用途：该技能用于学术研究中的统计假设检验与关系量化，覆盖 t 检验、ANOVA、卡方、回归、相关及贝叶斯分析，并提供假设检查与 APA 格式报告。
主要能力：一是检验选择与规划，依据研究问题和数据特征推荐检验，支持先验功效分析与多重比较校正；二是假设检查，自动验证相关假设并给出 Q-Q 图、残差图、箱线图等诊断可视化，假设被违反时给出补救建议；三是统计检验，含参数与非参数检验、线性/多元/逻辑回归、Pearson 与 Spearman 相关，以及贝叶斯 t 检验、ANOVA、回归与贝叶斯因子；四是效应量与解释，计算并解释效应量及置信区间，区分统计显著与实际意义；五是专业报告，生成 APA 风格报告与可发表图表。
使用方式：技能提供 references 目录（test_selection_guide.md、assumptions_and_diagnostics.md、effect_sizes_and_power.md、bayesian_statistics.md、reporting_standards.md）与 scripts 目录（assumption_checks.py，含 comprehensive_assumption_check、check_normality、check_homogeneity_of_variance、check_linearity、detect_outliers）。主要 Python 库为 scipy.stats、statsmodels、pingouin、pymc、arviz。示例：from scripts.assumption_checks import comprehensive_assumption_check；results = comprehensive_assumption_check(data=df, value_col='score', group_col='group', alpha=0.05)。
适用场景：实验或观察数据的假设检验、回归与相关分析、贝叶斯分析、功效与敏感性分析、APA 报告撰写。
限制：资料未提供安装命令、收费与价格、平台支持范围及具体运行环境要求；使用前需自行准备数据与相应 Python 库。