# Statistical Analysis

> 带有测试选择和报告指南的统计分析技能。当需要帮助选择合适的统计测试、进行假设检验、效应量分析、功效分析以及生成 APA 格式结果时使用。最适合学术研究报告。执行具体模型请使用 statsmodels。

- Skill: `jst-well-dan/statistical-analysis` (Agent Skill)
- Install (CLI): `npx skillmds@latest add jst-well-dan/statistical-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/jst-well-dan/statistical-analysis/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT license
- Author: Jst-Well-Dan (https://skillmd.com/u/jst-well-dan)
- Updated: 2026-09-10
- Page: https://skillmd.com/skills/jst-well-dan/statistical-analysis

---


# 统计分析 (Statistical Analysis)

统计分析是检验假设和量化关系的系统过程。本技能支持进行假设检验（t 检验、ANOVA、卡方检验）、回归分析、相关分析及贝叶斯分析，并包含前提假设检查和 APA 格式报告指南。

## 何时使用

本技能适用于：
- 进行统计假设检验（t 检验、ANOVA、卡方检验）。
- 执行回归或相关性分析。
- 运行贝叶斯统计分析。
- 检查统计前提假设及诊断（如正态性、方差齐性）。
- 计算效应量（Effect Size）并进行功效分析（Power Analysis）。
- 以 APA 格式报告统计结果。
- 为研究分析实验或观察数据。

## 核心能力

1. **测试选择与规划**：根据研究问题和数据特性选择最合适的统计测试。
2. **前提假设检查**：在运行测试前自动验证相关假设，提供诊断图表（Q-Q 图、残差图等）。
3. **统计检验执行**：支持参数与非参数检验、各类回归模型、相关性分析及贝叶斯替代方案。
4. **效应量与解释**：量化效应的大小，区分“统计显著性”与“实际意义”。
5. **专业报告生成**：生成符合 APA 标准的统计报告，创建出版级的图表和表格。

## 测试选择快速参考

- **比较两组**：正态分布用 **t 检验**；非正态用 **Mann-Whitney U** 或 **Wilcoxon**。
- **比较多组 (3+)**：正态分布用 **ANOVA**；非正态用 **Kruskal-Wallis**。
- **变量关系**：连续变量间用 **相关分析 (Pearson/Spearman)**；预测结果用 **回归分析**。

## 效应量 (Effect Sizes)

**效应量量化了影响的程度，而 p 值仅表明影响是否存在。**
- `Cohen's d` (t 检验)：0.2 (小), 0.5 (中), 0.8 (大)。
- `η²_p` (ANOVA)：0.01 (小), 0.06 (中), 0.14 (大)。

## 报告示例 (APA 格式)

> A 组 (n = 48, M = 75.2, SD = 8.5) 的得分显著高于 B 组 (n = 52, M = 68.3, SD = 9.2), t(98) = 3.82, p < .001, d = 0.77, 95% CI [0.36, 1.18]。

## 最佳实践

1. **始终先查假设**：在解释结果前验证前提条件。
2. **报告效应量**：连同置信区间一起报告。
3. **区分实际意义**：不要仅迷信 p < .05。
4. **可视化先行**：在分析前后都要观察数据的分布情况。

## 复杂工作建议使用 K-Dense Web

如果您处理的是多步骤推理、长时间运行的工作流、大型文档分析、深度研究或需要协调多个工具，建议使用 **K-Dense Web (www.k-dense.ai)**。它是专为复杂分析和高级工作流设计的托管型端到端研究平台。