# StatsPAI_skill

Подключает к сессии Python-пакет statspai: описательные статистики, выбор оценщика под исследовательский вопрос, оценка эффектов и проверки после неё.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 240 у репозитория
- Автор: franklee16
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/franklee16/academic-research-skills/tree/HEAD/data-analysis/StatsPAI_skill/SKILL.md
- Обновлён: 2026-09-18
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/statspai-skill

## Что делает

Скилл даёт агенту в Claude один вход в пакет `statspai`: `import statspai as sp` и 900+ функций за общим API. Работа начинается с описательных статистик и баланс-таблиц (`sp.sumstats`, `sp.balance_table`), идёт через DSL исследовательского вопроса `sp.causal_question` и заканчивается оценкой через `sp.causal` или конкретный оценщик. Оценщики: OLS, IV, DID и staggered DID, RDD, PSM, SCM, из ML — DML, Causal Forest, Meta-Learners, TMLE.

Функции агент находит сам: `sp.list_functions()`, `sp.describe_function("did")` и `sp.function_schema("rdrobust")` отдают схему без чтения документации. Каждый оценщик возвращает объект с `.summary()`, `.plot()`, `.to_latex()`, `.to_word()`, `.to_excel()`, `.cite()` и словарём диагностик. Отдельные шаги закрывают DAG (`sp.llm_dag_propose`, `sp.llm_dag_validate`), текст как воздействие (`sp.causal_text`) и проверки после оценки (`sp.diagnose`, `sp.spec_curve`, `sp.honest_did`).

Чистку данных пакет не берёт. Пропуски, приведение типов и merge остаются за pandas до первого вызова `sp.*` — иначе оценщики либо упадут, либо тихо выкинут строки, и разбираться с этим вам. Черновик статьи через `sp.paper()` скилл не делает: поток заканчивается диагностикой и возвратом результата.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add franklee16/academic-research-skills --skill statspai_skill -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/StatsPAI_skill/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/StatsPAI_skill/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add franklee16/academic-research-skills --skill statspai_skill -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/StatsPAI_skill/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add franklee16/academic-research-skills --skill statspai_skill -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/StatsPAI_skill/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install franklee16/academic-research-skills data-analysis/StatsPAI_skill/SKILL.md
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/StatsPAI_skill/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add franklee16/academic-research-skills --skill statspai_skill -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/franklee16/academic-research-skills --path data-analysis/StatsPAI_skill
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/StatsPAI_skill/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/franklee16/academic-research-skills/tree/HEAD/data-analysis/StatsPAI_skill/SKILL.md

## Когда брать
- Оценить эффект обучения на зарплату через DID по панели
- Выбрать оценщик между DID, RDD и IV под заявленный estimand
- Собрать баланс-таблицу ковариат до оценки
- Прогнать кривую спецификаций и HonestDiD по готовой модели
- Найти нужную функцию пакета по её схеме

## Примеры запросов агенту
- Оцени эффект обучения на зарплату через DID, панель по `worker_id` и `year`
- Разбери через `sp.causal_question`, что взять: DID, RDD или IV
- Построй DAG через `sp.llm_dag_propose` и прогони `sp.diagnose` по модели

## Похожие
- [StatsPAI](https://affpapa.org/nevibecode/mcp/statspai.md) — MCP-сервер · ★ 378 у репозитория
- [Causal Inference](https://affpapa.org/nevibecode/skills/causal-inference.md) — скилл · 544 установки
- [statsmodels](https://affpapa.org/nevibecode/skills/k-dense-ai-statsmodels.md) — скилл · 2400 установок
- [everyday-causal-skills](https://affpapa.org/nevibecode/plugins/everyday-causal-skills.md) — плагин · ★ 84 у репозитория
- [r-econometrics](https://affpapa.org/nevibecode/skills/r-econometrics.md) — скилл · 340 установок
- [simulation-study](https://affpapa.org/nevibecode/skills/simulation-study.md) — скилл · ★ 1729 у репозитория

Из того же набора: [franklee16/academic-research-skills](https://affpapa.org/nevibecode/by/franklee16/academic-research-skills.md) — 98 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
