA 与公开 archive boundary。前者是科学性，后者是可复现性与合规边界——AEA/AEJ/AER 等期刊 已把后者列为强制。
实证论文被接收后的最后一道关、很多顶刊投稿时的第一道关，是 replication package。本层要求：
- 从 Stage 2 就记 provenance，而不是接收后补——补的代价远高于随手记。
- 复现包有标准结构：原始数据 / 清洗 / 估计 / 表图 一条龙脚本化，最少手工干预。
- README 是合同：第三方照着 README 就能从
raw/跑到04_results/的每张表图。 - 数据可得性声明（DAS）说真话：受限/付费/审批数据如实写访问条件，不可分发的只留拉取脚本。
- 样本审计可复核：
02_data/sample_audit.md记录 raw→clean→estimation sample 的流失、 treated/control 数、missingness/balance/overlap、cluster/weights，作为 README 和 Table 1 的原料。 - 治理边界先行：PII、IRB/DUA、许可证、保密环境、不可公开原始数据先登记到
00_meta/data_governance.md，再决定公开包包含什么。 - 质量门维度⑦按真实文件打分：有没有 codebook、sample audit、有没有一键重跑命令、AEA 场景有没有 DAS、 有没有治理登记。
本层是打包标准，落地实现仍调用既有能力（清洗
data-cleaning、估计各 skill、转换md-to-docx， 见skill-map.md）。本文件规定「打包成什么样才算可复现」。
| 标准 | 入口 | 在 workflow 的用法 |
|---|---|---|
| 社科复现包 README 模板（首选） | Social Science Data Editors, Template README: https://social-science-data-editors.github.io/template_README/ | 收尾时生成复现包 README 的骨架；联网时取最新 release / release-candidate |
| AEA 数据与代码政策 | AEA Data & Code Availability Policy（2026-02 版）: https://www.aeaweb.org/journals/data/data-code-policy | 目标为 AEA 体系期刊时的强制要求；deposit、license、unzip、version-of-record 都按此核 |
| AEA Data Editor 操作指引 | https://aeadataeditor.github.io/aea-de-guidance/ | 投稿前自检 deposit 是否合规；Prepare 步骤可在投稿前就开始 |
| AEA FAQ / verification | https://www.aeaweb.org/journals/data/faq | 预期 Data Editor 会在合理资源内运行代码，核软件、数据、代码清晰度、资源与耗时 |
| Management Science code/data disclosure | https://pubsonline.informs.org/page/mnsc/code-and-data-disclosure-policy | 目标为 MS/INFORMS 时，Stage 9 同步准备 AsCollected disclosure 与 submission-time disclosure plan |
| 模板 README 仓库（可下载） | https://github.com/social-science-data-editors/template_README | 取最新 template-README.md 填空 |
| 透明与可复现总则 | BITSS（Berkeley Initiative for Transparency in the Social Sciences）: https://www.bitss.org/ | 一般性 reproducibility 培训与清单 |
| 教学型复现协议 | Project TIER Protocol: https://www.projecttier.org/tier-protocol/ | 学位论文 / 教学场景的目录规范 |
| DOI 化存档 | Zenodo / OSF / Harvard Dataverse | 给复现包发一个可引用 DOI |
这些是标准锚点，不是硬依赖。目标期刊属 AEA 体系 → 直接套模板 README + DAS；否则用社科模板的 通用结构。本机不能联网时，subagent 按本文件 §3 的结构离线生成 README，不要省略 DAS。
政策刷新纪律（运行时）：Stage 9 或收尾前若要面向具体期刊投稿，必须打开目标期刊官网的最新
Author Guidelines / Data & Code policy 核一次，不得只依赖本文件。政策页若要求 AsCollected、Data
and Code Availability Form、特定仓库或匿名化格式，把要求写进 09_submission/submission_checklist.md
与 workflow_state.json.decisions。
每引入一个数据源，立即在 02_data/codebook.md 追加一条 provenance 记录（也是 DAS 的原料），并在
02_data/sample_audit.md 记录该源进入 clean/estimation sample 的流失路径：
同时在 00_meta/data_governance.md（模板：
../templates/data_governance.md）记录数据分级、PII、IRB/DUA、
再分发边界与公开包动作。
## 数据源：<名称>
- 提供方 / URL：
- 访问方式：公开下载 / 注册后下载 / 付费 / 审批 / 保密专网
- 访问成本与时延：免费即时 / $X / 审批约 N 周
- 版权与再分发：可否随论文打包分发（能→打包；不能→只留拉取脚本）
- 获取日期与版本 / vintage：
- 引用（bib key）：
- 原始文件落点：02_data/raw/<...>（不可分发的不入库，仅记拉取脚本路径）纪律：① 不可分发的原始数据不入库，只留 02_data/<fetch>.py|.do 拉取脚本 + 说明；
② 每个派生变量在 codebook 里写清「由哪些原始字段、怎么算出来」；③ 取数脚本固定随机性（见 §4）。
④ Dropbox / OneDrive / 个人网站 / GitHub 仓库本身通常不是长期可信 archive；若用于开发协作，收尾仍需
写清正式 archive plan（AEA Data and Code Repository、OSF、Zenodo、Dataverse 或目标刊认可的 trusted repository）。
⑤ PII、签名 URL、API key、cookie、DUA/IRB 限制材料不得进入公开包、日志或 git；受限数据只能通过
脚本、变量字典、申请流程和 DAS 说明支持复现。
收尾阶段把工作区整理成一个自包含复现包。目录沿用工作区布局
（见 workspace-and-state.md），并在工作区根写一份 REPLICATION.md，
按社科模板 README 的 15 节填写（带 ✔ 的为必填，✚ 为推荐）：
| # | README 节 | 必须写清 |
|---|---|---|
| 1 | Overview ✔ | 一段话：从头到尾怎么跑、产出在哪 |
| 2 | Data Availability & Provenance ✔ | 每个数据源的来源、位置、可得性（取自 §2） |
| 3 | Statement about Rights ✔ | 作者有合法访问与（可能的）再分发权 |
| 4 | License for Data ✚ | 数据使用许可（如适用） |
| 5 | Summary of Availability ✔ | 数据是「全部公开/部分受限/不可分发」三选一 |
| 6 | Details on each Data Source ✔ | 每个源的格式、字典、引用 |
| 7 | Dataset List ✔ | 所有数据文件清单 + 来源 + 是否随包提供 |
| 8 | Computational Requirements ✔ | 软件 + 版本、依赖包 + 版本、安装脚本 |
| 9 | Controlled Randomness ✔* | 所有 set seed 的位置与值（有随机性时必填，见 §4） |
| 10 | Memory/Runtime/Storage ✔ | 作者机器规格、跑完总时长、磁盘占用 |
| 11 | Description of Programs/Code ✔ | 每个脚本的作用与依赖顺序 |
| 12 | License for Code ✚ | 代码许可（建议 MIT/BSD） |
| 13 | Instructions to Replicators ✔ | 人能照做的分步复现步骤（含一键 master script） |
| 14 | List of Tables/Figures and Programs ✔ | 每张表/图 ↔ 生成它的脚本与行号 |
| 15 | References ✚ | 所有数据源与材料的引用 |
第 14 节是审稿/数据编辑最看重的一节：它把论文里 Table 3、Figure 2 精确映射到
03_analysis/<script>:line。本工作区的04_results/exhibits_index.md与00_meta/evidence_ledger.md正好是它的原料：前者管表图索引，后者管 claim 到数据、估计和脚本的全链路。
复现包必须有一个入口脚本（run_all.sh / master.do / make），最少手工干预，按固定顺序：
00_meta/ # 环境检查、随机种子登记
02_data/raw/ → 02_data/<clean>.py|.do|.R → 02_data/clean.parquet
→ 03_analysis/<estimate> → 03_analysis/results/
→ 04_results/<maketables> → 04_results/*.tex + *.png
FINAL_REPORT.md 的「一键重跑命令」就是调用这个 master script。复现的验收标准 = 删掉所有派生产物后，
只跑 master script，能重建 04_results/ 的全部表图，且数字与论文一致。
同时更新 00_meta/workflow_state.json.replication_pack：
{
"status": "ready",
"readme": "REPLICATION.md",
"master_script": "run_all.sh",
"data_availability_statement": "09_submission/DAS.md",
"archive_plan": "AEA Data and Code Repository draft deposit / OSF / Zenodo / Dataverse / other trusted repository",
"runtime_minutes": 42,
"last_rebuild_check": "2026-06-20 18:30 Beijing: rebuilt all tables and figures from clean workspace"
}无法真实重跑时，status 只能写 not_ready，并在 last_rebuild_check 说明阻断原因；不得用空泛的
"should reproduce" 替代重跑证据。
任何用到随机性的步骤（bootstrap、cross-fitting fold 划分、随机安慰剂、ML nuisance、模拟）都必须：
- 显式
set seed/np.random.seed/set.seed，把种子值与位置登记进 README 第 9 节。 - 与 Method Gate 联动：DML 的 cross-fitting、causal forest 的 honesty split、合成控制的安慰剂、
wild cluster bootstrap 的种子，都要可复现（呼应
research-grade-methods.md的 seed stability 要求）。 - 软件随机数生成器版本敏感时（如 Stata
version/ RRNGkind），在 README 写清版本。
投稿/接收时随论文提交的 DAS，必须明确、准确地交代独立研究者如何、在何处、在何条件下获得数据：
# Data Availability Statement
本文使用的数据来自 [来源]。
- [公开数据]：可在 [URL] 免费/注册后获取，随复现包提供拉取脚本与 codebook。
- [受限数据]：来自 [提供方]，需 [付费 $X / 审批约 N 周 / 保密专网] 方可访问；本文不可随包分发，
仅提供获取流程、变量字典与构造脚本，第三方获批后可用相同脚本复现。
- 所有派生数据的构造脚本见 02_data/，估计脚本见 03_analysis/。红线：① 不夸大可得性（受限就写受限）；② 不隐瞒处理成本与时延；③ 不可分发数据绝不为了「看起来
可复现」而把原始文件塞进库；④ DAS 与 02_data/codebook.md 的 provenance 必须一致。
| 接入点 | 本层做什么 | 落盘/判定 |
|---|---|---|
| Stage 2 取数/清洗 | 每个数据源记 provenance（§2）；不可分发数据只留拉取脚本 | 02_data/codebook.md |
| Stage 2 数据治理 | public/restricted/confidential/PII 分级，记录 DUA/IRB/许可证与公开包动作 | 00_meta/data_governance.md |
| Stage 3 估计 | 登记所有随机种子（§4）；脚本留在 03_analysis/ |
README 第 9/11 节原料 |
| Stage 4 表图 | exhibits_index.md 充当 README 第 14 节「表图↔脚本行号」映射 |
04_results/exhibits_index.md |
| Stage 9 投稿 | 目标 AEA 体系 → 生成 DAS（§5）随投稿；其它期刊按其 data policy | 09_submission/DAS.md（如需） |
| Stage 9 投稿 | 目标 Management Science / INFORMS → 准备 AsCollected URL / disclosure plan | 09_submission/ascollected.md 或 checklist |
| 收尾 | 生成 REPLICATION.md（§3 的 15 节）+ master script + 一键重跑命令 + replication_pack 状态 |
工作区根 REPLICATION.md |
| 质量门维度⑦ | 按真实文件核验：codebook 全否、脚本齐否、一键重跑通否、AEA 场景 DAS 在否 | 00_meta/quality_scorecard.md |
与 quality-rubric.md 维度⑦的硬挂钩（把模糊的「可复现」变成可核验闸门）：
- 无
02_data/codebook.md或重跑路径断裂 → 维度⑦封顶 6。 - 无
00_meta/data_governance.md，或受限/保密/PII 数据未登记公开包边界 → 维度⑦封顶 7；IRB/DUA/许可 状态未知时replication_pack.status只能是not_ready。 - 公共包、日志或示例中出现 PII、token、签名 URL、受限原始数据 → 维度⑦最高 4，且不得提交公开 archive。
- 结果无法从工作区代码复现，或数据来源/版权完全未交代 → 维度⑦ ≤ 4。
- 目标 AEA 体系但缺 DAS / data provenance / 访问成本说明 / 运行时间说明 → 维度⑦最高 7； 完全没有 replication README → 最高 6。
一句话验收：「把派生产物全删掉，只跑 master script，能不能重建论文里的每张表图、且数字对得上。」 能 → 维度⑦达标；不能 → 回 Stage 2/3 补脚本、回收尾补一键重跑命令。