登录
下载

Skill UI

浏览并发现 15801+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 ICS ，共找到 2447 条记录
默认排序 最新上传 最多下载

公共经济学期刊匹配度评估

jpube-topic-selection
brycewang-stanford/Awesome-Journal-Skills
159
用于评估研究课题是否符合顶级公共经济学期刊（如JPubE）的发表标准。该技能指导用户从政府角色、福利影响和国际普遍性等角度进行批判性评估，帮助研究者在投稿前确定研究的学术定位。
查看详情

JPubE论文投稿工作流程指引

jpube-workflow
brycewang-stanford/Awesome-Journal-Skills
451
这是一个为目标投稿至《公共经济学杂志》(JPubE) 的学术论文设计的流程路由器。它不替代任何专业技能，而是指导作者按照从选题、贡献构建、数据分析、图表设计、撰写到投稿和回复稿件的整个生命周期，系统性地诊断和推进工作，确保研究达到高质量发表标准。
查看详情

公共经济学期刊投稿润色指南

jpube-writing-style
brycewang-stanford/Awesome-Journal-Skills
227
本技能为提交至公共经济学专业期刊（如JPubE）提供的严格终稿润色和审核流程。它确保文稿符合高标准的学术规范，重点要求作者撰写不超过250字的摘要，将引言的焦点放在政府政策问题上，并将所有量化估计结果转换为政策经济学家易于理解的福利或收入术语。旨在提高文稿的专业性和可读性。
查看详情

计量经济学实证分析方法

jqte-econometric-methods
brycewang-stanford/Awesome-Journal-Skills
298
本指南系统讲解了高级计量经济学模型，适用于时间序列、面板数据、协整和混频等实证研究。它强调了单位根检验、平稳性诊断、模型设定合理性以及模型与具体数据特征的结合，确保研究结果的科学性和严谨性。
查看详情

宏观经济预测评估标准

jqte-forecasting
brycewang-stanford/Awesome-Journal-Skills
457
本指南为撰写宏观经济或行业预测类学术论文提供严格的方法论指导。核心要求包括：必须进行样本外评估（Out-of-sample），设置多个稳健基准模型（如随机游走），并使用统计检验来证明预测结果的显著优越性，确保研究的严谨性和可信度。
查看详情

学术文献综述结构指南

jqte-literature-review
brycewang-stanford/Awesome-Journal-Skills
287
本指南为学术论文提供了高质量的综述写作框架，特别适用于数量经济学领域。它指导作者跳出简单的时间堆砌，转而围绕“方法源流（如何测度/预测/分解）”和“中国数据应用缺口”来构建综述脉络，确保综述结构能自然有力地引出本文的创新贡献和方法定位。
查看详情

数量经济论文稳健性与敏感性报告

jqte-sensitivity
brycewang-stanford/Awesome-Journal-Skills
298
本指南详细阐述了数量经济学和计量经济学论文所需的稳健性和敏感性分析方法。它明确指出本刊的稳健性检验与因果推断的安慰剂检验不同，核心在于考察测度、模型或预测结果对“方法选择、参数设定、数据口径和样本范围”变化的稳定性，指导研究者构建稳健性矩阵。
查看详情

数量经济选题精修指南

jqte-topic-selection
brycewang-stanford/Awesome-Journal-Skills
292
本指南帮助研究者将空泛的研究想法，提炼为具有高度量化对象、方法创新性和实际政策价值的学术选题。它侧重于从“影响关系”到“可测量的指标、方法和应用”的结构化升级，确保选题符合数量经济和技术经济学的专业标准。
查看详情

JQTE论文撰写工作流

jqte-workflow
brycewang-stanford/Awesome-Journal-Skills
486
本指南是为投稿《数量经济技术经济研究》（JQTE）期刊的论文撰写工作流路由器。它不替代任何专业技能，而是根据论文的当前阶段（如选题、测度、计量、预测、回复审稿意见等）和核心贡献类型，指导用户调用最佳的后续技能。旨在帮助研究人员系统化地构建论文结构，确保论文满足目标期刊对可复现性、测度方法和方法论的严格要求。
查看详情

风险不确定参数识别方法

jru-identification
brycewang-stanford/Awesome-Journal-Skills
304
本指南提供了一个严谨的学术方法论框架，用于识别风险和不确定性核心参数。它指导研究人员如何设计实验或结构模型，明确区分潜在的混淆因素（如效用曲率与概率权重、偏好与信念），确保测量的参数具有真正的可识别性，提升研究的学术严谨性。
查看详情

研究论文可复现性包构建

jru-replication-package
brycewang-stanford/Awesome-Journal-Skills
106
本指南指导用户构建学术论文的完整可复现性报告包，以满足期刊（如JRU/Springer）的提交要求。它要求将实验流程、完整指令、软件源代码、参数估计模型代码和去标识化数据等所有组件进行系统化组织。目标是确保任何外部人员都能从零开始，完美复现研究的所有结论和参数估计。
查看详情

实证研究稳健性检验指南

jru-robustness
brycewang-stanford/Awesome-Journal-Skills
332
本指南提供一套全面的实证研究稳健性检验框架。它指导研究人员如何根据特定的潜在偏误和威胁（如功能形式依赖、激励偏差、样本选择等），系统性地设计和组织稳健性检验，确保研究结果在学术上具有高度可靠性和严谨性。
查看详情
上一页123...171172173174175176177...202203204下一页
语言
简体中文
English