jqte-io-cge
Use when a 《数量经济技术经济研究》 (JQTE) manuscript is built on an input-output table, a CGE model, or a structural decomposition (SDA). Enforces explicit data sources, parameter calibration, closure rules, scenario design, and end-to-end reproducibility. The standard reject here is a black-box model run whose setup cannot be reconstructed.
Profile →npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jqte-io-cge --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.
# 投入产出 / CGE / 结构分解（jqte-io-cge） ## 触发时机 - 模型基于投入产出表、CGE 或 SDA/SPA 结构分解 - 用了 GTAP/GAMS/现成 CGE 模板但设定交代不清 - 审稿人质疑"参数从哪来、闭合怎么定、结果能否复现" ## 本刊铁律：数据 + 校准 + 闭合 + 情景，全链可复现 CGE/IO 最易被拒的是**黑箱**：跑出漂亮结果却无法重建模型。必须把数据来源、参数来源、闭合规则、情景设定写到能复现的程度。 ## 投入产出（IO） - IO 表来源与年份明确（国家/地区 IO 表、WIOD、OECD-ICIO 等） - 部门合并/拆分规则、价格型 vs 实物型、竞争型 vs 非竞争型进口处理交代清楚 - 关联指标（影响力系数、感应度系数、Leontief/Ghosh 逆矩阵）定义给全 - 多区域 IO (MRIO) 说明区域间贸易数据来源与平衡方法 ## 结构分解（SDA / SPA） - 分解项（技术系数变化、最终需求结构、规模等）的定义与公式给全 - 多因素分解的**分解形式**说明（两极分解平均、加性 LMDI 等），避免路径依赖造成的非唯一性 - 报告分解残差或说明为何无残差 ## CGE - **数据**：基准社会核算矩阵 (SAM) 的来源、年份、平衡方法 - **参数校准**：弹性参数（替代弹性、Armington、Frisch 等）的来源——校准得到还是文献/计量估计，逐一列出 - **闭合规则**：宏观闭合（储蓄-投资、政府、外部）显式说明，闭合不同结论可能反转 - **情景设定**：基准情景 (BAU) 与政策情景的冲击变量、幅度、引入路径清楚 - **求解与检验**：求解软件/算法、是否通过基准复制 (benchmark replication) 校验 ## 自检清单 - [ ] 数据来源（IO 表 / SAM）年份、口径、平衡方法明确 - [ ] 关键弹性参数逐一给出来源（校准 / 文献 / 估计） - [ ] 闭合规则显式说明，并讨论其对结论的影响 - [ ] 情景冲击的变量、幅度、路径清楚 - [ ] SDA 分解形式说明，残差处理交代 - [ ] 模型通过基准复制校验，结果可复现 ## 反模式 - 用现成 CGE 模板跑情景，却不交代弹性参数从哪来 - 闭合规则只字不提（换闭合可能结论反转） - SDA 不说分解形式，结果随分解路径变化而不自知 - 情景冲击幅度无依据、来源不明 - 给结果却无法让人重建模型（黑箱） ## 本刊结构模型审稿期待表 《数量经济技术经济研究》是 IO/CGE/SDA 在国内的主要发表阵地之一，核心要求是"可重建"——审稿人能照着把模型搭回来。 | 审稿维度 | 达标线 | 黑箱型退稿表现 | |----------|--------|----------
- 触发时机
- 本刊铁律：数据 + 校准 + 闭合 + 情景，全链可复现
- 投入产出（IO）
- 结构分解（SDA / SPA）
- CGE
- 自检清单
- 反模式
- 本刊结构模型审稿期待表
- 微型走查：碳税政策的 CGE 模拟（示意稿件）
- 审稿人追问模式 + 本刊语境修法
- 校准锚点
- 输出格式
What does the jqte-io-cge skill do?
Use when a 《数量经济技术经济研究》 (JQTE) manuscript is built on an input-output table, a CGE model, or a structural decomposition (SDA). Enforces explicit data sources, parameter calibration, closure rules, scenario design, and end-to-end reproducibility. The standard reject here is a black-box model run whose setup cannot be reconstructed.
How do I install it?
Run `npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jqte-io-cge --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.