学术级实证论文深度解析框架

基于结构化五维框架，为法律经济学研究者提供实证论文深度解析，精准识别识别策略与因果推断逻辑。

基本信息

• 技能名称?empirical-paper-analysis-skill
• 中文名称?学术级实证论文深度解析框架
• 作者?zhouziyue233
• 分类?专业技能
• 版本?v1.0.0
• 标签?education-research, data-analytics, legal, docs, productivity

使用方法

使用说明
该技能专为法律经济学实证研究设计，通过结构化五维框架（问题陈述→核心实证难题→识别策略→关键发现→学术贡献）深度解析学术论文。用户上传PDF并补充出版信息后，系统将生成包含因果推断逻辑评估、计量方法审视与学术价值判断的专业分析报告。
核心用法围绕五个递进维度展开：首先识别研究问题及其政策/理论动机，其次诊断选择偏差、遗漏变量等实证挑战，随后解析DID、IV、RDD等识别策略的适用性与假设合理性，再量化总结主要发现的经济显著性，最后评估方法论创新与跨学科贡献。全程支持中英文学术术语对照与数学公式标注。
显著优点体现在学术专业性上：框架严格遵循实证研究规范，要求分析者具备博士级别的计量经济学素养；强制引入批判性思维，不满足于简单总结而是质疑识别假设；输出模板标准化，便于研究者快速生成文献笔记与教学材料。
潜在局限性包括：仅适用于定量实证论文，无法处理理论模型或案例研究；高度依赖用户提供的PDF解析质量，对扫描版或复杂排版文档可能失效；要求使用者熟悉因果推断术语（如内生性、外部效度），对跨领域学者存在门槛；作为T3来源的个人项目，长期维护与更新存在不确定性。
适合群体主要为法律经济学、实证法学领域的博士研究生、青年教师及政策研究机构分析师，特别是频繁处理计量经济学、机器学习与自然语言处理交叉研究的学者。
使用风险方面，该技能为纯文档型提示词模板，无代码执行与网络通信，不存在数据泄露或系统入侵风险。但需注意：AI生成的分析内容可能遗漏关键细节或误读复杂模型，不可直接用于学术发表而不经人工校验；对PDF中的表格数据解读依赖大语言模型的OCR与理解能力，关键数值建议人工核对原始文献。