用途：面向心理学实证研究，提供从实验设计到数据分析、结果报告的可操作规范，贴合当前期刊与审稿人对统计严谨性和透明度的要求。
主要能力： 实验设计：对比被试间、被试内与混合设计的优缺点与适用场景；用 statsmodels 的 TTestIndPower、FTestAnovaPower 做事前功效分析，估算每组样本量。 效应量：给出 Cohen's d、Pearson r、Cohen's f、eta-squared、odds ratio、Cohen's w 的小/中/大参考值，并提示真实效应多为小效应（d≈0.2–0.4）。 预注册：以 AsPredicted 模板说明假设、设计、计划样本、排除标准、测量变量与分析计划的写法，并列出 OSF Registries、AsPredicted.org、ClinicalTrials.gov、EGAP 等平台。 统计分析：用 pandas、pingouin、scipy 完成描述统计、正态性与方差齐性检验、t 检验与贝叶斯因子、单因素与混合方差分析及事后比较。 心理测量：用 pingouin 的 cronbach_alpha 计算信度，用 semopy 做验证性因子分析并读取 CFI、RMSEA、SRMR。 报告规范：给出 APA 格式的 t 检验、方差分析、相关结果写法示例，要求包含统计量、自由度、p 值、效应量与置信区间。
使用方式：需具备 Python 环境，示例依赖 statsmodels、pandas、pingouin、scipy、semopy 等库；按指南流程依次完成功效分析、数据收集、假设检验与结果报告。
适用场景：行为实验设计、问卷数据分析、量表效度验证、论文审稿与结果撰写。
限制：资料未提供具体版本要求、安装命令、收费方式与效果保证；平台功能和期刊接受度以各自官方说明为准。