jqte-topic-selection
Use to sharpen a topic for 《数量经济技术经济研究》 (JQTE) — turning a vague empirical idea into a measurement / forecasting / method-application question with a clear quantitative object, a method-side novelty, and value for China's planning or technology decisions. Use before drafting, when the contribution shape is still fuzzy.
Profile →npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jqte-topic-selection --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.
# 选题（jqte-topic-selection） ## 触发时机 - 有数据/方向但讲不清"到底量什么、预测什么、分解什么" - 选题像泛泛的"X 对 Y 的影响"，方法没有亮点 - 想确认题目落在本刊两条主线（数量经济 / 技术经济）内 ## 好选题的三要素 1. **可量化的核心对象**：明确"量/预测/分解"的目标量（如某行业绿色 TFP、某指数、某结构变化的贡献份额），而非一个模糊的因变量。 2. **方法侧的新意**：方法选择、指标构造、口径或数据有别于现成做法，并能讲清适用条件。 3. **对中国实践的价值**：结论能服务规划、预测、产业或技术决策，而非只停在显著性。 ## 选题方向对照（本刊主线） | 方向 | 典型选题 | |------|----------| | 生产率与效率测度 | 全要素生产率、绿色 TFP、Malmquist 分解、DEA/SFA 效率评价 | | 宏观计量与预测 | 时间序列建模、混频/大数据计量、景气预测、政策模拟 | | 投入产出与一般均衡 | IO 关联分析、CGE 情景、结构分解 (SDA) | | 技术经济评价 | 技术/项目经济评价、创新与数字经济的量化测度 | | 计量方法应用与改进 | 把前沿方法用到中国数据并交代适用条件与局限 | ## 选题质检 - [ ] 能用一句话说出"本文量/预测/分解的是什么，比现有做法好在哪" - [ ] 方法侧有可辨识的新意，不是套用现成软件 - [ ] 数据口径明确、可获得、可复现 - [ ] 结论能落到具体的规划/预测/产业/技术决策 ## 反模式 - "研究 X 与 Y 的关系"却没有明确的可量化对象 - 选题只是"换个地区/换个年份再跑一遍"，无方法或口径新意 - 题目过大（"中国经济高质量发展研究"），无法收敛到可测对象 - 蹭热点概念但没有对应的测度/数据支撑 ## 本刊选题质检标尺 《数量经济技术经济研究》对选题的隐性门槛是"方法创新 + 中国问题落地"双轮:既要有可量化的核心对象,又要有方法侧新意。下表把好选题拆成可核对项。 | 质检维度 | 达标线 | 退稿表现 | |----------|--------|----------| | 可量化对象 | 明确量/预测/分解的目标量 | 模糊的"X 对 Y 的影响" | | 方法新意 | 方法/指标/口径有别于现成做法 | 换地区/换年份重跑 | | 数据可复现 | 口径明确、可获得、可复现 | 数据黑箱、口径不清 | | 实践价值 | 落到规划/预测/产业/技术决策 | 停在显著性、蹭概念 | | 题目收敛 | 收敛到可测对象 | 题目过大无法落地 | ## 微型走查：从空泛想法到合格选题（示意） 设想初始想法"研究数字经济与高质量发展"（过大、不可测）。打磨过程（示意）： 1. **收敛核心对象*
- 触发时机
- 好选题的三要素
- 选题方向对照（本刊主线）
- 选题质检
- 反模式
- 本刊选题质检标尺
- 微型走查：从空泛想法到合格选题（示意）
- 审稿人/编辑追问模式 + 本刊语境修法
- 校准锚点
- 输出格式
What does the jqte-topic-selection skill do?
Use to sharpen a topic for 《数量经济技术经济研究》 (JQTE) — turning a vague empirical idea into a measurement / forecasting / method-application question with a clear quantitative object, a method-side novelty, and value for China's planning or technology decisions. Use before drafting, when the contribution shape is still fuzzy.
How do I install it?
Run `npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jqte-topic-selection --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 984 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.