用途：面向学术研究的统计分析技能，覆盖从检验选择、假设条件检查、统计检验到 APA 格式报告的全流程。
主要能力：1）检验选择与规划，含先验功效分析与多重比较校正；2）假设条件检查，自动验证前提并给出 Q-Q 图、残差图、箱线图等诊断可视化，违反时给出补救建议；3）统计检验，含 t 检验、ANOVA、卡方及非参数替代方法，线性/多元/逻辑回归及诊断，Pearson 与 Spearman 相关及置信区间，以及贝叶斯 t 检验、ANOVA、回归与贝叶斯因子；4）效应量与解释，计算并解释效应量、给出置信区间，区分统计显著与实际显著；5）专业报告，生成 APA 风格统计报告与可发表图表。
使用方式：主要使用 Python 库 scipy.stats、statsmodels、pingouin、pymc、arviz。假设检查可调用 scripts/assumption_checks.py 中的 comprehensive_assumption_check()，或单独使用 check_normality()、check_homogeneity_of_variance()、check_linearity()、detect_outliers()。t 检验可用 pg.ttest()，ANOVA 用 pg.anova() 与 pg.pairwise_tukey()，回归用 statsmodels 的 OLS 并计算 VIF，贝叶斯分析用 pymc 建模、arviz 汇总与绘图。功效分析用 statsmodels.stats.power 的 tt_ind_solve_power 与 FTestAnovaPower。
适用场景：学术研究中的实验或观察数据分析、假设检验、回归与相关分析、贝叶斯分析、效应量与功效计算、APA 格式结果报告。
限制：资料未提供具体安装命令、收费方式、平台支持范围与效果数据；假设条件违反时的处理建议需结合具体数据判断，效应量基准仅为参考。