菜单
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
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills --skill latex-table命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| 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/SiyaoZheng/ai4ss-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Route empirical-research requests through the Auto-Empirical Research Skills catalog when this whole repository is installed as one skill in Codex, CodeBuddy, Claude Code, or another IDE. Use to choose and load the right vendored AERS skill for causal inference, econometrics, replication, data acquisition, manuscript writing, peer review and referee responses, citation checking, de-AIGC editing, or full empirical-paper workflows without reading the entire repository at once.
中英双语学术降 AIGC / bilingual academic de-AIGC skill. Removes AI-generated writing signatures from empirical papers in economics, management, and the social sciences — in both English and Chinese. Covers Turnitin AI, GPTZero, Originality.ai on the English side and 知网 AMLC, 万方, 维普 on the Chinese side. Uses a six-step loop (intake → audit → claim-evidence check → differentiated rewrite → five-dimension self-score → cold-reader recheck) with two pattern libraries (22 English + 17 Chinese patterns), section-by-section strategies for empirical papers, and hard protections that keep every number, coefficient, and citation intact.
Use when a research task needs reproducible Kaggle discovery, metadata inspection, bounded public-data downloads, competition or kernel discovery, model discovery, or an explicitly approved Kaggle write/delete operation through the official CLI.
基于 SOC 职业分类