第 1 章 · AI 研究工具就绪：环境与首次回归

手册：AI 辅助金融研究学生自学手册

对标：A 版第 1+2 章合并
阶段定位：准备——工具实务

学习目标

完成本章后，你应当能够：

跑通 check_ai_stata_env.sh 并看到"✅ 全部就绪"输出（macOS 主线 / Windows 分支见 §1.3 续）
完成 Stata 18 首次回归（bank_roe 三模型）并看懂输出表面
建立标准研究文件夹五目录结构（data/raw → clean → code → output → refs）
说出 MCP / Skill / CLI 三范式分工及黄金组合

学完本章你会拿到：一套可自检的开发环境、第一个跑通的面板回归、一个规范的项目文件夹模板——以及"AI 工具三件套"的认知地图。后面所有章节的实操都建立在本章基础上。

1.1 装机检查清单：你需要哪些工具

在正式写代码之前，先把"厨房"收拾好。下面这张表列出了本手册全程会用到的软件——不需要一次全装好，但三大核心（标 ⭐）必须在第一周内就绪。

三大核心软件

软件	最低版本	用途	验证命令	获取方式
⭐ Stata	18（MP/SE 均可）	计量分析主力	`stata-mp --version`	川农正版授权（网络中心申请）
⭐ Qoder 或 Trae	最新版	AI 编程助手（对话 + MCP + Skill）	打开应用看版本号	qoder.com/zh/download 或 trae.cn/download
⭐ Zotero	10.0+	文献管理 + 引用生成	`zotero --version` 或打开应用	zotero.org 免费下载

辅助工具

软件	最低版本	用途	验证命令	获取方式
Python	3.12+	数据处理、MCP 服务器运行	`python3 --version`	python.org 或 `brew install python`
Node.js	20 LTS+	MCP 服务器运行（npx 启动）	`node --version`	nodejs.org（选 LTS，勿选 Current）
Git	2.40+	版本控制（代码 + 论文）	`git --version`	`brew install git` 或 git-scm.com
VS Code	最新版	Markdown / LaTeX / Notebook 编辑	`code --version`	code.visualstudio.com
Homebrew	4.0+	macOS 包管理器	`brew --version`	brew.sh

动手验证

打开终端（macOS：⌘ + 空格 搜 "Terminal"），逐条运行：

bash

# macOS 验证（逐行粘贴）
stata-mp --version        # 应显示 Stata/MP 18.x
python3 --version         # 应显示 Python 3.12.x 或更高
node --version            # 应显示 v20.x 或更高
git --version             # 应显示 git version 2.x
brew --version            # 应显示 Homebrew 4.x

做完后你应该看到：每行命令都有版本输出，没有 "command not found"。如果某一行报错，别慌——§1.3 会逐步教你安装。

1.2 三范式认知地图：MCP / Skill / CLI 各管什么

装机之前，先搞懂一个关键问题：为什么需要三类不同的 AI 工具？它们各管什么？

本手册把 AI 辅助研究的工具分为三个层次。你可以把它想象成一个人：MCP 是感官（接收信息），Skill 是大脑里的知识（知道怎么做），CLI 是双手（执行动作）。

三范式对比表

维度	MCP（连接层）	Skill（知识层）	CLI（执行层）
本质	Model Context Protocol，连接协议	领域知识文件（Markdown 格式 SOP）	Shell 命令行工具
比喻	AI 的"USB-C 接口"——插上就能读数据	AI 的"操作手册"——教它标准流程	AI 的"双手"——直接操作文件和数据
形态	JSON-RPC Server（后台运行）	SKILL.md 文件（纯文本）	可执行程序（终端调用）
开发成本	高（需写 Server 代码）	低（写 Markdown 即可）	零（用现成工具）
适合场景	对接外部 API / 数据库	知识复用、流程标准化	本地文件操作、批处理

本机实例（帮你建立直觉）

MCP 实例：

stata-mcp：让 AI 直接操作你的 Stata（发命令、读输出）
tushareMcp：对接 Tushare 金融数据接口（A 股/基金/宏观，254 个工具）
faostat-mcp：对接 FAO 农业数据库（69 个数据域，农经核心）
imf-mcp-server：对接 IMF 国际宏观金融数据（IFS/WEO）

Skill 实例：

questionnaire-design：问卷设计 SOP（从构念到题项到量表）
paper-write：论文分章起草 SOP（LaTeX 格式）
systematic-literature-review：系统文献综述 SOP（多源检索→评分→写作）

CLI 实例：

cli-anything-zotero：文献管理命令行（九大命令组，覆盖入库/检索/导出全流程）
officecli：操作 Word/Excel/PPT（学术表格输出）
quarto：Notebook → PDF/HTML/Word 多格式发布

💡 黄金组合

三者不是互斥的，而是协同的：

MCP（拿到数据）+ Skill（知道怎么做）+ CLI（执行动作）= 完整研究自动化链

一个具体场景：假设你要做"银行治理结构与 ROE"的实证研究——

MCP 拿数据：用 tushareMcp 拉 100 家上市银行 5 年财务数据
Skill 指导分析：stata skill 告诉 AI 该跑 OLS → FE → RE 三模型对照
CLI 输出结果：officecli 把回归表格写入 Word，直接交给导师

现在你不需要记住每个工具的名字——后面各章会逐一展开。这里只需建立"三层分工"的认知框架：连接 → 知识 → 执行。

1.3 macOS 主线配置（教师机实测路径）

本节是 macOS 用户的完整装机指南。按顺序做，每步都有验证命令——看到预期输出就继续下一步。

第一步：Homebrew（包管理器）

Homebrew 是 macOS 的"应用商店命令行版"，后面装 Python、Node、Git 都靠它。

bash

# 安装 Homebrew（如果已有，跳过）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 验证
brew --version
# 预期输出：Homebrew 4.x.x

第二步：Python 3.12+

bash

brew install python@3.12
python3 --version
# 预期输出：Python 3.12.x

# 安装核心包（一次性）
pip3 install numpy pandas matplotlib statsmodels linearmodels jupyter

第三步：Node.js 20 LTS

bash

brew install node@20
node --version
# 预期输出：v20.x.x
npm --version
# 预期输出：10.x.x

⚠️ 注意：一定选 LTS（长期支持版），不要选 Current（尝鲜版）。MCP 服务器对 Node 版本有要求。

第四步：Stata 18 命令行链接

Stata 安装后默认只有图形界面。要让终端能直接调用 stata-mp，需要建立命令行链接：

bash

# 方法一：创建符号链接（推荐）
sudo ln -s /Applications/Stata/StataMP.app/Contents/MacOS/stata-mp /usr/local/bin/stata-mp

# 方法二：添加 alias 到 ~/.zshrc
echo 'alias stata-mp="/Applications/Stata/StataMP.app/Contents/MacOS/stata-mp"' >> ~/.zshrc
source ~/.zshrc

# 验证
stata-mp --version
# 预期输出：Stata/MP 18.x for Mac

💡 路径说明：如果你装的是 Stata SE，把上面的 StataMP 换成 StataSE，stata-mp 换成 stata-se。

第五步：Zotero 10 + Better BibTeX

从 zotero.org 下载 Zotero 10（免费）
安装 Better BibTeX 插件：菜单 → Tools → Plugins → 齿轮图标 → Install Add-on From File → 选 .xpi
验证：打开 Zotero，能看到文献库界面即可

第六步：Qoder/Trae 安装

下载：qoder.com/zh/download（或 trae.cn/download）
安装后首次登录（用学校邮箱注册）
验证：打开应用，能进入对话界面

第七步：MCP 服务器配置验证

MCP 配置路径（macOS）：~/Library/Application Support/Qoder/SharedClientCache/projects/<项目>/mcps

验证方法：在 Qoder 对话中输入"列出可用的 MCP 服务器"，应能看到已配置的服务列表。

一键检查脚本：check_ai_stata_env.sh

所有步骤完成后，运行这个脚本做全面自检：

bash

#!/bin/bash
# check_ai_stata_env.sh — AI 研究环境一键检查
# 用法：chmod +x check_ai_stata_env.sh && ./check_ai_stata_env.sh

PASS=0; FAIL=0

check() {
    if command -v "$1" &>/dev/null; then
        echo "✅ $1 — $($1 --version 2>&1 | head -1)"
        ((PASS++))
    else
        echo "❌ $1 — 未安装"
        ((FAIL++))
    fi
}

echo "=== AI 研究环境检查 ==="
check stata-mp
check python3
check node
check npm
check git
check brew
check quarto

echo ""
echo "--- Stata 关键包检查 ---"
stata-mp -e 'foreach p in estout xtreg areg ivregress psmatch2 asdoc coefplot { capture which `p'"'"' ; if _rc==0 di "  OK `p'"'"' ; else di "  MISS `p'"'"' }' 2>/dev/null

echo ""
if [ $FAIL -eq 0 ]; then
    echo "🎉 ✅ 全部就绪！你可以开始第 1.4 节的首次回归了。"
else
    echo "⚠️  有 $FAIL 项未就绪，请按上方提示逐一安装。"
fi

做完后你应该看到：脚本输出 7 个 ✅，最后一行显示"🎉 ✅ 全部就绪"。如果有个别 ❌，回到对应步骤重装即可。

1.3（续）Windows 学生机分支

本手册主线为 macOS（教师机实测）。如果你的电脑是 Windows 11，请按本节操作。
完整对照详见附录 A。

Windows 核心安装清单

步骤	软件	安装方式	关键注意事项
1	Python 3.12	python.org 下载或 Microsoft Store	⚠️ 务必勾选 "Add Python to PATH"
2	Node.js 20 LTS	nodejs.org 下载 LTS 安装包	勿选 Current 版
3	Git	git-scm.com 下载	安装时选 "Git from the command line"
4	Stata 18	学校正版安装包	安装后确认 do-file 编辑器可用
5	Zotero 10	zotero.org 下载	同步安装 Better BibTeX 插件
6	Qoder	qoder.com/zh/download	MCP 配置路径见下方
7	PowerShell 7	Microsoft Store 搜索 "PowerShell"	替代旧版 CMD，功能更强
8	MiKTeX（选装）	miktex.org Basic Installer	设 "Install missing packages" 为 Always

Windows 验证命令（PowerShell）

powershell

# 打开 PowerShell 7，逐行运行：
python --version          # 预期：Python 3.12.x
node --version            # 预期：v20.x.x
git --version             # 预期：git version 2.x
stata-mp --version        # 预期：Stata/MP 18.x（需手动加入 PATH）

⚠️ Stata 加入 PATH：Windows 安装 Stata 后默认不加 PATH。需手动将 C:\Program Files\Stata18 添加到系统环境变量 Path 中。方法：右键"此电脑" → 属性 → 高级系统设置 → 环境变量 → 编辑 Path → 新建。

macOS 与 Windows 关键差异对照

项目	macOS	Windows
终端	Terminal / iTerm2	PowerShell 7（推荐）/ CMD
包管理器	Homebrew (`brew`)	winget / Chocolatey
路径分隔符	`/`（正斜杠）	`\`（反斜杠）
Stata 命令	`stata-mp -e do file.do`	`stata-mp /e do file.do`
Qoder MCP 配置路径	`~/Library/Application Support/Qoder/...`	`%APPDATA%\Qoder\SharedClientCache\...`
Python 包管理	`pip3 install`	`pip install`
环境变量设置	`export VAR=value`	`$env:VAR = "value"`

Windows 常见问题速查

问题	原因	解决
`python` 命令找不到	安装时未勾选 "Add to PATH"	重新安装并勾选，或手动加 PATH
`pip install` 很慢	默认源在国外	`pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple`
npm 全局安装失败	权限问题	以管理员身份运行 PowerShell
Stata 命令行不可用	未加入系统 PATH	将 Stata 安装目录加入环境变量
MiKTeX 首次编译卡住	正在下载缺失宏包	等待即可（首次可能需要 5-10 分钟）

💡 延伸学习（选读）：清华 OpenMAIC（open.maic.chat）和港大 DeepTutor 是两个开源 AI 学习平台，可以把教材 PDF 变成互动课堂。不属于本手册核心链路，有兴趣的同学可自行探索。

1.4 首次回归：bank_roe 三模型对照

环境就绪后，第一件事不是读教材、不是看论文——而是跑通一个完整的回归流程。这会让你对"做实证"有直觉性的体感：原来就是从数据到表格这么一条线。

场景设定

研究问题：银行治理结构对盈利能力（ROE）的影响

数据：100 家上市银行 × 5 年（2020—2024）面板数据（教学用模拟数据）
被解释变量：roe（净资产收益率）
解释变量：size（总资产对数）、leverage（资产负债率）、governance（治理指数）、board_size（董事会规模）
三种模型对照：OLS 混合回归 → 固定效应（FE）→ 随机效应（RE）

完整 Stata 代码

将以下内容保存为 code/bank_roe_three_models.do：

stata

* === bank_roe_three_models.do ===
* 目的：首次回归体验——OLS vs FE vs RE 三模型对照
* 数据：bank_panel.dta（100家银行×5年面板数据，教学用模拟数据）
* 产出：output/bank_roe_three_models.log + .rtf

* 0. 环境设置
clear all
set more off
capture log close
log using "output/bank_roe_three_models.log", replace

* 1. 读入数据并初步了解
use "data/clean/bank_panel.dta", clear
describe
summarize roe size leverage governance board_size

* 2. 模型一：OLS 混合回归（基准）
reg roe size leverage governance board_size
estimates store m1_ols

* 3. 模型二：固定效应（FE）——控制银行个体差异
xtset bank_id year
xtreg roe size leverage governance board_size, fe
estimates store m2_fe

* 4. 模型三：随机效应（RE）
xtreg roe size leverage governance board_size, re
estimates store m3_re

* 5. Hausman 检验：选 FE 还是 RE？
hausman m2_fe m3_re
* 判读规则：
*   p < 0.05 → 选 FE（个体效应与解释变量相关，RE 有偏）
*   p > 0.05 → 选 RE（更高效，且无偏）

* 6. 三模型对照表输出（RTF 格式，Word 可直接打开）
esttab m1_ols m2_fe m3_re using "output/bank_roe_three_models.rtf", ///
    replace b(3) se(3) star(* 0.10 ** 0.05 *** 0.01) ///
    title("表1：银行ROE影响因素——三模型对照") ///
    mtitles("OLS" "FE" "RE") ///
    stats(N r2 r2_w, labels("观测数" "R²" "Within R²"))

log close
display "=== 回归完成！请查看 output/ 文件夹 ==="

逐行解读（面向零基础）

代码	含义	你需要知道什么
`clear all`	清空内存中所有数据和设置	每次开始新分析前的好习惯
`log using ...`	把所有输出记录到日志文件	这就是你的"实验记录本"，可复现的证据
`use ..., clear`	读入 .dta 数据文件	Stata 专用格式，类似 Excel 但更快
`describe`	显示数据概览（变量名/类型/标签）	相当于拿到数据后先"看一眼"
`summarize`	描述统计（均值/标准差/最小最大值）	检查数据是否合理，有无异常值
`reg y x1 x2 ...`	OLS 线性回归	最基础的回归命令
`xtset bank_id year`	声明面板数据结构	告诉 Stata：个体=bank_id，时间=year
`xtreg ..., fe`	固定效应回归	控制每个银行的"先天差异"（如成立年限、地域）
`xtreg ..., re`	随机效应回归	假设个体差异是随机的（更高效但假设更强）
`hausman`	模型选择检验	p 值帮你决定用 FE 还是 RE
`estimates store`	保存回归结果	方便后面做对比表
`esttab ... using`	输出回归对照表	直接生成论文级别的表格（RTF 格式）

运行方法

bash

# 终端中运行（macOS）
cd ~/my_research_project
stata-mp -e do code/bank_roe_three_models.do

做完后你应该看到：

output/bank_roe_three_models.log 文件生成（完整日志）
output/bank_roe_three_models.rtf 文件生成（三模型对照表，用 Word 打开）
终端无红色报错信息

🎯 重要提示：你不需要现在完全理解每个统计量的含义——第 8、9 章会系统讲解。本章目标是跑通流程，看到输出不慌。能打开 RTF 表格、看到三列系数并排，就算达标。

1.5 标准研究文件夹：五目录结构

做研究最怕什么？不是模型跑不通，而是文件乱到找不到。三个月前的数据放在哪个文件夹？那张回归表格是第几版？日志文件呢？

从现在开始，所有研究项目都用统一的五目录结构。这不是形式主义——它是可复现性的物理保障（对应诚信检查点 S8.1、S9.3）。

目录模板

my_research_project/
├── data/
│   ├── raw/          ← 原始数据（只读！永不修改！）
│   └── clean/        ← 清洗后数据（由 code/ 脚本生成）
├── code/             ← 所有 .do / .py / .R 脚本
├── output/           ← 回归表格、图表、日志（脚本自动生成）
├── refs/             ← 参考文献 PDF + .bib 文件
└── README.md         ← 一页说明（项目/数据/方法/复现命令）

一键创建

bash

# 在终端运行（替换 your_project_name 为你的项目名）
mkdir -p ~/your_project_name/{data/{raw,clean},code,output,refs}
cd ~/your_project_name
touch README.md
echo "# 项目名" > README.md

做完后你应该看到：tree 命令输出上述目录结构。

三条铁律

规则	原因	违反后果
`data/raw/` 只读不改	原始数据是唯一真相来源	改了就无法复现，审稿人/导师无法验证
所有修改通过 `code/` 脚本完成	脚本可重跑 = 结果可复现	手动改 Excel 的操作无法追溯
`output/` 不手动编辑	由脚本自动生成，保证一致性	手动改过的表格与代码输出不匹配

💡 为什么 data/raw/ 只读这么重要？因为你的论文可能被任何人要求复现。如果原始数据被改过，你就无法证明结果是从哪来的——这在学术上叫"数据不可溯源"，是严重问题（参见 S8.1）。

README.md 模板

markdown

# [项目名称]

## 研究问题
一句话描述你的研究问题。

## 数据来源
- 数据库名称 + 访问日期
- 样本范围（如：100 家上市银行，2020-2024）

## 方法概述
- 模型：OLS / FE / RE / IV / DID ...
- 软件：Stata 18 + Python 3.12

## 复现命令
```bash
cd my_research_project
stata-mp -e do code/bank_roe_three_models.do

产出文件

output/bank_roe_three_models.rtf：三模型对照表
output/bank_roe_three_models.log：完整运行日志


> 养成习惯：**每开一个新项目，第一件事建目录、第二件事写 README**。导师看到规范的文件夹结构，第一印象就很好。

## 1.6 产出物初步：Stata 结果输出的四条路线

回归跑完了，下一步是把结果变成导师能看的格式。Stata 输出 Word 文档有四种路线，从简单到精细：

### 四路线对比

| 路线 | 命令/工具 | 优点 | 缺点 | 适合场景 |
|---|---|---|---|---|
| ① RTF 直出 | `esttab ... using .rtf` | 最简单，一行搞定 | 格式粗糙，需手动美化 | **本章达标**、日常草稿 |
| ② putdocx | Stata 原生 `putdocx` | 精细控制段落/字体/表格 | 语法略繁琐 | 正式论文表格 |
| ③ asdoc | 社区命令 `asdoc` | 一键输出，自动格式 | 定制性有限 | 快速汇报 |
| ④ officecli + Python | 跨平台自动化工具 | 批量处理，与 AI 联动 | 需要 Python 环境 | 多表格批量生成 |

### 本章达标：路线 ①

在 §1.4 的代码中，你已经用路线 ① 生成了 `bank_roe_three_models.rtf`。用 Word 打开它，看到三列系数并排的表格——**这就是本章的产出物达标标准**。

### 路线 ② 预览：putdocx 示例

让你知道有这个选项（详细用法见第 8 章）：

```stata
* putdocx 示例：创建正式 Word 文档
putdocx begin
putdocx paragraph, style("Title")
putdocx text("表1：银行ROE影响因素回归结果")
putdocx paragraph

* 把回归结果写入 Word 表格
putdocx table tbl1 = etable(m1_ols m2_fe m3_re)
putdocx table tbl1(1,1), text("模型") bold

putdocx save "output/bank_roe_formal.docx", replace

做完后你应该看到：output/ 文件夹下有一个 .rtf 文件，用 Word/WPS 打开能看到规范的三列回归表格。

📌 四条路线的选择原则：先用最简单的跑通流程，再根据需要升级。第 8 章会详细讲解路线 ②③④ 的完整用法。现在不要纠结格式——内容对了，格式后面再打磨。

🔧 AI 辅助研究栏

本章 AI 用法：首次对话与回归输出解读

场景：你跑完 xtreg roe size leverage governance board_size, fe 看到一屏输出，不知道哪些数字重要。

正确做法：

复制 Stata 输出窗口的全文（从命令到最后一行）
粘贴给 AI（Qoder / Trae / ChatGPT），使用以下提示词：

请逐项解释这张 Stata 固定效应回归输出表的每个部分：
（1）系数表每列含义（Coef. / Std. Err. / t / P>|t| / 置信区间）；
（2）哪些变量显著，判断依据是什么；
（3）R² 和 Within R² 的区别；
（4）F 检验和 Prob > F 的含义。
用通俗语言，面向计量经济学零基础学生。

AI 回复后，自己对照教材核实关键结论（S1.2）——AI 可能解释有误，你不能盲信

进阶用法：让 AI 帮你写 Stata 代码

我有一份银行面板数据（bank_id, year, roe, size, leverage, governance），请帮我写一个完整的 do 文件，包含：数据读入、描述统计、FE 回归、Hausman 检验、esttab 输出。代码要有中文注释。

AI 会生成代码——但你必须自己跑一遍，确认结果正确（S1.2）。

禁忌：

✘ 直接复制 AI 解释进论文（S1.3：结论不复用 AI 原话）
✘ 让 AI "帮我编一个显著的结果"（S1.2：不伪造结果）
✘ 不看输出就问 AI "我的假设成立吗"（先自己看 p 值，再问 AI 解读）
✘ 把 AI 生成的代码不加验证就当作最终版（必须自己跑通并检查逻辑）

🛡️ AI 诚信栏

S1.1 环境正版

自学环境必须使用正版或学校授权软件
Stata：川农提供校园正版授权（图书馆或网络中心申请，免费）
不使用破解版、绿色版 Stata——不仅是法律问题，破解版可能篡改计算结果或植入恶意代码
Zotero、Python、Node.js、Git 均为开源免费，无正版问题
Qoder/Trae 教育版免费（用学校邮箱注册）

判断标准：如果你无法向导师解释"我的 Stata 是从哪里来的"，那就是不正版。

S1.2 AI 辅助代码不伪造结果

✅ AI 可以帮你写 Stata 代码、解释输出、建议模型选择
✅ AI 可以帮你调试报错、优化代码结构
❌ 但每一个写进论文的系数，必须是你在自己电脑上跑出来的
❌ 红线：不得用 AI "生成"回归结果（如让 AI 编造系数表格、伪造 p 值）

检查方法：

所有 .do 文件 + .log 文件存档（log 文件记录了完整运行过程，含时间戳）
导师随时可以要求你当面重跑代码复现结果
如果你的论文中某个数字在 log 文件里找不到对应——那就是伪造的

S1.3 结论不复用 AI 原话

AI 解释回归结果的语言往往很流畅，但带有明显的"AI 腔"（如"综上所述""值得注意的是"反复出现）
论文中的结论必须用你自己的话重新表述
自检方法：写完一段后问自己——"这段话我能在答辩时口头说出来吗？"如果说不出来，说明不是你真正理解的
工具辅助：第 11 章介绍 cn-academic-humanizer 去 AI 腔工具，但前提是内容本身是你写的

📌 三个 S1.x 检查点的关系：S1.1 保证工具正当，S1.2 保证数据真实，S1.3 保证表达原创。三者共同构成"环境章"的诚信底线。

✅ 自检题

完成以下四题，检验本章学习效果。答案提示见附录 D。

1. Hausman 检验 p < 0.05 时应选 FE 还是 RE？为什么？
（提示：p < 0.05 意味着个体效应与解释变量相关，此时 RE 估计量有偏，应选 FE。参见 §1.4 代码注释。）

2. data/raw/ 里的原始数据为什么必须只读不改动？这与哪个 S.X.Y 检查点相关？
（提示：可复现性的物理保障——如果原始数据被改过，任何人都无法验证你的结果从何而来。对应 S8.1 和 S9.3。参见 §1.6 三条铁律。）

3. MCP 和 Skill 的本质区别是什么？各用一个比喻说明。
（提示：MCP = 连接层 = USB-C 接口，让 AI 能"插上"外部数据源；Skill = 知识层 = 操作手册，教 AI "怎么做"。参见 §1.2 三范式对比表。）

4.（方向题） 把 ROE 换成你研究方向的核心指标，回归方程怎么改写？选择一个方向，写出对应的 xtreg 命令行：

【险】承保利润率 = f(赔付率, 费用率, 公司规模, 治理结构)
→ xtreg underwriting_profit loss_ratio expense_ratio size governance, fe
【农】贷款可得性 = f(农户信用评分, 数字金融使用, 抵押物, 社会网络)
→ xtreg loan_access credit_score digital_finance collateral social_network, fe
【金】净息差 = f(资产规模, 流动性, 利率市场化程度, 竞争度)
→ xtreg nim asset_size liquidity rate_liberalization competition, fe

（提示：注意变量命名要简洁有意义，面板数据需先 xtset 声明个体和时间变量。）

🎯 本章达标标准：
① check_ai_stata_env.sh 全部 ✅；
② output/bank_roe_three_models.rtf 已生成且 Word 可打开；
③ 项目文件夹包含 data/raw + data/clean + code + output + refs 五个子目录；
④ 能用自己的话解释 MCP/Skill/CLI 三层分工。
四条全满足，进入第 2 章。

农村金融业务及监管 2026 秋季 | AI 辅助金融研究学生自学手册

← 第 0 章 · 研究诚信开篇：AI 时代的研究环第 2 章 · 像研究者一样思考：科学、构念与理论 →

学习目标 ​

1.1 装机检查清单：你需要哪些工具 ​

三大核心软件 ​

辅助工具 ​

动手验证 ​

1.2 三范式认知地图：MCP / Skill / CLI 各管什么 ​

三范式对比表 ​

本机实例（帮你建立直觉） ​

💡 黄金组合 ​

1.3 macOS 主线配置（教师机实测路径） ​

第一步：Homebrew（包管理器） ​

第二步：Python 3.12+ ​

第三步：Node.js 20 LTS ​

第四步：Stata 18 命令行链接 ​

第五步：Zotero 10 + Better BibTeX ​

第六步：Qoder/Trae 安装 ​

第七步：MCP 服务器配置验证 ​

一键检查脚本：check_ai_stata_env.sh ​

1.3（续）Windows 学生机分支 ​

Windows 核心安装清单 ​

Windows 验证命令（PowerShell） ​

macOS 与 Windows 关键差异对照 ​

Windows 常见问题速查 ​

1.4 首次回归：bank_roe 三模型对照 ​

场景设定 ​

完整 Stata 代码 ​

逐行解读（面向零基础） ​

运行方法 ​

1.5 标准研究文件夹：五目录结构 ​

目录模板 ​

一键创建 ​

三条铁律 ​

README.md 模板 ​

产出文件 ​

🔧 AI 辅助研究栏 ​

本章 AI 用法：首次对话与回归输出解读 ​

🛡️ AI 诚信栏 ​

S1.1 环境正版 ​

S1.2 AI 辅助代码不伪造结果 ​

S1.3 结论不复用 AI 原话 ​

✅ 自检题 ​

学习目标

1.1 装机检查清单：你需要哪些工具

三大核心软件

辅助工具

动手验证

1.2 三范式认知地图：MCP / Skill / CLI 各管什么

三范式对比表

本机实例（帮你建立直觉）

💡 黄金组合

1.3 macOS 主线配置（教师机实测路径）

第一步：Homebrew（包管理器）

第二步：Python 3.12+

第三步：Node.js 20 LTS

第四步：Stata 18 命令行链接

第五步：Zotero 10 + Better BibTeX

第六步：Qoder/Trae 安装

第七步：MCP 服务器配置验证

一键检查脚本：check_ai_stata_env.sh

1.3（续）Windows 学生机分支

Windows 核心安装清单

Windows 验证命令（PowerShell）

macOS 与 Windows 关键差异对照

Windows 常见问题速查

1.4 首次回归：bank_roe 三模型对照

场景设定

完整 Stata 代码

逐行解读（面向零基础）

运行方法

1.5 标准研究文件夹：五目录结构

目录模板

一键创建

三条铁律

README.md 模板

产出文件

🔧 AI 辅助研究栏

本章 AI 用法：首次对话与回归输出解读

🛡️ AI 诚信栏

S1.1 环境正版

S1.2 AI 辅助代码不伪造结果

S1.3 结论不复用 AI 原话

✅ 自检题