R-optimizer
R语言实证分析优化Skill。优化R代码效率、处理大规模面板数据、加速回归计算（并行化、向量化、向量化）。触发词：R语言优化/R加速/R性能优化/大规模数据处理/R optimization
Profile →npx skills add brycewang-stanford/Auto-Empirical-Research-Skills --skill R-optimizer --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.
# R-optimizer — R 语言实证分析优化Skill > 本 Skill 针对经济学实证分析场景，优化 R 代码的**执行效率**和**内存占用**。涵盖：向量化操作、并行计算、大规模面板数据处理、回归加速。**让原本需要数小时的回归在几分钟内完成。** ## 适用场景 - 处理 CGSS/CHIP 等大型调查数据（样本量 > 50,000） - 面板数据固定效应估计（大量虚拟变量） - 蒙特卡洛模拟或 Bootstrap（需要大量重复计算） - 交错 DID 事件研究（多时点估计） - 论文初稿阶段的快速迭代 ## 核心理念 **实证分析的瓶颈往往不是算法，而是 I/O 和循环**。优化顺序： 1. **数据读写**（最快优化点） 2. **向量化**（消除 R 层循环） 3. **并行化**（多核同时计算） 4. **内存管理**（减少数据拷贝） ## 工作流程 ``` 诊断
What does the R-optimizer skill do?
R语言实证分析优化Skill。优化R代码效率、处理大规模面板数据、加速回归计算（并行化、向量化、向量化）。触发词：R语言优化/R加速/R性能优化/大规模数据处理/R optimization
How do I install it?
Run `npx skills add brycewang-stanford/Auto-Empirical-Research-Skills --skill R-optimizer --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/Auto-Empirical-Research-Skills, a repository with 3,244 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.