SkillAtlasSkill 详情

interpret-results

Security audit: baseline 52/52 CLEAN

审核状态:已审核Quality 80Security 80

复制安装命令

用 Codex 或 Claude 安装复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它先审查 Skill 页面再帮你安装。

复制前请先查看来源、License 和安全提示。

项目 README

来源文件:README.md

抓取于 2026年8月6日

Awesome GitHub stars License: CC BY-SA 4.0 PRs Welcome Validate catalog OpenSSF Scorecard Security audit: baseline 52/52 CLEAN Rigor coverage Powered by StatsPAI

Auto-Empirical Research Skills (AERS)

📌 文档结构(2026-07-22 起): 本文件是中文默认入口 —— banner + badges + 信任面 + 9 阶段流水线速览 + 76 行合集总表。 每个合集的完整描述、按用途分组、精确数字、验证方法在 docs/CONTENT_ZH.md(扩展正文,总表行内的 → 直接跳转到对应锚点)。

English version: README-en.md · 中文扩展正文:docs/CONTENT_ZH.md · README-zh-CN.md 已弃用(重定向占位)

🌐 语言: English | 简体中文(默认) | 繁體中文 | 日本語 | 한국어


CoPaper.AI Stanford REAP - Center on China's Economy & Institutions

Stanford REAP × CoPaper.AI · 实证研究 AI 工具的学术工业级产品
由斯坦福实证研究方法论团队打造,覆盖从数据清洗到顶刊投稿的完整工作流



实证研究智能体技能大全封面图

🚀 New here? Open the Skill Search → to filter all 1,096 skills by method, stage, language, and license. The 5-minute tour (make quickstart) prints the same picture in your terminal.

🇨🇳 中文用户从本文件开始(流水线速览 + 76 行总表),每个合集的完整描述见 docs/CONTENT_ZH.md。📖 English readers: see README-en.md.


信任面 · Trust surface (rigor stats)

Rigor laneCountWhere
Numeric benchmark tasks — gold values recomputed from real data each run17benchmark/
Behavioral eval scenarios / rubric items37 / 183eval-harness/

Full trust overview: docs/TRUST.md · docs/RIGOR_COVERAGE.md


⚡ 安装与使用(30 秒上手)

最省事的一招:把 URL 丢给 Agent

把项目 URL 地址 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills 丢给 Claude Code / Codex,并指定是目录 / 项目 / 全局安装 —— 剩下的让它自己做。例如:

帮我安装 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills
装到「全局」(~/.claude/skills/),我想在所有项目里都能用

把最后一行换成你要的作用域即可:

作用域说给 Agent 的话落到哪里
目录(当前会话临时用)"只在当前目录用,不要全局安装"当前工作目录下的 .claude/skills/
项目(团队共享,可提交进 git)"装到本项目"项目根目录 .claude/skills/
全局(所有项目可用)"装到全局"~/.claude/skills/(Codex 为 ~/.codex/skills/)

手动安装(两种,任选其一)

A. 插件市场(Claude Code v2.1+,推荐,可升级)

claude plugin marketplace add brycewang-stanford/Auto-Empirical-Research-Skills
claude plugin install aer-skills@auto-empirical-research-skills                 # 顶刊投稿全流程(9 skills)
claude plugin install empirical-analysis-python@auto-empirical-research-skills  # Python 计量流水线
claude plugin install empirical-analysis-stata@auto-empirical-research-skills   # Stata 计量流水线
claude plugin install empirical-analysis-r@auto-empirical-research-skills       # R + Quarto 流水线

B. 只要某一个 skill —— 直接拷文件夹

git clone --recurse-submodules https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git
cd Auto-Empirical-Research-Skills

cp -R skills/00.1-Full-empirical-analysis-skill_Python  .claude/skills/   # 项目级
cp -R skills/00.1-Full-empirical-analysis-skill_Python  ~/.claude/skills/ # 全局

拷进去的文件夹必须自带 SKILL.md(部分合集的 SKILL.md 在下一层,拷那一层)。

怎么用

新开一个会话,直接用自然语言说要做什么,Agent 会按 description 自动挑 skill;说不动就点名方法或 skill:

用面板数据跑一个 Callaway–Sant'Anna 事件研究,并出 HonestDiD 稳健性和期刊级表格

完整安装说明(Codex / CodeBuddy 整库导入、--plugin-dir 单次加载、常见故障排查)见 INSTALL.md。


中文文档结构

中文内容分两级维护,各司其职:

  • 本文件(README.md,GitHub 默认入口):banner、badges、信任面、9 阶段流水线速览、76 行合集总表。
  • docs/CONTENT_ZH.md(扩展正文):每个合集的完整描述(#skill-NN 锚点)、按用途分组、精确数字、2 分钟验证、三层信任、旗舰流水线详解、贡献与引用。总表行内的 → 直接跳到对应锚点。
  • 其他语言:README-en.md · README-zh-TW.md · README-ja.md · README-ko.md

[!NOTE] 维护规则: 改合集总表 → 本文件与 CONTENT_ZH.md 的锚点表两处同步;改合集详情 / 分组 / 数字 → 只改 docs/CONTENT_ZH.md。统计数字(合集数 / skill 数)以 catalog/skills.json 为准,由 make validate 的 readme-stats 检查器守护。

贡献者(Contributors): 提交前请在本地跑通完整门禁 make check(catalog 校验 + 链接 + 单元测试 + eval-harness + benchmark)。详见 CONTRIBUTING.md。

旧版归档: README-zh-CN.md 已弃用,仅作向后兼容的重定向占位。


🚀 从一个 idea 到一篇论文:社科实证研究 · 端到端流水线(全自动、可介入)

AERS 不只是 76 个散装 skill —— 它能陪你走完一篇论文。 从模糊 idea → 选题精炼 → 文献综述 → 数据获取 → 识别策略 → 估计建模 → 稳健性审计 → 出版级表格 / 图形 → 写作与同行评审 → 降 AIGC → 投稿。端到端、全自动、每一步都可被人介入(中间任何一步你都可以接过去手工改方法、补变量、加稳健性,再让流水线自动接上跑)。

9 阶段流水线 · 每一步都覆盖到具体 skill

#阶段关键 skills(点合集名进目录,→ 进完整说明)
1️⃣选题精炼 — Agent 把模糊想法收紧成"可证伪 + 可执行"的研究问题· 25 Diverga · 33 claude-scholar · 05 research-superpower · 11 compound-science
2️⃣文献综述 — 检索 · 筛选 · PRISMA 流程 · 批判性阅读 · 主题分析· 36 literature-review-skill · 24 academic-research-skills · 59 openalex-skill · 68 research-productivity-skills · 53 thematic-analysis
3️⃣数据获取 — 公开数据库 · API · 网页抓取 · 数据清洗· 33 claude-scholar · 68 research-productivity-skills · 32 stata-skill · 57 edgartools
4️⃣识别策略 — DiD / RD / IV / SCM / DML / matching 全覆盖· ⭐ 00 StatsPAI 🔥 · 10 causal-inference-mixtape · 13 MixtapeTools · 51 CausalPy · 63 scientific-agent-skills
5️⃣估计建模 — Python / Stata / R 三栈,900+ 估计器· ⭐ 00.1 Full Empirical · Python · ⭐ 00.2 Full Empirical · Stata · ⭐ 00.3 Full Empirical · R · 40 pyfixest · 39 marginaleffects · 09 awesome-econ-ai
6️⃣稳健性审计 — 复现包检查 · Honest-DiD · R&R 模拟· 41 sewage-econometrics-check · ⭐ 50 AER-skills · 21 AI-research-feedback
7️⃣表格 & 图形 — 期刊出版级排版 · LaTeX 嵌入· ⭐ 00 StatsPAI · 07 AI-Research-SKILLs · 33 claude-scholar · 08 latex-document-skill
8️⃣写作 & 同行评审 — LaTeX / Quarto · 仿审稿人 · 校对· 06 stats-paper-writing · 04 scientific-writer · 22 christopherkenny-skills · 38 academic-proofreader · 56 econ-writing-skill · 16 clo-author
9️⃣降 AIGC & 投稿 — 知网 / 万方 / Turnitin / 23 类 AI 痕迹模式· ⭐ 48 de-AIGC-skills 🇨🇳🇬🇧 · 44 humanizer_academic · 45 deslop · 46 stop-slop · 47 avoid-ai-writing · 49 humanize-chinese

🎼 元编排:⭐ 69 Paper-WorkFlow —— 一键串起来

Paper-WorkFlow 是 AERS 的"指挥棒",它把上面 9 个阶段的 skill 串成 一条按键即运行的端到端流水线。 你在 IDE 入口给它一句自然语言:

"开一个新论文项目:空气污染与中国劳动力市场,CS 设计 + 省级面板"

它会自动按顺序调:

  1. ⭐ 00 StatsPAI → sp.csdid(...) 给出 CS-DID 估计草案 + 写出估计方程与识别假设
  2. 33 claude-scholar → 抓变量定义 / 数据源候选 / 相关文献
  3. ⭐ 00 StatsPAI → 真跑 sp.feols(...) + sp.honest_did(...)
  4. 41 sewage-econometrics-check → 10 项复现包审计 + 稳健性体检
  5. ⭐ 00 StatsPAI + 07 AI-Research-SKILLs → 出 Table 1–5 + 期刊级图
  6. 38 academic-proofreader → 通读 + §comment 标"审稿人会挑刺的位置"
  7. 56 econ-writing-skill 起草初稿 + ⭐ 48 de-AIGC-skills 🇨🇳🇬🇧 + 45 deslop 过知网 / Turnitin

任何阶段你都可以手动介入 —— 上一阶段的产物全部落盘(产物-幂等 pipeline),你接过去改方法、补控制、加稳健性,再让流水线自动接下去跑。这就是"全自动 + 可介入"。

🏆 7 个 Stanford REAP × CoPaper.AI 自研 skill —— 是整个流水线的主干

⭐ Skill在流水线里的角色
00 StatsPAI 🔥因果引擎:900+ 函数,sp.causal(...) 一行跑闭环(DID / RD / IV / SCM / DML / matching)
00.1 Full Empirical · Python 📘显式 Python 栈(pandas / statsmodels / linearmodels / pyfixest)
00.2 Full Empirical · Stata 📊显式 Stata 栈(reghdfe / ivreg2 / csdid / sdid / rdrobust)
00.3 Full Empirical · R 📗显式 R 栈(tidyverse / fixest / did / HonestDiD)+ Quarto 渲染
48 de-AIGC-skills 🇨🇳🇬🇧中英双语学术降 AIGC(Turnitin AI / GPTZero / 知网 / 万方)
50 AER-skills 📕Top-5 经济学投稿套件:识别 → 稳健性 → R&R
69 Paper-WorkFlow 🧭元编排器,把上面 9 个阶段串成一键流水线

为什么挑这 7 个?因为它们的行为都被基准钉死了 —— 不是营销口径,是对着已知答案反复跑过验证过的(17 项数值 benchmark + 37 项行为评测 ↗)。

看到这里 —— 完整 76 行合集目录

↴ 直跳到下方 76 行总表(每个合集带 #skill-NN 锚点)。如果你更关心"这些 skill 怎么用"而不是"有哪些 skill",看 📘 中文唯一权威正文 里的「按用途分组」与「旗舰流水线」两节。


🧰 76 个核心 Skills 合集一览(00 → 72,编号连续无空缺)

打开仓库 → 看见整座库。 全部 76 个合集 · 1,096 个 skill,每一个都已 vendor 进本仓库,由 catalog/skills.json 跟踪。⭐ = Stanford REAP × CoPaper.AI 团队自研的 skill;其余为精选、经安全审计的社区作品。

主题图例 — 🚀 全流程与编排器 · 🎯 因果推断与计量经济学 · 📚 文献与研究设计 · ✍️ 写作 / 编辑 / 去 AIGC · 📑 引用 / 复现 / 同行评审 · 🛠️ 数据 / 工具 / 基础设施

点击【→】 跳转到 docs/CONTENT_ZH.md 中该合集的完整描述;点击合集名 直接打开其目录。

🙏 尊重原作者 — 「来源」列直接链回上游原始仓库(owner/repo)。本仓库里的社区合集都是上游快照:请去原仓库点 star、提 issue、看 LICENSE。完整的许可证与来源置信度审计见 docs/LICENSE_AUDIT.md,机器可读版本在 catalog/provenance.json。

#合集一句话详情来源
⭐ 00StatsPAI 🔥因果引擎 · Agent-native Python DSL:sp.causal(...) 一行跑闭环(DID/RD/IV/SCM/DML,900+ 函数)→brycewang-stanford/StatsPAI
⭐ 00.1Full Empirical · Python 📘显式栈:pandas · statsmodels · linearmodels · pyfixest→⭐ 本仓库
⭐ 00.2Full Empirical · Stata 📊reghdfe · ivreg2 · csdid · sdid · rdrobust 复现包→⭐ 本仓库
⭐ 00.3Full Empirical · R 📗tidyverse · fixest · did · HonestDiD + Quarto 渲染→⭐ 本仓库
01academic-paper-skills大纲 → 手稿写作 + 7 维审稿人模拟→lishix520/academic-paper-skills
02research-skills医学影像综述、提案、论文转幻灯片→luwill/research-skills
03scientific-skills假设生成 + 28 个科学数据库→K-Dense-AI/claude-scientific-skills
04scientific-writer引用管理 + 科学写作→K-Dense-AI/claude-scientific-writer
05research-superpower系统化检索、筛选与引文溯源→kthorn/research-superpower
06stats-paper-writing端到端 LaTeX 统计论文写作→fuhaoda/stats-paper-writing-agent-skills
07AI-Research-SKILLs发表级 ML 图表、LaTeX、引文核验→Orchestra-Research/AI-Research-SKILLs
08latex-document-skill创建 / 编译任意 LaTeX 文档为 PDF→ndpvt-web/latex-document-skill
09awesome-econ-aiPython 面板数据分析(linearmodels)→meleantonio/awesome-econ-ai-stuff
10causal-inference-mixtapeDID / IV / RDD / SCM 模板(Cunningham)→Jill0099/causal-inference-mixtape
11compound-science面向定量社会科学的贝叶斯估计→James-Traina/compound-science
12claude-code-my-workflow提交 → PR → 合并的研究工作流(Emory)→pedrohcgs/claude-code-my-workflow
13MixtapeToolsCunningham 的因果推断工具集与讲义→scunning1975/MixtapeTools
14research-starterR 中的 IV / DiD / RDD,含完整诊断→luischanci/claude-code-research-starter
15social-science-researchR 或 Python 端到端数据分析→Felpix-Studios/social-science-research
16clo-author多代理数据分析(R / Stata / Python)→hsantanna88/clo-author
17DAAF安全意识代理框架(32 条 deny rule)→DAAF-Contribution-Community/daaf
18stata-accounting来自 126 篇 JAR 论文的实测 Stata 范式→jusi-aalto/stata-accounting-research
19vera-economic-intelligence经济情报 / 政策研究情报工作流→CuellarC05/vera-economic-intelligence
20python-econ-skillDSGE / HANK 与定量经济计算→wenddymacro/python-econ-skill
21AI-research-feedback用 AI 同行评审生成结构化反馈→claesbackman/AI-research-feedback
22christopherkenny-skills面向 Quarto(.qmd)的 APSA 风格检查器→christopherkenny/skills
23baygent带护栏的 PyMC / Arviz 贝叶斯工作流→Learning-Bayesian-Statistics/baygent-skills
24academic-research-skills5 审稿人多视角论文评审→Imbad0202/academic-research-skills
25Diverga研究问题精炼器(抗模式坍缩)→HosungYou/Diverga
26scholar统计算法设计与文档→Data-Wise/claude-plugins
27my_claude_skills经济学摘要写作指南→dariia-m/my_claude_skills
28paper-replicate-agent论文复现代理演示→maxwell2732/paper-replicate-agent-demo
29project20XXy可复现手稿 + notebook 项目→quarcs-lab/project20XXy
30zirui-song-claude-skillsZirui Song 的研究辅助 Claude 技能集→zirui-song/claude-skills
31claude-code-skillsPython 面板数据分析→thalysandratos/claude-code-skills
32stata-skill高性能 Stata C/C++ 插件→dylantmoore/stata-skill
33claude-scholar研究全生命周期:选题 → 综述 → 实验 → 审稿回复→Galaxy-Dawn/claude-scholar
34research-companion头脑风暴、评估并决策研究方向→andrehuang/research-companion
35academic-writing-skills面向投稿场所的工业 AI 文献研究→bahayonghang/academic-writing-skills
36literature-review-skill完整文献综述工作流(中文)→taoyunudt/literature-review-skill
37IlanStrauss-ai-skillsIlan Strauss 经济学研究 AI 工作流→IlanStrauss/ai-skills
38academic-proofreader学术校对→peternka/academic_proofreader
39marginaleffects预测、斜率与比较(R / Python)→vincentarelbundock/marginaleffects
40pyfixestPython 中的快速固定效应估计→py-econometrics/pyfixest
41sewage-econometrics-check10 项复现包审计→sticerd-eee/sewage
42ARIS自主「research-in-sleep」代理,端到端→wanshuiyin/Auto-claude-code-research-in-sleep
43research-plugins478 个研究插件:数据可视化、领域、基础设施→wentorai/research-plugins
44humanizer_academic为医学/学术手稿去 AI 味(23 类模式)→matsuikentaro1/humanizer_academic
45deslop去除 AI 写作痕迹(5 维评分)→stephenturner/skill-deslop
46stop-slop三层 AI 痕迹检测与改写→hardikpandya/stop-slop
47avoid-ai-writing审计 → 改写 → 二次审计 AI 味(留痕)→conorbronsdon/avoid-ai-writing
⭐ 48de-AIGC-skills 🇨🇳🇬🇧中英双语学术降 AIGC(Turnitin AI / GPTZero / 知网 / 万方)→⭐ 本仓库
49humanize-chinese检测并人性化 AI 生成的中文文本→swaylq/humanize-chinese
⭐ 50AER-skills 📕Top-5 经济学投稿套件:识别 → 稳健性 → R&R→brycewang-stanford/AER-skills
51CausalPy贝叶斯准实验(PyMC Labs)→pymc-labs/CausalPy
52slr-prisma系统文献综述,PRISMA 2020→keemanxp/slr-prisma
53thematic-analysisBraun & Clarke 六阶段定性主题分析→keemanxp/thematic-analysis-skill
54open-science-skills引用一致性、DOI 与论据支撑审计→scdenney/open-science-skills
55r-skillsR 中用 brms 做贝叶斯推断→ab604/claude-code-r-skills
56econ-writing-skill综合 50+ 顶级指南的经济学写作→hanlulong/econ-writing-skill
57edgartools查询与分析 SEC 文件→dgunning/edgartools
58econstack政策简报(UK GES / AU Treasury)→charlescoverdale/econstack
59openalex-skill通过 OpenAlex 查询 2.4 亿+ 学术作品→shiquda/openalex-skill
60superpapers综合性实证研究支持套件→regisely/superpapers
61research-methods与预注册匹配的验证性检验→phdemotions/research-methods
62citation-checker对照 CrossRef / S2 / OpenAlex 核验引用→PHY041/claude-skill-citation-checker
63scientific-agent-skillsDoWhy 识别–估计–反驳框架→tondevrel/scientific-agent-skills
64mcp-stata20 个 Stata 因果推断与复现 skill→tmonk/mcp-stata
65game-theory-paper-writer生成并压力测试博弈论论文→本仓库 PR #17
66empirical-research-skills面向大型面板的 R 性能优化→SiyaoZheng/ai4ss-skills
67econfin-workflow-toolkit中国公司金融实证工作流,从提案到论文→本仓库 PR #22
68research-productivity-skills论文检索、SSRN、DOI 查询、下载→本仓库 PR #21
⭐ 69Paper-WorkFlow 🧭元编排器,串起整个社会科学论文流水线→brycewang-stanford/Paper-WorkFlow
70ssci-polish ✍️SSCI / SCI 英文论文语言润色(语法、可读性、学术语气)→⭐ 本仓库
⭐ 71lit-review-agent-tools 🔍文献综述工具选型 + 一键安装运行(MinerU / PaperQA2 / ASReview / STORM / MCP 服务器)→brycewang-stanford/lit-review-agent-tools
⭐ 72Kaggle Research 🧪通过官方 CLI 安全检索 Kaggle 资源、限界下载公开数据并保留审计证据→⭐ 本仓库

想看更详细的描述(主题分类、字段、统计)? 见 docs/CONTENT_ZH.md 中标注 #skill-NN 锚点的同一张表 —— 它是每个合集的完整描述所在的扩展正文。

📈 项目历程

自 2026-04 首次发布以来的主干里程碑(完整提交记录见 Commits 与 CHANGELOG.md):

---
config:
  gitGraph:
    rotateCommitLabel: false
---
gitGraph TB:
   commit id: "2026-04 首次发布"
   branch community
   commit id: "2026-05 首个社区 PR"
   checkout main
   merge community
   commit id: "2026-05 更名 AERS"
   commit id: "2026-06 插件市场"
   commit id: "2026-06 全库路由器"
   commit id: "2026-07 首个 tag" tag: "v2026.07"
   branch kaggle
   commit id: "2026-07 Kaggle 集成"
   checkout main
   merge kaggle
   commit id: "2026-08 de-AIGC 双语"
Star History Chart

Star 增长曲线(非提交数)· 由 scripts/build-star-history.py 从 GitHub API 生成并提交入库

如果 AERS 对你的工作有帮助,请引用它(CITATION.cff)并点个 Star,让更多研究者看到。


AI 是放大器,不是替代品。它替你做最耗时的"搬砖",你保留最核心的"判断"。


CoPaper.AI Stanford REAP

Stanford REAP × CoPaper.AI · 实证研究 AI 工具的学术工业级产品


扫码访问 copaper.ai
扫码访问 copaper.ai
CoPaper.AI 公众号
关注公众号「CoPaper.AI」

内置 20 个方法论 skill · 20 分钟完成实证论文 · 自研 StatsPAI(900+ 函数 / MIT 开源)

其他

中风险

  • 来源需自行核对维护者身份。
  • 包含脚本或命令调用,安装前请复核。
  • 未检测到明显外部权限要求。
  • 未检测到高风险命令。
  • 扫描发现:1 条。

Codex — Git Clone 安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 克隆仓库:git clone https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git
  3. 将 "skills/29-quarcs-lab-project20XXy/dot-claude/skills/interpret-results" 文件夹复制到 Codex 的 skills 目录中。
  4. 重启 Codex 让新的 skill 生效。

Codex — 手动复制安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 从源仓库下载 SKILL.md 及相关文件。
  3. 在 Codex 的 skills 目录中创建新文件夹。
  4. 将所有 skill 文件复制到新文件夹中。
  5. 重启 Codex 让新的 skill 生效。

Claude Code — Git Clone 安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 克隆仓库:git clone https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git
  3. 将 "skills/29-quarcs-lab-project20XXy/dot-claude/skills/interpret-results" 文件夹复制到 Claude Code 的 skills 目录中。
  4. 重启 Claude Code 让新的 skill 生效。

Claude Code — 手动复制安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 从源仓库下载 SKILL.md 及相关文件。
  3. 在 Claude Code 的 skills 目录中创建新文件夹。
  4. 将所有 skill 文件复制到新文件夹中。
  5. 重启 Claude Code 让新的 skill 生效。

Cursor — Git Clone 安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 克隆仓库:git clone https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git
  3. 将 "skills/29-quarcs-lab-project20XXy/dot-claude/skills/interpret-results" 文件夹复制到 Cursor 的 skills 目录中。
  4. 重启 Cursor 让新的 skill 生效。

Cursor — 手动复制安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 从源仓库下载 SKILL.md 及相关文件。
  3. 在 Cursor 的 skills 目录中创建新文件夹。
  4. 将所有 skill 文件复制到新文件夹中。
  5. 重启 Cursor 让新的 skill 生效。

GitHub Copilot — Git Clone 安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 克隆仓库:git clone https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git
  3. 将 "skills/29-quarcs-lab-project20XXy/dot-claude/skills/interpret-results" 文件夹复制到 GitHub Copilot 的 skills 目录中。
  4. 重启 GitHub Copilot 让新的 skill 生效。

GitHub Copilot — 手动复制安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 从源仓库下载 SKILL.md 及相关文件。
  3. 在 GitHub Copilot 的 skills 目录中创建新文件夹。
  4. 将所有 skill 文件复制到新文件夹中。
  5. 重启 GitHub Copilot 让新的 skill 生效。

Windsurf — Git Clone 安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 克隆仓库:git clone https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git
  3. 将 "skills/29-quarcs-lab-project20XXy/dot-claude/skills/interpret-results" 文件夹复制到 Windsurf 的 skills 目录中。
  4. 重启 Windsurf 让新的 skill 生效。

Windsurf — 手动复制安装

  1. 安装前请先查看来源仓库和风险报告。
  2. 从源仓库下载 SKILL.md 及相关文件。
  3. 在 Windsurf 的 skills 目录中创建新文件夹。
  4. 将所有 skill 文件复制到新文件夹中。
  5. 重启 Windsurf 让新的 skill 生效。
查看 SKILL.md 原文
name: interpret-results
description: Writes academic prose interpreting regression output. Use when describing estimation results in manuscript-ready language.
argument-hint: <cell ref or output>
allowed-tools: Bash, Read, Write, Edit, Glob, Grep

Interpret Regression Results

Write academic prose interpreting estimation output, suitable for pasting into index.qmd.

Arguments

  • $ARGUMENTS — regression output (pasted directly), or a notebook cell reference (e.g., "notebook-02#tbl-main-regression")

Steps

  1. Parse the regression output:

    • If a notebook cell reference is provided, read that notebook and extract the output from the specified cell
    • If output is pasted directly, parse the coefficients, standard errors, significance levels, and fit statistics
  2. Identify key elements:

    • Dependent variable
    • Key independent variable(s) of interest (vs. controls)
    • Significance levels and confidence intervals
    • R-squared, N, F-statistic
    • Fixed effects or clustering used
  3. Draft 1–3 paragraphs of academic prose covering:

    • Statistical significance: Which coefficients are significant at which levels
    • Direction and magnitude: Sign and size of key coefficients, in interpretable units
    • Economic significance: What the coefficient means in practical terms (e.g., "a one standard deviation increase in X is associated with a Y% change in the outcome")
    • Comparison across specifications: If multiple columns, note how results change with additional controls or FE
    • Robustness: Note whether results are stable across specifications
  4. Use appropriate academic hedging language:

    • "The results suggest..." / "We find evidence consistent with..."
    • "The coefficient is statistically significant at the 5% level"
    • "The point estimate implies that..."
    • Avoid causal language unless the identification strategy supports it
  5. Format the output for index.qmd:

    • Use Quarto cross-references where appropriate (e.g., "as shown in @tbl-main-regression")
    • Include parenthetical references to table columns (e.g., "Column (3)")
    • Note: use plain prose for cross-references to embedded content to avoid Quarto crossref warnings
  6. Present the draft to the user for review. Do not insert into index.qmd without approval.

Error handling

  • If the output format is not recognized, ask the user to clarify which values are coefficients, SEs, and significance indicators.

发现问题?提交给管理员复核

评分:

评论 (0)

暂无评论,成为第一个评论者吧!