核心研究框架
这是什么
这是一套产品研究框架，不是已经被完全验证的统计定律。它用于组织问题、变量、证据和结论边界，不用于把某个国家、城市或县域的结果预先写成确定现实。
主链路
面向用户的统一表达是：
人从哪里来 → 人往哪里去 → 系统怎么调整 → 对你意味着什么
机器和研究治理继续使用 Population → Spatial → System → Outcome → Feedback。其中 Cohort 是 Population 层对出生世代和年龄窗口的细化，Outcome 是职业、资产和公共服务等下游结果。完整字段和发布规则见《研究链与结论协议》。
人口补给 / Cohort
↓
空间选择与节点重组
↓
人口需求与系统存量错配
↓
系统调整或系统僵化
↓
职业、资产、财政和公共服务结果
↓
反馈到下一轮人口与空间选择
这条链路长期贯穿四个变量：
这条主链现在也有对应的 machine-readable Research Chain Protocol v1：每个节点明确层级和 value kind，每条关系记录机制、来源、滞后、缓冲、反向因素和 Data Gap。协议用于约束研究表达，不是统计定律，也不产生综合评分。
协议中的 Population → Spatial → System → Outcome → Feedback 是可解释的研究链。Stock、Flow、Capacity、Constraint 和 State 必须区分；Lag 是关系属性，未知时应登记为 data_gap，不能凭空填入年数；Buffer 是机制条件，不是加分项。
人口不是结果的唯一解释变量。人口变化需要通过家庭、迁移、行为、供给、制度、Stock / Flow 和时间滞后进入现实结果。任何跨层关系都应同时记录可能的 Buffer、反向因素、Evidence 和 Data Gap。
每一层要回答什么
人口补给 / Cohort
先确认谁在变化：出生人口、年龄组、出生队列、家庭形成阶段或退休阶段。这里优先使用 Actual、Projection 或明确标注的派生值。
空间选择与节点重组
再确认人在哪里变化：人口向哪里迁移、集中或流失，哪些节点发生重新组合。没有足够空间粒度的数据时，必须保留 Data Gap，不把全国或省级结构直接写成县域结论。
需求与系统存量错配
人口需求变化要和已有系统存量比较：学校、医院、住房、财政、公共服务、岗位与基础设施的容量是否匹配。需求下降不自动等于系统已经撤并，需求增加也不自动等于供给不足。
系统调整或系统僵化
现实系统可能通过扩容、转型、迁移、价格、财政补贴或制度改革调整，也可能因为规则、预算、位置和组织惯性暂时不调整。具体判断必须有制度和行为证据。
结果与反馈
职业、资产、财政和公共服务是下游结果，不应从总人口变化一步跳出。结果变化又会反馈到家庭选择、迁移和下一轮人口补给。
Feedback 研究层
第一版 Feedback 只收窄到：
System / Outcome 条件 → 迁居、留下或回流选择 → 下一轮 Spatial Flow
这不是把所有人口反馈一次建成闭环，而是先建立可以被证据审查的中层模板。迁移原因、相关性、时间先后和因果识别必须分开记录；横截面相关或受访者报告原因不能直接形成因果 Conclusion。当前反馈案例保留 conclusionIds=[]，明确为机制层和 under_review，并要求下一步补齐同一空间单位的年龄别迁移、住房使用和服务可达性序列。
页面上的 Feedback Research Case 会依次展示已观测事实、估算、Projection、假设、Product Inference、Data Gap 和下一步观察。没有正式 Conclusion 时，产品只显示研究状态，不用文案填充“结论”。
结论类型规范
每个结论尽量明确属于哪一种：
| 类型 | 含义 | 页面表达 |
|---|
| 已观测事实 | 来源直接记录的数值或已发生现象 | “数据显示”“已观察到” |
| 估算 | 根据明确方法对缺失值或派生值的计算 | 说明方法和误差边界 |
| 预测 | 在数据、模型与情景下对未来的推演 | 明确 Projection 和 scenario |
| 假设 | 模型依赖的制度、行为或参数前提 | 明确“如果……则……” |
| 产品推断 | 基于事实和机制形成的当前判断 | 带 scope、反向因素和置信度 |
| 数据缺口 | 当前没有足够数据支持的回答 | 明确 Data Gap 和下一步 |
不要把 Projection 表达成“未来一定如此”，也不要把产品推断伪装成已观测事实。
当前 ConclusionSchema 已原地升级为 Decision Conclusion v2 的元数据结构：每条结论必须声明结论类型、机制 ID、Data Gap ID 和重新评审条件。它仍是产品的唯一正式结论模型；页面里的 ResearchAnswer 只是阅读摘要，不等价于 canonical published Conclusion。
Evidence、Source、Confidence 和 Data Gap
- Evidence：某个事实或研究材料对问题提供了什么支持，以及它不能支持什么。
- Source：机构、数据集、统计时点、版本和原始链接，尽量引用统一的来源 ID。
- Confidence：对综合判断的解释强度，不是概率，也不等同于来源权威程度。
- Data Gap：当前缺少什么数据、使用了什么代理变量、结论会受什么影响，以及下一步如何补齐。
Evidence 和 Data Gap 必须和结论同时存在，而不是只放在文档最后。
Evidence 现在有独立的 canonical registry：一个 Evidence Item 可以被多个 Conclusion、SocialChange 场景和 Research Evidence Card 复用。展示层可以保留数字事实，但必须回到 Evidence 的 observedFact、supports、doesNotSupport 和 transferabilityConditions，避免同一日韩事实在不同页面形成互相漂移的文案。
Stability 与 Prosperity
这是两个并列的阅读镜头，不是两个评分维度：
- Stability：结构变化后，系统是否仍能维持连续性、可达性，并通过存量、容量、制度和调整滞后吸收压力。
- Prosperity：结构变化如何改变长期需求、就业、生产率、市场规模和机会空间。
同一地区或领域可能“系统稳定但机会有限”，也可能“机会集中但承载压力上升”。当前只在 Conclusion 中记录 direct、contextual 或 not_applicable 的解释和边界，不设置分数、权重、排名或 Place 评价。
研究边界
- 不把相关性直接写成因果。
- 不把日韩已发生的历史结果直接平移成中国未来。
- 不把人口机制直接等同于资产价格或企业利润。
- 不在缺少本地数据时生成具体城市、县域或行业结论。
- 不为页面丰满而生成未经验证的领域研究。
从结论到下一步观察
产品结论可以关联一个或多个 canonical Watch Indicator，把“当前判断 → 重新评审条件 → 下一步观察”连起来。Watch Indicator 只说明需要持续收集或核查的变量，不代表本站已经接入实时数据，也不产生风险分数或自动预警。教育、空间、住房和服务可得性场景的 Watch 仍需遵守各自的 Source、Data Gap 与 Place Readiness 边界。
标准阅读顺序
一个研究问题应按以下顺序阅读：
问题入口 → 人口 / Cohort → 空间 → 系统 → 结果 → Evidence / Source → Data Gap → 下一步观察
产品页面可以从任意节点进入，但不能跳过中间机制直接把人口事实写成下游结果。