出国，还是留下？
同样的出生条件，分别执行「积极寻找出国机会」和「倾向留在本国」。收入、财富与寿命，会走向哪里？
比较的是两种策略的完整人生结果。积极出国不等于成功移民，留在本国策略也不保证从未出境。
5 个国家设定 × 1,000 个种子 × 2 种策略
已逐份核对原始记录；同一对出生状态完全一致
无出国策略，出生后跳过 1 次随机数，与原路径比较
先分清问题：成年工作出国，与留学出国
主比较只纳入成年后首次通过工作或留学成功出国的路径。收养、避难、配偶外派、游牧和晚年团聚保留为独立情境，不进入主结论。所有结果仍来自模拟。
中国组 24 岁：工作与留学的早期结果不同
工作出国 178 对：月均收入中位数，出国 6,551 元，同种子未出国 4,249 元。
留学出国 287 对：分别为 4,842 元 与 4,883 元。两组出国路径的净资产中位数都低于各自未出国对照。
工作与留学两组包含不同的人，各有自己的配对对照；不能根据组间金额直接判断哪种选择更好。
中国组 40 岁：收入与资产仍要分开看
成年工作与留学合计 769 对。出国 / 未出国的月均收入中位数为 11,807 / 7,090 元；净资产中位数为 312,526 / 603,855 元。
口径为截至该年龄曾成功出国，包含已回国者。不同年龄的入选样本不同，不能把两组横截面差异直接解释为个人成长。人民币为游戏购买力换算；筛选成功者不等于消除了选择偏差。
01 / 策略真的改变了居住地吗？
年度状态中曾出现出生国以外居住地的比例。分母固定为每臂全部 1,000 人，包含未成年死亡者；短期、年内往返可能漏记。
如何理解两条路径
积极出国 seek：遇到相关选项优先尝试申请或前往；18 岁起还会尝试设置出国计划。机会、预算和冷却条件仍由游戏控制。
留在本国 avoid：相关选项优先留下或不出国，不主动设置上述计划。其他事件仍可能改变国家。
中国组曾在国外居住的比例为 81.4% vs 0.5%；尼日利亚为 34.8% vs 4.9%。策略实际覆盖率差异很大。
这里只比较事先分配的策略。不能筛出成功移民者后，把他们与所有未移民者的差距直接当作出国效果。
展开：策略触达、实际改选与计划尝试
触达＝记录了 policy:abroad 决策；改选＝至少一次 picked 与 auto 不同；计划尝试＝记录了 moveplan:abroad 动作。一次计划动作不等于成功移民。触达与计划人数有重叠。
01b / 怎么出去，又去了哪里？
沿着年度居住记录，把每个人的首次出国、回国和再迁移串起来。先选出生国与策略，再按路径、目的地或首次出国年龄筛选，点开一个人看事件原文。
“曾出国”沿用年度居住国口径，不含一般海外旅游；首次出国年龄是首次观测年龄，可能晚于实际出发。回国指年度记录再次出现原始出生国；最后居住地取死亡时状态。所有比例均注明分母。
首次出国路径
路径按相邻年度快照之间的明确事件日志分类。申请、打听、签证失败不算成功出国。无法唯一匹配路径时保留“原因未能确认”。
首次目的地 vs 最后居住地
两列都限定本组曾出国者，但不代表同一批人始终留在该目的地。点击国家可筛选首次目的地。
下钻到具体的人
02 / 到这个年龄，有多少人民币？
金额换算：内部购买力单位 × 3.5，按游戏中国大陆人民币口径显示。不是市场汇率或现实购买力预测；月均收入＝年度收入 ÷ 12，不是到手工资。净资产包含现金、投资、房产与持有企业价值，可能为负。
主比较：成年后通过工作或留学成功出国
默认只看首次出国时已满 18 岁，且首次路径明确为工作或留学的人。将出国成功路径与同种子、截至观察年龄尚未出国的路径配对；双方都必须有该年龄快照。
工作与留学，分开看
使用相同国家、年龄及成功口径，分别与各自同种子未出国路径比较。两组的人不同，不能把横向差距解释为“工作比留学好”。留学者可能在首次留学后转为工作、回国或再次迁移。
其他情境有多少配对？
0 对表示本比较口径没有符合条件的同种子对照，不代表模拟中没有这类事件。例如两条人生都被跨国收养，便不会进入“出国 vs 未出国”比较。样本不足 30 对仅展示个案性描述，不据此作稳定排序。
金额按游戏人民币购买力口径。配对差中位数不等于两臂中位数之差。
筛选成功者可以去掉尚未出国者的稀释，但成功、存活和首次路径本身也受机会、健康、财力等影响。这里是同起点的模拟路径描述，不能当作已经消除其他影响的纯出国收益。
固定年龄只使用截至该年龄观测到的出国记录。分类按首次观测出国的路径和年龄，无法保证此后只发生工作或留学；也不排除所有早年家庭事件。年度记录可能漏掉年内迁移。选择“终生末次”时使用各自死亡快照，双方年龄不同。下方全策略与 N2 参照不随路径筛选变化。
参照：全部策略样本
P10–P90 为各臂人群的分布范围，非置信区间。固定年龄仅纳入有该年龄快照者；「终生末次」为每人死亡时快照，年龄不同。净资产倍数＝净资产 / 当地年收入中位数，并非当地净资产中位数。
收入随年龄变化
蓝色：留在本国 · 陶红：积极出国。各年龄存活样本不同，曲线不是固定人群的个人成长轨迹。
寿命：完整 1,000 对
以下区间使用配对差均值 ± 1.96 × 标准误，只描述这批种子下的抽样不确定性；未校正多重比较，不包含现实模型误差。
五个国家横向看 ·
03 / 同起点，也可能走出很远
本节使用原始全策略配对作参照，不随“成功出国口径 / 路径范围”筛选变化。
策略比较保持相同种子，但决策变化会改变后续事件和随机数消耗。N2 则在无策略条件下，出生后跳过一次随机抽样，让未来走向另一条路径。它衡量路径敏感性，不能从策略差中直接扣除。
策略差＝seek − avoid；N2 差＝burn1 − burn0。固定年龄各自在两臂均有快照的种子上配对，因此 N 不一定相同。平均绝对差描述个体路径分歧，均值区间描述群体平均差；两者不能混用。N2 不是在 seek/avoid 各臂上重复运行的误差估计。
04 / 把统计放回一对人生
每国选一对：在双方均有 40 岁快照的样本里，40 岁净资产倍数差最接近该国配对中位差。避免只挑最戏剧化的故事；也不代表所有人的典型人生。
05 / 数据、异常与复算边界
- 引擎 0.8.30；出生年份 2002；persona=true；每国使用相同的 P-000001…P-001000。跨国家重复使用种子，不将 5,000 对当作独立全球人口样本。
- 10,000 条 P1 汇总与原始 gzip 逐一核对，任务 ID 完整、无失败；每对完整出生状态一致。N2 使用已有汇总记录，本次未重新执行引擎。
- 中国组 P-000877 出生在武汉，9 个月时被美国家庭跨国收养。两条策略均有此经历；汇总国家字段变为美国，但出生状态仍为中国。按指定国家与原始出生状态配对，不能把婴儿期收养算作成年出国策略的成果。
- 固定年龄比较受生存筛选影响：策略可能改变谁活到该年龄。各臂中位数之差、配对差中位数、配对差均值是不同统计量。
- 人民币金额不做未来通胀折现。财富分布重尾，均值容易受极端值影响；区间仅作探索性参考，不用于声称真实世界因果关系。
- 全量记录由 Python 流式解析并统计；报告嵌入汇总和 5 对个案日志，不把所有原始人生交给语言模型归纳。