AER 级规范 · 全自动 · Claude Code

Auto-Eco
全自动计量经济学论文写作系统

给定研究主题和数据,自动完成文献调研、实证分析、论文写作,直接输出可投稿 PDF

8
专用技能模块
6
回归表格自动生成
0
需要 Stata
AER
规范内嵌

从数据到 PDF,全程自动

以下演示以"宽带中国试点政策对县级制造业TFP的影响"为研究主题,展示系统如何在无需人工干预的情况下完成从数据到可投稿论文的全流程。

七步全自动流水线

一条指令触发,各阶段顺序执行,状态文件跨步骤传递,确保前后一致性。

0

数据探索 eco-data-explore

自动识别面板结构、候选变量、识别策略信号(DiD / IV / RD),推荐 FE 组合与聚类层级。

1

政策背景搜索 eco-background

WebSearch 官方文件 + 政策名单,建立处理批次时间线,每个事实附 URL 来源,为外生性叙事提供支撑。

2

文献调研 eco-lit-review

6 轮 WebSearch(AEA / NBER / 机制 / 中国情境 / 综述),归纳 3–5 条文献脉络,提出可检验假设 H1/H2/H3。

3

引用核查 eco-ref-verify

逐条 WebSearch 核查引用真实性,判定 ✅ PASS / ⚠ WARN / ❌ FAIL,自动拦截假引用。

4

实证分析 eco-analysis

CS-DiD(Staggered 稳健)+ TWFE 对照,自动生成 Table 1–6 + 事件研究图,结构化安慰剂直接进 Table 2。

5

贡献声明 eco-contribution

对比最近似已有文献,找出本文真实增量,起草 3 条有数字支撑的贡献声明。

6

论文写作 + PDF eco-write-paper

AER 8 段引言 + 完整正文 + 结论,LaTeX 编译输出可投稿 PDF,中文字体全程支持。

Demo 项目完整输出

所有文件均来自 demo_eco/ 目录,可直接下载查看。

事件研究图

事件研究图(CS-DiD)

前4期系数均不显著,平行趋势成立;政策当年 ATT ≈ 0.11,效应持续稳定。

📊

Table 2 基准回归

6 列递进规格 + 安慰剂列。主模型 β = 0.107(SE = 0.004,p < 0.001),占均值 4.2%。

🔍

Table 6 异质性分析

东部效应(β = 0.140)≈ 西部(β = 0.084)的 1.67 倍;大县效应较小县高 46%。

⚙️

Table 5 机制分析

三步中介回归,专利创新渠道传导 5.7% 的 TFP 效应,要素配置效率是主导机制。

引用核查报告

8 条引用逐一 WebSearch 核实,输出 PASS / WARN / FAIL 判定,防止假引用入稿。

为什么选 Auto-Eco

🎯

AER 规范全内嵌

识别策略决策树、FE 组合指南、聚类 SE 规则、WCB 警告均内嵌于 Skill,无需手动查阅。

🔄

Staggered DiD 原生支持

自动检测多队列处理,以 Callaway & Sant'Anna (2021) CS-DiD 为主估计,TWFE 为对照。

🌐

实时文献核查

每条引用 WebSearch 核实,自动拦截 FAIL 引用,告别幻觉引用。

📝

直出可投稿 PDF

LaTeX + 中文字体,编译即得 PDF,无需 Stata、Word 或额外排版工具。

🛡️

不做 Specification Searching

主系数不显著时如实报告,通过多结果表和异质性建立论证,保持学术诚信。

🔧

模块化,可单独调用

每个阶段均为独立 Skill,可按需单独运行,也可一键 /eco-pipeline 全流程。

两步即可运行

需要已安装 Claude Code 和 Python 3.8+。

# 1. 安装 skills
# Windows
cp -r ./skills/* C:/Users/<用户名>/.claude/skills/
 
# macOS / Linux
cp -r ./skills/* ~/.claude/skills/
 
# 2. 安装 Python 依赖
pip install pyfixest linearmodels statsmodels pandas numpy scipy openpyxl matplotlib seaborn csdid
 
# 3. 在 Claude Code 中运行
/eco-pipeline "你的研究主题" "你的项目目录"