用途
Statistics Verifier 提供一套结构化框架，用于核验统计主张、验证研究方法和检测分析错误与偏差。当你需要事实核查统计声明、验证研究发现，或审计数据分析时可以使用它。
主要能力
统计主张核验清单
包含“快速主张评估”协议，按来源检查、方法检查、数字常识检查、重复性检查、结论检查五个步骤展开；并给出主张危险信号表，列出无样本量、仅报告相对风险、“最高可达 X%”式表述、无置信区间、把相关说成因果、自选样本、复合终点、事后亚组分析等信号及其含义与应对。
常见统计错误分类
将错误分为设计错误（抽样偏差、混杂未控制、样本量不足等）、分析错误（多重比较未校正、把定序数据当定距、忽略缺失数据模式等）、解释错误（混淆统计显著性与实际显著性、生态谬误、辛普森悖论等）、报告错误（选择性报告、遗漏阴性结果、误导性坐标轴等）四大类，并给出错误严重程度评估表。
显著性检验框架
提供检验选择指南（按数据类型与比较方式选择 t 检验、ANOVA、卡方、回归等），p 值解读指南（列出常见误解与正确含义、常用阈值），以及多重比较校正方法对比（Bonferroni、Holm-Bonferroni、Benjamini-Hochberg、Tukey's HSD、Dunnett's）。
样本量校验
给出最小样本量速查表（调查、A/B 测试、临床试验、相关研究），并列出功效分析清单所需参数及其来源。
相关与因果判别
提供 Bradford Hill 因果标准清单（强度、一致性、特异性、时序性、生物学梯度、合理性、连贯性、实验、类比）及判定建议；并列出常见第三变量混杂示例。
调查方法审查
提供调查质量评估清单，覆盖抽样、问卷、实施、分析四个环节的检查项。
数据可视化诚信检查
给出图表审计清单（如柱状图 Y 轴是否从零开始、比例是否一致、图表类型是否合适等）及常见误导性可视化模式（截断坐标轴、挑选时间窗口、3D 效果、双轴操纵、累积与每日混淆）。
偏差检测
列出分析中常见的认知偏差（确认偏差、锚定偏差、幸存者偏差、可得性偏差、发表偏差、德州神枪手谬误），并给出偏差严重程度矩阵（检测方法与缓解措施）。
可复现性清单
涵盖数据可得性、代码/分析、方法学、报告四方面的可复现要求，并给出按研究类型对应的报告标准（CONSORT、STROBE、PRISMA、STARD、COREQ、TRIPOD）。
快速核验工作流
提供 5 分钟快速核验步骤及判定类别（VERIFIED、PLAUSIBLE、UNCERTAIN、MISLEADING、FALSE、UNVERIFIABLE）。
使用方式
本技能为文档/清单式框架，按上述各节内容逐步核对统计主张或研究材料即可。资料未提供安装命令或调用代码。
适用场景
- 事实核查统计声明
- 验证研究发现
- 审计数据分析
- 审查调查方法与图表呈现
限制
资料未提供具体自动化执行能力、集成方式、平台或收费信息。