# Quantitative Impact Analysis

> >-

- **Type:** Skill
- **Install:** `agentstack add skill-sergeionlyart-minius-codex-lab-quantitative-impact-analysis`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [sergeionlyart](https://agentstack.voostack.com/s/sergeionlyart)
- **Installs:** 0
- **Category:** [AI & ML](https://agentstack.voostack.com/c/ai-and-ml)
- **Latest version:** 0.1.0
- **License:** Apache-2.0
- **Upstream author:** [sergeionlyart](https://github.com/sergeionlyart)
- **Source:** https://github.com/sergeionlyart/minius_codex_lab/tree/main/.agents/skills/quantitative-impact-analysis

## Install

```sh
agentstack add skill-sergeionlyart-minius-codex-lab-quantitative-impact-analysis
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# Количественный и impact-анализ

## Contract

- **Job-to-be-done:** получить воспроизводимые показатели и осторожную оценку связи intervention с outcome/impact.
- **Inputs:** исследовательский вопрос, dataset/source, indicator definitions, периоды, denominators и ограничения доступа.
- **Outputs:** data note, indicator dictionary, расчеты/код, uncertainty, альтернативные объяснения и выводы.
- **Evidence and safety:** минимизируй данные, фиксируй lineage, не публикуй персональные строки и не изображай correlation как causation.
- **Stop conditions:** остановись при неизвестном знаменателе, несовместимой методике, критических quality gaps или запрещенной обработке.
- **Acceptance test:** вручную воспроизведи один итоговый показатель из исходных строк и сверь округление/период.

## Принцип

Число без определения, знаменателя, периода, источника и методики не является доказательством. Не создавай иллюзию точности.

## Indicator dictionary

Для каждого показателя зафиксируй:

- name и substantive definition;
- type: input/activity/output/outcome/impact/context;
- unit и denominator;
- formula;
- data owner/source;
- collection method и frequency;
- coverage/population/sample;
- baseline, pre-change, post-change, current, target;
- methodology version и breaks in series;
- missingness/duplicates/outliers;
- comparability across time/regions/groups;
- external factors;
- uncertainty/limitations.

## Процедура

1. Свяжи показатель с конкретным звеном theory of change. Не используй activity metric как impact.
2. Сохрани raw data только в разрешенной зоне; не изменяй оригинал. Создай reproducible transform script/notebook и derived table.
3. Проверь schema, types, row counts, uniqueness, missing values, duplicates и impossible values.
4. Установи denominator и единицу наблюдения.
5. Проверь изменения методологии/coverage. При break in series не сравнивай напрямую без корректировки.
6. Раздели descriptive statistics и causal inference.
7. Для сравнения используй, где допустимо:
   - pre/post trend;
   - regions/bodies/groups;
   - interrupted time series;
   - comparable/control group;
   - sensitivity analysis;
   - alternative explanations.
8. Для privacy-sensitive data применяй minimization, aggregation и suppression small cells.
9. Сформируй table/figure с machine-readable source, кодом и checksum.
10. Каждый числовой claim добавь в `evidence/CLAIMS.csv` с evidence ref на dataset/table/script.

## Запрет ложной точности

Не рассчитывай/не публикуй доли, средние, темпы, correlations или trends, если:

- неизвестен denominator;
- выборка/coverage неизвестны;
- периоды несопоставимы;
- изменилась методика;
- единичные случаи выданы за общий массив;
- источник не позволяет воспроизвести расчет.

Используй диапазоны/qualitative assessment и маркируй approximate, когда это честнее.

## Causal evidence scale

- strong;
- moderate;
- limited;
- contradictory;
- not confirmed;
- impossible due to data quality/absence.

Confidence оцени отдельно: high/medium/low.

## Выходы

- indicator dictionary;
- data quality report;
- reproducible scripts;
- derived tables/charts;
- causal/alternative-explanation matrix;
- missing-data request specification;
- limitations ready for final report.

## Definition of done

Независимый аналитик может воспроизвести число из исходного разрешенного набора, понять методику и увидеть, какие выводы данные не позволяют делать.

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [sergeionlyart](https://github.com/sergeionlyart)
- **Source:** [sergeionlyart/minius_codex_lab](https://github.com/sergeionlyart/minius_codex_lab)
- **License:** Apache-2.0

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-sergeionlyart-minius-codex-lab-quantitative-impact-analysis
- Seller: https://agentstack.voostack.com/s/sergeionlyart
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.