用途：Statistical Analysis Advisor 是一个统计检验推荐引擎，帮助用户为手头数据选择合适的统计方法，并辅助完成假设检查与功效/样本量分析。
主要能力：
- 统计检验选择：在 T 检验、ANOVA、卡方、Mann-Whitney、Kruskal-Wallis 等方法之间比较与推荐，依据数据类型、分布、样本量和研究问题，并提供检验选择的决策树逻辑。
- 假设检查：正态性检验（Shapiro-Wilk、Kolmogorov-Smirnov）、方差齐性（Levene、Bartlett）、独立性验证及异常值检测指引。
- 功效分析与样本量：效应量估计（Cohen's d、eta-squared、Cramér's V）、达到目标功效的样本量计算、事后功效分析。
使用方式：通过 Python 导入 scripts.main 中的 StatisticalAdvisor，调用 recommend_test、check_assumptions、calculate_power 等方法。示例： from scripts.main import StatisticalAdvisor advisor = StatisticalAdvisor() advisor.recommend_test(data_type="continuous", groups=2, independent=True, distribution="normal") advisor.check_assumptions(data=[group1, group2], test_type="independent_ttest") advisor.calculate_power(effect_size=0.5, alpha=0.05, sample_size=30) 输入参数包括 data_type（continuous/categorical/ordinal）、groups、independent、distribution（normal/non-normal/unknown）、sample_size。依赖安装：pip install -r requirements.txt。
适用场景：需要判断该用哪种检验、检查前提假设或估算样本量与检验功效的研究与数据分析工作。
限制：不执行实际数据分析，仅提供建议；无法直接访问原始数据；复杂多变量设计可能需要专门咨询；未全面覆盖贝叶斯替代方法。资料标注技术难度为高，并警告统计建议会显著影响研究有效性，用于发表研究前必须由人工核验所有建议。当前生命周期状态为 Draft，已知问题：无。