management-figure

畫圖前先讀 research-framework-figure 的 references/visual-discipline.md （兩支 skill 共用的視覺紀律：密度上限、單一強調色、Okabe-Ito 色盤、標籤經濟、 黑白可讀性），不要只看本檔的版面規範就動手。選圖與逐圖種的誠實紅線（含函式未涵蓋的 啞鈴圖、斜率圖、熱圖）、Okabe-Ito 實算對比與灰階撞色，讀 references/chart-honesty.md。

階段一：這張圖回答哪個假設（先診斷） 釐清圖要檢驗的假設（H1/H2…）、對應的迴歸式與表格。圖必須與假設、迴歸式、表格三方對齊（延續使用者的符號一致性紀律）。判準：能一句話說出「這張圖讓審查委員看到 H_k 成立/不成立」。

階段二：帶入真實數據，選對圖種 用 scripts/mgmt_figures.py（自包含，僅需 numpy+matplotlib；有 statsmodels 則用於信賴帶）。出圖前先讀 references/figure_style.md 確認版面規範。以使用者的真實迴歸輸出/係數帶入，勿用模擬值冒充：

• quadratic_turning_point_plot(x, y, ...) — 二次式倒U/U，自動 OLS 二次擬合、95% CI、標轉折點 x*=-b1/(2b2)。用於非線性假設（如研發強度²、客戶集中度²）。回傳含 p_b2。
• coefficient_forest_plot(names, coefs, ci_low, ci_high) — 係數森林圖，顯著上色、不顯著灰、零線虛線。主迴歸一圖總覽。
• interaction_plot(x_grid, lines, labels=...) — 交互作用/調節圖，低/中/高調節值各一斜率線，看斜率是否翻轉。調節假設（如客戶集中度調節研發強度→績效）。
• group_comparison_plot(groups, means, errors=...) — 分組比較（家族 vs 非家族），帶誤差線。
• trend_plot(years, series, labels) — 多組逐年趨勢。
• event_study_plot(rel_time, coef, ci_low, ci_high, ref_period=-1, pre_joint_p=None, breakdown_M=None, estimator=...) — 事件研究圖（交錯 DiD 的動態效果，causal-inference-architect robustness-battery 的必做正文圖）：逐期係數＋95% CI、參考期空心點標 "ref."、處理時點垂直線、前期陰影；圖註自動印「Pre-period joint Wald p = …; robust to M̄ ≤ …」與估計量名稱，沒給的數字印 "not reported" 而不是編一個。係數來源：did::aggte(type = "dynamic")、fixest::sunab／iplot 的輸出；pre_joint_p 用 did 的 Wpval 或 fixest::wald，breakdown_M 用 HonestDiD 的 breakdown 值。回傳的 info["note"] 可直接貼進 caption（Windows 主控台印出含 M̄ 的字串要先 PYTHONIOENCODING=utf-8）。
• car_plot(rel_time, series, labels=..., highlight_window=(-1, 1), lang="en", font="tw", note=None) — 短窗事件研究的平均累積異常報酬（CAAR）曲線（與上一項 DiD 動態係數圖不同）：一組或多組（家族 vs 非家族）平均 CAR 路徑＋95% CI 帶、事件日 t = 0 垂直線、主檢定窗淡灰底；series 給逐事件 CAR 路徑矩陣（n_events × 相對日，函式算平均與橫斷面 t 型 CI，圖例自動標 N）或已算好的 dict(caar, ci_low, ci_high, n)。字型預設英數 Times New Roman＋中文標楷體（font="sans" 改回 figure_style 的無襯線；缺字型會警告並在 info["fonts_missing"] 回報），lang="zh" 出中文軸標。檢定數字（BMP、KP 調整 p）只在傳 note= 時才印，函式不代編。CAR 怎麼估、用哪個檢定見 causal-inference-architect 的 references/event-study-estimation.md。
• 邊際效果圖：調節模型下 X 對 Y 的邊際效果 ∂Y/∂X = β₁+β₃·M 隨調節值 M 變化。用 interaction_plot 把 x_grid 設為 M 的取值範圍、lines 設為邊際效果（含 CI 上下界共三線）即可畫出，並在零線處標示效果轉正/負的 M 門檻。
• 函式未涵蓋的圖種（兩時點差距的啞鈴圖、斜率圖、熱圖）：以 matplotlib 手寫，照 references/chart-honesty.md 第三節的紅線；先過該檔「三道門」，一句話或一張表說得完的不畫。

階段三：輸出向量檔 一律用 save_fig(fig, name)，同時產 png（預覽）+ pdf + svg（向量，投稿用），皆 300dpi。判準：三個檔都生成、圖內無標題（標題寫在 caption）、上右框線已 despine。

階段四：數字回溯（交付前必驗） 圖中每個數字（轉折點 x*、係數、CI 端點、分組平均、N）都要能指到來源統計輸出檔的哪一列。對不上就停，不准「先放著」。倒U圖必附 β₂ 的 p 值來源。

<matplotlib_中文字型> 軸標預設英文（投稿標準）。使用者要中文版（如口試簡報、中文期刊）時：

1. 改 xlabel/ylabel/圖例字串為中文。
2. 設定 CJK 字型，否則中文顯示為方框（tofu）。正式文件字型規範為標楷體（DFKai-SB / BiauKai）：

   import matplotlib
   matplotlib.rcParams["font.sans-serif"] = ["DFKai-SB", "BiauKai", "Microsoft JhengHei"]
   matplotlib.rcParams["axes.unicode_minus"] = False  # 負號正常顯示
   

   標楷體檔名在 Windows 為 kaiu.ttf；若 rcParams 設定不生效，用 matplotlib.font_manager.FontProperties(fname="C:/Windows/Fonts/kaiu.ttf") 逐元素套用。
3. 數字與英文仍用 Times New Roman 系（西文襯線），符合中英混排規範；純圖內可維持 sans-serif 求清晰。 推測：若環境無標楷體字型檔，中文會 fallback；此時明講「本環境無標楷體，已用 <實際字型>，投稿前請於有字型的機器重出」，不要假裝已套標楷體。 </matplotlib_中文字型>

<output_contract> 交付含三部分：

1. 圖檔路徑：png/pdf/svg 三份路徑，註明 300dpi、色盲友善。
2. 圖說 caption 草稿：說明變數、樣本、N、關鍵統計量（轉折點值、β₂ 顯著性、調節斜率差）。
3. 數字回溯表：圖中每個關鍵數字 → 來源輸出檔位置。倒U圖必列「β₂=…, p=…，來源：<檔>」；β₂ 不顯著時明確標「非線性證據不足」。 </output_contract>