实证研究分析与论文图表生成
输入研究数据、变量定义和研究问题,完成清洗、计量建模与稳健性检验,交付可复现代码及论文图表。
功能与用途
适合把研究数据整理成一套可复现的实证分析成果。提供数据文件、变量说明、研究问题与拟采用的研究设计后,可完成数据清洗、变量构造、描述统计、诊断检验、基准回归,以及稳健性、机制和异质性分析。默认面向应用经济学,也覆盖公共健康与因果机器学习场景。结果包括分析代码、多列回归表及趋势图、系数图等,表格可导出为Excel、Word和LaTeX,图片可导出为PNG与PDF。使用前需准备Python运行环境,并具备基本统计与研究设计知识。
适用场景
- 政策效果评估:用地区或企业面板数据开展双重差分分析,输出事件研究图、主回归表和安慰剂检验结果。
- 应用经济学论文复现:依据原文变量定义和模型设定重建分析流程,生成逐步加入控制变量的回归表及稳健性附表。
- 公共健康队列分析:使用队列数据估计干预效果或生存结局,整理组间平衡、风险估计与敏感性分析图表。
- 干预效果异质性研究:使用双重机器学习或因果森林估计不同人群的处理效应,输出分组比较和效应分布图。
适用人群
- 应用经济学研究者
- 定量社会科学研究生
- 公共卫生与流行病学研究者
- 因果推断数据分析师
使用步骤
- 提供数据文件、变量字典和研究问题。
- 说明研究设计、样本范围及所需交付格式。
- 检查清洗结果、变量构造和描述统计。
- 运行基准模型、诊断及适用的扩展检验。
- 核对结果并导出代码、回归表和研究图表。
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
- 知识
- 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
- 4
- 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
- 准备可读取的数据文件、字段说明,以及处理变量、结果变量和样本范围。
- 明确研究问题与研究设计;面板或政策评估还需提供个体标识、时间字段和政策实施信息。
- 具备可执行Python代码的环境,并安装所选分析方法需要的依赖。
- 具备基本统计、回归分析与因果识别知识,以判断模型设定是否适合数据。