SuperAPI AI 工具集

jibs-data-analysis

数据与分析

查看项目

更新于 10-15 20:09

技能介绍

用途:为 JIBS 稿件运行并报告实证分析,重点处理跨国与多层数据。触发场景包括:跨国或多层数据进入估计与报告阶段;不确定估计量是否匹配嵌套结构(个人—企业—国家)或过程设计;审稿人质疑测量等价性、共同方法偏差(CMV)或(动态)内生性;审稿人引用 JIBS 编辑方法学社论。

主要能力:先建立跨国测量等价性,报告信度与 CFA 拟合(CFI、TLI、RMSEA、SRMR),做多组 CFA 并报告 configural→metric→scalar 不变性,失败时报告部分不变性或 alignment 方法;报告 AVE、区分效度与含信度的相关矩阵;多层聚合需用 ICC(1)、ICC(2)、r_wg(j) 论证;案例设计则强调可信性、审计轨迹与跨案例引文。按数据结构匹配估计量:嵌套数据用多层/HLM 或多层 SEM;国际化过程用动态面板(system/diff GMM)、企业固定效应、滞后因变量;进入模式/区位用 logit/probit/多项或条件/混合 logit;计数/受限因变量用 Poisson、负二项、Tobit/Heckman;标准误按国家或国家—年份聚类。CMV 需设计分离加标记变量、未测潜方法因子或交互/跨层效应存续等统计证据,仅 Harman 单因子不足。动态内生性需执行设计阶段识别的工具变量、GMM 诊断(工具数、Hansen、AR(2))、DiD 或选择模型并讨论假设。报告中介的偏差校正 bootstrap 置信区间、调节的简单斜率与增量方差、效应量而非仅 p 值,并做国家剔除、替代距离度量、替代设定等稳健性检验。

使用方式:通过 StatsPAI / Stata MCP 执行检验组合,如 romano_wolf、benjamini_hochberg、oster_delta/sensemakr、wild_cluster_bootstrap、twoway_cluster/conley,用 audit_result(result_id) 查看缺失检查,用 etable/did_summary_to_latex 生成表格。输出按测量、估计量、CMV 证据、内生性、中介/调节、稳健性、FTE 社论对齐、下一步的格式组织。

限制:资料未提供具体安装命令、价格、平台支持范围或效果保证;反模式包括未检验测量不变性就合并国家、仅用 Harman 检验、对国家嵌套数据用 OLS、国际化过程回归不处理动态内生性、只报 p 值、把文化/制度距离当黑箱协变量。