Agent Skills
› brycewang-stanford/Awesome-Journal-Skills
› cie-topic-selection
cie-topic-selection
GitHub专为《中国工业经济》设计的选题打磨工具，通过特征事实、干净识别与3-5条边际贡献三件套，将模糊想法转化为符合“理论顶天实践立地”要求的高质量准实验选题。
Trigger Scenarios
选题想法模糊，担心有方法无思想
有数据但缺乏干净的政策冲击或特征事实
边际贡献描述空泛如'丰富了相关研究'
Install
npx skills add brycewang-stanford/Awesome-Journal-Skills --skill cie-topic-selection -g -y
SKILL.md
Frontmatter
{
"name": "cie-topic-selection",
"description": "Use to sharpen a topic for 《中国工业经济》 (China Industrial Economics) — anchoring on a clean China-policy quasi-experiment, firm behavior, industrial organization, or the digital economy, backed by stylized facts and 3–5 marginal contributions. Use before drafting, when the research question or contribution is fuzzy."
}
选题与边际贡献（cie-topic-selection）
触发时机
- 选题想法模糊，担心"有方法无思想"或边际贡献立不住
- 有数据但没有干净的政策冲击 / 特征事实
- 边际贡献写成"丰富了相关研究"
本刊选题偏好（强 → 弱）
- 政策评估类准实验：某产业 / 区域 / 环境政策对企业或地区结果的因果效应（试点、补贴、督察、宽带中国、低碳城市、自创区、数据要素、智能制造试点……）
- 企业行为与绩效：创新研发、出口、全要素生产率、数字化转型、ESG、僵尸企业、要素错配
- 产业组织与竞争：市场结构、进入退出、加成率、竞争政策、平台治理
- 数字经济与新动能：平台、数据要素、人工智能、工业互联网对生产率/就业的影响
办刊理念"理论顶天，实践立地"：选题要突出问题导向，关注重大理论与现实问题，体现"六新"（选题/视角/方法/架构/语言/观点要新）。
立选题三件套（缺一不可）
- 特征事实：用数据/图刻画现象，"选题意义不能泛泛而谈，要有事实支撑"（投稿指南原文）
- 干净识别的可行性：能想清楚处理组/对照组、时点、反事实
- 边际贡献 3—5 条：相对现有文献"新在哪"——新机制 / 新数据 / 新口径 / 新政策场景 / 新方法应用
边际贡献写法（黑名单 → 白名单）
| 黑名单 | 白名单 |
|---|---|
| "丰富了相关研究" | "首次识别 X 政策经由 <渠道> 影响 Y，区别于既有文献的 <旧解释>" |
| "拓展了研究视角" | "用 <新数据/新口径> 度量 <变量>，修正了既有 <高估/低估> 判断" |
| "具有重要现实意义" | "为 <主体> 在 <环节> 的 <决策> 提供了量化依据" |
自检清单
- 有可量化的特征事实支撑选题意义
- 有一个干净的政策冲击 / 准实验，时点与处理对象清晰
- 边际贡献 3—5 条，每条都能对应"区别于哪篇文献"
- 研究问题同时回答"是什么"与"为什么"
- 不是"用众所不知的模型说明众所周知的道理"
反模式
- 选题靠"国家很重视/政策很重要"撑意义，无特征事实
- 蹭热点概念但无干净识别（如泛泛"数字经济提升绩效"）
- 边际贡献堆 5 条但条条空泛、互相重复
- 跟风同一政策第 N 篇，却讲不出新机制 / 新口径
本刊选题审稿期待与退稿模式
| 审稿期待（"六新"+问题导向） | 达标证据 | 退稿模式 |
|---|---|---|
| 对接国之大者 | 接制造强国/新质生产力/双循环 | 蹭概念无实质问题 |
| 特征事实支撑 | 用数据/图刻画现象 | "国家很重视"撑意义 |
| 识别可行 | 处理/对照/时点/反事实清晰 | 纯相关却称因果 |
| 边际贡献具体 | 3—5 条各对应"区别于哪篇" | "丰富了相关研究" |
| 不同质化 | 新机制/新口径/新场景 | 同一政策第 N 篇 |
"用众所不知的模型说明众所周知的道理"、同质化跟风是本刊典型退稿模式；审稿尺度以编辑部最新意见为准。
微型走查：从模糊想法到可立选题
模糊起点："想研究智能制造对企业的影响。"按三件套打磨：①特征事实——画"试点前后 TFP 与数字化投入分布"图（示意试点企业增速高于对照约 3 个百分点），把意义从"国家很重视"换成数据现象；②干净识别——锁定分批遴选作冲击，处理=入选企业、对照=未入选可比企业、时点=各批落地年，可上交错 DID；③边际贡献 3 条——首次用试点准实验识别因果效应（区别于自报指标的相关研究）、识别"数字化改造+人力资本"双渠道（区别于笼统"技术升级"）、用工企+上市+海关多源数据修正既有判断。收口选题："智能制造试点是否、经由何种渠道提升企业 TFP"，接 cie-literature-review。
审稿人/编辑追问 × 本刊语境修法
- "选题意义只靠政策重要性撑，没事实。" → 补可量化特征事实（分布/趋势图），让现象提出问题。
- "同一政策第 N 篇，新在哪？" → 明确新机制/新口径/新数据/新场景之一，逐条对标"区别于哪篇"。
- "边际贡献五条互相重复。" → 合并同义贡献，保留 3 条互不重叠、各挂一条缺口。
- "蹭热点但无识别。" → 找干净冲击升级准实验，或降级为辅助分析。
校准锚点
- "理论顶天，实践立地""六新"为本刊办刊与选题导向口径；具体选题偏好与热点以编辑部最新征稿与已刊形态为准。
- 上述特征事实与贡献条目为流程示意，真实选题须据本文数据重新论证。
- 对接国家战略是加分项而非硬门槛；不臆断录用标准，以编辑部最新意见为准。
输出格式
【选题领域】政策准实验 / 企业行为 / 产业组织 / 数字经济
【特征事实】有 <数据/图> / 缺
【政策冲击】<名称、时点、处理对象> / 待补
【边际贡献】1.… 2.… 3.…（各对应区别于哪篇）
【风险】<同质化 / 无识别 / 贡献空泛>
【下一步】cie-literature-review
Version History
- 1839142 Current 2026-07-05 12:28
