重塑实证研究工作流, 2026经济学跑码与数据MCP全解析, Stata,R,Python三栈, 社科AI工具地图.

上篇讲了论文写作""，

现在，咱们回到经济学博士最熟悉的两件事，即用什么软件跑代码，从哪里获得数据。

2026年，Stata MCP生态已成熟，3个并行实现稳定运转；世行、IMF、OECD都上线了官方MCP server；R阵营也有了tidyverse官方维护的mcptools。

这意味着，未来你与Stata、R、数据库的交互，可以全部在Claude Code或Codex里对话式完成。

Stata三巨头，其生态已成熟。

怎么选呢？三种典型场景的三种推荐，

1.命令行重度用户、想快速试水，选SepineTam版，CLI一行启动；

2.日常用VS Code或Cursor的，选hanlulong版，IDE集成最深；

3.需要数据浏览加出版级表格的，选haoyu-haoyu版，功能最全。

就实际体验，你可以这样问Claude，

"用data/cfps_panel.dta跑一个工人月工资的双向固定效应回归，控制变量用age、age2、edu、industry，再用Callaway-Sant'Anna检验异质处理效应，最后输出esttab表格。"

它会自动写do文件、运行、把表格回传、解读结果。对话式交互正在重塑经济学博士的日常工作流。

R生态。

对于tidyverse的重度用户，建议优先安装posit-dev/mcptools项目。该工具由Posit公司官方背书，稳定性最高。若需进行专门的计量分析，可再搭配gojiplus/r-econometrics MCP使用。

Python/Jupyter/因果推断。

这算是不起了Stata的短板。Stata在机器学习因果推断（DML、CATE和Uplift等）方面能力相对有限，直接搭配EconML和DoubleML就能轻松搞定。

宏观/微观数据MCP。

1.想一招制胜，装OpenEcon Data MCP，330k指标聚合，自然语言可以查询；

2.想要官方最稳，组合装worldbank/data360-mcp、stefanoamorelli/fred-mcp-server、isakskogstad/OECD-MCP三件套；

3.做跨国面板研究，OECD和Eurostat必须加上。

真实使用场景的prompt，

查一下OECD国家2010到2023年的青年失业率和PISA数学成绩，做一个散点图和相关系数。

Claude或Codex会用OECD MCP直接拉数据、用Jupyter MCP跑代码出图，全程不用你打开浏览器。

Scott Cunningham的建议。

DID圈大佬Scott Cunningham在substack上做过一个有名的实验。他让Claude Code或Codex用6个不同的packages（py、R、Stata各2个）跑同一份CS DID估计，结果发现不同packages实现的点估计常常对不上。

在利用AI进行因果推断时，稳健性检验环节不可或缺。建议要求AI调用至少两个独立的软件包执行同一模型估计，唯有结果一致方可采信。其中Stata的csdid包与R语言的di 包搭配使用，便是经典的交叉验证组合。

看看针对经济学博士的工作流。

作为加分项，brycewang-stanford/StatsPAI（agent-native因果推断 + R/Stata对照，恰好契合了Cunningham所强调的自动对照检查工具的理念。