科研 Skill

管理学实证研究图表

management-figure

為管理/財務實證研究產出出版級統計圖:轉折點圖、係數森林圖、交互作用圖、事件研究CAR曲線。用於迴歸或追蹤資料結果需要投稿圖表時。

发布者 Codar安全审核通过v0.1.0更新于 2026-11-18

SKILL.md

畫圖前先讀 research-framework-figure 的 references/visual-discipline.md (兩支 skill 共用的視覺紀律:密度上限、單一強調色、Okabe-Ito 色盤、標籤經濟、 黑白可讀性),不要只看本檔的版面規範就動手。選圖與逐圖種的誠實紅線(含函式未涵蓋的 啞鈴圖、斜率圖、熱圖)、Okabe-Ito 實算對比與灰階撞色,讀 references/chart-honesty.md。

階段一:這張圖回答哪個假設(先診斷) 釐清圖要檢驗的假設(H1/H2…)、對應的迴歸式與表格。圖必須與假設、迴歸式、表格三方對齊(延續使用者的符號一致性紀律)。判準:能一句話說出「這張圖讓審查委員看到 H_k 成立/不成立」。

階段二:帶入真實數據,選對圖種 用 scripts/mgmt_figures.py(自包含,僅需 numpy+matplotlib;有 statsmodels 則用於信賴帶)。出圖前先讀 references/figure_style.md 確認版面規範。以使用者的真實迴歸輸出/係數帶入,勿用模擬值冒充:

  • quadratic_turning_point_plot(x, y, ...) — 二次式倒U/U,自動 OLS 二次擬合、95% CI、標轉折點 x*=-b1/(2b2)。用於非線性假設(如研發強度²、客戶集中度²)。回傳含 p_b2。
  • coefficient_forest_plot(names, coefs, ci_low, ci_high) — 係數森林圖,顯著上色、不顯著灰、零線虛線。主迴歸一圖總覽。
  • interaction_plot(x_grid, lines, labels=...) — 交互作用/調節圖,低/中/高調節值各一斜率線,看斜率是否翻轉。調節假設(如客戶集中度調節研發強度→績效)。
  • group_comparison_plot(groups, means, errors=...) — 分組比較(家族 vs 非家族),帶誤差線。
  • trend_plot(years, series, labels) — 多組逐年趨勢。
  • event_study_plot(rel_time, coef, ci_low, ci_high, ref_period=-1, pre_joint_p=None, breakdown_M=None, estimator=...) — 事件研究圖(交錯 DiD 的動態效果,causal-inference-architect robustness-battery 的必做正文圖):逐期係數+95% CI、參考期空心點標 "ref."、處理時點垂直線、前期陰影;圖註自動印「Pre-period joint Wald p = …; robust to M̄ ≤ …」與估計量名稱,沒給的數字印 "not reported" 而不是編一個。係數來源:did::aggte(type = "dynamic")、fixest::sunab/iplot 的輸出;pre_joint_p 用 did 的 Wpval 或 fixest::wald,breakdown_M 用 HonestDiD 的 breakdown 值。回傳的 info["note"] 可直接貼進 caption(Windows 主控台印出含 M̄ 的字串要先 PYTHONIOENCODING=utf-8)。
  • car_plot(rel_time, series, labels=..., highlight_window=(-1, 1), lang="en", font="tw", note=None) — 短窗事件研究的平均累積異常報酬(CAAR)曲線(與上一項 DiD 動態係數圖不同):一組或多組(家族 vs 非家族)平均 CAR 路徑+95% CI 帶、事件日 t = 0 垂直線、主檢定窗淡灰底;series 給逐事件 CAR 路徑矩陣(n_events × 相對日,函式算平均與橫斷面 t 型 CI,圖例自動標 N)或已算好的 dict(caar, ci_low, ci_high, n)。字型預設英數 Times New Roman+中文標楷體(font="sans" 改回 figure_style 的無襯線;缺字型會警告並在 info["fonts_missing"] 回報),lang="zh" 出中文軸標。檢定數字(BMP、KP 調整 p)只在傳 note= 時才印,函式不代編。CAR 怎麼估、用哪個檢定見 causal-inference-architect 的 references/event-study-estimation.md。
  • 邊際效果圖:調節模型下 X 對 Y 的邊際效果 ∂Y/∂X = β₁+β₃·M 隨調節值 M 變化。用 interaction_plot 把 x_grid 設為 M 的取值範圍、lines 設為邊際效果(含 CI 上下界共三線)即可畫出,並在零線處標示效果轉正/負的 M 門檻。
  • 函式未涵蓋的圖種(兩時點差距的啞鈴圖、斜率圖、熱圖):以 matplotlib 手寫,照 references/chart-honesty.md 第三節的紅線;先過該檔「三道門」,一句話或一張表說得完的不畫。

階段三:輸出向量檔 一律用 save_fig(fig, name),同時產 png(預覽)+ pdf + svg(向量,投稿用),皆 300dpi。判準:三個檔都生成、圖內無標題(標題寫在 caption)、上右框線已 despine。

階段四:數字回溯(交付前必驗) 圖中每個數字(轉折點 x*、係數、CI 端點、分組平均、N)都要能指到來源統計輸出檔的哪一列。對不上就停,不准「先放著」。倒U圖必附 β₂ 的 p 值來源。

<matplotlib_中文字型> 軸標預設英文(投稿標準)。使用者要中文版(如口試簡報、中文期刊)時:

  1. 改 xlabel/ylabel/圖例字串為中文。
  2. 設定 CJK 字型,否則中文顯示為方框(tofu)。正式文件字型規範為標楷體(DFKai-SB / BiauKai):
    import matplotlib
    matplotlib.rcParams["font.sans-serif"] = ["DFKai-SB", "BiauKai", "Microsoft JhengHei"]
    matplotlib.rcParams["axes.unicode_minus"] = False  # 負號正常顯示
    
    標楷體檔名在 Windows 為 kaiu.ttf;若 rcParams 設定不生效,用 matplotlib.font_manager.FontProperties(fname="C:/Windows/Fonts/kaiu.ttf") 逐元素套用。
  3. 數字與英文仍用 Times New Roman 系(西文襯線),符合中英混排規範;純圖內可維持 sans-serif 求清晰。 推測:若環境無標楷體字型檔,中文會 fallback;此時明講「本環境無標楷體,已用 <實際字型>,投稿前請於有字型的機器重出」,不要假裝已套標楷體。 </matplotlib_中文字型>

<output_contract> 交付含三部分:

  1. 圖檔路徑:png/pdf/svg 三份路徑,註明 300dpi、色盲友善。
  2. 圖說 caption 草稿:說明變數、樣本、N、關鍵統計量(轉折點值、β₂ 顯著性、調節斜率差)。
  3. 數字回溯表:圖中每個關鍵數字 → 來源輸出檔位置。倒U圖必列「β₂=…, p=…,來源:<檔>」;β₂ 不顯著時明確標「非線性證據不足」。 </output_contract>

處置:

  1. 假設對齊:H1 倒U → quadratic_turning_point_plot。
  2. 出圖:fig, ax, info = quadratic_turning_point_plot(rd, roa, xlabel="R&D intensity (%)", ylabel="ROA");save_fig(fig, "h1_rd_roa_turning")。
  3. 讀 info:x_star=info["x_star"]=6.55,p_b2=0.02。
  4. caption 草稿:「Figure 1. 二次式配適(panel FE,N=2,316)。轉折點 R&D*=6.55%;β₂=-0.029, p=0.02,倒U 成立。95% CI 為陰影帶。」
  5. 數字回溯表:x*=6.55 ← -β₁/(2β₂)=-0.38/(2×-0.029),β₁,β₂ 來源 reg_output.txt 第 3 列;p_b2=0.02 同檔。三檔路徑 h1_rd_roa_turning.{png,pdf,svg}。 (若使用者要中文版軸標,套標楷體 rcParams 後重出,並確認負號正常。)

Limitations

  • r-spss-syntax-architect 與 phd-researcher 這兩個姐妹 skill 未包含在本 marketplace 中;需要跑迴歸或做 meta-analysis 森林圖時,直接依本 skill 的 「只畫圖、不跑分析」原則處理,並提醒使用者自行用其他統計工具產出係數, 不要嘗試呼叫不存在的 skill。research-framework-figure 則存在於本 marketplace 的 codar-research-methods plugin 中,只有同時安裝該 plugin 才能銜接研究架構圖/PRISMA 流程圖需求。
  • 中文軸標範例假設已安裝標楷體(DFKai-SB 或替代字型);未安裝時圖中中文字 會顯示為缺字方塊,需先確認系統字型或改用 font="sans" 無襯線英數版面。

示例提示词

帮我把这份企业面板回归结果画成Q1期刊标准的系数森林图。

所属插件

经济金融与管理研究面向经济、金融与管理学研究:DID/IV/RDD/合成控制、面板与时间序列计量、事件研究与因子模型、期权与组合、管理学论文写作、NSFC 申请与质性/混合方法。

安装该插件会一并获得同领域的 40 个 Skill / MCP。

同插件的其他科研 Skill

常见问题

管理学实证研究图表能做什么?

為管理/財務實證研究產出出版級統計圖:轉折點圖、係數森林圖、交互作用圖、事件研究CAR曲線。用於迴歸或追蹤資料結果需要投稿圖表時。

如何安装管理学实证研究图表?

在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「管理学实证研究图表」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。

管理学实证研究图表需要哪些权限?

该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。

管理学实证研究图表经过官方审核吗?

是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。