R-optimizer — R 语言实证分析优化Skill

R-optimizer — R 语言实证分析优化Skill

本 Skill 针对经济学实证分析场景，优化 R 代码的执行效率和内存占用。涵盖：向量化操作、并行计算、大规模面板数据处理、回归加速。让原本需要数小时的回归在几分钟内完成。

适用场景

• 处理 CGSS/CHIP 等大型调查数据（样本量 > 50,000）
• 面板数据固定效应估计（大量虚拟变量）
• 蒙特卡洛模拟或 Bootstrap（需要大量重复计算）
• 交错 DID 事件研究（多时点估计）
• 论文初稿阶段的快速迭代

核心理念

实证分析的瓶颈往往不是算法，而是 I/O 和循环。优化顺序：

1. 数据读写（最快优化点）
2. 向量化（消除 R 层循环）
3. 并行化（多核同时计算）
4. 内存管理（减少数据拷贝）

工作流程

诊断慢点 → 向量化优化 → 并行化加速 → 内存优化 → 验证结果一致性

Step 1 · 诊断慢点

使用 profvis 定位瓶颈：

# 安装并使用 profvis
install.packages("profvis")

library(profvis)
profvis({
  # 放入需要诊断的代码
  df <- readstata13::read.dta13("data/raw/cgss2021.dta")
  result <- lm(income ~ education + age + urban, data = df)