当前位置：网站首页 » 教程 » 内容详情

论文的变量前沿信息_论文的变量如何测量(2024年11月实时热点)

内容来源：AI全自动内容创作接口所属栏目：教程更新日期：2024-11-28

论文的变量

导师给的Stata实证分析范本，真香！𐟥𙊥䧥彯𜌤𛊥䩦ˆ‘想和大家聊聊Stata实证分析的那些事儿。最近我在导师的指导下，终于搞定了论文第四章的实证分析部分，真的是收获满满！特别是工具变量法（IV），这个方法真的是解决内生性问题的神器。不过，要说清楚工具变量的合理性，那可是关键中的关键。工具变量法的两大条件 𐟛 ️ 工具变量法有两个核心条件：相关性：工具变量必须和内生解释变量相关。这个相对容易说明，只要找个相关的变量就行。外生性：工具变量不能和扰动项相关。换句话说，它只能通过内生解释变量影响被解释变量，不能有其他途径。外生性的挑战 𐟤” 外生性这部分就比较麻烦了。如果只有一个工具变量，那就很难验证它的外生性。通常我们需要通过“过度识别检验”来验证，但这个方法也有其局限性。如果工具变量的个数和内生变量的个数相等，那就无法从统计上验证外生性假设。如何说明外生性 𐟓 所以，我们通常的做法是进行定性讨论。具体步骤如下：说明工具变量不会直接影响被解释变量。列出所有工具变量可能影响被解释变量的渠道。对所有可能的渠道进行逐个“剖析”，排除除内生解释变量以外的所有渠道（排他性约束）。如果能找到数据，可以将渠道变量对工具变量进行回归，看其显著性。个人小经验 𐟌Ÿ 我自己在做实证分析的时候，也遇到过很多坑。比如，找工具变量就花了我不少时间，更别提还要找两个以上的工具变量来做过度识别检验了。有时候，数据也不一定支持你的假设，这时候就需要反复调整和尝试。不过，经过导师的指导和自己的努力，终于搞定了这部分内容。看着那份精美的Stata分析范本，真的是满满的成就感！如果你也在为实证分析发愁，不妨试试这个方法，或许也能找到灵感哦！希望我的分享对大家有帮助！如果有任何问题，欢迎留言讨论～

中介效应：用还是不用？最近，中介效应分析的文章如雨后春笋般涌现，这背后的原因主要有三个：首先，社会科学研究对“科学性”的追求。在朋友的一篇偏理论阐述和现实分析的文章中，专家竟然建议其补充各类检验甚至回归模型，以增强文章的说服力。然而，忽视样本特性和研究目的的“实证研究”只能与“科学性”背道而驰。其次，社会科学研究者对“机制”分析的渴望。不少学者建立了异常复杂的模型，尝试分析研究变量背后的“深层”作用机制，以增强文章的理论深度。最后，各类统计方法的兴起。在中介模型中，变量既可以是显变量，也可以是潜变量，既可以是连续变量，也可以是分类变量，这使得模型的应用范围变大，随着各类方法和软件的配套，“使用”研究方法变得轻而易举。然而，如此火热的“中介效应”论文却受到了一些质疑，有些学者提出要慎用中介，甚至不用中介。那么，如此火热的中介效应到底该不该用，又该如何使用呢？我的观点是：中介效应要用，但要慎用。首先，要用中介的原因很简单——阐释机理。每当有学者质疑中介选取合理性的时候，我都不知道该怎么解释。有中介的模型比没有的中介的模型起码多了一个控制变量，模型解释力已经有所提升。倘若连此中介都视而不见，原先模型的“科学性”是否应当受到更大的质疑呢？我们不能仅仅满足于表面的分析，比如在探究什么家校合作活动有助于提高学生成绩时，就将一系列活动以自变量的形式纳入回归模型；在探究什么评价方式有助于学生认知发展时，就将一系列评价方式以自变量的形式纳入回归模型……我们不能因为阐释机理的能力暂时有限就选择简单化或不阐释，我们不能因噎弃食。那么，究竟应当如何使用中介呢？有以下几点： 1️⃣ 将中介模型的构建建立在扎实的理论阐述和文献梳理上，“文献综述+研究假设”的行文方式会很有帮助。 2️⃣ 关注因果问题。尽管工具变量难以寻找，PSM虚假控制等问题依然难以解决，但我们至少可以避免常识性的反向因果问题。在一篇分析教师批评奖励对学生学业成绩影响的文章中，作者选用了“教师关注”这一中介变量，先不说模型的分析如何“科学”，这一构建过程就充满了疑点。批评或奖励作为反馈的过程，其本身就是教师关注的体现，如果教师不关注学生，又拿什么来批评和奖励学生呢？因字数有限，更多内容请看图二。

𐟓论文必备！Stata实证分析代码集锦 𐟌Ÿ一、数据预处理大法𐟌Ÿ 1️⃣ 轻松导入数据到Stata：无论是国泰安的Txt或Excel，还是Wind的xlsx，都能一键搞定！ 2️⃣ 数据基本处理：轻松取年份、剔除样本、生成新变量，给变量加上标签，还能生成行业和年度虚拟变量哦！ 3️⃣ Winsor处理：一键剔除异常值，让数据更干净！ 4️⃣ 缺失值处理：轻松剔除缺失数据，保证分析的准确性。 𐟓Š二、描述性统计与相关性分析𐟓Š 1️⃣ 描述性统计：了解数据的分布情况，轻松上手！ 2️⃣ 相关性分析：探索变量间的关系，为实证分析打下基础。 𐟔줸‰、实证模型分析大揭秘𐟔슊1️⃣ 单变量分析：简单直观地了解单个变量的影响。 2️⃣ 最小二乘法：回归分析的基石，轻松掌握！ 3️⃣ 分位数回归：更全面地了解变量关系，不容错过！ 4️⃣ ogit模型、Tobit模型、probit模型等高级模型等你来挑战！ 𐟔祛›、内生性问题解决方法𐟔犊1️⃣ PSM模型：近邻匹配、核匹配、半径匹配，解决内生性问题的好帮手！ 2️⃣ 滞后期模型：考虑时间因素，让分析更全面。 3️⃣ 工具变量法：两阶段最小二乘，让回归分析更准确。 𐟒᤺”、调节效应与中介效应检验𐟒ኊ1️⃣ 调节效应检验：探索变量间的交互作用，揭示更多信息。 2️⃣ 中介效应检验：路径分析，让你更深入地了解变量关系。 𐟎‰快来试试吧！这些实证分析代码将助你在论文写作中大放异彩！𐟎‰

计量论文选题，避坑必看！在写计量实证论文的时候，很多新手在选题阶段因为没有注意到一些坑，结果开题报告一交，实际写作时才发现各种问题，搞得自己措手不及。更糟糕的是，这时候修改题目可能成本巨大，甚至不被允许。所以，我们在选题时一定要尽量避开这些坑。老师结合最近近百位新手的咨询内容和遇到的困难，总结了一些典型的坑，分享给大家：数据可得性 𐟓Š 首先，考虑数据的可得性非常重要。很多选题集中在一些比较微观的领域，数据很难在公开市场找到。比如，有人想研究气候风险如何影响银行贷款的违约，如果真的要做得好，需要拿到各个地点各种气候相关数据，还要拿到银行逐笔贷款的数据，并且要拿到这些贷款的其他关键风险指标作为控制变量。这些数据你能拿到吗？模型复杂度 𐟧补ž‹不一定越复杂越好，尽量不要选择自己不擅长的模型。有些同学看到别人用了什么复杂的模型（如状态空间模型、DCC-GARCH），或者最近流行什么模型（比如动态面板模型、复杂的中介效应），自己也想用，结果实操时把自己搞晕了。有的同学想到的是请外援帮忙，但这个行业坑特别多，没有找到靠谱的老师，结果自己也不懂原理，怎么保证老师给你做的是对的呢？数据分析 𐟓ˆ 在确定选题前，尽可能先尝试进行数据分析，看是否有符合预期的结论。有的萌新论文写到一半了，发现关键变量不显著、系数相反，调了半天也调不过来，导致陷入被动境地。这种情况多出现在因果关系在理论上就不大明确的论点上。前沿性 𐟚€ 非大神，不建议选没人写过或过于前沿的东西。比如，气候风险压力测试现在很热门，但可得到的文献不多，而且多是英文。在写之前，多去期刊论文网站查查，看前人研究是否足够多。其他坑 𐟕𓯸 至于其他坑，网上很多帖子都有，老师就不写一些跟别人重复的了。希望这些建议能帮到大家，避免在选题时踩坑，顺利完成论文写作！

我在新书《自醒》中提到一个词叫做：变量。什么是变量？比如，年龄、性别、体重。变量要点是，它们都可以改变。我们学到的东西，像散落在社交媒体上的信息片段，乱七八糟。有了变量，就好比房间里有了整理箱和抽屉。看这样：学者、专家和知识型的网红会把信息分门别类，放进不同抽屉，还会贴上标签。这些标签，就像变量的名字。比如说：管理、哲学、地理、历史、科技、人工智能等。人们看到标签，就清楚抽屉里有什么。所以，变量帮我们更方便地学习感兴趣的科目，只要知道它在哪即可。但是，随着互联网的发展，图文和视频变得多样化。知识就像金字塔一样，越往上越难，也越理论化。所以，内容从上到下演变成了四种形式：学术论文、教科书、专家总结的内容，还有自媒体文章。学术型知识了解越多，对某些领域底层规律概念了解就越深；而教科书知识，可以揭示复杂事物本质的规律。专家体系，是根据自身领域的经验，总结出来的一套行业方法；自媒体文章，则根据前面几个等级的知识，进行了进一步解读。知识存在差异，是因为社会现代化建设需要发展生产力，这是科技进步和创新的基础，这意味着，大量知识需要不断解读，来适应大家普遍需求。比如：碳中和、碳达峰，普通人很难理解知道的意义。但解读之后，大家就能理解并实践这些理念。当然，这也有不好的地方。以前信息控制得严，现在谁都可以在网上发表看法。这导致了信息的多样性，不同等级的知识划分，使得不同社会群体掌握的内容也不一样，如同（信息茧房）。明白这些，可以得出一个简单的结论：一，某些抽屉内的内容，可能会带有大量主观色彩，影响人的主观思考。二是，系统化的教科书知识和一线专家总结的行业方法，是帮助我们真正理解复杂事物和掌握底层规律的关键。不过，在书中，我谈到变量并不是为了这些结论，而是从人生角度来看。我提出一个问题：现在是80岁生日，家人都在为你庆祝。在即将离开世界的剩余时间里，你希望为他们留下什么？面前有一张6年前的照片，回想这些年经历，你有什么遗憾？我猜，多数人会感到茫然，觉得奋斗了一生，做很多事，能展示的成就却少之又少。为什么会这样？因为时间是一个变量。我们在时间流逝中拼命奔跑，被物质、信息裹挟，却忘了或者哪些事情决定了人生的重要方向。人的一生像函数，受到许多因素影响。但如果能抓住几个核心变量，就能改变方向。所以，我们需要了解变量。

一阶与二阶SEM模型：你真的懂吗？从对SEM模型一无所知，到在百度和某鱼上得到各位大佬的指点，我终于用二阶结构方程完成了硕士论文，现在正在等待盲审结果。以下是我对SEM模型的一些理解，希望能帮到大家。 1️⃣ 三张图展示的是同一个模型。最基础的模型（p1）中，自变量是社会资本的三个潜在变量（网络、信任和规范），中介变量有两个。 2️⃣ p2模型在信任和规范这两个潜在变量下划分了维度，形成了二阶模型。这里有一个问题：能否计算出每个维度对其他变量的影响系数？答案是不能。只能通过信任和规范这两个变量来计算。你可以理解为，维度的划分只是给观测变量（具体题项）归了个类。 3️⃣ 如果想要更精确的结果，可以把信任和规范两个变量拆成四个变量（p3）。但这样分析结果时会非常复杂。所以我最后采用了p2的形式。虽然各种系数会有略微不同，但大体上结论不变，该显著的依然显著。相当于我框架还是p1，但解释结果时我会围绕着划分的具体维度来说（导师说我直接分析社会信任很抽象，很不具体，所以让我加的维度）。 4️⃣ p2 二阶模型做验证性因子分析时，组合效度要计算SMC、CR和AVE。软件返回的结果是划分了维度的（不会直接给出社会信任这个变量），此时你合并成一个变量来计算就行了。区分效度里则是变量和维度都有（例如划分了社会信任和两个维度），此时我们要比较AVE平方根，可以把维度的行和列全删了，只剩下变量，否则会有很多个1在表格里。不知道我说的有没有错误的地方，期待评论区大佬补充～

𐟓 论文摘要写作指南：轻松掌握八股结构！ 𐟎“ 论文摘要怎么写？别担心，这里有一份详细的写作框架，帮你轻松搞定！摘要（400字左右）研究背景：简要介绍你的研究领域和背景。研究对象：明确指出你研究的具体对象。研究方法：描述你使用的研究方法和数据分析方式。主要结论和贡献：总结你的研究结果和贡献。关键词（3-5个）从题目、中介变量和调节变量中选取关键词。引言（1000字左右）第一段：结合政策背景引入主题X和Y，描述其重要性。第二段：关联到你想研究的主题X对Y的重要影响。第三段：介绍本篇文章的研究贡献。文献综述 X的经济后果研究 Y的影响因素研究文献述评理论分析与研究假设（1000-1500字）主假设：假设H1：X对Y的促进或抑制作用。中介效应假设：假设H2：X通过M1来促进或抑制Y。假设H3：X通过M2来促进或抑制Y。调节效应假设：假设H4：W1对X与Y具有正向/负向调节作用。假设H5：W2对X与Y具有正向/负向调节作用。或者正反主假设：假设H1a：X对Y的促进作用。假设H1b：X对Y的抑制作用。研究设计（1000-1500字）样本选择：交代数据来源、样本选择过程及最终样本数量。变量定义：自变量因变量中介变量调节变量控制变量模型设计：基准回归模型：Yit= o+ Xit + E Controls+  + + Eit（双向固定效应）中介效应检验：Mit= o+ Xit + EControls+ +ht + Eit（三步法） Yit=+ B1Xit + Mit + EControls ++ + Eit 调节效应检验：Yit=+ Xit + Wit + Xi:t xW:t + ZkControls +  ht + Eit（加入交互项）描述性统计相关性分析实证研究基准回归异质性分析：产权性质（国有vs民营）区域因素（东部、西部、中部）其他（结合相关文献）稳健性检验 𐟓ˆ 数据分析：根据模型设计进行数据分析和结果展示。 𐟓Š 图表展示：使用图表直观展示研究结果。 𐟓 结论与讨论：总结研究结果，并进行深入讨论。 𐟓š 参考文献：列出所有引用的文献，确保格式规范。 𐟒ᠥ𐏨𔴥㫯𜚦‘˜要部分要简洁明了，突出研究重点和结论。

如何选择博士论文选题：两种方法全解析在大学里，我经常在国际友人中练习口语，这不仅让我有机会与他们交流，还省去了口语陪练的费用，真是意外之喜！𐟘„ 不过，今天我们要聊聊的是博士论文选题这件事。我发现，大家选题的方式主要有两种：导师指定和自选。导师指定：幸运的选择 𐟍€ 如果你的导师是个“神仙导师”，那么恭喜你！他们可能会给你一个非常棒的题目，让你在他们的指导下尽情发挥。这种情况下，你只需要按照导师的指示，全力以赴地完成研究，毕业指日可待！所以，如果你遇到这种情况，千万别抱怨，因为这是最好的选题方式。自选题目：自主探索 𐟔 大部分人都是通过自选题目来进行研究的。根据我采访的一些快毕业和已经通过答辩的国际友人的经验，给大家分享一个定量研究的选题思路：找到你导师引用量最高的文章：看看这篇文章中涉及到的变量。选择一个你感兴趣的变量作为你的因变量（dependent variable）。用Web of Science进行检索：用这个因变量在Web of Science中进行检索，看看别人都在用这个变量做什么样的模型，使用了什么理论。总结别人的模型，建立自己的模型：综合别人的研究成果，建立一个新的模型。这一步需要你具备一定的统计学和模型构建知识。希望这些建议能帮到你，祝大家都能顺利完成博士论文！𐟓š

经济学论文实证部分写作指南写经济学论文的实证部分其实是有套路可循的，今天就来给大家分享一下这个套路，保证你的论文逻辑严密、结构规范！𐟓Š 数据说明首先，你得交代清楚你的数据是从哪儿来的，样本量有多大，数据里都有些啥内容。比如说，你的数据是来自某个公开数据库，还是自己收集的，样本量有多少个观测值，数据的主要变量有哪些，等等。模型公式接下来，列出你的实证模型公式。通常长得像Y=+🙦 𗧚„形式。虽然有时候符号看起来多，但大部分实证模型其实都差不多。有时候你还需要构建一些关键指标，这时候就得详细说明这些指标的构建步骤。变量描述然后，进行变量的相关描述。介绍被解释变量、解释变量、控制变量都有哪些，分别是怎么构建的。用描述性统计表及相关文字说明样本量、最大值最小值等，并可以对各变量的分布情况进行简单的文字分析。实证结果最后，也是最关键的部分，就是实证结果。这部分需要用多个表格来表述实证结果，并附之详尽的经济学文字解释。具体包括：基准回归：最基础的模型回归结果，通常是OLS、logit、固定效应等。内生性分析：这部分最容易被质疑，通常采用工具变量法、准自然实验等方法来解决内生性问题。稳健性检验：通过换变量、换时间、换模型等方式，证明回归结果是稳健不变的。异质性分析：划分不同子样本，比如根据地区划分，根据某一指标划分，用于对结果进行更丰富的分析。机制分析：对回归结果产生的传导机制和作用机制进行分析，通常会用到中介效应或者交乘项等操作。总之，写好一篇经济学论文的实证部分，一定要先保证结构的规范和逻辑的严密。希望这些小技巧能帮到你，让你的论文更加出彩！𐟌Ÿ

如何构建学术论文的理论框架？学术论文的灵魂在于其理论框架。一个好的理论框架能为你的研究提供坚实的基础。那么，如何构建一个强有力的理论框架呢？以下是一些实用的策略。 𐟌🠥熧 ”究问题、确定关键变量首先，你需要明确你的研究问题，并从中识别出关键变量。这些变量是你研究的核心，也是理论框架构建的起点。𐟔 𐟌🠥›ž顾重要社会科学理论，选择最佳解释回顾你在学术旅程中学习过的所有重要理论，选择那些能够最好解释你研究中关键变量之间关系的理论。这需要你对理论有深刻的理解和批判性的思维。𐟧 𐟌🠦ž„建适用于自身研究的理论框架在讨论了不同的理论后，你需要构建一个适用于你自己研究的理论框架。这个框架应该能够指导你的研究方法和数据分析，也能够为你的研究结果提供解释。𐟏—️ 𐟌🠨🰨›𘥅𓦖‡献，了解变量间关系深入文献，不仅是为了获取信息，更是为了理解这些关键变量之间的关系。通过文献综述，你可以发现已有研究中的空白和你的创新点。𐟓– 构建理论框架是一个复杂但至关重要的过程。它不仅需要你的学术知识，也需要你的创造力和批判性思维。𐟌𑩀š过这个过程，你不仅能够更深入地理解你的研究主题，也能够提升你的研究能力。让我们在学术的道路上，一步步构建起自己的理论框架，为研究打下坚实的基础。𐟌ˆ

专栏内容推荐

720 x 1026 · jpeg
实证建模类毕业论文变量如何定义！来看看这篇吧！ - 知乎
素材来自:zhuanlan.zhihu.com
731 x 400 · jpeg
【毕业论文】工具变量回归、检验及结果读法 - 知乎
素材来自:zhuanlan.zhihu.com

600 x 794 · jpeg
论文11个常见的多变量分析方法 - 知乎
素材来自:zhuanlan.zhihu.com
639 x 328 · jpeg
【毕业论文】工具变量回归、检验及结果读法 - 知乎
素材来自:zhuanlan.zhihu.com

629 x 867 · jpeg
实证建模类毕业论文变量如何定义 - 知乎
素材来自:zhuanlan.zhihu.com
474 x 278 · jpeg
高论论文鉴赏——中介变量和调节变量 - 知乎
素材来自:zhuanlan.zhihu.com

720 x 1020 · jpeg
实证建模类毕业论文变量如何定义！来看看这篇吧！ - 知乎
素材来自:zhuanlan.zhihu.com
722 x 512 · jpeg
【毕业论文】工具变量回归、检验及结果读法 - 知乎
素材来自:zhuanlan.zhihu.com

720 x 373 · png
论文中出现的“Covariates”协变量怎么去理解？ - 知乎
素材来自:zhuanlan.zhihu.com

1587 x 2245 · png
计量经济学论文如何写？问题的提出，研究的假设，变量的选取，模型的建立，数据的采集，实证的检验，结论。 - 知乎
素材来自:zhuanlan.zhihu.com
612 x 625 · png
论文研读_基于决策变量聚类的大规模多目标优化进化算法 - 东几月 - 博客园
素材来自:cnblogs.com

600 x 849 · png
计量经济学论文如何写？问题的提出，研究的假设，变量的选取，模型的建立，数据的采集，实证的检验，结论。 - 知乎
素材来自:zhuanlan.zhihu.com
800 x 910 · png
论文研读-基于决策变量分析的大规模多目标进化算法-腾讯云开发者社区-腾讯云
素材来自:cloud.tencent.com

914 x 488 · png
政府会计研究所
素材来自:zfkj.zuel.edu.cn

474 x 300 · jpeg
论文速读：logistic回归变量筛选及回归方法选择实例分析 - 知乎
素材来自:zhuanlan.zhihu.com
1195 x 607 · png
论文研读_基于决策变量聚类的大规模多目标优化进化算法 - 东几月 - 博客园
素材来自:cnblogs.com

720 x 443 · jpeg
【毕业论文】工具变量回归、检验及结果读法 - 知乎
素材来自:zhuanlan.zhihu.com
961 x 533 · png
论文研读-基于变量分类的动态多目标优化算法_a multi-model prediction method for dynamic multi--CSDN博客
素材来自:blog.csdn.net

800 x 1063 · png
论文研读-基于决策变量分析的大规模多目标进化算法-腾讯云开发者社区-腾讯云
素材来自:cloud.tencent.com
640 x 161 · jpeg
论文实证分析：变量间关系如何检验？包括调节变量、中介变量 - 知乎
素材来自:zhuanlan.zhihu.com

780 x 1102 · jpeg
论文随机变量的期望和方差的计算方法Word模板下载_编号qbzkoapa_熊猫办公
素材来自:tukuppt.com
800 x 1130 · jpeg
数学毕业论文-论随机变量函数的分布word模板免费下载_编号142aqjled_图精灵
素材来自:47.100.44.116

720 x 405 · jpeg
学位论文写作中，如何将变量操作化？ - 知乎
素材来自:zhuanlan.zhihu.com

800 x 320 · jpeg
论文中一般设置几个控制变量_爱改重
素材来自:igaichong.com

1042 x 635 · png
毕设论文数据分析记录-part3:各变量因子的相对贡献程度_主成分分析怎么计算自变量对因变量贡献率-CSDN博客
素材来自:blog.csdn.net
867 x 298 · png
论文研读_基于决策变量聚类的大规模多目标优化进化算法 - 东几月 - 博客园
素材来自:cnblogs.com

1050 x 693 · png
论文研读-基于决策变量分析的大规模多目标进化算法-腾讯云开发者社区-腾讯云
素材来自:cloud.tencent.com
980 x 684 · png
论文学习-基于决策变量分类的动态多目标优化算法_决策变量分类动态多目标优化-CSDN博客
素材来自:blog.csdn.net

656 x 892 · png
论文研读_基于决策变量聚类的大规模多目标优化进化算法 - 东几月 - 博客园
素材来自:cnblogs.com
938 x 470 · png
读论文《用于多变量时间序列预测的图相关注意力循环神经网络》_graph correlated attention recurrent neural networ-CSDN博客
素材来自:blog.csdn.net

600 x 849 · png
计量经济学论文如何写？问题的提出，研究的假设，变量的选取，模型的建立，数据的采集，实证的检验，结论。 - 知乎
素材来自:zhuanlan.zhihu.com
945 x 1337 ·
大学毕业论文-—多元回归分析中变量的选择spss的应用 - 360文档中心
素材来自:360docs.net

705 x 256 · png
变量及资料类型_论文的变量资料类型有哪些-CSDN博客
素材来自:blog.csdn.net

797 x 1120 · jpeg
毕业论文stata实证工具变量法 - 知乎
素材来自:zhuanlan.zhihu.com
395 x 490 · png
【笔记（干货）】论文word编辑中的常见问题（自用）_变量的下标需要用斜体吗-CSDN博客
素材来自:blog.csdn.net

素材来自:查看更多內容

当前用户设备UA：Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)