ssci-subagent-skills 1.0.0

package/skills/msqca-analysis/assets/templates/report_template.md

@@ -0,0 +1,188 @@
+# msQCA分析报告
+
+## 📋 报告基本信息
+
+- **分析日期**: {analysis_date}
+- **数据文件**: {data_file}
+- **案例数量**: {n_cases}
+- **条件变量**: {n_conditions}
+- **分析类型**: {analysis_type}
+
+---
+
+## 🎯 研究概述
+
+### 研究问题
+{research_question}
+
+### 理论基础
+{theoretical_background}
+
+### 分析目标
+{analysis_objectives}
+
+---
+
+## 📊 数据描述
+
+### 案例特征
+- **总案例数**: {total_cases}
+- **时间范围**: {time_range}
+- **地理分布**: {geographic_distribution}
+- **案例类型**: {case_types}
+
+### 变量说明
+
+| 变量名 | 类型 | 取值范围 | 含义说明 |
+|--------|------|----------|----------|
+| {variable_table} |
+
+### 数据质量评估
+- **缺失值比例**: {missing_ratio}
+- **数据完整性**: {completeness_score}
+- **测量可靠性**: {reliability_score}
+
+---
+
+## 🔧 校准分析
+
+### 校准方法
+- **校准类型**: {calibration_method}
+- **阈值设定**: {threshold_settings}
+- **理论依据**: {theoretical_justification}
+
+### 校准结果
+
+#### 条件变量校准
+{condition_calibration_results}
+
+#### 结果变量校准
+{outcome_calibration_results}
+
+### 校准质量检验
+- **一致性分数**: {consistency_scores}
+- **理论拟合度**: {theoretical_fit}
+- **分布合理性**: {distribution_reasonableness}
+
+---
+
+## 📈 真值表分析
+
+### 真值表概览
+- **唯一组合数**: {unique_combinations}
+- **正面结果组合**: {positive_combinations}
+- **负面结果组合**: {negative_combinations}
+- **矛盾组合**: {contradictory_combinations}
+- **逻辑余项**: {logical_remainders}
+
+### 真值表详情
+{truth_table_details}
+
+### 矛盾组合处理
+- **处理方法**: {contradiction_handling_method}
+- **处理结果**: {contradiction_handling_results}
+
+---
+
+## 🧮 最小化结果
+
+### 质蕴含项分析
+
+| 表达式 | 覆盖度 | 一致性 | 案例数 | 复杂度 |
+|--------|--------|--------|--------|--------|
+| {prime_implicants_table} |
+
+### 解方案对比
+
+#### 复杂解
+- **表达式**: {complex_solution}
+- **覆盖度**: {complex_coverage}
+- **一致性**: {complex_consistency}
+- **复杂度**: {complex_complexity}
+
+#### 最小解
+{minimal_solutions}
+
+#### 简约解
+{parsimonious_solutions}
+
+### 解选择理由
+{solution_selection_rationale}
+
+---
+
+## 📋 结果解释
+
+### 因果路径分析
+
+#### 主要发现
+{main_findings}
+
+#### 因果机制
+{causal_mechanisms}
+
+#### 理论意义
+{theoretical_implications}
+
+### 实践启示
+{practical_implications}
+
+---
+
+## 🔍 稳健性检验
+
+### 敏感性分析
+- **校准敏感性**: {calibration_sensitivity}
+- **阈值敏感性**: {threshold_sensitivity}
+- **案例敏感性**: {case_sensitivity}
+
+### 替代方案检验
+{alternative_specifications}
+
+### 结果稳定性
+{result_stability}
+
+---
+
+## 📚 讨论与结论
+
+### 主要贡献
+{main_contributions}
+
+### 方法论反思
+{methodological_reflections}
+
+### 研究局限
+{limitations}
+
+### 未来方向
+{future_directions}
+
+---
+
+## 📎 附录
+
+### 附录A：完整真值表
+{appendix_truth_table}
+
+### 附录B：详细校准过程
+{appendix_calibration}
+
+### 附录C：技术细节
+{appendix_technical_details}
+
+### 附录D：参考文献
+{appendix_references}
+
+---
+
+## 📞 技术信息
+
+- **分析软件**: msQCA Analysis Skill v1.0
+- **计算环境**: {computing_environment}
+- **分析耗时**: {analysis_time}
+- **数据版本**: {data_version}
+
+---
+
+*报告生成时间: {report_generation_time}*

package/skills/msqca-analysis/integrated_analysis_report.md

@@ -0,0 +1,35 @@
+# msQCA集成分析报告
+
+## 🎯 理论分析
+
+理论分析已完成，详见分析指导文档。
+
+## 📊 校准方案
+
+**A**: multi_value - 离散数值变量，适合多值校准
+
+**B**: multi_value - 离散数值变量，适合多值校准
+
+**C**: multi_value - 离散数值变量，适合多值校准
+
+**Y**: indirect - 连续变量但取值有限，适合间接校准
+
+## 🔬 定量分析结果
+
+### 质量指标
+
+- 数据完整性: 0.950
+
+- 综合质量: 0.935
+
+### 最优解
+
+- 表达式: B=2 + A=2 + A=2 + B * C + B=2 * ~C
+
+- 覆盖度: 0.818
+
+- 一致性: 0.846
+
+## 📝 结果解释
+
+结果解释指导已生成，请参考解释提示词进行深度分析。

package/skills/msqca-analysis/prompts/calibration-guidance.md

@@ -0,0 +1,251 @@
+---
+name: calibration-guidance  
+description: 提供msQCA数据校准的专业指导，结合理论依据和数据特征制定最优校准方案
+metadata:
+  analysis_phase: calibration
+  expertise_required: methodological_expert
+  time_estimate: 20-40_minutes
+  depends_on: theoretical-analysis
+---
+
+# msQCA校准指导专家提示
+
+## 🎯 核心任务
+你是msQCA校准方法专家，负责将原始数据转化为理论上有意义的集合隶属度，确保校准结果既符合理论预期又尊重数据特征。
+
+## 📋 校准决策流程
+
+### 第一阶段：数据特征分析 (5-10分钟)
+
+#### 1.1 变量类型识别
+**任务**: 确定每个变量的本质类型
+**分类标准**:
+```
+连续变量: 数值型，有丰富变化
+有序变量: 有序分类，等级明确  
+名义变量: 无序分类，类别独立
+二值变量: 只有两个取值
+```
+
+**分析模板**:
+```
+变量: [变量名]
+类型: [连续/有序/名义/二值]
+分布特征: [正态/偏态/多峰/均匀]
+理论性质: [连续性/等级性/类别性]
+取值范围: [最小值-最大值]
+```
+
+#### 1.2 数据质量评估
+**任务**: 评估数据可靠性和完整性
+**评估维度**:
+- **缺失程度**: 缺失值比例和模式
+- **测量精度**: 测量工具的准确性
+- **时间一致性**: 不同时间测量的可比性
+- **案例一致性**: 跨案例测量的等价性
+
+### 第二阶段：理论校准框架 (10-15分钟)
+
+#### 2.1 理论阈值识别
+**任务**: 基于理论确定校准锚点
+**锚点类型**:
+```
+完全不属于: 隶属度 = 0
+完全属于: 隶属度 = 1  
+交叉点: 隶属度 = 0.5
+理论转折点: 特殊理论意义点
+```
+
+**决策框架**:
+```
+变量: [变量名]
+理论依据: [相关理论文献]
+完全不属于标准: [具体标准]
+完全属于标准: [具体标准] 
+交叉点依据: [理论+经验]
+特殊锚点: [如有，说明理由]
+```
+
+#### 2.2 校准方法选择
+**方法选择矩阵**:
+| 变量类型 | 理论明确性 | 推荐方法 | 理由 |
+|----------|------------|----------|------|
+| 连续变量 | 高 | 直接校准 | 理论阈值清晰 |
+| 连续变量 | 中 | 间接校准 | 渐进转换过程 |
+| 连续变量 | 低 | 自动校准 | 数据驱动 |
+| 有序变量 | 高 | 直接校准 | 等级理论明确 |
+| 名义变量 | - | 多值校准 | 自然类别 |
+
+### 第三阶段：校准实施与验证 (10-15分钟)
+
+#### 3.1 校准参数设定
+**连续变量直接校准**:
+```python
+# 校准参数模板
+calibration_params = {
+    'variable': '变量名',
+    'method': 'direct',
+    'thresholds': [阈值1, 阈值2],  # 从低到高
+    'categories': ['低', '中', '高'],
+    'theoretical_justification': '理论依据说明'
+}
+```
+
+**连续变量间接校准**:
+```python
+# 间接校准参数模板
+calibration_params = {
+    'variable': '变量名', 
+    'method': 'indirect',
+    'anchors': {
+        'full_exclusion': 完全不属于值,
+        'full_inclusion': 完全属于值,
+        'crossover': 交叉点值
+    },
+    'fuzzy_function': 'S型/线性',
+    'theoretical_justification': '渐进转换理论依据'
+}
+```
+
+#### 3.2 校准质量检验
+**检验维度**:
+1. **理论一致性**: 校准结果与理论预期的匹配度
+2. **分布合理性**: 校准后分布是否合理
+3. **信息保留度**: 原始变异的保留程度  
+4. **案例区分度**: 不同案例的区分能力
+
+**质量评分标准**:
+```
+优秀: 一致性>0.8, 分布合理, 信息保留>0.7
+良好: 一致性>0.7, 分布较合理, 信息保留>0.6  
+合格: 一致性>0.6, 分布可接受, 信息保留>0.5
+需改进: 任一指标未达标
+```
+
+## 🔍 具体校准指导
+
+### 政策效果变量校准
+**常见模式**:
+- **效果强度**: 无效果→中等效果→强效果
+- **政策类型**: 预防型→发展型→补救型
+- **实施程度**: 部分实施→全面实施→创新实施
+
+**校准示例**:
+```
+变量: 政策创新性
+理论依据: 政策创新理论
+完全不属于(0): 维持现状，无新举措
+交叉点(0.5): 渐进改良，局部创新  
+完全属于(1): 系统创新，模式突破
+校准方法: 直接校准
+```
+
+### 组织绩效变量校准  
+**常见模式**:
+- **绩效水平**: 低于预期→达到预期→超越预期
+- **发展速度**: 停滞→缓慢增长→快速增长
+- **质量等级**: 不合格→合格→优秀
+
+**校准示例**:
+```
+变量: 组织学习能力
+理论依据: 学习型组织理论
+完全不属于(0): 单环学习，反应式
+交叉点(0.5): 双环学习，改进式
+完全属于(1): 三环学习，变革式
+校准方法: 间接校准(S型函数)
+```
+
+### 制度环境变量校准
+**常见模式**:
+- **制度质量**: 制度缺失→制度不完善→制度完善
+- **执行强度**: 执行不力→一般执行→严格执行
+- **包容程度**: 排他性→选择性→包容性
+
+**校准示例**:
+```
+变量: 市场化程度
+理论依据: 转型经济学理论
+完全不属于(0): 计划主导，市场受限
+交叉点(0.5): 双轨运行，市场补充
+完全属于(1): 市场主导，政府调节
+校准方法: 间接校准
+```
+
+## ⚠️ 校准陷阱与解决方案
+
+### 常见陷阱
+
+#### 陷阱1: 理论依据不足
+**表现**: 随意设定校准阈值
+**后果**: 结果缺乏理论意义
+**解决方案**: 
+- 系统梳理相关理论
+- 寻找理论中的明确标准
+- 如无理论依据，明确说明数据驱动
+
+#### 陷阱2: 忽视数据特征  
+**表现**: 强行套用理论阈值
+**后果**: 校准结果与数据脱节
+**解决方案**:
+- 分析数据分布特征
+- 考虑测量误差范围
+- 采用理论与数据结合的方法
+
+#### 陷阱3: 过度校准
+**表现**: 设置过多校准类别
+**后果**: 案例分散，难以识别模式
+**解决方案**:
+- 遵循简约原则
+- 一般不超过3-4个类别
+- 确保每个类别有足够案例
+
+#### 陷阱4: 校准不一致
+**表现**: 类似变量采用不同校准逻辑
+**后果**: 结果难以比较和解释
+**解决方案**:
+- 建立统一的校准原则
+- 同类变量采用相似方法
+- 详细记录校准决策过程
+
+### 质量提升策略
+
+#### 策略1: 多方案对比
+```python
+# 生成多种校准方案
+def generate_calibration_alternatives(data, variable):
+    alternatives = {
+        'theoretical_direct': theoretical_direct_calibration(data, variable),
+        'data_driven': data_driven_calibration(data, variable),
+        'hybrid': hybrid_calibration(data, variable),
+        'conservative': conservative_calibration(data, variable)
+    }
+    return alternatives
+```
+
+#### 策略2: 敏感性分析
+- 测试不同阈值对结果的影响
+- 评估校准决策的稳健性
+- 识别关键的校准决策点
+
+#### 策略3: 专家验证
+- 邀请领域专家评估校准合理性
+- 收集对校准方案的反馈意见
+- 根据专家建议调整校准参数
+
+## 📤 输出要求
+
+### 校准方案文档
+1. **变量清单**: 所有变量的校准方案
+2. **理论依据**: 每个校准决策的理论支撑
+3. **技术参数**: 具体的校准参数设置
+4. **质量评估**: 校准质量的量化评估
+5. **敏感性分析**: 关键参数的敏感性测试
+
+### 给定量团队的校准指令
+1. **执行脚本**: 具体的Python脚本调用
+2. **参数设置**: 脚本运行的具体参数
+3. **质量检查**: 校准结果的验证步骤
+4. **问题处理**: 异常情况的处理方案
+
+记住：校准是连接理论与数据的桥梁，质量好坏直接决定分析的理论价值。