Jqte fit positioning
Journal-specific Claude Code/Codex skill packs covering mainstream journals — AER, QJE, Nature, Cell, 管理世界, 经济研究 & 200+ more — your fast track to getting published. ｜ 覆盖主流期刊的 Claude Code/Codex 期刊技能包，从选题、识别策略到表格规范与审稿回复全流程，助你快速发论文。
npx -y skills add brycewang-stanford/Awesome-Journal-Skills --skill jqte-fit-positioningAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
What its author says it does
Copied from the file, not written here
Use to judge whether a manuscript fits 《数量经济技术经济研究》 (JQTE) and to decide how to frame its contribution — measurement, forecasting, or method-application versus clean causal inference — before investing in revision. The most common save: stopping a strong measurement paper from being dressed up as a weak causal study, and routing genuinely clean-causal work elsewhere.
SKILL.md
6.0 KB, ~2.4k tokens by cl100k_base, as published. Nobody here has run it
匹配度与贡献定位（jqte-fit-positioning）
触发时机
- 还没动笔大改前，先问"这篇对不对口、贡献该怎么框"
- 有 TFP/效率/预测/分解结果，但不确定要不要包装成因果
- 识别其实很干净，纠结投本刊还是经济研究/季刊
第一步：判定贡献类型（决定全文骨架）
| 贡献类型 | 特征 | 本刊匹配度 |
|---|---|---|
| 测度 | TFP/效率/指数/技术进步分解的"量得准" | 高 |
| 预测 | 宏观计量、景气、混频、政策模拟的"测得好" | 高 |
| 方法应用/改进 | 前沿计量用到中国数据并讲清适用条件 | 高 |
| 结构分解 | IO/CGE/SDA 的"分解清、可复现" | 高 |
| 干净因果 | 强识别 + 理论机制是核心卖点 | 中/低（多半改投） |
本刊隐性门槛：测度透明、方法得当、可复现 > 因果叙事的干净度。识别弱却硬包装因果，是高频拒因。
三道筛子（任一不过即高风险）
- 核心可量化吗：本文的贡献能落到一个"量/预测/分解得更好"的具体对象吗？还是只有一个泛泛的实证回归？
- 方法节立得住吗：构造/设定/参数是否透明、可复现，而非黑箱跑软件？
- 是不是硬凑因果：去掉勉强的因果话术后，测度/方法本身还成立且有价值吗？（若是，就老实做测度）
匹配度评级
| 评级 | 特征 | 处置 |
|---|---|---|
| 高 | 测度/预测/分解为核 + 方法透明可复现 | 进入 jqte-topic-selection 精修 |
| 中 | 方向对但方法节单薄 / 因果话术过重 | 先补 jqte-measurement/jqte-io-cge，并去掉硬凑因果 |
| 低 | 干净因果是真卖点 / 纯算法贡献 / 题目琐碎 | 改投对口期刊（见下） |
改投路由（fit 低时）
- 干净因果 + 理论：
economic-research/china-economic-quarterly - 产业/政策实证 + 厚稳健性：
china-industrial-economics - 数理模型/算法本身是贡献：
journal-of-management-sciences-china
自检清单
- 能一句话说清贡献类型（测度/预测/方法/分解/因果）
- 贡献能落到"量/预测/分解得更好"的具体对象
- 方法节透明可复现，不是黑箱
- 没有为了"上档次"硬凑站不住的因果故事
反模式
- 给测度论文硬套 DID/IV 叙事——审稿人会问"识别站得住吗"，不如老实做测度
- 把"跑了个回归"当成够格——本刊看重方法与测度的扎实，不是回归本身
- 识别其实很干净却投本刊——清晰因果应去经济研究/季刊
本刊收稿门槛画像（匹配度决策表）
《数量经济技术经济研究》以数量方法立刊，匹配度的隐性主轴是"方法/测度的分量"而非"因果故事的干净度"。
| 稿件形态（本刊语境） | 是否对口 | 典型处置 |
|---|---|---|
| 数字经济规模/TFP/碳效率测度，构造透明 | 高度对口 | 精修测度节，进 jqte-topic-selection |
| 宏观计量预测、混频 nowcasting、政策模拟 | 高度对口 | 补样本外评估，进 jqte-forecasting |
| 前沿计量/机器学习用到中国数据并讲清边界 | 对口 | 强化方法新意与适用条件 |
| 强识别 DID/IV、理论机制是核心卖点 | 偏弱 | 多半改投经济研究/季刊 |
| 纯算法/纯数理模型，无经济测度落地 | 偏弱 | 改投管理科学类 |
微型走查：一篇"被误包装成因果"的稿件如何救回
设想《数字普惠金融对全要素生产率的影响》（示意稿件），作者初稿写成因果论文：
- 三道筛子：核心其实是省级 TFP 测算（OP/LP 法）+ 数字普惠金融指数构建，可量化对象清晰；但识别只靠面板固定效应，因果话术偏硬。
- 判定与重框：去掉"影响"的因果叙事后，TFP 测度 + 指数构建本身可立——贡献类型判为测度 + 方法应用，匹配度由"中"升为"高"；标题改为"……的测算与关联特征分析"。
- 路由：进
jqte-measurement夯实测度节，jqte-sensitivity配方法敏感性。
【匹配度】高（去因果话术后，测度+指数构造本身立得住）
【贡献类型】测度 + 方法应用（原误判为因果）
【关键救稿动作】标题与论证从"影响"改为"测算与关联"（示意）
【风险】若坚持强因果断言 → 改投经济研究/季刊
审稿人追问模式 + 本刊语境修法
- "你说是因果，识别站得住吗？" → 若真正贡献是测度/方法，不要硬补弱工具变量；坦诚重定位为测度贡献，用敏感性而非安慰剂保障稳健（参
jqte-rebuttal）。 - "这和某产业经济刊的实证有何区别？" → 强调本文落点在"量得准/预测得好/分解得清"的数量方法贡献，而非产业政策评估，凸显方法节的分量。
- "换地区重跑算贡献吗？" → 若仅是数据更新，需补方法或口径新意，否则匹配度判低、建议另投。
校准锚点
- 本刊已刊论文里，"测度/预测/分解为核 + 方法透明"是主流形态；纯因果识别论文相对少见。
- 跨刊改投的边界会随各刊定位微调，以各刊最新征稿与编辑部沟通为准。
输出格式
【匹配度】高 / 中 / 低（一句话理由）
【贡献类型】测度 / 预测 / 方法应用 / IO-CGE分解 / 因果
【方法节】透明可复现 / 单薄黑箱（需补）
【因果话术】无 / 适度 / 硬凑（需去掉）
【建议】精修本刊 / 先补方法 / 改投 <期刊>
【下一步】jqte-topic-selection