用途：本技能面向学术论文写作，帮助在规划或报告统计分析时选择合适的统计检验、执行分析并按规定格式撰写结果。
主要能力：提供统计检验选择对照表，覆盖两组比较（独立/配对、正态/非正态、二分类结果）、三组及以上比较（方差分析、Kruskal-Wallis、重复测量方差分析、Friedman检验）以及关系分析（相关、线性回归、逻辑回归）。给出正态性检验（Shapiro-Wilk）与方差齐性检验（Levene）的Python代码，并说明假设不满足时的替代方案。提供效应量参考标准（Cohen's d、偏η²、r、R²）及使用pingouin计算效应量的方法。给出独立样本t检验、单因素方差分析、多元回归的APA格式报告示例。列出常见统计陷阱，如P-hacking、HARKing、忽视假设、混淆显著性与重要性、不报告效应量、多重比较未校正等。附完整t检验流程示例与统计分析检查清单。
使用方式：按检查清单依次定义研究问题与假设、确定检验、进行功效分析、检查缺失值与异常值、验证假设、运行主要分析、计算效应量与置信区间、事后检验、按APA格式撰写结果。代码依赖scipy.stats、statsmodels、pingouin等Python库。
适用场景：学术论文、研究报告中的统计分析规划与结果撰写。
限制：资料未提供具体安装命令、版本要求、收费信息或平台支持范围；示例代码需自行准备数据环境运行。