Awesome Econ AI Stuff — скилл
17 скиллов для экономистов: гипотезы, обзор литературы, Stata и R, модели в LaTeX, таблицы, слайды Beamer
- 662 ★ репозитория
- Последний коммит
Расширенный доступ
Почему такой уровень
- Скилл `commit-push-pr` делает коммит, отправляет изменения и открывает PR
- Скилл `api-data-fetcher` обращается к внешним экономическим API
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/awesome-econ-ai-stuffОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Скилл `commit-push-pr` делает коммит, отправляет изменения и открывает PR
- Скилл `api-data-fetcher` обращается к внешним экономическим API
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Awesome Econ AI Stuff собирает в папке _skills 17 SKILL.md-инструкций, разложенных по этапам исследования. Research-ideation формулирует вопросы по экономическому явлению, `lit-review-assistant` ищет и обобщает статьи. Для теории `latex-econ-model` записывает модели в LaTeX, а `general-equilibrium-model-builder` строит и решает модели общего равновесия Вальраса на Julia. С данными работают `stata-data-cleaning` (очистка в Stata) и `api-data-fetcher` (ряды из FRED и Всемирного банка). Анализ ведут `r-econometrics` (IV, DiD и RDD с диагностикой), `python-panel-data` и `stata-regression`. Перед расчетом `r-econometrics` спрашивает схему идентификации, единицу наблюдения и фиксированные эффекты. Для текстов и показа есть `academic-paper-writer`, `latex-tables`, `beamer-presentation` и `econ-visualization`. Четыре инженерных скилла (`sdd`, `techdebt`, `commit-push-pr`, `code-simplifier`) закрывают обычную работу с кодом.
Для кого. Аспирантам и исследователям-экономистам, которые считают в Stata, R или Python и оформляют статьи в LaTeX.
Подходит, если
- Эффект программы оценивают разностью разностей на панельных данных, и нужен код с кластеризованными ошибками
- Выгрузку из Stata надо вычистить: пропуски, дубликаты, перекодировка переменных
- Модель общего равновесия записывают в LaTeX и решают численно в Julia
- Результаты оформляют таблицами для журнала и слайдами Beamer к семинару
Не подходит, если
- Нужен автономный запуск расчетов и контроль методологии: скиллы дают заготовки кода, а выводы проверяет исследователь
- Вы работаете в Codex и ждете нативной загрузки SKILL.md: README отсылает его пользователей к AGENTS.md
- Нужны скиллы по эконометрике на Python помимо панельных данных или методов вне IV, DiD и RDD: покрытие ограничено списком из README
Пример запроса к агенту
/r-econometrics Оцени эффект программы разностью разностей на моих панельных данных, кластеризуй ошибки по регионамОграничения
Скиллы дают заготовки кода и текстов, результаты расчетов в Stata, R и Julia нужно сверять с собственными данными и методологией. Для Codex README советует формат AGENTS.md, для GitHub Copilot и Aider поддержка названа частичной. GitHub не распознал лицензию репозитория автоматически, текст лежит в файле LICENSE. Скилл `panel-balance` из каталога вынесен в отдельный репозиторий, а сайт проекта на GitHub Pages ведет тот же список скиллов.
Как отключить. Удалите папку скилла из каталога скиллов агента, например `~/.claude/skills/r-econometrics`, и скилл перестанет подгружаться.
Частые вопросы
Как поставить скилл для эконометрики в Claude Code?
Создайте каталог `~/.claude/skills` и скопируйте в него папку нужного скилла, например `_skills/analysis/r-econometrics`. Вызывать можно командой `/r-econometrics` или обычной просьбой.
Какие методы покрывает `r-econometrics`?
Instrumental Variables, разность разностей и разрывную регрессию в R с диагностикой и устойчивыми стандартными ошибками. Скилл генерирует код, готовый к публикации, включая двусторонние фиксированные эффекты и исследования событий.
Откуда `api-data-fetcher` берет данные?
Из экономических API: в README названы FRED и Всемирный банк. Скилл формирует запросы и загрузку рядов, а доступ к самим API идет напрямую из вашей среды.
Можно ли добавить свой скилл?
Да, через веб-форму на сайте проекта или обращение по шаблону `skill-proposal`. Структура скилла описана в _skills/SKILL_TEMPLATE.md и CONTRIBUTING.md.
Как устроен файл скилла?
Это SKILL.md с полями name, `description`, workflow_stage и `compatibility` и разделами Purpose, When to Use и Instructions. Заготовка лежит в `_skills/SKILL_TEMPLATE.md`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыAuto-Empirical Research Skills
Auto-Empirical Research Skills (AERS)
Плагин-маркетплейс для эмпирических исследований в соцнауках: причинно-следственный анализ, эконометрика, оформление статьи под топовые журналы
MCP-сервер и навык библиотеки StatsPAI: агент считает DiD, RD, IV и синтетический контроль на ваших данных
Скилл подбирает научный график под цель и данные CSV или Excel из почти сотни шаблонов и выдает PNG, SVG, PDF и код на Python.
Скилл математического моделирования
Math Modeling Skill
Воркфлоу из трех этапов для задач математического моделирования: разбор и выбор модели, расчеты на Python или MATLAB, сборка статьи в Word или LaTeX
SciAgent-Skills — скиллы по биоинформатике
SciAgent-Skills
Около 200 скиллов для Claude Code по биоинформатике, химии и биостатистике: от анализа РНК-секвенирования до докинга молекул
High-Stakes Analytics Lab
High-Stakes Analytics & Decision Lab
Скилл доказательной аналитики для решений с высокой ценой ошибки: профилирует данные, выбирает метод под них, может ответить отказом или запросом данных
Коротко о README
README объясняет, зачем экономистам скиллы, и сопоставляет каждый этап исследования со скиллом: идея, литература, теория, данные, анализ, текст, подача, инженерия. Дальше идут установка копированием папки, таблица совместимости с шестью инструментами и порядок отправки нового скилла.
Бейдж для README
Исходный SKILL.md
--- name: r-econometrics description: Run IV, DiD, and RDD analyses in R with proper diagnostics workflow_stage: analysis compatibility: - claude-code - cursor - codex - gemini-cli author: Awesome Econ AI Community version: 1.0.0 tags: - R - econometrics - causal-inference - fixest - regression --- # R Econometrics ## Purpose This skill helps economists run rigorous econometric analyses in R, including Instrumental Variables (IV), Difference-in-Differences (DiD), and Regression Discontinuity Design (RDD). It generates publication-ready code with proper diagnostics and robust standard errors. ## When to Use - Running causal inference analyses - Estimating treatment effects with panel data - Creating publication-ready regression tables - Implementing modern econometric methods (two-way fixed effects, event studies) ## Instructions ### Step 1: Understand the Research Design Before generating code, ask the user: 1. What is your identification strategy? (IV, DiD, RDD, or simple regression) 2. What is the unit of observation? (individual, firm, country-year, etc.) 3. What fixed effects do you need? (entity, time, two-way) 4. How should standard errors be clustered? ### Step 2: Generate Analysis Code Based on the research design, generate R code that: