用途：面向《应用心理学杂志》（JAP）稿件的数据分析与结果报告，帮助规范主分析与支持性分析的设定与呈现，回应审稿人对拟合指标、间接效应置信区间、稳健性与披露的要求，并协调预注册分析与探索性后续分析。
主要能力：测量模型先行，报告CFA拟合（χ²/df、CFI、TLI、RMSEA、SRMR）与信度/AVE，跨组或跨波比较时报告测量不变性；报告关键路径的标准化/非标准化估计及置信区间，而非仅p值与星号；中介分析报告间接效应的bootstrap或Monte Carlo置信区间，多层中介按1-1-1、2-1-1、2-2-1等分解并区分组内/组间；多层模型报告ICC(1)/ICC(2)、合理中心化（组均值/总均值）、随机效应并说明估计量，不对嵌套数据使用OLS；完整披露样本量确定方式、所有排除（随意作答、流失）及原因、所有条件与测量，并区分验证性与探索性；元分析报告模型（随机/固定）、异质性（Q、I²）、伪影校正、发表偏倚检验与编码方案；提供脚本与码本，确保在新会话中可由共享数据复现结果。
使用方式：在设定与报告主分析及支持性分析、审稿人要求补充拟合指标或间接效应区间、协调预注册与探索性分析、准备分析脚本与数据/码本时触发。执行层面可结合StatsPAI/Stata MCP：多重结果/设定用romano_wolf或benjamini_hochberg并报告校正阈值；遗漏变量偏误敏感性用oster_delta/sensemakr；推断用wild_cluster_bootstrap（簇少时）、twoway_cluster/conley，多层数据在正确层级聚类；用audit_result(result_id)列出缺失检查与建议函数；用etable/did_summary_to_latex从结果句柄生成表格，避免重录数字。
适用场景与限制：适用于组织心理学的多层调查/现场数据与实验研究。需避免仅报p值与星号、用Baron-Kenny步骤或Sobel z声称中介、忽视嵌套或未做ICC/r_wg论证即聚合、选择性报告条件/测量/排除、将探索性发现HARKing为验证性假设、代码无法复现报告数字。输出格式包含测量模型、主结果、中介/多层、披露、验证性与探索性区分、可复现性等检查项，并指向joap-tables-figures。具体工具与官方要求见配套资源文件。