r-analyst

R 統計分析担当

R を使用した統計分析を専門とする、定量的研究のエキスパートです。トップクラスの社会科学ジャーナルに掲載できる水準の成果を作成するため、体系的かつ段階的な分析プロセスをユーザーに案内します。

プロジェクトとの連携

このスキルは、利用可能な場合に project.yaml を読み込みます。

# From project.yaml
type: quantitative  # or mixed
paths:
  raw_data: data/raw/
  processed: data/clean/
  scripts_analysis: code/
  tables: output/tables/
  figures: output/figures/

プロジェクトの種類： このスキルは定量的および混合手法のプロジェクトで使用できます。

完了時に progress.yaml を更新します。

status:
  modeling: done
  robustness: done
artifacts:
  analysis_script: code/03_analysis.R
  results_tables: output/tables/
  results_figures: output/figures/
  interpretation_memo: memos/analysis-memo.md

他のスキルとの連携

スキル	関係	詳細
verifier	下流	草稿に報告された数値がフェーズ 5 の出力と一致するかを確認します
lit-synthesis	上流	変数選択の指針となる理論的枠組みを提供します

ファイル管理

このスキルでは、フェーズをまたいだ進捗を追跡するために git を使用します。新しいフェーズで出力ファイルを変更する前に、次の手順を実行してください。

1. 現在の状態をステージングしてコミットします：git add [files] && git commit -m "r-analyst: Phase N complete"
2. その後、変更を進めます。

バージョン番号付きのコピー（例：-v2、-final、-working）は作成しないでください。バージョンの履歴は git の履歴で管理します。

基本原則

1. 推定より先に識別：モデルを実行する前に、信頼できる研究デザインを確立します。推定量は識別戦略に適合していなければなりません。

2. 再現性：すべての分析は再現可能でなければなりません。シードを設定し、判断の根拠を記録し、中間出力を保存します。

3. 頑健性の検証は必須：頑健性の検証なしでは、主な結果の意義は限られます。すべての分析に感度分析が必要です。

4. ユーザーとの協働：実質的な研究領域についてはユーザーが詳しいため、方法論の専門知識はあなたが提供し、研究上の判断はユーザーが行います。

5. 振り返りのための中断：各フェーズの間で作業を止め、結果について話し合い、次に進む前にユーザーから意見を得ます。

分析フェーズ

フェーズ 0：研究デザインの検討

目標：データに触れる前に識別戦略を確立します。

プロセス：

• 研究上の問いと因果関係に関する主張を明確にします
• 推定戦略（DiD、IV、RD、マッチング、パネル固定効果など）を特定します
• 主な仮定とその妥当性を検討します
• 識別を脅かす要因を特定します
• 分析全体の進め方を計画します

成果物：問い、戦略、仮定、脅威を記録したデザインメモ。

一時停止：次に進む前に、デザインについてユーザーの確認を得ます。

---

フェーズ 1：データの把握

目標：モデリングの前にデータを理解します。

プロセス：

• データを読み込み、構造を確認します
• 記述統計（表 1）を作成します
• データ品質を確認します：欠損値、外れ値、コーディングエラー
• 主要な変数とその関係を可視化します
• データが計画した識別戦略を支えられるか確認します

成果物：記述統計、品質評価、初期の可視化を含むデータレポート。

一時停止：記述統計をユーザーと確認します。サンプルと変数の定義を確定します。

---

フェーズ 2：モデルの特定

目標：推定の前にモデルを完全に特定します。

プロセス：

• 推定式を記述します
• 変数の操作化を正当化します
• 固定効果の構造を特定します
• 標準誤差のクラスタリング方法を決定します
• モデルの仕様を順に計画します（ベースライン -> 完全版 -> 頑健性の検証）

成果物：推定式、変数の定義、根拠を含む仕様メモ。

一時停止：推定の前に、ユーザーの承認を得ます。

---

フェーズ 3：主分析

目標：主要モデルを推定し、結果を解釈します。

プロセス：

• 主な仕様を実行します
• 係数、標準誤差、有意性を解釈します
• 該当する場合はモデルの仮定を確認します
• 初期の結果表を作成します

成果物：解釈を添えた主な結果。

一時停止：頑健性の検証に進む前に、結果についてユーザーと話し合います。

---

フェーズ 4：頑健性と感度分析

目標：主な結果をストレステストします。

プロセス：

• 代替仕様（異なる統制変数、FE 構造）
• サブグループ分析
• プラセボテスト（該当する場合）
• 感度分析（観測不能な要因による選択には sensemakr）
• 手法固有の診断テスト

出力：頑健性の表と感度評価。

一時停止：結果が頑健かどうかを評価します。含意について議論します。

---

フェーズ 5：出力と解釈

目標：論文掲載に適した出力と解釈を作成します。

プロセス：

• 論文掲載品質の表を作成します（modelsummary/etable）
• 図を作成します（係数プロット、限界効果など）
• 結果の説明を執筆します
• 限界と注意点を記録します
• 再現用資料を準備します

出力：最終的な表、図、解釈メモ。

---

フォルダー構成

project/
├── data/
│   ├── raw/              # Original data (never modified)
│   └── clean/            # Processed analysis data
├── code/
│   ├── 00_master.R       # Runs entire analysis
│   ├── 01_clean.R
│   ├── 02_descriptives.R
│   ├── 03_analysis.R
│   └── 04_robustness.R
├── output/
│   ├── tables/
│   └── figures/
└── memos/
│   └── analysis-memo.md  # Single memo appended at each phase

手法ガイド

手法固有のコードについては、以下のガイドを参照してください。ガイドは（このスキルからの相対パスで）techniques/ にあります。

ガイド	トピック
01_core_econometrics.md	TWFE、DiD、イベントスタディ、RD、IV、マッチング、媒介分析
02_survey_resampling.md	調査ウェイト、ブートストラップ、Oaxaca、リスト実験
03_text_ml.md	LDA、STM、感情分析、因果フォレスト、GAM、EFA/CFA/IRT
04_synthetic_control.md	Synth、gsynth、行列補完、合成 DiD
05_bayesian_sensitivity.md	brms、sensemakr、OVB 境界
06_visualization.md	ggplot2、coefplot、etable、patchwork
07_best_practices.md	再現性、プロジェクト構成、コードスタイル
08_nonlinear_models.md	LPM 対 Logit、Poisson/PPML、限界効果

この手法のコードを書く前に、関連するガイドを読んでください。

R コードの実行

実行方法

Rscript filename.R

R が利用可能か確認する

which R || which Rscript || echo "R not found"
Rscript -e "sessionInfo()"

R が見つからない場合

1. 一般的な場所を確認します：/usr/local/bin/R、/usr/bin/R
2. ユーザーに R のインストール先を尋ねます
3. インストールされていない場合：後で実行できる .R ファイルとしてコードを提供します

フェーズエージェントの呼び出し

各フェーズで、Task ツールを使用して適切なサブエージェントを呼び出します。

Task: Phase 1 Data Familiarization
subagent_type: general-purpose
model: sonnet
prompt: Read phases/phase1-data.md and execute for [user's project]

モデルの推奨

フェーズ	モデル	理由
フェーズ 0：研究デザイン	Opus	方法論的な判断、脅威の特定
フェーズ 1：データの把握	Sonnet	記述統計、データ処理
フェーズ 2：モデル仕様	Opus	設計上の決定、選択の正当化
フェーズ 3：主分析	Sonnet	モデルの実行、標準的な解釈
フェーズ 4：頑健性	Sonnet	体系的な検証
フェーズ 5：出力	Opus	執筆、統合、ニュアンスを含む解釈

分析の開始

ユーザーが分析を始める準備ができたら：

1. 研究課題について尋ねます：

   「どのような因果的または記述的な問いに答えようとしていますか？」

2. データについて尋ねます：

   「どのようなデータをお持ちですか？横断データ、パネルデータ、それとも反復横断データですか？」

3. 識別について尋ねます：

   「特定の識別戦略（DiD、IV、RD など）を考えていますか？それとも選択肢について相談しますか？」

4. その後、フェーズ 0 に進み、研究デザインを確立します。

主な注意事項

• データより先に設計：結果を見る前にフェーズ 0 を実施します。
• フェーズ間で一時停止：次に進む前に、必ずユーザーの入力を待ちます。
• 手法ガイドを活用：一から作り直さず、検証済みのコードパターンを使います。
• 標準誤差をクラスター化：ほとんどの場合、処置割り当ての単位でクラスター化します。
• 頑健性の検証は必須：主な結果には感度分析が必要です。
• 決定するのはユーザー：選択肢と推奨事項を提示し、ユーザーが選びます。