agentleFS
ranveerankhira-gifranveerankhira-gif/research-agent-skills-zh/skills/causal-inference-analysis/SKILL.md

causal-inference-analysis

Skill0 starsChanged 21 days agoMITView on GitHub

为观察性或准实验研究规划、审计、估计或解释因果效应;仅在用户明确提出因果效应/识别、反事实、DAG、混杂、倾向得分/匹配/IPW、双重稳健估计、双重差分/事件研究、工具变量、回归不连续、合成控制或目标试验模拟时使用。不要因普通回归、相关分析、预测建模、一般统计检验、A/B 测试或随机实验设计而调用。

1 other project uses a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

因果推断分析

把因果问题、识别假设、研究设计、估计方法和统计不确定性分开处理。本 Skill 只允许通过 $causal-inference-analysis 显式调用;“影响”“驱动因素”等含糊商业用语不足以构成调用理由,除非用户确实要求因果效应。

先定义目标

在选择模型前定义:目标人群、处理/暴露、比较条件、分配时间、随访起点、结果、时间范围、估计量(如 ATE/ATT/LATE)和分析单位。观察性关联问题不能通过换一个回归名称自动变成因果问题。

用领域知识描述因果结构;DAG 是假设的透明表达,不是从数据自动证明的真相。识别混杂、媒介、碰撞点、选择机制和时间变化变量。不得为了提高拟合度盲目控制处理后的变量、媒介或碰撞点。

方法选择见 references/design-methods.md;诊断、敏感性分析和报告见 references/diagnostics-reporting.md。

核心原则

  1. 先说明“在什么假设下可识别”,再计算效应。
  2. 数据不能直接检验无未测混杂、排除限制等关键假设;可做诊断和敏感性分析,但不能把它们误称为证明。
  3. 设计阶段优先:时间顺序、处理定义、可比组、重叠和负对照通常比更复杂的结果模型重要。
  4. 平衡、拟合或显著性良好不等于因果识别成立。
  5. 报告效应量、置信/可信区间、目标估计量、识别假设、诊断、敏感性分析和适用边界,不只报 p 值。
  6. 若处理会影响删失、缺失、参与或测量,需要把这些机制纳入因果结构,而不是简单完整案例分析。

数据与执行边界

  • 不虚构变量、处理时点、政策实施、工具变量、带宽、平行趋势或反事实结果。
  • 在真实数据上估计前,确认数据字典、时间单位、重复测量/聚类结构、缺失编码、处理版本和目标样本。
  • 方案设计和方法审计默认只读。读取真实数据前确认输入范围;生成代码、图表或结果文件前确认输出目录。只创建新产物,不覆盖现有分析文件。
  • 不自动下载受限数据、安装统计包、调用收费平台、上传机密数据、启动远程计算或修改原始数据。需要这些动作时分别说明并取得当前授权。
  • 预测准确率、特征重要性、SHAP 值或相关系数不能直接解释为因果效应。

与其他 Skill 的边界

  • 随机试验、随机化、区组和实验处理结构由 experimental-design 负责;本 Skill 可帮助定义估计量和偏离后的因果分析。
  • statistical-analysis 可执行一般模型、诊断和不确定性计算;本 Skill 负责识别逻辑、方法特定假设和因果解释。
  • 系统综述或元分析中的因果证据综合分别由 literature-review 和 meta-analysis 处理。

交付

按任务交付目标试验表、DAG 假设清单、识别策略、变量角色表、估计方案、代码、平衡/重叠/趋势诊断、敏感性分析、结果解释或审计报告。每个因果结论必须附带其依赖的设计事实和不可验证假设;证据不足时返回关联性结论或 causal_identification_not_supported,不能硬凑因果答案。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.