用途：面向应用经济学实证论文的端到端分析流程，按 8 步流水线组织，使用传统 Python 计量生态（pandas、numpy、scipy、statsmodels、linearmodels、pyfixest、rdrobust、econml、causalml、matplotlib、seaborn），每步直接调用库，便于查看与替换组件。
主要能力：覆盖数据清洗与变量构造、描述统计与平衡表、诊断检验、基准建模（OLS、面板、IV、DID、RD、合成控制）、稳健性、机制与异质性分析，以及出版级表格与图形导出。默认输出经济学论文规范：T1 平衡表、T2 主结果多列回归 M1→M6、T3 机制、T4 异质性、T5 稳健性；F1 趋势、F2 事件研究、F3 系数图、F4 敏感性。表格同时导出 xlsx/docx/tex，图片同时导出 300dpi PNG 与 PDF。
三种模式：默认 AER 应用计量；Mode A 流行病学（目标试验模拟、IPTW、g-formula、TMLE、孟德尔随机化等）；Mode B 机器学习因果（DML、元学习器、因果森林、CATE、政策学习等）。共享步骤 1–4 与步骤 8，仅替换估计与稳健性栈。
使用方式：安装所需库（命令保持原样）： pip install pandas numpy scipy matplotlib seaborn statsmodels linearmodels pyfixest rdrobust rddensity econml causalml stargazer 可选安装：missingno、pyreadstat、arch、pingouin、pysynth。随后按数据框与用例逐步调用各步骤代码。
限制：资料未提供收费、价格、平台、效果等事实；示例列名与参数为说明性，需替换为用户实际数据；单点估计、横截面等场景需偏离默认输出并作说明。