with one click
latex-table
LaTeX回归表格生成Skill。辅助生成符合AER/QJE等顶刊格式的三线表,包括标准误聚类标注、显著性星标、固定效应标注。触发词:LaTeX表格/回归表/三线表/table制作/latex table
Menu
LaTeX回归表格生成Skill。辅助生成符合AER/QJE等顶刊格式的三线表,包括标准误聚类标注、显著性星标、固定效应标注。触发词:LaTeX表格/回归表/三线表/table制作/latex table
学术引用核查Skill。要求每条引用必须定位到PDF原页,区分直接引用/间接引用,找不到原文则标注"待核"。触发词:引用核查/检查引用/citation check/核实文献/引用 fidelity
调查数据清洗Skill。处理调查数据(CGSS/CHIP/CSS等)时的标准化清洗流程,包括缺失值处理、变量编码统一、数据异常值检测。触发词:数据清洗/调查数据/codebook/数据清洗流程/问卷数据处理
双重差分(DID)实证审查Skill。做DID分析前必须检查平行趋势假设、画图可视化、报告违背情况。触发词:DID审查/双重差分检查/平行趋势/DiD reviewer/difference-in-differences
经济学顶刊标准审稿Skill。按AER/QJE/Econometrica/JPE顶刊标准审查论文输出(图表+回归表),列出潜在致命缺陷。触发词:顶刊审稿/论文审查/econ reviewer/经济学期刊标准/PR
苏格拉底诘问式研究选题Skill。通过连续追问帮你厘清研究思路、聚焦研究子领域、明确研究问题(RQ),识别出未被研究过的新意选题。触发词:帮我选题/研究问题不清晰/想做一个有新意的论文/不断问我问题/厘清思路
R语言实证分析优化Skill。优化R代码效率、处理大规模面板数据、加速回归计算(并行化、向量化、向量化)。触发词:R语言优化/R加速/R性能优化/大规模数据处理/R optimization
| name | latex-table |
| description | LaTeX回归表格生成Skill。辅助生成符合AER/QJE等顶刊格式的三线表,包括标准误聚类标注、显著性星标、固定效应标注。触发词:LaTeX表格/回归表/三线表/table制作/latex table |
| version | 1.0 |
| metadata | {"openclaw":{"emoji":"📋","homepage":"https://github.com/zheng-siyao/ai4socialscience-skills"}} |
本 Skill 辅助生成符合**经济学顶刊(AER, QJE, Econometrica, JPE)**格式规范的 LaTeX 回归表格。涵盖:标准三线表、面板数据固定效应表、工具变量表、事件研究表。
顶刊表格的核心要素:
┌─────────────────────────────────────────────┐
│ 表头(表标题 + 注释信息) │
├─────────────────────────────────────────────┤
│ 列标签(列1 列2 列3) │
│ ────────────────────────────────────────── │ ← 第一道线(顶部)
│ 变量行(因变量、自变量、控制变量) │
│ ────────────────────────────────────────── │ ← 第二道线(列分隔)
│ 统计量行(N、R²、F、聚类标准误) │
├─────────────────────────────────────────────┤
│ 表底注释(显著性标注、数据来源、稳健性说明) │
└─────────────────────────────────────────────┘
| 符号 | p值 | 说明 |
|---|---|---|
| *** | p < 0.001 | 1% 显著性 |
| ** | p < 0.01 | 5% 显著性 |
| * | p < 0.05 | 10% 显著性 |
| † | p < 0.10 | 15% 显著性(部分期刊) |
⚠️ 注意:不同期刊对星标的数量和阈值要求不同,投稿前需确认目标期刊格式。
\begin{table}[htbp]
\centering
\caption{基准回归结果}
\label{tab:baseline}
\begin{threeparttable}
\begin{tabular}{l*{3}{c}}
\toprule
& \multicolumn{3}{c}{因变量: log(GDP per capita)} \\
\cmidrule(l){2-4}
& (1) & (2) & (3) \\
\midrule
互联网普及率 & 0.023*** & 0.018** & 0.015* \\
& (0.007) & (0.008) & (0.008) \\
控制变量 & 否 & 是 & 是 \\
固定效应 & 否 & 否 & 年份+国家\\
\midrule
观测值 & 1,240 & 1,240 & 1,240 \\
R² & 0.041 & 0.315 & 0.682 \\
\bottomrule
\end{tabular}
\begin{tablenotes}
\item \textit{注:} ***, **, * 分别表示1\%, 5\%, 10\%的显著性水平。括号内为聚类标准误(聚类在国家层面)。控制变量包括:教育年限、人口增长率、贸易开放度。
\end{tablenotes}
\end{threeparttable}
\end{table}
\begin{table}[htbp]
\centering
\caption{固定效应模型估计结果}
\label{tab:fe}
\begin{threeparttable}
\begin{tabular}{l*{4}{c}}
\toprule
& \multicolumn{2}{c}{OLS} & \multicolumn{2}{c}{固定效应} \\
\cmidrule(l){2-3} \cmidrule(l){4-5}
& (1) & (2) & (3) & (4) \\
\midrule
技术扩散指数 & 0.035*** & 0.028** & 0.021* & 0.018* \\
& (0.009) & (0.010) & (0.011) & (0.010) \\
\midrule
国家固定效应 & \checkmark & \checkmark & \checkmark & \checkmark \\
年份固定效应 & & \checkmark & & \checkmark \\
\midrule
观测值 & 1,240 & 1,240 & 1,240 & 1,240 \\
R² & 0.31 & 0.45 & 0.72 & 0.78 \\
\bottomrule
\end{tabular}
\begin{tablenotes}
\item \textit{注:} 同上。固定效应模型使用双向聚类标准误(国家+年份)。
\end{tablenotes}
\end{threeparttable}
\end{table}
\begin{table}[htbp]
\centering
\caption{工具变量估计结果}
\label{tab:iv}
\begin{threeparttable}
\begin{tabular}{l*{3}{c}}
\toprule
& OLS & \multicolumn{2}{c}{2SLS} \\
\cmidrule(l){2-2} \cmidrule(l){3-4}
& (1) & (2) & (3) \\
\midrule
技术扩散指数 & 0.023*** & 0.041*** & 0.038*** \\
& (0.007) & (0.013) & (0.012) \\
\midrule
KP F统计量 & & 24.6 & 28.3 \\
弱工具变量检验 & & & \\
\midrule
观测值 & 1,240 & 1,240 & 1,240 \\
\bottomrule
\end{tabular}
\begin{tablenotes}
\item \textit{注:} 列(2)-(3)使用技术扩散的滞后值作为工具变量。KP F统计量>10通过弱工具变量检验。
\end{tablenotes}
\end{threeparttable}
\end{table}
// 安装 estout 套件
ssc install estout, replace
// 保存回归结果
eststo clear
eststo: reg ln_gdp internet i.year, vce(cluster country)
eststo: reg ln_gdp internet cov1 cov2 i.year, vce(cluster country)
// 导出 LaTeX
esttab using "tables/table1.tex", replace ///
title("基准回归结果") ///
label ///
booktabs ///
nonumbers ///
mtitles("OLS" "OLS") ///
star(* 0.05 ** 0.01 *** 0.001) ///
se ///
r2 ///
addn("控制变量包括教育年限、人口增长率、贸易开放度。")
import pandas as pd
from scipy.stats import ttest_ind
# 使用 statsmodels 输出的 LaTeX 转换
from statsmodels.iolib.summary import summary_table
# 回归后
result = model.fit()
print(result.summary_latex())
| 要求 | 说明 |
|---|---|
| Threeparttable | 使用 \begin{threeparttable} 环境 |
| booktabs | 使用 \toprule, \midrule, \bottomrule |
| 字体 | 通常10pt,表的注释可9pt |
| 列宽 | 使用 p{3cm} 控制列宽,或 tabularx 自动调整 |
| 数字对齐 | 数字右对齐,变量名列左对齐 |
| 缺失值 | 表格中用空白表示缺失,不写"NA" |
## 表格输出规范
**输出路径**:tables/table{N}.tex
**主子表规范**:
- 主表(Main):表格1-3,放入正文
- 附录表(Appendix):表格A1-A10,放入Online Appendix
**文件名规范**:
tables/table1_baseline.tex # 基准回归 tables/table2_heterogeneity.tex # 异质性分析 tables/tableA1_robustness_iv.tex # 附录:IV稳健性
**LaTeX 代码规范**:
- 表格必须可编译(无缺失 `}` 或 `{`)
- 所有特殊字符(%, &, #)需转义
在 Claude Code 对话窗口输入:
/latex-table
或完整 Prompt:
按LaTeX表格Skill生成符合AER顶刊格式的三线表回归结果,包括:基准回归表(表1)、固定效应表(表2)、工具变量表(表3)。使用booktabs环境,包含标准误聚类标注、显著性星标、固定效应标注。
did-reviewer → DID 回归结果使用事件研究表格式R-optimizer → R 输出表格时的优化codebook-pass → 清洗后数据直接用于表格生成