tooluniverse-statistical-modeling

用途：对生物医学数据集拟合回归模型、生存模型与混合效应模型，并生成可发表的统计摘要（OR、HR、置信区间、p值）。主要能力：线性回归（OLS）、二分类/有序/多分类逻辑回归、Cox比例风险与Kaplan-Meier、LMM/GLMM、单因素/双因素ANOVA及组学数据的逐特征ANOVA、模型诊断（残差、Breusch-Pagan、VIF、PH假设检验）与常见统计检验。用法：按结局类型选择模型（连续→OLS/混合效应/Poisson；二分类→logit；有序→OrderedModel；多分类→多项logit；生存→CoxPHFitter/Kaplan-Meier），用R风格公式拟合，如 smf.logit('disease ~ exposure + age + sex', data=df).fit(disp=0)，再取 np.exp(model.params) 与 np.exp(model.conf_int()) 得OR与CI。组学多特征数据默认用逐特征ANOVA，而非合并ANOVA。依赖 Python 包：statsmodels>=0.14.0、scikit-learn>=1.3.0、lifelines>=0.27.0、pandas>=2.0.0、numpy>=1.24.0、scipy>=1.10.0。适用场景：OR/HR估计、混杂调整后OR降幅、交互项、Kaplan-Meier估计、随机截距混合模型、组间F统计量等。限制：用于推断时优先使用 statsmodels，预测场景用 scikit-learn；统计结果依赖数据质量与模型假设，需做假设检验；资料未提供具体收费、平台与许可信息；未提及支持的语言与界面细节暂未提供。