SuperAPI AI 工具集

causal-inference-guide

通用与其它

查看项目

更新于 10-16 05:47

技能介绍

用途:该技能用于在观察性研究中应用准实验因果推断方法,覆盖双重差分(DiD)、工具变量(IV)、断点回归设计(RDD)与合成控制,并附带实现代码与诊断检查。

主要能力:DiD 部分提供经典两期 DiD 估计函数,使用 statsmodels 的 OLS 并支持聚类稳健标准误,输出处理效应、标准误、p 值、95% 置信区间、R²、样本量与文字解释;还提供平行趋势检验,用事件研究设定对处理前各期交互项做联合 F 检验,判断平行趋势假设是否成立。IV 部分提供两阶段最小二乘估计(linearmodels 的 IV2SLS),输出 IV 估计、标准误、p 值、第一阶段 F 统计量,并按 Stock-Yogo 经验规则标记弱工具变量(F<10);同时给出 IV 诊断清单:相关性(第一阶段 F>10)、排除性约束(不可检验,需概念论证)、过度识别检验(Sargan/Hansen J 检验)。RDD 部分提供 sharp RDD 估计,以断点为中心构造处理指示变量,在带宽内做局部线性回归,输出断点估计、标准误、p 值、带宽与处理组/对照组样本量。

使用方式:以 Python 调用,依赖 numpy、pandas、statsmodels、linearmodels;各函数接收面板或截面 DataFrame 及变量名参数,返回字典形式结果。

适用场景:政策评估、项目效果评估等无法随机实验的观察性研究。

限制:排除性约束不可检验;平行趋势假设可能被违反;带宽选择与弱工具变量需谨慎处理;资料未提供合成控制的具体实现代码,也未提供安装命令、收费与平台信息。