メニュー
统计分析执行。基于研究设计执行完整统计分析流程。既支持 /stat-analysis，也支持自然语言触发，如‘帮我跑统计分析’。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
研究方向发现引擎。在成熟领域的交界处发现没人建的桥。 触发条件: "找方向"/"研究方向"/"选题"/"下一轮做什么"/"research frontier"。 核心方法: 资产盘点 → 结构选型 → 交叉缝隙扫描(deep research驱动) → 证据验证 → 可行性确认。
AI 科研军团统一入口。用户投入任何科研任务→Wei 读取任务→查阅 Skill 注册表→动态调度各角色。 触发条件: 用户说"/start-army"、"启动军团"、"接单"、"开始项目"，或提供数据文件+研究需求。
原始数据真伪与异常模式扫描。既支持 /data-forensics，也支持自然语言触发，如‘这份数据可信吗’。
数据探查与画像。30分钟生成完整数据画像，包括变量字典、分布、缺失率。既支持 /data-profiler，也支持自然语言触发，如‘先帮我看看这份数据长什么样’。
最终交付收口。把投稿包整理成可交付目录，补齐说明文件、清单和接收指引。既支持 /delivery，也支持自然语言触发，如‘把这些整理成最终交付目录’。
学术论文撰写。基于统计结果和文献生成IMRAD格式论文。既支持 /manuscript-draft，也支持自然语言触发，如‘帮我写成论文初稿’。
| name | stat-analysis |
| description | 统计分析执行。基于研究设计执行完整统计分析流程。既支持 /stat-analysis，也支持自然语言触发，如‘帮我跑统计分析’。 |
| argument-hint | ["分析计划或研究设计文件"] |
| allowed-tools | Bash(*), Read, Write, Edit, Grep, Glob, WebSearch, WebFetch, Agent |
基于 research_plan.md 执行完整的统计分析流程。采用假设驱动的分析范式：先写假设、再验假设、再跑敏感性分析。当多种方法均可行时，启动多路径探索器对比择优。以 Kenji 的视角执行（参考 ~/.claude/agents/kenji.md）。
research_plan.md 中的统计分析计划data_dictionary.md 确认变量定义data_clean.csv 分析就绪数据集analysis/在执行任何分析之前，明确写出：
## 假设清单
### 主假设
H1: [暴露因素] 与 [主要结局] 存在 [方向] 关联
H0: [暴露因素] 与 [主要结局] 不存在关联
### 次要假设
H2: ...
H3: ...
### 亚组假设
H4: 上述关联在 [亚组] 中更为显著
对每个拟用统计方法，逐一验证其前提假设：
| 方法 | 需检验的前提 |
|---|---|
| t检验 | 正态性 + 方差齐性 |
| ANOVA | 正态性 + 方差齐性 + 独立性 |
| 卡方检验 | 期望频数 ≥ 5 |
| 线性回归 | 线性性 + 正态残差 + 同方差 + 无多重共线性(VIF<10) |
| Logistic 回归 | 样本量/变量比 ≥ 10:1 + 无多重共线性 |
| Cox 回归 | 等比例风险假设（Schoenfeld 残差检验） |
| 混合效应模型 | 随机效应结构合理 + 残差正态 |
前提不满足时：记录违反项 → 选用替代方法（如非参数检验）或数据转换
当 ≥2 种方法均可行时，启动多路径探索：
按研究设计依次执行：
基线特征表（Table 1）
主要分析
亚组分析
敏感性分析
生成 analysis_results.md：
# 统计分析结果
## 样本流程
[纳入排除流程及各步骤样本量]
## Table 1: 基线特征
[完整基线表]
## 主要分析结果
[效应量、CI、P值、模型诊断]
## 亚组分析结果
[各亚组效应量及交互作用]
## 敏感性分析结果
[各敏感性分析对比表]
## 关键数字摘要
[供图表制作和论文撰写直接引用的核心数字]
analysis_results.md — 完整统计分析结果analysis/ 目录 — 所有分析代码（可复现）progress.md 中统计分析阶段状态analysis/ 目录，设随机种子，记录包版本analysis_results.md 中的每个数字都必须能在代码中追溯到