用途
Statistical analysis 是一套面向统计分析与学术研究的技能工具包，用于系统性地检验假设并量化变量之间的关系。它适用于处理实验数据或观察性数据，尤其面向学术研究中的统计分析需求。
主要能力
-
检验选择与规划：根据研究问题和数据特征选择合适的统计检验，进行先验功效分析以确定所需样本量，并规划包括多重比较校正在内的分析策略。
-
假设检查：在运行检验前自动验证相关假设，提供诊断可视化（Q-Q 图、残差图、箱线图），并在假设被违反时给出补救建议。
-
统计检验：支持假设检验（t 检验、ANOVA、卡方检验及非参数替代方法）、回归（线性、多元、逻辑回归及诊断）、相关（Pearson、Spearman 及置信区间）、贝叶斯替代方法（贝叶斯 t 检验、ANOVA、回归及贝叶斯因子）。
-
效应量与解释：为所有分析计算并解释适当的效应量，提供效应估计的置信区间，区分统计显著性与实际显著性。
-
专业报告：生成 APA 风格的统计报告，创建可发表级别的图表，并提供包含全部所需统计量的完整解释。
使用方式
该技能通过决策树引导分析路径：选择统计检验、检查假设、运行分析、报告结果。
假设检查可使用自带脚本，例如：
from scripts.assumption_checks import comprehensive_assumption_check
results = comprehensive_assumption_check(
data=df,
value_col='score',
group_col='group',
alpha=0.05
)
也可进行针对性检查，如：
from scripts.assumption_checks import (
check_normality,
check_normality_per_group,
check_homogeneity_of_variance,
check_linearity,
detect_outliers
)
分析主要使用的 Python 库包括：scipy.stats、statsmodels、pingouin、pymc、arviz。示例包括带完整报告的 t 检验、带事后检验的 ANOVA、带诊断的线性回归、贝叶斯 t 检验，以及效应量计算与功效分析。
适用场景
- 开展统计假设检验（t 检验、ANOVA、卡方检验）
- 执行回归或相关分析
- 运行贝叶斯统计分析
- 检查统计假设与诊断
- 计算效应量并进行功效分析
- 按 APA 格式报告统计结果
- 分析用于研究的实验或观察性数据
限制与注意事项
资料强调应在解释检验结果之前始终检查假设。当正态性、方差齐性或线性被违反时，资料给出了相应处理建议。资料提示：事后功效分析通常不被推荐，建议改用敏感性分析。资料还指出效应量基准仅供参考，需结合实际语境判断。该技能的安装命令、收费与价格信息暂未提供。