因果推断分析代码生成
输入研究问题、数据字段和编程语言,生成双重差分、工具变量等因果分析代码,并配套稳健性检验。
功能与用途
面向政策评估、经济学研究和业务效果分析,将研究问题、数据字段及处理时点等信息转成因果推断分析代码。支持使用 Python、R 或 Stata 编写双重差分、事件研究、断点回归、工具变量、合成控制与匹配等分析,并按数据调整控制变量、固定效应和聚类标准误。可配套生成平行趋势、安慰剂、带宽敏感性或协变量平衡等检验代码。使用者需准备可分析的数据,理解所选方法的识别假设,并具备运行对应语言代码的能力。
适用场景
- 评估政策实施效果:基于地区或企业面板数据,生成双重差分及事件研究代码,检验平行趋势并估计动态效应。
- 分析资格门槛附近的影响:围绕补贴或录取分数线生成断点回归代码,配套密度检验与带宽敏感性分析。
- 处理解释变量内生性:提供内生变量与候选工具变量,生成两阶段最小二乘代码及第一阶段诊断。
- 构建单地区政策对照:利用处理地区和候选对照地区数据,生成合成控制、安慰剂检验及留一法分析代码。
适用人群
- 经济学与公共政策研究者
- 开展实证研究的研究生
- 负责政策效果评估的数据分析师
- 研究业务干预效果的数据科学家
使用步骤
- 说明研究问题、拟用方法和编程语言。
- 提供数据字段、处理机制及时间或阈值信息。
- 生成并调整估计代码、固定效应和标准误设置。
- 补充对应的诊断与稳健性检验代码。
- 在本地运行代码,提供报错或结果继续修改。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
使用前准备
- 准备研究问题、数据字段说明,以及处理组、时间、阈值或工具变量等必要信息。
- 理解所选因果推断方法的识别假设,能够判断研究设计是否适合数据。
- 具备 Python、R 或 Stata 基础,并能安装所选方法需要的包和运行生成的代码。