算法艺术创作
algorithmic-art
通过代码和可调参数创作生成艺术与交互式视觉效果。
cfe-heterogeneity【设计与创意】Use when designing or writing heterogeneity analysis for a Journal-of-Finance-and-Economics manuscript. Enforces five-dimension priority and theoretical-justification discipline.
独立 GitHub 快照 · 自动分类 · 以原作者文档为准
按《财经研究》读者期待度排序(综合财经语境):
至少切 3 个维度,每个维度至少 2 个子样本对比。
本文进一步检验[维度]异质性。
理论上,[原因]……(为什么这一维度上效应应有差异)
实证上,本文将样本按[维度]分为[组 1] 和 [组 2],分别估计主回归(结果见表 X 第 (1)(2) 列)。
结果显示,[组 1] 的处理效应为 X,而 [组 2] 为 Y,组间系数差异在 [显著水平] 上显著。
这一发现与本文的[机制]一致。
异质性 ≈ 机制的反向验证:
理想的财经实证文章应该:机制(M 强 → 效应强) 与 异质性(M 强样本 → 效应强) 互相印证。
《财经研究》的异质性分析要服务于财经问题,而不是把所有可切变量轮一遍。建议先把异质性分成三层:
| 层级 | 放置位置 | 结论写法 |
|---|---|---|
| 理论预先指定、与机制直接相关 | 正文主表 | 可以作为机制边界或政策适用条件 |
| 合理但辅助的分组 | 附录 / 稳健性表 | 只说"结果大体一致 / 提供补充证据" |
| 事后搜索或样本过小 | 不进主文,或明确标为探索性 | 不写成核心发现 |
若做了 5 个以上维度,必须说明为何不进行多重检验调整,或至少把显著性结果按主/辅/探索分层呈现。核心结论不能依赖唯一一个边际显著的子样本。
【异质性维度】X 个
【组间系数差异检验】是 / 否
【与机制一致性】是 / 否
【最小子样本量】X
【主/辅/探索分层】完整 / 待补
【下一步】cfe-tables-figures
把本 skill 当作一次可验收的投稿前审查,而不是泛泛润色。先锁定核心问题、识别链条、机制证据和可执行的政策含义,再判断当前稿件是否真的满足《财经研究》的读者预期:中文财经学术审稿人会同时追问选题政策价值、识别可信度和本刊栏目适配。