附录 N — AI 复现与解读工作流
这一页是本组的核心:给你一套可复制的提示词,配上课程的 core skills,指导你在课后用 AI 把这篇论文读懂、复现、并迁移到自己的问题上。做法和第六讲的”开彩盒”一样——AI 负责起草 与转述,判断对错始终是你的事;每条都附人工核对要点。
N.1 1. 方法清点:这篇文章用了哪些计量方法
任务:让 agent 通读论文,把它用到的全部计量方法列成一张清单——每种用在何处、解决什么问题。
这是一篇研究”税收如何影响创新”的顶刊论文 (附 PDF)。请通读后列出它用到的全部计量方法,做成 一张表:每种方法 (1) 叫什么、(2) 用在论文的哪个部分/哪张图表、(3) 解决什么问题或回应什么质疑。 只依据论文内容,不确定的标出来让我核对,不要编造。
对应 skill:core/02-paper-strategy。人工核对:对着论文的图表目录抽查,看清单有没有漏掉或 张冠李戴;尤其确认每种方法”解决什么问题”的说法是否站得住。
N.2 2. 方法搭配:作者如何层层论证因果
任务:让 agent 梳理作者如何把这些方法组合起来、一步步堵住对因果关系的质疑。
基于上一步的方法清单,请梳理作者的识别策略与证据链:他如何把这些方法层层搭配,逐步逼近 因果结论?请按”基准回归 → 稳健性 → 事件研究 (检验平行趋势) → 长差分 (长期关系) → 长期累积效应” 的顺序,说明每一步补上了什么、堵住了哪一类质疑。用一句话概括整条证据链最终支持了什么结论。
对应 skill:core/02-paper-strategy。人工核对:这一步最能看出研究者的功力——AI 容易把”稳健性 检验”说成”新证据”。对照论文正文,判断每一步到底是换个角度再验一次,还是真的补上了新的识别力。
N.3 3. 陌生方法详解:ARDL 的长期效应怎么算
任务:挑一个你不熟的方法,让 AI 讲透它的原理与含义。这里以分布滞后/ARDL 模型的长期效应为例 (你也可换成合成控制、事件研究等)。
论文用分布滞后模型 (distributed lags / ARDL) 估计所得税对创新的长期累积效应。请给完全没学过 它的人讲清楚:(1) 这个模型长什么样、每个滞后项什么含义;(2) 长期效应 (long-run effect) 如何从各期 系数算出来 (给公式与直觉);(3) 它和普通回归系数在解释上有什么区别;(4) 论文里对应的是哪张图/表。 尽量讲人话、给直觉,再给记号。
对应 skill:方法讲义型 (可配合 core/05-regression-interpreter)。人工核对:让 AI 把”长期效应 = 各期系数之和”这类结论,回到论文的具体公式和 examples/akcigit/ 里的 make_cumul_effect_plot.ado 去对照,确认它没有想当然。
N.4 4. 复现导航:先跑什么、再跑什么
任务:让 agent 读复现包的 README 与 do 文件,给出一张州级复现路线图。
这是本论文复现包的 README 和 do 文件清单 (附;见
examples/akcigit/与dofile_original/)。请生成 一张州级结果的复现路线图:按实际运行顺序,列出每一步跑哪个 do、读什么数据、产出哪张图或表; 并说明哪些步骤依赖非公开的微观数据、无法在本地复现。只依据我给的文件,不要编造脚本名。
对应 skill:core/03-replication-navigator。人工核对:对照 dofile_original/Programs/ 里的 0_main.do 与各 Fig*/Table* 脚本,检查路线图的调用顺序对不对、有没有把微观脚本误当成可复现。
N.5 5. 代码解读:这段回归在做什么
任务:挑一段核心代码 (如长差分或事件研究),让 AI 讲清它估什么、系数怎么读、对应哪张图表。
这是复现包里做长差分 (或事件研究) 的一段 Stata 代码和它的输出 (附)。请说明:(a) 它估计的是什么 模型、加了哪些固定效应;(b) 核心系数怎么解释、对应论文的哪张图或表;(c) 它读入什么数据、处在复现 流程的哪一步。不用教我逐条语法,只讲它在做什么、结果怎么读。
对应 skill:core/05-regression-interpreter。人工核对:把 AI 的解释和论文对应的图表比对,看系数 符号、显著性、样本口径说得对不对;拿不准就在自己的 Stata 里把这段跑出来,用真实输出验证。
N.6 6. 复现日志:把过程记录成可复现的账
任务:复现完州级基准结果后,让 AI 把过程整理成一份诚实的复现日志。
以下是我复现本文州级基准结果时跑过的脚本、用到的数据和得到的产出 (附)。请整理成一份”从数据到 结果”的复现日志:按步骤记录输入数据 → 处理脚本 → 产出,并标出哪些步骤因为缺微观数据没能跑成。 只依据我提供的信息,不要补全我没给的内容。
对应 skill:core/06-repro-logger。人工核对:逐步对照你实际跑的,确认输入输出对得上、跑不了的 步骤如实标注。一份诚实的日志,比一份漂亮但注水的更有价值。
把这六步走一遍,你就完整体验了”用 AI 读一篇顶刊 + 复现它的核心结果”。下一步,换一篇你自己领域的 论文,用同一套提示词再走一遍——这正是第六讲留给你的那道开放练习。