Menü
当用户需要执行社会科学研究的数理统计分析，包括描述性统计、推断统计、回归分析、方差分析、因子分析等时使用此技能
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
行动者网络理论专家分析技能，整合参与者识别、网络分析和转译过程追踪功能，提供全面的ANT分析框架
当用户需要执行行动者网络理论分析，包括参与者识别、关系网络构建、转译过程追踪和网络动态分析时使用此技能
当用户需要检验扎根理论饱和度，包括新概念识别、范畴完善度、关系充分性和理论完整性评估时使用此技能
执行布迪厄场域分析，包括场域边界识别、资本分布分析、自主性评估和习性模式分析。当需要分析社会场域的结构、权力关系和文化资本时使用此技能。
扎根理论专家分析技能，整合开放编码、轴心编码、选择式编码、备忘录撰写和理论饱和度检验功能，提供完整的扎根理论分析框架
当用户需要执行扎根理论的轴心编码，包括范畴识别、属性维度分析、关系建立和Paradigm模型构建时使用此技能
| name | mathematical-statistics |
| description | 当用户需要执行社会科学研究的数理统计分析，包括描述性统计、推断统计、回归分析、方差分析、因子分析等时使用此技能 |
| version | 1.0.0 |
| author | socienceAI.com |
| tags | ["statistics","social-sciences","data-analysis","research-methods","descriptive-stats","inferential-stats","regression-analysis"] |
为社会科学研究提供全面的数理统计分析支持，包括描述性统计、推断统计、回归分析、方差分析、因子分析等，确保研究数据分析的科学性和准确性。
Use this skill when the user requests:
When a user requests statistical analysis:
当用户提到以下需求时，使用此技能：
# 1. 描述性统计
python scripts/descriptive_statistics.py \
--input data.csv \
--output descriptive_stats.json
# 2. 推断统计
python scripts/inferential_statistics.py \
--input data.csv \
--test t-test \
--output inferential_results.json
# 3. 回归分析
python scripts/regression_analysis.py \
--input data.csv \
--dependent var1 \
--independent var2,var3,var4 \
--output regression_results.json
使用预处理工具清洗数据：
python scripts/preprocess_data.py --input raw_data.csv --output clean_data.csv
关键要点：
详见：references/data-preparation.md
使用统计工具计算基础指标：
python scripts/descriptive_statistics.py --input clean_data.csv --output desc_stats.json
计算指标：
详见：references/descriptive-statistics.md
根据数据特征选择合适的推断统计方法：
python scripts/inferential_statistics.py --input clean_data.csv --output inference.json
分析类型：
详见：references/inferential-statistics.md
建立变量间的关系模型：
python scripts/regression_analysis.py --input clean_data.csv --output regression.json
回归类型：
详见：references/regression-analysis.md
进行高级统计分析：
python scripts/multivariate_analysis.py --input clean_data.csv --output multivariate.json
分析方法：
详见：references/multivariate-analysis.md
生成统计图表：
python scripts/visualize_statistics.py \
--input clean_data.csv \
--stats desc_stats.json \
--output statistical_plots.png
可视化类型：
详见：references/statistical-visualization.md
统一的三层JSON格式：
{
"summary": {
"sample_size": 200,
"variables_count": 8,
"analysis_type": "multiple_regression",
"significant_findings": 3,
"model_fit": 0.72,
"assumptions_met": true
},
"details": {
"descriptive_stats": {...},
"inferential_results": {...},
"regression_output": {...},
"model_diagnostics": {...}
},
"metadata": {
"timestamp": "2025-12-21T10:30:00",
"version": "1.0.0"
}
}
详见：references/output-format.md
在完成统计分析后，请检查以下项目：
详见：references/quality-checklist.md
快速诊断：
references/troubleshooting.md - 数据预处理method_selector.py 辅助选择references/interpretation-guide.mdreferences/nonparametric-alternatives.mdreferences/statistical-theory.md - 方法原理和公式references/case-studies.md - 完整分析示例references/troubleshooting.md - 问题诊断和解决references/chinese-context.md - 数据和解释特点完成高质量的统计分析应该：
此技能为中文社会科学研究提供全面的数理统计支持，从数据预处理到高级分析的技术实现，确保研究的科学性和严谨性。