# Regression Analytics

> Skill: regression-analytics

- Skill: `kaito41418-ux/regression-analytics` (Agent Skill, multi-file: 11 files)
- Install (CLI): `npx skillmds@latest add kaito41418-ux/regression-analytics`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kaito41418-ux/regression-analytics/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Data & Analytics
- Author: kaito41418-ux (https://skillmd.com/u/kaito41418-ux)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kaito41418-ux/regression-analytics

---


# Skill: regression-analytics

迴歸建模與 Word 報告匯出（線性迴歸 / Logistic 迴歸 + 完整診斷）。

## Metadata
- **Description**: 對數據執行迴歸分析，自動診斷模型假設（正態性、方差齊性、多重共線性、離群值/影響點），輸出係數表、模型指標、診斷圖，交付 Word 報告。
- **Version**: 1.0.0
- **Entrypoint**: `orchestrator.py`（CLI: `--source {local,sql,hadoop}` + `--analysis {linear,logistic}` + `--y <column>` + `--x <cols>` + `--output-dir`）
- **Related**: 假設檢驗（t-test/ANOVA/相關性）請用 `advanced-data-analytics` skill。

## Analysis Modes

### 1. `linear` — 線性迴歸 (OLS)
- **輸入**: 一個 `y` 欄位（連續數值）+ 一個或多個 predictor 欄位
- **模型**: `y ~ x1 + x2 + ...`
- **主要輸出**:
  - **係數表**: β 估計、標準誤、t 值、p 值、95% CI（每個 predictor）
  - **模型指標**: R²、Adjusted R²、F 統計量、殘差標準誤、AIC、BIC
- **診斷**（自動全跑）:
  - **殘差正態性**: Shapiro-Wilk on 殘差
  - **異方差**: Breusch-Pagan Test（`lmtest`）
  - **獨立性**: Durbin-Watson Test（`car`）
  - **多重共線性**: VIF（`car`）—— predictor ≥2 時觸發；VIF > 10 標記警告
  - **離群值/影響點**: Cook's Distance（標記 D > 4/n 的觀測）
- **可視化**:
  - Q-Q plot（殘差正態性）
  - Residuals vs Fitted（線性 + 異方差）
  - Scale-Location（同方差性）
  - Cook's Distance 條狀圖

### 2. `logistic` — 二元 Logistic 迴歸
- **輸入**: 一個 `y` 欄位（0/1 或兩類別）+ 一個或多個 predictor 欄位
- **模型**: `logit(P(y=1)) ~ x1 + x2 + ...` (family = binomial)
- **主要輸出**:
  - **係數表**: β 估計、Std Err、z 值、p 值、**Odds Ratio**（e^β）+ 95% CI
  - **模型指標**: Null/Residual Deviance、AIC、Nagelkerke R²、混淆矩陣、Accuracy、AUC
- **診斷**:
  - **配適度**: Hosmer-Lemeshow Test（如 `ResourceSelection` 可用；否則跳過並註記）
  - **多重共線性**: VIF（同 linear）
  - **影響點**: dfbeta / Cook's Distance
- **可視化**:
  - ROC 曲線 + AUC
  - Predicted probability distribution by class
  - Coefficient forest plot（Odds Ratio + CI）

## Output Location

**預設輸出目錄**：`./outcome-temp/`

- `fetched_data.csv`：原始資料快照
- `Regression_Report.docx`：Word 報告
- （中間圖表由 R 產生於 `tmp_data/`，最終嵌入 docx）

可用 `--output-dir <path>` 覆寫；建議每次不同分析指定子目錄避免覆蓋。

## Workflow (SOP)
1. **數據獲取**: `data_fetcher.py` 拉取 → `fetched_data.csv`，校驗 `y` 與所有 `--x` 指定欄位存在。
2. **迴歸執行**: `r_executor.py` 呼叫 `lm()` 或 `glm(family=binomial)`，跑完診斷 + 繪 4 張圖 → 匯出 JSON。
3. **Word 生成**: `word_generator.py` 動態組裝章節：
   - 模型摘要（公式、n、模型指標表）
   - 係數表（含顯著性標記）
   - 診斷結果表 + 各檢驗判定（PASS/警告）
   - 4 張診斷圖（linear）或 ROC + forest plot（logistic）
   - 結論與建議（自動根據診斷結果生成，例如「殘差不正態，建議考慮 log 轉換或 GLM」）
4. **交付**: `.docx` 落地在 output-dir。

## Constraints
- 所有數值結果保留 4 位小數（`templates/word_styles.json` 的 `numeric_precision` 控制）。
- Word 報告有清晰層級 + 圖表編號 + 標題；樣式集中於 templates。
- Predictor 欄位若為類別型（字串），R 自動處理成 factor + dummy 編碼；報告中會標出「參考類別」。
- 缺失值：任一列缺 `y` 或任一 `--x` 值 → listwise deletion（並在報告中記錄丟棄筆數）。

## Dependencies
- Python 3.10+: `pandas sqlalchemy python-docx openpyxl pyhive thrift thrift-sasl pure-sasl`
- R 4.x（Rscript 需在 PATH）:
  - **必要**: `ggplot2 jsonlite car lmtest broom`
  - **可選**: `pROC`（logistic ROC/AUC）、`ResourceSelection`（Hosmer-Lemeshow）、`showtext sysfonts`（中文字型）
  - 可選套件缺失時對應功能靜默降級並在報告中註記。