shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsAPI key required

计量经济学及 Stata 应用- 线性回归与面板数据 Regression & Panel

一键跑 OLS 最小二乘回归（一元/多元线性回归）、面板数据固定效应/随机效应、Hausman 模型选择检验、Cox 生存分析、分位数回归、多层混合模型。导入 Excel/CSV 数据 + 指定因变量自变量，自动出系数、标准误、t 值、p 值、显著性星号与 R²，附结果解读和改进建议。提及 OLS、回归、一元线性回归、多元线性回归、最小二乘、固定效应、随机效应、面板数据、面板回归、Hausman、生存分析、Cox、分位数回归、混合模型、多层模型 等关键词时触发。

personAuthor: u_8d86d7b4hubenterprise
downloadDownload package

计量回归与面板分析

把数据 + 一句「因变量是什么、自变量是什么」丢进来，自动跑回归、输出 Stata 风格系数表 + 通俗解读。覆盖从经典 OLS 到面板数据、生存分析、分位数回归、多层模型。

我能帮你做什么（覆盖方法）

| 中文名 | English | 技能标识 slug | 分值 | |--------|---------|---------------|------| | OLS 回归 | OLS Regression | econ-ols | 2 | | 面板固定效应 | Panel Fixed Effects | econ-panel-fe | 5 | | 面板随机效应 | Panel Random Effects | econ-panel-re | 4 | | Hausman 检验 | Hausman Test | econ-hausman | 3 | | Cox 生存分析 | Cox Survival Analysis | econ-cox | 6 | | 分位数回归 | Quantile Regression | econ-quantile | 4 | | 多层混合模型 | Mixed Effects Model | econ-mixed | 6 |

用户怎么用（3 步）

第 1 步：上传数据文件 + 一句话说明

数据支持 Excel（.xlsx）和 CSV。

第 2 步：确认因变量、自变量（面板数据再指定个体/时间变量；拿不准自动识别）

第 3 步：扣积分 → 等结果

示例对话：

用户：帮我做固定效应回归，因变量 invest，自变量 profit、cashflow，个体 firm_id，时间 year。 [上传 企业面板数据.xlsx] → 识别变量、扣除对应积分（如 2~6 分） → 返回系数表（系数 / 标准误 / t / p / 显著性星号）+ R² + 解读 + Excel 报告

计费说明

  • 按次扣积分：每次成功调用按本类下该技能的分值扣减（详见《覆盖方法》表，2~6 积分）
  • 扣减与回滚：调用前预冻结积分 → 成功实扣 → 失败自动回滚
  • 充值入口：https://www.learningskill.cn/recharge
  • 后端服务：调用Learningskill 学术技能云平台的后端计算引擎 + API Key 鉴权；不引导本地 Python 跑

Agent 必须遵守的执行流程（关键）

Agent 只需读取此文件，无需读取其他源码文件。

绝对禁止：

  • ❌ 不要自己构造 HTTP 请求或理解 API 细节
  • ❌ 不要分多步弹窗交互（上传数据、标注变量、确认模型等）
  • ❌ 不要建议用户本地跑 Stata / Python / R
  • ❌ 不要二次确认是否付费

必须执行（3 步，直接执行，不要多余思考）：

第一步：检查授权

node skill-entry.js auth check
  • 如果已授权 → 直接进入第二步
  • 如果未授权 → 输出以下信息让用户获取 API Key： 
    🔑 需要 API Key 才能使用本技能

获取方式：
1. 注册账户：https://www.learningskill.cn/register
2. 登录后进入「我的账户」→ 创建 API Key（格式：sk-asc-...）
3. 把 API Key 发给我，我帮你保存

获取到 Key 后，执行：node skill-entry.js auth save <API_KEY>
    等待用户提供 Key 后，执行 node skill-entry.js auth save <KEY>

第二步：执行分析

根据用户选择的功能和数据，一条命令执行分析：

node skill-entry.js analyze <slug> --file <数据文件路径> --roles '<变量角色JSON>' --model <模型类型>

参数说明：

  • <slug>：用户选择的功能 slug（取本技能《覆盖方法》表中对应方法的 slug）
  • --file：用户上传的数据文件路径（xlsx/csv）
  • --roles：变量角色 JSON，如 '{"因变量名":"depvar","自变量名":"core","控制变量名":"control"}'
    • 角色类型：depvar（因变量）、core（核心自变量）、control（控制变量）、instrument（工具变量）、group（个体标识）、time（时间变量）
  • --model：模型类型（如 ols、panel_fe、logit 等），如果用户选择的是 econ-auto 等聚合技能，可省略此参数
  • --query：自然语言查询（仅用于 econ-auto 等支持 AI 路由的技能）

示例：

# OLS 回归
node skill-entry.js analyze econ-ols --file data.xlsx --roles '{"GDP":"depvar","投资":"core","消费":"control"}' --model ols

# 智能分析（AI 自动路由）
node skill-entry.js analyze econ-auto --file data.xlsx --query "帮我分析投资对GDP的影响"

第三步：返回结果

命令执行成功后，会输出 JSON 格式的分析结果。将结果整理后呈现给用户。

错误处理：

  • 401：API Key 无效 → 提示用户重新获取 Key
  • 402：积分不足 → 提示用户去 https://www.learningskill.cn/recharge 充值
  • 其他错误：输出错误信息给用户

详细技术契约（仅 Agent 调试参考）

本节写给排查问题的开发者，普通用户无需阅读。完整可执行逻辑以本技能包根目录 skill-entry.js 为准。

  • 鉴权与 Base URL：请求头 Authorization: Bearer sk-asc-xxx，Base URL https://www.learningskill.cn
  • 数据准备链路（顺序执行）：upload → annotate → model → contract → 正式调用
    • POST /api/v1/datasets/upload（multipart 字段 file）→ 返回 dataset_id
    • POST /api/v1/datasets/{id}/annotate（body roles：depvar/core/control/instrument/group_id/time/exclude）
    • POST /api/v1/datasets/{id}/model（body model_type）
    • POST /api/v1/datasets/{id}/contract（body 可空）→ 返回 contract_id
    • POST /api/v1/services/{slug}（body contract_id + query）
  • 本技能 model_type 取值：ols / panel_fe / panel_re / cox / quantile / mixed（FE 与 RE 选择用 hausman；面板固定效应可带 fe_type：entity 个体 / time 年份 / two 双向）