- name
SKILL.md
Die Skill-Datei bleibt im Repository des Herausgebers.
Fügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add brycewang-stanford/Auto-Empirical-Research-Skills --skill 10-Jill0099-causal-inference-mixtape -a cursor -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add brycewang-stanford/Auto-Empirical-Research-Skills --skill 10-Jill0099-causal-inference-mixtape -a claude-code -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add brycewang-stanford/Auto-Empirical-Research-Skills --skill 10-Jill0099-causal-inference-mixtape -a codex -yFügen Sie den kopierten Befehl in ein Terminal ein. Er installiert diese SKILL.md in dem jeweiligen Agenten.
npx skills add brycewang-stanford/Auto-Empirical-Research-Skills --skill 10-Jill0099-causal-inference-mixtape -a grok -ySenden Sie die kopierte Nachricht in einem Grok Bot-Chat. Der Bot ruft diese SKILL.md von GitHub ab und fügt sie den Skills hinzu, die alle Ihre Bots gemeinsam nutzen.
Install this skill: https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills/tree/HEAD/skills/10-Jill0099-causal-inference-mixtapeVom Herausgeber
Practitioner-oriented causal inference skill built from Scott Cunningham's Causal Inference: The Mixtape repository. Covers 10 identification strategies with ready-to-run code templates in Python, R, and Stata.
references/method-patterns.mdimport statsmodels.formula.api as smf
model = smf.ols('y ~ C(treated)*C(post) + controls', data=df)
results = model.fit(cov_type='cluster', cov_kwds={'groups': df['firm_id']})
# Create relative time dummies
for k in range(-4, 5):
col = f'rel_{k}' if k >= 0 else f'rel_m{abs(k)}'
df[col] = (df['relative_time'] == k).astype(int)
# Drop t=-1 as reference
formula = 'y ~ ' + ' + '.join([c for c in rel_cols if c != 'rel_m1']) + ' + C(id) + C(year)'
from linearmodels.iv import IV2SLS
model = IV2SLS.from_formula('y ~ 1 + exog + [endog ~ instrument]', data=df)
results = model.fit(cov_type='clustered', clusters=df['cluster_var'])
rpy2 to call R's Synth from Python.references/method-patterns.md — Detailed code templates for all 10 methods with full examplesreferences/r-stata-comparison.md — Cross-language package comparison and method coverage gapsprompts/01-implement-method.md — Copy-paste prompt for implementing any causal methodprompts/02-robustness-checks.md — Copy-paste prompt for generating robustness check codeThis skill should be used when the user asks to "implement a DiD regression", "write a causal inference pipeline", "set up an event study", "implement instrumental variables", "run a regression discon
---name: causal-inference-mixtapedescription: This skill should be used when the user asks to "implement a DiD regression", "write a causal inference…---# skills/10-Jill0099-causal-inference-mixtape/SKILL.mdÜbersicht
This skill should be used when the user asks to "implement a DiD regression", "write a causal inference pipeline", "set up an event study", "implement instrumental variables", "run a regression discontinuity design", "build a synthetic control model", "implement propensity score matching", "write parallel trends test", "implement Bacon decomposition", or needs code templates for causal inference methods in Python, R, or Stata. Based on Scott Cunningham''s Causal Inference: The Mixtape.
FAQ
Laden Sie skills/10-Jill0099-causal-inference-mixtape/SKILL.md vom Herausgeber herunter oder kopieren Sie den Pfad und öffnen Sie das Repository. PlugMCP listet den Skill und hostet die Datei nicht.
Der Herausgeber pflegt es unter https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.
Claude, Cursor, Codex und Grok Build können eine SKILL.md lesen, die Sie aus dem Repository des Herausgebers hinzufügen. Grok Bot installiert sie, wenn Sie den Link zum GitHub-Ordner des Skills in einem Chat senden.