Did Analysis Expert

metadata: version: "5.1.0-cli-native+agent" methodology: "Difference-in-Differences (Angrist & Pischke 2009)" absolute-prohibitions: true task-decomposition-rules: true ai-cli-native: true task-queue-support: true agentskills-io: true cross-platform: true state-persistence: true academic-alignment: true subagent-support: true graceful-fallback: true created: "2026-03-05" updated: "2026-03-14" author: "SocienceAI Methodology Expert" license: "MIT"

execution_modes: cli_queue: "CLI任务队列（基础）" subagent_parallel: "子Agent并行（增强）"

performance: sequential: "20-40分钟/单案例" parallel: "30分钟/3案例并行（3x加速）"

在 AI CLI 中使用

方式 1: 在对话中直接使用（推荐）

你：使用DID分析技能分析这个政策干预的效果

AI: 好的，我将使用DID分析技能进行分析。
    正在创建任务队列...

    任务清单：
    1. 数据结构验证 (5 分钟)
    2. 平行趋势检验 (15 分钟)
    3. 处理效应计算 (10 分钟)
    4. 稳健性检验 (15 分钟)
    5. 异质性分析 (10 分钟)
    6. DID分析报告 (10 分钟)

    共 6 个任务，预计 65 分钟。开始执行...

方式 2: 使用 Python 工具

# 1. 数据验证
python tools/data_validator.py -i data/did_data.csv -o results/validation.json

# 2. 平行趋势检验
python tools/parallel_trends_checker.py -i data/pre_treatment.csv -o results/parallel_trends.json

# 3. 处理效应计算
python tools/treatment_effect_calculator.py -i data/analysis_data.csv -o results/treatment_effect.json

# 4. 稳健性检验
python tools/robustness_tester.py -i results/treatment_effect.json -o results/robustness.json

# 5. 异质性分析
python tools/heterogeneity_analyzer.py -i data/subgroups.csv -o results/heterogeneity.json

# 6. 安慰剂检验
python tools/placebo_test.py -i data/pre_treatment.json --treatment treated --control control --outcome outcome -o results/placebo.json

基本信息

名称: did-analysis-expert (Difference-in-Differences Analysis Expert) 版本: 5.0.0-cli-native+agent 作者: SocienceAI Methodology Expert 许可证: MIT

描述

🖥️ 项目初始化（跨平台Python脚本）

使用Python创建项目目录

import os

# 设置项目路径
project_path = r"D:\your_project_path\项目名"  # Windows
# project_path = "/home/user/project"  # Linux/macOS

# 创建标准目录结构（跨平台兼容）
for subdir in ['.tasks', 'data', 'results', 'visualizations', 'logs']:
    os.makedirs(os.path.join(project_path, subdir), exist_ok=True)

print(f"项目目录创建完成: {project_path}")

目录结构

项目目录/
├── .tasks/           # 任务状态和进度
├── data/             # 原始数据
├── results/          # 分析结果
├── visualizations/   # 可视化
└── logs/             # 日志

⚠️ 禁止使用

• ❌ # # 使用Python os.makedirs创建目录 （Linux命令，Windows不支持）
• ✅ 使用Python的os.makedirs(path, exist_ok=True)（跨平台兼容）

双重差分分析专家 - 支持复杂任务分解和长时任务执行的因果推断分析技能。

DID (Difference-in-Differences) 通过比较处理组和对照组在政策实施前后的变化差异，识别和估计政策的因果效应。

核心能力

1. 数据结构验证

   • 面板数据完整性检验
   • 处理组/对照组识别
   • 政策前后期数验证

2. 平行趋势检验

   • 事件研究法
   • 趋势图绘制
   • 统计显著性检验

3. 处理效应计算

   • 双向固定效应模型
   • 聚类标准误
   • 置信区间估计

4. 稳健性检验

   • 安慰剂检验
   • 敏感性分析
   • 子群体分析

适用场景

• 政策评估研究
• 准实验设计分析
• 面板数据因果推断
• 自然实验分析
• 干预效果评估

方法论基础

DID核心公式

DID效应 = (Y_处理组,后 - Y_处理组,前) - (Y_对照组,后 - Y_对照组,前)

标准回归方程

Y_it = α + β(Treated_i × Post_t) + γX_it + μ_i + λ_t + ε_it

核心假设

1. 平行趋势假设：处理组和对照组在无干预时有相同趋势
2. 外生性假设：处理分配与潜在结果无关
3. SUTVA：无溢出效应

六大绝对禁止原则

1. 禁止未检验平行趋势就报告效应

错误做法:

直接估计DID效应:
  - 忽视平行趋势假设
  - 直接报告因果效应

正确做法:

平行趋势检验优先:
  步骤1: 绘制事前趋势图
  步骤2: 事件研究法检验
  步骤3: 统计检验通过
  步骤4: 才能报告效应

2. 禁止忽视聚类标准误

错误做法:

使用普通标准误:
  - 忽视面板数据相关性
  - 导致假阳性结果

正确做法:

聚类稳健标准误:
  - 在单位层面聚类
  - 解决序列相关问题

3. 禁止忽视溢出效应

错误做法:

假设无溢出:
  - 不讨论处理组对对照组的影响
  - 忽视SUTVA违反

正确做法:

讨论溢出效应:
  - 评估处理组影响范围
  - 讨论潜在偏误方向

4. 禁止选择性报告

错误做法:

选择性报告:
  - 只报告显著结果
  - 隐藏不稳健发现

正确做法:

透明报告:
  - 报告所有预定义分析
  - 包括不显著结果

5. 禁止过度外推

错误做法:

过度外推:
  - 将局部因果效应推广到全局
  - 忽视研究情境限制

正确做法:

有限外推:
  - 明确因果效应的适用范围
  - 讨论外部效度限制

6. 禁止忽视假设限制

错误做法:

忽视假设:
  - 不讨论识别假设
  - 不报告潜在违反

正确做法:

假设讨论:
  - 逐一讨论核心假设
  - 诚实报告潜在违反

工具链

质量保证机制

1. 阶段检查点：每阶段结束进行质量检查
2. 平行趋势门槛：未通过平行趋势检验不得报告因果效应
3. 稳健性覆盖：必须至少执行2种稳健性检验
4. 标准误规范：必须使用聚类稳健标准误
5. 假设讨论：必须讨论识别假设的潜在违反

一、禁止定性分析硬编码（CRITICAL）

详细指南

完整的使用指南请参考: 详细指南

版本: 5.0.0-cli-native+agent 更新日期: 2026-03-14 方法论严谨性: 0%妥协