** 탭 데이터에 대한 카약 인워싱 ** - OLS에서 RDD로 17 estimators, AI 코딩 시약 기술로 패키지.

Korean한국어

이것은 무엇인가?

AI 코딩 에이전트를 제공하는 스킬(structured prompt + bundled library)는 사용자 보호된 데이터셋에 취약한 카우스애니션 분석을 실행할 수 있는 능력을 제공합니다. 그것은 표준 적용 가능한 툴킷을 포함합니다:

| 방법의 가족 | 기능 | Estimand | |—||||| | 컨트롤이있는 OLS | 1 | ATE (CIA 이하) | | 프로펜스 점수(PS, PSM, IPW, AIPW, IPW-RA) | 7 | ATE / ATT | | IV / 2SLS | 2|오시는 길 | | 다름-in-Difference(정기, 비틀림, 이벤트 연구) | 4 | ATT / 역동적 효과 | | 회귀신속성(샤rp, fuzzy, global polynomial) | 3 | 컷오프 OK |

기술에는 방법 선택 지도, 자동 업로드 데이터 진단, 데이터 사전 처리 체크리스트, covariance/SE 매핑 테이블, 알려진 라이브러리 동굴, 해석 템플릿, end-to-end 프로젝트 워크플로우, 진단 체크리스트, 결과 테이블 헬스터 및 고급 응용 워크플로우가 포함됩니다.

지원된 대리인 기구

• Claude Code / OpenClaw - SKILL.md을 직접 읽으십시오 -OpenAI/Codex 기술 UI 메타데이터 — `agents/openai를 참조하십시오.

Econometrics Skill

Causal inference for tabular data — 17 estimators from OLS to RDD, packaged as an AI coding-agent skill.

中文说明

What this is

A skill (structured prompt + bundled library) that gives AI coding agents the ability to run defensible causal-inference analyses on user-provided datasets. It covers the standard applied-econometrics toolkit:

The skill includes method selection guidance, automatic uploaded-data diagnostics, data preprocessing checklists, covariance/SE mapping tables, known library caveats, interpretation templates, an end-to-end project workflow, diagnostic checklists, result-table helpers, and an advanced applied workflow.

Supported agent frameworks

• Claude Code / OpenClaw — reads SKILL.md directly
• OpenAI/Codex skill UI metadata — see agents/openai.yaml; this is not a standalone OpenAI Agents SDK config
• Any framework that can read a Markdown skill definition

Repository

• GitHub: https://github.com/xiaomihu1992/econometrics-skill
• SSH: [email protected]:xiaomihu1992/econometrics-skill.git

Usage

# Clone the repository
git clone [email protected]:xiaomihu1992/econometrics-skill.git
cd econometrics-skill

# Install Python dependencies
pip install -r requirements.txt

# Run a smoke example
python examples/ols_example.py

For Claude Code or OpenClaw-style skill loading, install or copy the whole econometrics-skill/ folder into the environment’s skill directory, then invoke $econometrics in a causal-inference or uploaded-data diagnostic task. The main entrypoint is SKILL.md; detailed method signatures live in references/method_details.md.

Project structure

econometrics-skill/
├── SKILL.md                              # Main skill definition (English)
├── SKILL.zh-CN.md                        # 中文版 skill 定义
├── lib/
│   ├── econometric_algorithm.py          # 17 causal-inference functions
│   ├── data_preprocess.py                # load_table + uploaded-data diagnostics
│   └── result_tables.py                  # compact model comparison tables
├── references/
│   ├── method_selection.md               # Decision tree for picking the right estimator
│   ├── method_details.md                 # Exact signatures and minimal code per function
│   ├── interpretation.md                 # Reporting templates per method family
│   ├── applied_project_workflow.md       # End-to-end empirical project workflow
│   ├── data_preprocessing_advice.md      # Automatic dataset diagnostics and cleaning advice