Agent Skills
› brycewang-stanford/Awesome-Journal-Skills
› jmsc-behavioral-om
jmsc-behavioral-om
GitHub指导《管理科学学报》行为运作稿件，强调实验规范与含可识别参数的行为模型并重。涵盖因果设计、激励相容、操纵检验及参数识别，确保贡献为解释偏差的模型而非单纯效应发现。
Trigger Scenarios
研究对象为人的决策偏差
需校准或检验行为模型
审稿质疑缺乏可识别的行为参数
不确定选择解析建模还是行为实验路径
Install
npx skills add brycewang-stanford/Awesome-Journal-Skills --skill jmsc-behavioral-om -g -y
SKILL.md
Frontmatter
{
"name": "jmsc-behavioral-om",
"description": "Use when taking the behavioral operations (行为运作) path of a 《管理科学学报》 (Journal of Management Sciences in China) manuscript — designing controlled experiments, manipulation checks, and a behavioral model that identifies the bias parameter, so the contribution is a model that explains behavior, not just an effect. Use when human decisions are the object of study instead of pure analytical modeling; use when reviewers ask where the identifiable behavioral parameter is."
}
行为运作（jmsc-behavioral-om）
触发时机
- 研究对象是人的决策偏差（如订货偏差、心理账户、公平偏好）
- 有实验数据，想用它校准/检验一个行为模型
- 审稿质疑"只是做了个实验，行为模型在哪/能否识别"
- 不确定走纯解析建模还是行为实验路径
核心：实验 + 可识别的行为模型
行为运作在本刊的对口姿势是实验设计规范 + 行为模型识别并重：不仅报告"被试偏离最优"，更要用一个含行为参数的模型刻画偏差，并从数据中识别该参数。只有实验、没有模型 → 偏心理学，不对口。
实验设计规范
- 因果设计：操纵自变量、随机分配、控制混淆；明确处理组/对照组。
- 激励相容：报酬与决策绩效挂钩，避免无成本作答（hypothetical bias）。
- 操纵检验（manipulation check）：确认被试确实感知到了被操纵的变量。
- 样本与功效：报告样本量、被试来源、功效分析依据。
- 预注册/稳健性：若可行，预注册假设；报告对异常值/学习效应的处理。
行为模型与识别
| 环节 | 要求 |
|---|---|
| 基准模型 | 给出理性最优作为对照（偏差相对它度量） |
| 行为模型 | 引入行为参数（如损失厌恶 λ、公平 α、锚定权重） |
| 识别 | 说明参数如何从实验数据估计；是否可识别（变异来源） |
| 检验 | 行为模型 vs 理性模型的拟合比较（似然/信息准则） |
| 稳健 | 替代行为设定、个体异质性、稳健标准误 |
执行桥（StatsPAI / Stata MCP）
把设计跑出来并审计，而不是只做描述。完整映射见
execution-with-mcp。《管理科学学报》以解析/运筹/建模为主——优化、算法、数值实验与证明不在该因果推断工具链内；下面的链路服务其行为运营(behavioral-om)等实证支线。
detect_design→recommend→ 用as_handle=true拟合 →audit_result列出尚欠的检查。- **观察性因果：**交错 DID（
callaway_santanna/sun_abraham+bacon_decomposition+honest_did_from_result）；IV（effective_f_test+anderson_rubin_ci）；RDD（rdrobust+mccrary_test）。 - **实验：**随机化推断 +
romano_wolf做多结果族错误率控制。 - 敏感性：
oster_delta/sensemakr。
正文报告经济量级，完整 battery 进附录；每个数字都能复现。端到端真跑示例见
JF 执行 walkthrough。若 StatsPAI/Stata 未连接，改用 resources/code/ 并标注未验证数字。
自检清单
- 实验有清晰因果设计（操纵、随机、控制）
- 报酬激励相容，非假设性作答
- 有操纵检验，确认操纵生效
- 样本量/功效有依据，被试来源透明
- 行为模型含可识别的行为参数，并说明识别来源
- 行为模型与理性基准做了拟合比较
- 贡献落在"模型解释了什么偏差"，非"发现被试不理性"
反模式
- 只报"被试系统性偏离最优"，无刻画偏差的模型
- 行为参数不可识别（无变异来源），却报了点估计
- 用假设性问卷冒充激励相容实验
- 缺操纵检验，把无效操纵下的零结果当发现
- 把行为运作做成纯心理学实验（无运作决策、无模型）
本刊行为运作审稿期待与退稿模式
《管理科学学报》收行为运作稿的前提是"实验规范 + 行为模型识别并重"，贡献须落在模型解释偏差。下表对齐本刊高频退稿语与修法：
| 退稿信号 | 根因 | 本刊期望的修法 |
|---|---|---|
| "只是做了个实验" | 无含行为参数的模型 | 建含 λ/α 等参数的行为模型并从数据识别 |
| "偏心理学、无运作决策" | 缺运作管理决策变量 | 把任务锚到订货/定价等运作决策 |
| "用假设性问卷" | 报酬不挂绩效 | 改为激励相容设计，报酬随决策绩效变动 |
| "行为参数不可识别" | 无变异来源却报点估计 | 设计制造参数变异的处理，论证识别 |
| "无操纵检验" | 不确认操纵生效 | 加操纵检验，零结果须先证操纵有效 |
锚点：本刊已刊行为运作论文通常给"理性基准 → 含行为参数的行为模型 → 实验设计 → 参数估计与识别论证 → 行为 vs 理性拟合比较"链条；参数估计须报标准误。具体体例以编辑部最新稿约为准。
微型走查：报童订货偏差的行为模型识别
虚构稿件《拉中心效应下的报童订货行为》。按"实验+可识别行为模型"走一遍（示意数字仅作演示）：
- 对象：人的订货决策偏差——被试订货量系统性偏向需求均值（拉中心 pull-to-center）。
- 基准模型：理性报童最优 q*=F⁻¹((p−c)/p)，高利润品 q*=75、低利润品 q*=35。
- 行为模型：引入锚定权重 ω∈[0,1]，q=ω·μ+(1−ω)·q*，μ=50；ω=0 为理性，ω 越大越拉中心。
- 实验设计：操纵利润结构（高/低）×需求方差（高/低）析因，随机分配；激励相容（报酬=20 轮平均利润折现金）；操纵检验确认被试理解利润差异。N=120，功效依效应量 0.5 设定。
- 识别：利润结构跨处理变动使 q* 移动而 μ 固定，由 q 对 q* 回归斜率识别 (1−ω)，斜率显著<1 即 ω>0 可识别。估计 ω̂=0.38（标准误 0.05）。
- 模型比较：行为模型对数似然优于理性，AIC 下降，ω̂ 在高/低方差下稳健（0.35 vs 0.41）。
审稿人若追问"拉中心是否只是风险厌恶"，回应应给区分设计：风险厌恶预测订货随方差单调下移、锚定预测向 μ 收缩，实验中两品方向相反更支持锚定，由此把 ω 与风险参数分离识别。
输出格式
【对象】人的决策偏差：<哪种>
【实验设计】操纵<…> 随机<是/否> 控制<…> 操纵检验<有/无>
【激励】相容 / 假设性（弱）
【样本/功效】N=…，来源<…>，功效依据<…>
【行为模型】基准<理性> + 行为参数<λ/α/…>
【识别】可识别？变异来源<…>
【模型比较】行为 vs 理性 拟合<…>
【贡献】<模型解释了什么偏差>
【下一步】jmsc-managerial-insights / jmsc-notation-style
Version History
- 1839142 Current 2026-07-05 13:46
