一、诊断性检验
任何计量方法都有适用前提；如前提不成立，则无法使用此计量方法(可能导致不一致估计)。
估计模型后，应对计量方法的前提条件进行“诊断性检验”(diagnostic checking)或作出定性说明。比如，进行 2SLS 估计后，应进行弱工具变量检验、过度识别检验(假设存在过度识别)、解释变量内生性检验；并从定性的角度说明“排他性约束”(exclusion restriction)为什么成立。又比如，使用时间序列估计自回归(AR)或向量自回归模型(VAR)，应检验残差是否为白噪声(无自相关)。
即使进行 OLS 回归，也应说明解释变量为什么外生，或者遗漏变量偏差为什么不重要。
二、稳健性检验
为了使用特定的计量方法，研究者常需做一系列假定。论文的主要结果是否对这些假定很敏感？
有必要放松论文的某些假定，看结果是否稳健或基本不变，这称为“稳健性检验”(robustness check)或“敏感度分析”(sensitivity analysis)。比如，通过改变样本区间(或去掉极端值)、函数形式、计量方法、控制变量、变量定义、数据来源等，来考察计量结果的稳定性。只有稳健的结果才有说服力，稳健性检验已成为高质量实证论文不可或缺的一部分。
