Full-empirical-analysis-skill

데이터데이터 분석brycewang-stanford/Auto-Empirical-Research-Skills

pandas, statsmodels, pyfixest 같은 파이썬 계량 도구로 데이터 정리부터 회귀 분석, 강건성 검정, 결과 표와 그림까지 실증 분석 전 과정을 단계별로 진행합니다. 기본 결과물은 기초 통계표, 여러 열로 구성된 주 회귀표, 메커니즘·이질성·강건성 표, 이벤트 스터디와 계수 그림이며, 표는 엑셀·워드·LaTeX로, 그림은 PNG와 PDF로 저장합니다. 역학 연구나 머신러닝 기반 인과 추론 방식으로 바꿔 쓰는 경로도 함께 다룹니다.

이럴 때 쓰세요 패널 데이터로 정책 효과를 추정한 뒤 회귀표와 이벤트 스터디 그림이 포함된 논문용 실증 분석 결과를 만들어야 할 때

계량경제 분석회귀 분석 표 작성강건성 검정DID 이벤트 스터디
GitHub에서 보기SKILL.md 원문

설치 전에 확인하세요

AI가 SKILL.md에서 스크립트·프로그램 실행과 외부 네트워크 접속 내용을 찾았습니다. 설치 전에 원문을 확인하세요.

GitHub 기록

저장소 스타
4.9천
저장소 업데이트
2026.11.02
라이선스
명시되지 않음
SKILL.md 경로
skills/00.1-Full-empirical-analysis-skill_Python/SKILL.md
스크립트 파일
없음, 지침 문서만 있음

AI가 SKILL.md를 읽고 판단

코드 실행
있음
네트워크 접속
있음
외부 계정
확인되지 않음
난이도
고급
직군
연구자, 데이터 분석가

확인되지 않음은 AI가 SKILL.md에서 찾지 못했다는 뜻입니다. 없다는 보장은 아닙니다.

설치

라이선스가 명시되지 않았습니다. 이 경우 저작권자의 허락 없이는 복제나 수정이 제한될 수 있으니, 설치 전에 스킬 폴더와 저장소를 확인하세요. 스킬 폴더 보기

터미널에 붙여 넣어 실행하세요. macOS와 Linux 기준이며 git이 필요합니다. Windows에서는 PowerShell이 아니라 Git Bash에서 실행하세요. 저장소를 임시로 내려받아 스킬 폴더만 복사합니다.

모든 프로젝트에서 쓰기

tmp=$(mktemp -d) && git clone --depth 1 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git "$tmp"
mkdir -p "$HOME/.claude/skills"/00.1-Full-empirical-analysis-skill_Python
cp -R "$tmp"/skills/00.1-Full-empirical-analysis-skill_Python/. "$HOME/.claude/skills"/00.1-Full-empirical-analysis-skill_Python/
rm -rf "$tmp"

현재 프로젝트에서만 쓰기

먼저 터미널에서 프로젝트 폴더로 이동하세요.

tmp=$(mktemp -d) && git clone --depth 1 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git "$tmp"
mkdir -p .claude/skills/00.1-Full-empirical-analysis-skill_Python
cp -R "$tmp"/skills/00.1-Full-empirical-analysis-skill_Python/. .claude/skills/00.1-Full-empirical-analysis-skill_Python/
rm -rf "$tmp"

설치한 뒤 Claude Code에서 새 세션을 시작하세요. '이럴 때 쓰세요'에 적힌 일을 요청하면 에이전트가 스킬을 불러옵니다. 스킬은 ~/.claude/skills/00.1-Full-empirical-analysis-skill_Python에 있습니다. 프로젝트에 설치했다면 .claude/skills/00.1-Full-empirical-analysis-skill_Python에 있습니다.

같은 분류의 스킬

  1. 데이터

    Agent Cost Report

    데이터 분석 thedotmack/claude-mem

    Claude Code 대화 기록의 토큰 사용량을 OpenRouter 공개 단가로 환산해, 기본적으로 최근 7일(오늘 제외) 동안 작업별 비용과 낭비를 정리한 보고서를 만듭니다. 완료된 작업 하나당 비용, 실수로 새어 나간 비용, 실제 출하된 결과를 한 시간 축에서 함께 보여 주며, HTML과 PDF, JSON, CSV, 근거 목록으로 내보냅니다. 금액은 추정치로 표시됩니다.

    팀 에이전트가 지난주에 얼마를 썼고 그 비용으로 무엇이 완료됐는지 관리자에게 보고해야 할 때

    코드 실행네트워크 업데이트 2026.11.03 11.2만
  2. 데이터

    dashboard

    시각화 asgeirtj/system_prompts_leaks

    데이터 소스에서 값을 불러와 차트, 숫자 카드, 표로 구성된 대시보드 페이지를 만들어 줍니다. 실시간 쿼리나 첨부한 CSV·TSV·JSON 파일을 데이터로 쓰며, 각 숫자가 어떤 데이터에서 왔는지 독자가 확인할 수 있게 연결합니다. 지표 추적, KPI 점검, 정기 보고서처럼 반복해서 갱신해야 하는 화면에 맞습니다.

    매출이나 가입자 수처럼 자주 바뀌는 수치를 한 화면에서 차트와 표로 계속 확인해야 할 때

    코드 실행네트워크외부 계정 필요 업데이트 2026.11.03 7.1만
  3. 데이터

    understand-dashboard

    시각화 Egonex-AI/Understand-Anything

    현재 프로젝트나 지정한 경로의 지식 그래프를 브라우저에서 보는 대시보드를 띄워 줍니다. 먼저 이미 분석된 지식 그래프 파일이 있는지 확인하고, 없으면 먼저 분석하라고 안내합니다. 대시보드 주소에는 접근 토큰이 포함되어 있어 그 주소로 바로 열어 볼 수 있습니다.

    분석된 프로젝트의 구조와 파일 관계를 그래프 화면으로 한눈에 살펴보고 싶을 때

    코드 실행네트워크 업데이트 2026.10.26 9만
  4. 데이터

    caveman-discover

    데이터 분석 JuliusBrussee/caveman

    저장소 안의 LLM 호출 지점을 찾아 작업 단위(지원 답변, 야간 요약 등)별로 이름을 붙이고, 게이트웨이 요청에 라벨을 다는 방법을 제안합니다. 표를 먼저 보여 주고 승인을 받은 뒤 코드를 수정하며, 수정 후 라벨이 붙은 경로를 한 번 실행해 요청이 성공하는지 확인합니다. 비용을 워크플로별로 나눠 보려는 사람에게 맞습니다.

    LLM 비용이 하나로 뭉쳐 보여서 저장소의 작업별로 나눠 확인하고 싶을 때

    코드 실행네트워크외부 계정 필요 업데이트 2026.11.03 11.7만