codex-stata-for-economists

KO | EN

gitlite — search

#javascript #typescript #llm #go #android #nodejs #windows #kubernetes #awesome-list #security #pytorch #mcp #ios #openai

codex-stata-for-economists

(★ 228)

A Codex Stata pipeline for Economists by 朱晨 | 遗传社科研究

codex-stata-for-economists 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 面向经管专业的 Stata 可复现 Codex 工作流

**作者：** 朱 晨 | 遗传社科研究 Chen Zhu | China Agricultural University (CAU)

**最后更新：** 2026-06-02

**致谢：** [@shy7890](https://github.com/shy7890)（bug修复）

这是一个为经济学实证研究准备的 Stata 工作流。核心目标是让一个研究项目从原始数据、清洗、变量构造、模型估计，到表格、图形和 Quarto 报告，都能被稳定复现、被日志验证，并且适合由 Codex 协助维护。

本仓库原本包含 Claude Code 配置；现在已经改为 **Codex 优先、Claude Code 兼容** 的结构。Codex 进入项目后应优先读取 `AGENTS.md`，原有 `.claude/` 和 `CLAUDE.md` 保留用于兼容 Claude Code，也可作为更详细的规则参考。

生成的 Stata 代码及图表示例：

---

## 项目理念：方法平权 —— 但前提是你要动起来

我做这个项目背后的一个基本想法是：**统计和计量方法不应只属于少数已经熟悉软件、代码和研究流程的人。**

在传统课堂中，学生常常不是因为不理解某个统计概念而停下来，而是卡在更具体、更琐碎的地方：数据放在哪里、do-file 怎么组织、log 怎么看、回归结果怎么导出、图表怎么生成、报告怎么复现。这些技术门槛会逐渐扩大方法学习的差距，使一部分学生还没真正进入实证研究，就已经被软件和流程挡在门外。

Agent 在这里的意义是降低进入方法训练的起点。它可以帮助学生把零散命令组织成完整流程，把错误暴露在日志中，把表格、图形和报告纳入可复现的 pipeline。让学生在 Agent 的陪伴下真正进入统计、计量和可复现研究的实践。

但这种方法平权有一个前提：**你必须动起来。**

如果只是**一直在旁观 AI、收藏工具、犹豫行动、等待别人的测评结果**，那么再强的 Agent 也没有意义。你会在这波浪潮中被落下。

所以别犹豫，现在就开始使用，收获自己的第一手经验！

---

## 快速上手指南

> 在开始之前：必须已安装 Codex，Stata，Python 3 （或 Miniconda）和 git（同时注册 GitHub 账号）。强烈建议安装 Quarto，用于渲染可复现 HTML/PDF 报告；如果你已经安装 RStudio，也可以先使用 RStudio 自带的 Quarto。

### Step 1. Fork & Clone

```bash
# 在 GitHub 上克隆此仓库（在仓库页面点击“ Fork ”），然后：
# （ 将“ YOUR_USERNAME ”替换为你自己的 GitHub 用户名 ）

git clone https://github.com/YOUR_USERNAME/codex-stata-for-economists.git my-codex-stata-for-economists
cd my-codex-stata-for-economists
```
也可以将本仓库下载（zip文件），本地解压缩。但这种方法无法进行版本控制，故不太推荐。

### Step 2. 打开 Codex 并复制粘贴以下指令

```bash
# 确保已进入本地仓库目录下，如 C:\my-codex-stata-for-economists， 然后启动 Codex ：

codex
```

将准备进行分析的 *.dta 数据文件放入到 `data/raw/` 文件夹中，然后根据自己需求修改以下 Prompt 并复制粘贴到 Codex 中：

> 我把数据 **[Data NAME.dta]** 放到 data/raw/里了，请阅读 Agents.md 等 configuration files ，根据规则帮我用 Stata 进行分析，生成 **[描述性统计、直方图、散点图、方差分析、OLS、工具变量回归、Logit回归结果]**，代码存成一个 do file，并且加上详细的中文代码注释，方便我之后复现。生成的图表保存在 output/ 中。

**该 Prompt 用途：** Codex 会阅读仓库中的工作流配置文件，调取相应 Stata Skills，计划并实施 Stata 分析流程，生成结果并验证.

**如果 Codex 中途困在寻找 Python 和 Stata：** 按 Esc 暂停，并告诉 Codex 你的 Python 和 Stata 版本及所在位置。

---

## 这个仓库做什么

本仓库提供一套 Stata 实证研究流水线：

- 原始数据放在 `data/raw/`，默认不提交。
- 中间数据放在 `data/derived/`，默认不提交。
- 主流水线入口是 `dofiles/00_master.do`。
- 正式 do-file 按阶段放入 `dofiles/01_clean/` 到 `dofiles/04_output/`。
- 表格输出到 `output/tables/`。
- 图形输出到 `output/figures/`。
- 报告使用 `reports/analysis_report.qmd`，通过 Quarto 渲染；正式分析默认同时生成英文版和中文版报告，例如 `analysis_report.qmd` 与 `analysis_report_zh.qmd`。
- 探索性分析、教学示例和一次性实验放在 `explorations/`。

---

## 支持的分析类型

本仓库默认支持常见 Stata 实证分析流程，包括描述统计、图形、OLS、固定效应回归、IV、事件研究、DID、DDML 和 Cox hazard ratio / 生存分析示例。正式分析通常放在 `dofiles/03_analysis/`，并通过 `dofiles/00_master.do` 串联到完整流水线；尚在测试或教学阶段的方法先放在 `explorations/`。

当前 DID/DDML 支持包括：

- 基础 DID / TWFE：使用 `reghdfe` 吸收个体和时间固定效应，并按处理分配层级聚类标准误。
- Staggered DID：模板支持 `csdid` 估计 Callaway-Sant'Anna group-time ATT、总体 ATT、pre-trend 检查和事件研究输出。
- DDML：模板支持 `ddml + rlasso` 的部分线性模型，适合 Stata 15；Stata 16+ 且配置 Python/scikit-learn 后，可切换到 `pystacked` 学习器。
- Cox hazard ratio / 生存分析：`explorations/cox_hazard_ratio_simulation/` 提供自包含模拟示例，展示 `stset`、`stcox, hr`、比例风险假设诊断和生存曲线导出。正式研究需要使用真实 time-to-event 变量时，可在确认变量定义后迁入 `dofiles/03_analysis/`。
- 依赖管理：`dofiles/00_master.do` 会记录 DID/DDML 命令是否可用；首次使用时可把 `local INSTALL_DEPS = 1` 打开安装核心包，安装后改回 `0`。

可复制模板：

- `templates/did-analysis-template.do`：复制到 `dofiles/03_analysis/05_did.do` 后替换变量名即可使用。
- `templates/ddml-analysis-template.do`：复制到 `dofiles/03_analysis/06_ddml.do` 后替换变量名即可使用。

---

## Codex 使用说明

Codex 的主说明文件是：

```text
AGENTS.md
```

Codex 后续维护本仓库时应遵守这些规则：

- 不改变 Stata 流水线的功能，除非用户明确要求。
- 新增或修改 Stata do-file 时，注释默认使用中文。
- 所有数值结论必须能追溯到 `logs/*.log` 或 `output/tables/*`。
- 没有日志或输出表格支撑时，不编造回归结果、标准误、样本量或描述统计。
- 不提交 `data/raw/`、`data/derived/`、Stata 日志或原始数据格式文件。
- 维护 `.gitignore` 的数据保护规则，不随意放松。
- 对 `.do`、`.qmd`、用户可见 Python 脚本做实质修改后，尽量运行质量检查。

Claude Code 兼容文件仍然存在：

- `CLAUDE.md`：Claude Code 的项目记忆入口。
- `.claude/`：Claude Code 的 agents、skills、rules、hooks。

这些文件不影响 Codex 使用。除非确定以后完全不使用 Claude Code，否则建议保留。

---

## 四个核心保证

| 保证 | 执行方式 |
|---|---|
| 可复现 | do-file 固定 Stata `version`，统一随机种子，使用相对路径，流水线从 `00_master.do` 启动 |
| 日志验证 | 数值结论必须来自 Stata log 或输出表格；无日志则不报告结果 |
| 数据保护 | `.gitignore` 阻止 raw/derived 数据、Stata 日志和数据文件误提交 |
| 发表级输出 | 表格通过 `esttab` 等工具输出，图形通过 Stata 原生 `graph export` 同时输出 `.pdf` 和 `.png` |

---

## 目录结构

```text
.
├── AGENTS.md                       # Codex 主说明文件
├── CLAUDE.md                       # Claude Code 兼容说明
├── MEMORY.md                       # 旧 Claude 工作流的长期记忆
├── .claude/                        # Claude Code agents、skills、rules、hooks
├── dofiles/
│   ├── 00_master.do                # 主流水线入口
│   ├── 01_clean/                   # 原始数据清洗
│   ├── 02_construct/               # 变量构造和样本构造
│   ├── 03_analysis/                # 回归、IV、DID、事件研究等
│   ├── 04_output/                  # 表格和图形汇总输出
│   └── _utils/                     # 可复用 Stata 工具代码
├── data/
│   ├── raw/                        # 原始数据，不提交
│   ├── derived/                    # 中间数据，不提交
│   └── README.md                   # 数据说明
├── logs/                           # Stata 日志，不提交
├── output/
│   ├── tables/                     # 结果表格，可提交
│   └── figures/                    # 结果图形，可提交
├── reports/                        # Quarto 报告
├── scripts/                        # 运行、复现和质量检查脚本
├── quality_reports/                # 计划、会话记录、合并报告
├── explorations/                   # 探索性分析和教学示例
└── templates/                      # 可复用模板
```

---

## 常用命令

运行完整流水线：

```bash
bash scripts/run_pipeline.sh
```

运行单个 do-file：

```bash
bash scripts/run_stata.sh dofiles/03_analysis/main_regression.do
```

运行 CHNS 身高溢价探索示例：

```bash
C:\ProgramData\Miniconda3\python.exe explorations\chns_height_premium\scripts\build_height_core.py
bash scripts/run_stata.sh explorations/chns_height_premium/dofiles/01_height_premium.do
```

该示例会先生成 gitignored 的本地分析数据：

```text
data/derived/chns_height_premium_analysis.dta
```

然后输出 OLS、父母身高 IV、描述统计、图形和日志到：

```text
explorations/chns_height_premium/output/
explorations/chns_height_premium/logs/
```

渲染 Quarto 报告：

```bash
quarto render reports/analysis_report.qmd
```

如果 `quarto` 不在 `PATH`，但已经安装 RStudio，可以使用 RStudio 自带的 Quarto：

```powershell
& 'C:\Program Files\RStudio\resources\app\bin\quarto\bin\quarto.exe' render reports\analysis_report.qmd
```

在 Windows 上使用 RStudio 自带 Quarto 时，优先调用 `quarto.exe`；不要优先调用 `quarto.cmd`，后者在 `C:\Program Files\...` 这类带空格路径下可能解析失败。建议需要长期使用报告功能的用户单独安装 Quarto，并把 `quarto` 加入 `PATH`。

提交前检查数据安全：

```bash
python scripts/check_data_safety.py --staged $(git diff --cached --name-only)
```

给 do-file、报告或 Python 脚本打质量分：

```bash
python scripts/quality_score.py dofiles/path/file.do
python scripts/quality_score.py reports/analysis_report.qmd
python scripts/quality_score.py scripts/check_data_safety.py
```

---

## Stata 编码约定

正式 do-file 应满足以下要求：

- 文件开头写明 `version`。
- 使用 `set more off`。
- 使用 `set varabbrev off`，避免变量缩写导致静默错误。
- 每个可独立运行的 do-file 都应开启日志。
- 使用相对路径，不写死本机绝对路径。
- 涉及随机过程时设置随机种子。
- 回归结果如果要进入表格，应使用 `estimates store` 或 `est store` 保存。
- 图形必须由 Stata 原生导出为 `.pdf` 和 `.png` 两种格式，不要用 SVG 转换替代。
- 图形默认采用 Stata 风格：白色或极浅灰背景、浅灰细横向网格线、`#3191FF` / RGB `"49 145 255"` 蓝色、Arial 或 Stata Sans 字体、标题正常字重且不过大、整体留白充足。
- 新增或修改的 Stata 注释默认使用中文。

---

## 数据保护规则

默认不得提交：

- `data/raw/**`
- `data/derived/**`
- `logs/**`
- `*.log`
- `*.smcl`
- `*.gph`
- `*.dta`
- `*.sav`
- `*.por`
- `*.parquet`
- `*.feather`
- `*.csv`
- `*.json`
- `*.jsonl`
- `*.xls`
- `*.xlsx`

允许提交的典型文件：

- `data/README.md`
- `data/raw/.gitkeep`
- `data/derived/.gitkeep`
- `output/tables/*.csv`
- `output/tables/*.tex`
- `explorations/*/output/tables/*.csv`
- `output/figures/*.pdf`
- `output/figures/*.png`

如果确实需要提交某个聚合数据或示例数据，必须明确说明原因，并通过 `.gitignore` 做最小范围白名单。

---

## 日志验证规则

所有研究结果相关的数值结论都必须有来源。

可以作为来源的文件包括：

- `logs/*.log`
- `output/tables/*.csv`
- `output/tables/*.tex`

不能作为最终依据的内容包括：

- 记忆中的数字。
- 未保存的交互式 Stata 输出。
- 截图中的结果。
- 没有日志支撑的手工推算。

如果没有日志或输出表格，应先运行相关 do-file，而不是直接报告结果。

---

## 探索性分析

`explorations/` 是沙盒目录，适合放：

- 教学示例。
- 临时探索。
- 复现练习。
- 尚未进入正式流水线的一次性脚本。

每个探索性子目录应尽量自包含，通常包括自己的：

- `README.md`
- `dofiles/`
- `logs/`
- `output/`

当某个探索性分析成熟后，可以迁移到正式流水线：把 do-file 移入 `dofiles/01_clean/` 到 `dofiles/04_output/`，并接入 `dofiles/00_master.do`。

---

## 当前示例

当前仓库包含若干探索性教学和方法示例：

- `explorations/hsb2_teaching_demo/`：基于 UCLA HSB2 数据的本科教学示例，包含描述统计、直方图和 OLS 回归。
- `explorations/educwages_tutorial/`：面向 Stata 初学者的教育回报教学示例，包含描述统计、图形、OLS、IV 和 ANOVA。
- `explorations/chns_height_premium/`：基于 CHNS 的身高溢价探索示例，展示大 CSV 窄表抽取、analysis-ready `.dta` 生成、最大截面选择、OLS、父母身高 IV、图表导出和详细中文教学注释。
- `explorations/staggered_did_simulation/`：自包含的 staggered DID 模拟测试，使用 `csdid` 输出总体 ATT、事件研究表和事件研究图。
- `explorations/cox_hazard_ratio_simulation/`：自包含的 Cox proportional hazards 模拟测试，展示 `stset`、`stcox, hr`、比例风险假设诊断和生存曲线导出。

这些示例用于展示工作流，不代表正式研究项目。

---

## 本地环境

常用工具：

| 工具 | 用途 |
|---|---|
| Codex | 代码与文档维护、Stata 工作流协助 |
| Claude Code | 可选兼容工具 |
| Stata | 运行 do-file |
| Python 3 | Miniconda，`C:\ProgramData\Miniconda3\python.exe`，用于数据安全检查和质量评分 |
| Quarto | 渲染报告；建议单独安装并加入 `PATH`，也可临时使用 RStudio 自带版本 |
| Git/GitHub CLI | 版本控制和协作 |

本机 Stata 版本是 Stata 15，路径是：

```text
C:\Program Files (x86)\Stata15\Stata-64.exe
```

如果本机通过 RStudio 提供 Quarto，常见路径是：

```text
C:\Program Files\RStudio\resources\app\bin\quarto\bin\quarto.exe
```

推荐从 Quarto 官网安装独立版本并配置 `PATH`，这样可以直接运行 `quarto render ...`，也更便于 Codex、终端和脚本调用。

如果 Stata 不在 `PATH` 中，需要先加入路径。例如 Windows Git Bash 下：

```bash
export PATH="/c/Program Files (x86)/Stata15:$PATH"
```

然后可以运行：

```bash
bash scripts/run_stata.sh dofiles/00_master.do
```

---

## 许可证

MIT。

codex-stata-for-economists

codex-stata-for-economists 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

codex-stata-for-economists

codex-stata-for-economists 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README