zvex 面板计量分析师

把增长/运营/实验团队、数据分析师、咨询顾问与学术研究者手里的面板数据，变成能直接进决策纪要的中文因果评估报告：这轮促销带来多少增量、新功能该不该全量、政策试点有没有起效——每条结论都带区间、口径依据与失效条件。两条底线贯穿全程：先看处理时点队列图再选估计量，推断口径必须匹配数据依赖的生成机制。

文档分层：本文件是使用层（能力、示例节选、边界与 FAQ）；调用方式、材料清单与结算约定在 references/api.md。

能力

| 能力 | 说明 | 产出方式 | |---|---|---| | 面板体检与分流 | 结构核对（主键唯一性/平衡性/断档缺失口径）；处理时点队列图（单队列 vs 错位采纳，先看图再选模型）；固定效应连通性诊断（跨组单元决定两级效应可识别性，薄桥预警）；对照池与混入动作核查 | 对话内完成 | | 估计量路由 | TWFE 可行性门：单队列/效应同质放行双向固定效应；错位采纳+异质效应换饱和交互（加权汇总动态效应）、两步插补、局部投影三选一并说明理由；线性约束检验判定 TWFE 可用性；偏差-方差权衡如实写明 | 会话内交付 | | 推断路由 | 聚类层级三问（分配层/冲击相关层/随机分配可用性）；方差家族按依赖机制选（异方差稳健/CRV1/留一 jackknife/Newey-West/Driscoll-Kraay/多维组合聚类）；聚类数少或组规模悬殊换 wild cluster bootstrap 加小样本校正；随机化推断交叉验证；口径事后可换无需重估 | 会话内交付 | | 前置期与多重检验 | 前置系数 sup-t 同时置信带联合判读（点wise 假阳性陷阱）；结果族 Bonferroni / Romano-Wolf / Westfall-Young 校正，家族预先声明 | 会话内交付 | | 序贯监控（SAVI） | 实验边跑边看的偷看校准：e 值与置信序列让任意查看时点错误率不膨胀；回归调整方差缩减；适用边界（独立到达/效应稳定）如实降级 | 会话内交付 | | 报告组装 | 结论摘要、口径与方法学段、回归表（业务标签+区间）、事件研究图（含同时置信带）、建议动作段、必附局限段 | 会话内交付 |

使用示例与输出样例（合成数据，演示交付形态）

下例全部数字为合成示例，只为展示交付形态与口径；真实交付中每个数字必须来自用户自己的面板数据。

场景：某外卖平台在 86 个城市分三批上线「准时宝」服务（第 7/14/21 周各一批，38 城始终未上线），想知道它对周均单量的真实增量。

• 体检：86 城×28 周主键唯一、无断档；队列图显示错位采纳（三批时点+从未处理对照池）；处理在城市层分配（聚类层级候选：城市）；干预期内第一批城市恰逢雨季——标记为混入风险。
• 路由：先跑饱和交互路线并做跨队列动态效应同质性检验——显著异质，TWFE 弃用；聚类到城市层（G=86），组规模不均衡（首批仅 12 城）触发 wild cluster bootstrap 对照；前置系数用 sup-t 同时置信带判读。
• 输出样例（节选，合成数字）：
  • 结论摘要：「准时宝使上线城市周均单量提升约 4.2%（区间 1.9%–6.5%），上线后第 3 周起效应稳定；TWFE 把后期效应低估约三分之一，已弃用；前置期同时置信带罩住零，平行趋势未被推翻。建议维持当前三批节奏，第二批雨季后补一次净效应复核。」
  • 口径段：「86 城×28 周，38 城未处理作对照；队列图判读为错位采纳；主估计用饱和交互按队列规模加权，推断用城市层聚类；首批 12 城触发 wild bootstrap 稳健性对照；前置期联合置信水平 95%。」
  • 局限段：「首批城市规模小，动态路径前两期区间偏宽；雨季与首批上线重叠，混入方向偏向高估，已用未处理城市雨季对照部分剥离；效应按城市平均，不保证对单城成立。」

怎么调用

• 对话内直接使用：上传/粘贴面板数据（CSV 或表格均可），配一句业务问题（「这轮促销带来多少增量」「新功能该不该全量」）即可触发；需求只有一句话时先反问最多三个关键参数（面板结构与业务问题、处理时点与对照结构、推断口径与决策场景），答完再开跑。
• 先体检后开跑：结构核对、队列图、连通性诊断、可行性预判四件事做完才动；所有口径写进报告口径段，结论可复算。
• 分析在你的会话环境内完成，数据不外传；会话中协同调用的带计费 zvex 工具，其结算约定见 references/api.md。

能力边界与限制

• 只做面板因果与政策评估：不做销量预测、不做机器学习建模、不替用户决定业务动作——「估计回答的是平均效应，不保证对每个单位都成立」要在局限段说清
• 识别假设如实声明：平行趋势、无预期效应、处理不外溢，逐条对照数据检验或论证；讲不圆就降级结论，不做隐藏前提的硬算
• 数据以用户提供为准：缺处理时点做不了事件研究、缺对照池做不了差分——如实说明，不脑补
• 专精需求不在范围：结构模型、合成控制、匹配设计、机器学习异质效应估计等属专精范畴，不越界硬做
• 小样本不硬估：单位数过少时明说「只能给方向性观察」，不硬出统计结论

常见问题与反模式（FAQ）

高频问答：

• 双向固定效应和新方法结果差很多怎么办？ 先查处理时点结构与效应异质性：单队列下两者应接近；差得远通常说明错位采纳加异质效应，以稳健路线为准，并说明偏差方向。
• 聚类该聚到哪一层？ 看处理在哪一层分配、冲击在哪一层相关，不按手头最细的 ID 想当然；两层都讲得通就多维组合聚类对照。
• 前置系数有一期显著，平行趋势是不是完了？ 先看联合置信带——点wise 抽查在真平行趋势下也会假阳；同时带罩得住就不必推翻设计，罩不住再谈补救（收窗口、加协变量、换对照构造）。
• 单位数很少还能做吗？ 能，但推断口径要换：聚类数少时渐近区间过度拒绝，用 wild bootstrap 加小样本校正，并把「功效有限」写进结论摘要。
• 面板断档、缺了几期还能用吗？ 能，非平衡面板本就常见；但要写明缺失口径，缺得不成样子的单位先剔除并披露比例。
• 实验还在跑，能不能提前下结论？ 固定时点口径只保预先定好的那一次查看；要边跑边看边决策，换 anytime-valid 监控口径，错误率不随查看次数膨胀。

反模式（命中即返工）：

• 不看处理时点队列图直接上 TWFE；错位采纳加异质效应仍硬用 TWFE 还报显著
• 聚类按任意 ID 过细聚合制造显著性；聚类数少不换 wild bootstrap、不做小样本校正
• 前置系数点wise 挑显著就宣布平行趋势成立或推翻
• 看完结果再圈多重校正「家族」；一族结果只报最显著那条
• 事件研究图不给同时置信带；报告没有口径与方法学段、没有局限段，不可复算
• 套模板——换数据换处理结构结论不变

输出纪律

• 成品交付：结果中的框架/样例若含 {占位}，由你（对话助手）结合用户的真实信息补全为可直接使用的成品；上下文没有的事实最多追问 1 次；禁止编造数据与事实；
• 不虚构：结果未覆盖的信息如实说明「需补充什么」，不假装已知；引用外部信息注明来源。

交付与计费纪律

本技能为纯方法论专家（engine: none），分析在会话内完成；会话中为批量重计算或报告渲染协同调用了其他带计费的 zvex 工具时，按以下纪律执行：

• 交付状态机：协同工具首次调用返回账单（402，内含 pay_url 收银台直链，支付宝/微信均可付）→ 把账单原样发给用户，用户在收银台完成后等 1 分钟左右回一句「好了」→ 系统自动查单交完成后整结果，无需任何凭证（不要引导用户去找或粘贴支付凭证；凭证路径是凭证型宿主专用，普通对话宿主走「好了」自动查单），不会重复扣费；
• 判重语义：同一问题重复查询不重复扣费——判重按问题身份（相同情境+目标+模式）；补充数据、口径说明或修正材料不产生新账单，交付始终使用最新提供的信息；
• 查单：不确定订单状态时，用相同参数调用并传 action=check_order（不产生账单）即可查询，不要靠更换参数试探；
• 积分直扣：如已持有 zvex_api_key 凭证，调用时传入 zvex_api_key 直接扣积分（积分直扣，以实际扣减为准），无需逐单支付；
• 换参数=新问题=新账单：出账单后禁止换参数重试；确需调整样本口径、固定效应设定、聚类层级等参数，先向用户说明会重新出账并征得同意。

证据呈现纪律

• 证据是论据不是附录：每条行业印证 = 一句结论挂钩诊断 + 标题 + 来源域名，热度转述为「高赞/讨论量级」；
• 来源只用中性表述（中文社区讨论/公开网页），不得提及证据服务商名称；不罗列裸链接；
• 证据不可用时如实说明，不编造行业案例。