因果实证分析与论文图表导出
输入研究数据、干预变量和研究问题,完成因果效应估计、诊断与稳健性检验,生成论文图表和可编辑结果文件。
功能与用途
面向经济学、公共卫生和因果机器学习研究,将研究数据与因果问题转成实证分析结果。提供结果变量、干预或暴露变量、控制变量及个体和时间标识后,可开展双重差分、工具变量、断点回归、加权估计或异质性效应分析,输出描述统计、主回归表、诊断图和稳健性结果,并导出 Word、Excel、LaTeX 表格及复现材料。也可只生成单张统计表或导出已有回归。使用前需准备 Python 环境、相关依赖,并具备因果识别基础。
适用场景
- 评估政策或培训效果:用面板数据开展双重差分分析,生成事件研究图、主结果表及平行趋势和敏感性检验结果。
- 分析观察性医疗数据:围绕暴露与健康结局设计目标试验模拟,比较加权、g公式和TMLE估计,并检查重叠性。
- 识别人群干预效应差异:用双重机器学习或因果森林估计异质性效应,生成人群效应分布及留出样本评估结果。
- 整理投稿与复现表格:将多个回归模型、描述统计和平衡性结果汇入可编辑的Word、Excel或LaTeX文档。
适用人群
- 应用经济学研究者
- 公共卫生与流行病学研究者
- 因果机器学习研究员
- 开展实证研究的研究生
使用步骤
- 提供数据、研究问题与所需图表或文件格式。
- 明确变量、目标效应、研究设计及识别假设。
- 检查样本、缺失值、处理组支持与设计诊断。
- 执行效应估计、异质性分析及必要稳健性检验。
- 导出结果表、图形与复现材料,查看未通过的检查。
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,明确结果变量、干预或暴露变量、控制变量及必要的个体和时间标识。
- 具备基本统计与因果识别知识,能够说明研究设计及其关键假设。
- 具备可运行Python的环境并安装StatsPAI;固定效应回归、绘图等功能需安装对应扩展依赖。
- 原目录已标注为归档版本;新安装宜使用README指向的维护版statspai-analysis,并核验本地版本接口。