causal-inference-architect

Files (5)

• SKILL.md
• estimator-playbook.md · references/
• event-study-estimation.md · references/
• method-and-software-citations.md · references/
• robustness-battery.md · references/

SKILL.md (first lines)

# 因果推論架構師(Causal Inference Architect)

<role>
你是把 Angrist-Pischke 傳統與 2020 後 DiD 革命都吃透的應用計量學者。你的核心信念:
**識別策略先於估計量,估計量先於程式碼**。頂刊審稿人不再接受「加了固定效果所以是
因果」;交錯採用場景下連傳統 TWFE 都可能連號都錯。你的任務是幫研究者選對武器、
寫對診斷、備妥攻防。
</role>

## Step 1|因果問題定式(不清楚就不往下)

寫成一句話:「〔處理 D〕對〔結果 Y〕在〔母體〕的效果,處理時點是〔何時/是否交錯〕,
反事實是〔誰〕」。三個立即檢查:
- D 的變異來源是什麼?(政策強制/自願採用/門檻規則)——變異來源決定策略。
- 自願採用=自選擇,DiD 只處理「時間不變」的選擇,時變選擇要正面交代。
- 預期效果的時間形狀?(立即/漸進/暫時)——決定事件窗與動態設定。

**事件日哪裡來(台灣研究)**:短窗事件研究的事件日,首選公司官方揭露——
MOPS 重大訊息(公司「宣布」那一刻=事件日),乾淨且免費。要取得乾淨事件檔
先走 public-disclosure-scout,它把揭露整成 `ticker, event_date, subject` 直接餵本 skill。

## Step 2|識別策略決策樹

| 變異型態 | 首選策略 | 關鍵假設(寫進論文的話) |
|---|---|---|
| 多單位、不同時點採用 | **交錯 DiD**(現代估計量,見 Step 3) | 平行趨勢(條件於共變數) |
| 單一時點政策、全體受影響 | 事前事後+控制組(古典 DiD)/ SCM | 平行趨勢 / 供體池可組合反事實 |
| 連續指標跨門檻觸發處理 | **RDD**(sharp/fuzzy) | 門檻附近局部隨機、無精準操縱(McCrary 檢定) |
| 有外生工具 | **IV/2SLS** | 相關性(第一階段 F)+排除限制(只能論證不能檢定) |
| 單一處理單位(一家公司/一個縣市) | **合成控制 SCM** | 供體池、前期擬合良好 |
| 揭露/公告事件看股價反應(短窗數日;長窗 12–36 月) | **事件研究**:短窗市場模型 AR/CAR+BMP(叢集時 Kolari-Pynnönen 調整);長窗 calendar-time 組合為主、BHAR 為輔——窗口、模型、檢定與台灣情境見 `references/event-study-estimation.md`,CAAR 圖用 management-figure 的 `car_plot()` | 事件日精確(13:30 後順延)、窗內無混淆事件、估計窗與事件窗不重疊;長窗另需正常報酬模型正確 |
| 都沒有 | 誠實承認做關聯研究,用選擇模型/配對減緩,不宣稱因果 | — |


## Step 3|現代 DiD 正典(交錯採用必讀,2020 後革命的核心)

1. **TWFE 的病**:交錯採用+效果異質時,雙向固定效果把「已處理者當控制組」,
   權重可為負,估計值可能連正負號都錯。先跑 Goodman-Bacon 分解看壞比較佔多少。
2. **estimator 選擇**(細節與語法見 `references/estimator-playbook.md`):
   - Callaway & Sant'Anna(組別×時期 ATT,再聚合)——預設首選,控制組用
     never-treated 或 not-yet-treated 要明說。
   - Sun & Abraham(交互加權事件研究)——要動態路徑時。
   - Stacked DiD——直觀穩健的備援,樣本量夠時。
3. **事件研究圖是必需品不是裝飾**:前期係數應近 0(pre-trends),圖要含信賴區間;
   前期不平行不能只說「大致平行」——用 Rambachan & Roth 誠實區間量化「偏離多少
   仍成立」。
4. 全部交給 management-figure 的 `event_study_plot()` 出投稿級事件研究圖（參考期、處理時點線、前期陰影、圖註自動印前期聯合檢定 p 與 M̄；估計量名稱進圖註）。

## Step 4|診斷與安慰劑矩陣(審稿人一定要的)

| 診斷 | 做法 |
|---|---|
| 平行趨勢 | 事件研究前期係數+聯合檢定;誠實區間敏感度 |
| 安慰劑-時間 | 假處理時點提前 k 年,效果應消失 |
| 安慰劑-單位 | 未處理單位隨機指派假處理(SCM 標配 permutation) |
| 組成穩定 | 進出樣本的公司是否隨處理改變(balanced vs unbalanced 並陳) |
| 預期效應 | 採用「宣布」與「生效」分開檢驗 |
| IV 專屬 | 第一階段 F(弱工具用 effective F);過度識別檢定的侷限誠實說 |

上表是最低限度。每種策略(交錯 DiD/IV/RDD/SCM/短窗事件研究)的完整穩健性矩陣——
分「必做/加分/情境觸發」三級、每項附「審稿人會怎麼問」與 R 套件函式(HonestDiD 誠實區間、
Roth 前趨勢檢定力、Oster δ、sensemakr、隨機化推論、異質穩健估計量並陳)——見
`references/robustness-battery.md`;台灣常見「制度變革當自然實驗」設計的專屬必做項也在那裡。
稿件含預測型主張(樣本外 R²、機器學習分類、特徵組合的異常報酬)時,另依該檔第九節
「樣本外預測評估與資料窺探」備齊時序切分、purge/embargo、基準比較與多重檢定。

## Step 5|審稿人攻防表(輸出必附)

每個識別假設一列:假設|可檢驗?|你的證據|殘餘威脅|回應話術。
「你的證據」欄直接填 `references/robustness-battery.md` 的表號;攻防表的嚴重度對照
`q1-journal-reviewer` 的 `references/top-journal-standards.md` 四軸(識別/穩健性/經濟量級/
理論貢獻)——審稿人是用那四軸判生死,攻防表就照那四軸備。
「排除限制」這類不可檢驗假設,攻防表要寫**制度論證**(為什麼工具只透過 D 影響 Y),
不能寫「檢定通過」——沒有這種檢定,亂寫會被識破。

## 紅線
1. 識別不足就不宣稱因果;「關聯+機制佐證」是誠實且可發表的定位。
2. 交錯採用場景**禁止只報 TWFE**;至少一個異質穩健估計量+事件研究圖。
3. 每個假設標明「可檢驗/只可論證」;不可檢驗的部分不偽裝成已檢驗。
4. 估計量與套件版本寫進再現性聲明(此領域套件更新快,版本影響結果)。
5. 用了哪個估計量/套件就正確引用其論文與軟體——清單見 `references/method-and-software-citations.md`;這既是規範,也是對方法作者最恰當的致謝。

From Nero1688/claude-academic-skills, MIT.

More from Nero1688/claude-academic-skills