Stats
Actions
Tags
Stress-tests quasi-experimental identification strategies (DID, IV, RDD, DML) for economic research manuscripts against modern estimators and reporting standards.
How this skill is triggered — by the user, by Claude, or both
Slash command
/economic-research-skills:er-identificationThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
配套代码：`resources/code/stata/03_did_modern.do`（DID）、`04_iv.do`（IV）、`05_rdd.do`（RDD）、`06_dml.do`（DML）。
配套代码：resources/code/stata/03_did_modern.do（DID）、04_iv.do（IV）、05_rdd.do（RDD）、06_dml.do（DML）。
《经济研究》编委的偏好排序（强 → 弱）：
该刊明确反对"唯定量倾向"：识别策略再漂亮，也要回到理论与中国制度问题。识别是手段，不是卖点。
交叠 DID 不能只报 TWFE。标准流程四步：
bacondecomp）——展示"坏比较 / 负权重"问题。| 估计量 | 论文 | Stata | R |
|---|---|---|---|
| group-time ATT | Callaway & Sant'Anna (2021) | csdid | did::att_gt |
| 交互加权 IW | Sun & Abraham (2021) | eventstudyinteract | fixest::sunab |
| 插补（最有效率） | Borusyak, Jaravel & Spiess (2024) | did_imputation | didimputation |
| 两阶段 | Gardner (2022) | did2s | did2s |
| 非二值/可逆处理 | de Chaisemartin & D'Haultfœuille (2020/24) | did_multiplegt_dyn | DIDmultiplegtDYN |
* Callaway-Sant'Anna：gvar = 首次受处理年份，从不处理者 = 0
csdid Y X, ivar(id) time(year) gvar(gvar) method(dripw)
estat simple // 总体 ATT
estat event // 动态效应
er-robustness）。避坑：平行趋势"只看图不检验"；预期效应/提前反应；用 TWFE 事件研究当交叠下的动态主结果（也可能有偏，主结果用 CS / SA）。
不要只报"F>10"。标准报告四要素：
weakivtest），单内生变量更稳妥。weakiv）；恰好识别时 AR 对弱工具完全稳健。ivreg2 Y X (D = Z1 Z2), robust first // 自动报告 KP rk F、Hansen J
weakivtest // 有效 F
weakiv ivreg2 Y X (D = Z1 Z2), robust // AR / CLR / K 稳健区间
排他性论证至少三段：理论 / 制度 / 安慰剂；并报告 reduced form。 范文对标（确属《经济研究》）：王永钦、董雯《机器人的兴起如何影响中国劳动力市场？》（2020 年第 10 期）——以美国行业机器人渗透趋势构造 Bartik / shift-share 工具变量，论证外生性与排他性。
rdplot Y X, c(0) p(1) kernel(triangular)
rdrobust Y X, c(0) p(1) kernel(triangular) bwselect(mserd) // 报告 Robust 行
rddensity X, c(0) // CJM 操纵检验
rddensity（Cattaneo-Jansson-Ma，已取代 McCrary 2008）。报告：模型类型（偏线性 PLR / 交互式）、交叉拟合折数 K（5 或 10）、干扰函数学习器（lasso / 随机森林 / 梯度提升）+ 学习器稳健性对比、Neyman 正交得分标准误（Chernozhukov et al. 2018）。Stata ddml+pystacked；Python DoubleML。
微观基础是否清晰？识别假设是否明确列出？参数估计是否提供反事实分析？
| 场景 | 做法 | 命令 |
|---|---|---|
| 组内相关 | 聚类稳健 | reghdfe ..., vce(cluster id) |
| 两维相关 | 双向聚类 | vce(cluster firm year) |
| 聚类数过少（<~40） | wild cluster bootstrap | boottest（见 er-robustness） |
| 空间相关 | Conley 空间 HAC | acreg |
【识别策略】交叠DID / IV / RDD / DML / 结构估计 / 其他
【交叠DID 主估计量】TWFE only（需升级）/ CS / SA / BJS / dCDH
【已完成检验】[Bacon分解, 平行趋势, 安慰剂, KP F, 有效F, AR, rddensity, ...]
【缺失检验】[...]
【聚类层次】...
【下一步】er-mechanism
npx claudepluginhub brycewang-stanford/awesome-journal-skills --plugin economic-research-skillsReviews causal identification strategies (DID, IV, RDD, PSM, DML) for empirical economics manuscripts, stress-testing designs and checking diagnostics like parallel trends, weak instruments, and balance.
Stress-tests causal identification designs (DiD, IV, RDD, experiment) for EER manuscripts, ensuring credibility before finalizing exhibits.
Guides selection, implementation, and stress-testing of causal identification strategies for REStud manuscripts: DID, IV, RDD, synthetic control, shift-share, RCT.