用途：根据数据源与研究目标生成统计分析代码，并经过四轮审查，输出含不确定性指标的分析结果。
主要能力：可检测数据类型、推荐统计检验、运行组间比较，输出效应量与显著性标记；格式化 p 值（stars、LaTeX 或纯文本）；按检验选择表选用独立 t 检验、Mann-Whitney U、配对 t/Wilcoxon、ANOVA/Kruskal-Wallis、卡方/Fisher 精确检验、Pearson/Spearman 相关及 OLS/Logistic/混合效应回归。
使用方式：输入为数据源（CSV、JSON、pickle 或实验日志）与研究假设。脚本示例：python ~/.claude/skills/data-analysis/scripts/stat_summary.py --input results.csv --compare method --metric accuracy --output summary.json；加 --describe 做描述统计；python ~/.claude/skills/data-analysis/scripts/format_pvalue.py --values "0.001 0.05 0.23" --format stars 或 --csv results.csv --column pvalue --format latex。代码按 IMPORT、LOAD DATA、DATASET PREPARATIONS、DESCRIPTIVE STATISTICS、PREPROCESSING、ANALYSIS、SAVE ADDITIONAL RESULTS 分区组织。四轮审查依次检查代码缺陷、数据处理、逐表与跨表一致性。
限制与要求：stat_summary.py 依赖 numpy、scipy；format_pvalue.py 仅用标准库。允许包为 pandas、numpy、scipy、statsmodels、sklearn、pickle。每个名义值需附不确定性，检验须匹配数据类型，结果不得虚构，优先使用包内公式功能，数据框用字符串列名。上游为 experiment-code、experiment-design，下游为 table-generation、figure-generation、backward-traceability。