| name | statistical-analysis |
| description | Run confirmatory statistics on light-curve, survey, or agent-evaluation tables after the analysis plan is locked. Use for tests, effect sizes, confidence intervals, selection effects, small-count intervals, and multiple testing across candidates. |
| license | MIT |
统计分析 Statistical Analysis
StarWhisper astronomy overlay
Read astronomy.md first. That file sets the astronomy defaults for this copy.
Literature: NASA ADS, then arXiv astro-ph.*. Do not invent papers.
A synthetic Explore run, a classifier score, or a demo candidate is not a discovery.
This skill does not send telescope commands.
实验设计管"采集前"，这个技能管"采集后"：把数据变成可报告、可复核的统计结论。核心纪律是
按预注册的分析计划做验证性分析——计划里写了什么检验就跑什么检验，临时起意的探索要标注
exploratory，不能事后当成验证性结果报告。
所有数值由 scripts/run_stat_tests.py 计算（封装 scipy/statsmodels），模型不徒手估计
统计量。每个检验同时返回效应量、95% 置信区间、前提检查结果和一句证据边界提示。
何时使用
- "两组/多组差异显著吗""处理前后有变化吗"
- "帮我跑 t 检验 / ANOVA / 卡方 / 相关分析"
- "这批 p 值要不要做多重比较校正"
- "数据不满足正态性怎么办，用什么检验"
- "结果怎么写进论文（效应量、置信区间、p 值报告）"
工作流
- 先找分析计划：有预注册或实验设计阶段的分析计划就照着执行；没有的话，先和用户确认
主要结局、比较组和检验方法，再动手，并在报告里注明"计划为事后确定"。
- 描述统计打底：
describe 看每组 n、均值、SD、中位数、IQR 和缺失，异常值和数据录入
问题在这一步暴露。
- 前提检查：检验输出自带 Shapiro 正态性（逐组）和 Brown-Forsythe 方差齐性；不满足时
按决策树换非参数方法，而不是硬套。
- 执行检验：用下面的决策树选命令；p 值、效应量、CI 一次算齐。
- 多重比较校正：同一族的所有检验（包括不显著的）一起进
correct；只报显著结果是
p-hacking。
- 写结论：按
templates/analysis_report.md 报告；每条结论带效应量与 CI，非显著结果
照报，探索性分析单独一节并明确标注。
检验选择决策树
比较什么？
├─ 两独立组的连续结局
│ ├─ 近似正态（或每组 n≥30） → ttest（默认 Welch，不假定等方差）
│ └─ 偏态/序数/小样本 → mannwhitney
├─ 同一对象前后两次测量 → paired；偏态时用 Wilcoxon（报告里注明）
├─ 三组及以上连续结局
│ ├─ 近似正态、方差齐 → anova（显著后 --posthoc 做 Tukey）
│ └─ 不满足 → kruskal
├─ 两个分类变量是否相关 → chi2（2x2 且期望频数小时看 fisher_exact 输出）
└─ 两个连续变量的关系 → corr（线性用 pearson，单调/有离群用 spearman）
脚本用法
python scripts/run_stat_tests.py describe --csv data.csv --value strength --group process
python scripts/run_stat_tests.py ttest --csv data.csv --value strength --group process
python scripts/run_stat_tests.py paired --csv data.csv --before pre_score --after post_score
python scripts/run_stat_tests.py anova --csv data.csv --value yield --group temperature --posthoc
python scripts/run_stat_tests.py chi2 --csv data.csv --row exposure --col outcome
python scripts/run_stat_tests.py corr --csv data.csv --x dose --y response --method spearman
python scripts/run_stat_tests.py correct --pvalues 0.012,0.034,0.20,0.41 --method holm
输出是结构化 JSON：统计量、p 值、效应量（Cohen's d/Hedges g、η²、ε²、Cramér's V、
rank-biserial r）、95% CI、前提检查明细，以及一句 interpretation_boundary 提示怎么把
结论说得不过头。改脚本后运行 python tests/regression.py 应全绿。
报告数字的规矩
- p 值报到三位小数（p<0.001 写
p<0.001），永远同时报效应量和 CI，不报裸 p。
- 显著 ≠ 重要：解释时对照最小实际意义效应（SESOI），不用"极其显著"这类修辞。
- 非显著 ≠ 无差异：只能写"未检测到显著差异"，功效不足时要说明。
- 相关 ≠ 因果：观察性数据的相关只能写"相关、提示、可能有关"。
- 亚组分析、换检验方法重跑、临时加的比较，全部标 exploratory，进多重比较校正。
质量红线
- 不做 p-hacking：不因为结果不显著就换检验、删数据、切亚组；换方法必须给统计学理由
并在报告中披露。
- 报告全部检验：跑过的每个检验都出现在报告里，校正基于全族 p 值。
- 缺失与剔除透明：describe 阶段报缺失量；任何数据剔除写明规则与数量。
- 不越界：组学管线（scanpy/Seurat/DESeq）、混合效应模型、因果推断方法超出本技能脚本
范围时明说，不硬算。
与其它技能的边界
- 采集前的设计、随机化、样本量与功效 →「实验设计」（本技能执行它锁定的分析计划）。
- 把问题拆成数据任务、建 baseline、机器学习建模 →「数据处理」。
- 结果写进论文的表达与措辞 →「学术写作」「文本润色」。
