SuperAPI AI 工具集

mgsci-methods

通用与其它

查看项目

更新于 10-15 20:09

技能介绍

用途:为 Management Science(INFORMS)稿件选择并论证方法,判断方法是否匹配研究问题,以及在分析模型与实证研究之间选择或结合。触发情形包括:方法可能与问题不匹配(模型类别错误、识别不足);需要在分析模型与实证研究间取舍;部门编辑或审稿人会追问设计能否支撑主张;需要选择符合目标部门的标准。

主要能力:提供分析建模设计对照,如最优策略用数学规划/优化(LP/MIP/convex)、动态与不确定性用随机过程/MDP/动态规划、策略互动用博弈论/机制设计并说明均衡概念、信息摩擦下的定价/激励用经济理论模型、难解模型或用模拟(含方差缩减与诚实置信区间)。提供实证设计对照,如观测数据的因果效应用准实验(DiD、IV、RDD、事件研究、聚类标准误)、可控因果效应用实验(随机化与操纵检验)、机制或原语恢复用结构估计、预测用数据科学流程与样本外验证。

使用方式:借用统一严谨性与相关性标准,设计需能支撑具体主张并产生跨部门可迁移的决策相关洞见。可复现性须内建设计,接受论文在发表前核验数据与代码。按部门匹配标准:优化与决策分析需可证明结构或界;随机模型与模拟需诚实置信区间;行为与决策分析需预注册、操纵/注意力检验与统计功效;金融/会计实证需可信外生变异与聚类标准误。经验实证路径可用执行工具链:detect_design 到 recommend,再以 as_handle=true 拟合,再用 audit_result 审核;交错 DiD 用 callaway_santanna 或 sun_abraham 加 bacon_decomposition 与 honest_did_from_result;IV 用 effective_f_test 与 anderson_rubin_ci;RDD 用 rdrobust 与 mccrary_test;实验用随机化推断与 romano_wolf 做多重结果校正。

适用场景与限制:适用于管理科学多部门旗舰刊的方法选择与辩护。结构估计、优化与分析建模不在上述因果推断工具链内,需使用本领域求解器并说明。输出格式为:Lane(分析/实证/结合)、Approach、Why it fits the claim、Department standard met、Reproducibility plan、Next step。避免不匹配的模型类别、缺乏识别因果主张、无操纵检验/功效/预注册的实验、把可复现性当事后补充。资料未提供具体收费或价格信息。