statistical-analysis

该技能用于对研究数据开展假设检验（t 检验、ANOVA、卡方、非参数检验）、回归与相关分析以及贝叶斯分析，强调系统性的假设检查、效应量与 APA 格式报告。目标依赖为 Pingouin 0.7.0、SciPy 1.18.1、statsmodels 0.15.0，可选 PyMC 6.3.2 与 ArviZ 1.3.0；建议创建独立环境安装，例如 uv venv --python 3.12 .venv-statistics 与 uv pip install --python .venv-statistics/bin/python "pingouin==0.7.0" "scipy==1.18.1" "statsmodels==0.15.0" pandas matplotlib seaborn，Windows 使用 .venv-statistics/Scripts/python.exe。工作流为：先明确假设、变量、设计与估计目标；按组检查描述统计并绘制原始数据；依据设计选择检验；用 scripts/assumption_checks.py 检查假设，需将该目录加入 PYTHONPATH；运行检验并同时报告效应量；按 APA 模板报告描述统计、精确统计量、效应量置信区间与假设检查结果。资料提示：Pingouin 0.6+ 使用 p_val、cohen_d、CI95 等命名，ttest 报告绝对 Cohen's d 需另算带符号估计，observed power 不应用于解释零结果；correction='auto' 按样本量不等选 Welch，先设 correction=True 可做预设 Welch 推断；PyMC 6 返回 xarray DataTree，ArviZ 1 需显式指定 95% 区间；单侧 t 检验不给出 BF10。假设检查中不显著不等于假设成立，无 n=30 通用稳健规则；回归可用 HC3 处理异方差但不处理聚类或混杂。资料未完整给出参考文档与后续模板内容。