cjms-numerical-experiments
Use when designing the numerical experiments and 算例 of a 《中国管理科学》 (Chinese Journal of Management Science) manuscript — grounded parameter calibration, an experiment matrix, sensitivity analysis, and mechanism-level reading of results. For simulation and case computation; real-data method validation belongs to cjms-empirical-validation.
Profile →npx skills add brycewang-stanford/Awesome-Journal-Skills --skill cjms-numerical-experiments --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# 数值实验与算例分析（cjms-numerical-experiments） ## 触发时机 - 只有一组参数、一张图，审稿说"数值实验单薄" - 参数取值说不出来源，被问"为什么 λ=0.5" - 结果只描述曲线走向，没有机制解释与管理含义 ## 核心：算例是论证，不是演示 本刊的应用建模传统里，**算例承担双重责任**：验证方法性质（收敛、优势、边界）+ 把抽象结论翻译回管理情境。一组"跑通了"的数字不构成算例分析。 ## 参数标定的三个合法来源 | 来源 | 做法 | 示例做法 | |------|------|----------| | 真实场景 | 企业/行业公开数据折算 | 用上市公司年报或行业协会统计折算成本参数 | | 已发表文献 | 沿用同型研究的参数区间并引用 | 引用文献算例并说明调整项 | | 制度事实 | 政策文件、市场规则中的显性数字 | 手续费率、碳配额基准线 | 拍脑袋参数只允许出现在"结构性质与取值无关"已被证明的场合，且需声明。**教学示意数字必须标注"示意"**，不得伪装成标定值。 ## 实验矩阵设计 按"要回答的问题"组织实验，而非按"能画的图"： 1. **有效性**：新方法 vs 基线（衔接 `cjms-solution-algorithm` 的对比设计），报解质量与时间。 2. **敏感性**：核心参数逐一扫区间，其余固定在基准值；关键交互参数做双向网格。 3. **边界**：找到方法失效或优势逆转的参数区域——审稿人最信任报告自身边界的论文。 4. **情境还原**：至少一个贴近真实规模/取值的算例，支撑管理启示。 随机实验固定种子并报告重复次数与均值±标准差；实验环境（CPU、内存、软件版本）在脚注或表注写明。 ## 从结果到机制的写法 每个实验小节按三句式收尾：**现象**（曲线/表格显示什么）→ **机制**（模型里哪股力量导致）→ **含义**（对决策者意味着什么）。只有第一句的段落是图注，不是分析。 ## 自检清单 - [ ] 每个参数能指认三类来源之一，或已声明为示意 - [ ] 实验矩阵覆盖有效性/敏感性/边界/情境还原四类 - [ ] 随机实验有种子、重复次数与离散度报告 - [ ] 每个实验有机制解释，不止现象描述 - [ ] 报告了方法失效或优势逆转的边界区域 - [ ] 实验环境与运行时间可复现 ## 本刊算例节的外审期待 | 退稿信号（审稿常用语） | 根因 | 本刊期望的修法 | |------------------------|------|----------------| | "数值实验不够充分" | 只有有效性对比，缺敏感性与边界 | 按四类实验矩阵补齐 | | "参数设置缺乏依据" | 标定来源缺失 | 逐参数注来源；示意值明示"示意" | | "结论的一般性存疑" |
- 触发时机
- 核心：算例是论证，不是演示
- 参数标定的三个合法来源
- 实验矩阵设计
- 从结果到机制的写法
- 自检清单
- 本刊算例节的外审期待
- 微型走查：敏感性矩阵的组织
- 反模式
- 输出格式
What does the cjms-numerical-experiments skill do?
Use when designing the numerical experiments and 算例 of a 《中国管理科学》 (Chinese Journal of Management Science) manuscript — grounded parameter calibration, an experiment matrix, sensitivity analysis, and mechanism-level reading of results. For simulation and case computation; real-data method validation belongs to cjms-empirical-validation.
How do I install it?
Run `npx skills add brycewang-stanford/Awesome-Journal-Skills --skill cjms-numerical-experiments --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From brycewang-stanford/Awesome-Journal-Skills, a repository with 909 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.