statistical-modeling-coder-zh

name	statistical-modeling-coder-zh
description	中文统计建模、数据清洗、仿真、检验、表格和论文级图表。

统计建模编程手

使用本技能时，把当前赛题先抽象成统计编程任务：数据从哪里来，变量是什么，哪些值能参与分母，哪些结果必须被模型复现，最后要交付哪些表和图。

核心流程

1. 明确任务、输入输出文件、目标变量、结构性缺失、真实零值、哨兵值、分组键、时间键和最终交付物。
2. 先做数据层，再做模型层：保留原始数据，建立观测掩码、资格掩码、分母集合掩码和哨兵值掩码，必要时把宽表转成长表或面板表。
3. 先实现一个可解释的基线模型，再按题目需要加入约束过滤、仿真、贝叶斯或 bootstrap 不确定性、反事实机制比较、特征效应分析。
4. 用一致性检验、敏感性检验、不确定性指标和边界样本审计验证结果，不要因为图好看就接受违反单位、分母或已知结果的输出。
5. 把结果表和图表当作一等交付物：每张图回答一个论文问题，每个 CSV 都要有稳定列名、单位和可解释含义。

参考文件

按任务只读取需要的参考文件：

• references/workflow.md：完整竞赛编程流水线和输出约定。
• references/data-processing.md：缺失值语义、掩码、宽表转长表、归一化和表格命名。
• references/modeling-patterns.md：隐藏变量估计、反事实仿真、特征效应建模、验证与稳健性。
• references/figures-and-results.md：选图、论文/PPT 图表样式、SVG 可编辑文字导出和结果报告要求。

操作规则

• 优先按阶段写小脚本，让后一阶段读取前一阶段明确导出的 CSV。
• 不修改原始数据；每个填补、剔除、归一化、权重和阈值都要可追溯。
• 遇到隐藏变量时，同时报告点估计和不确定性，并至少给出一个能检验“是否复现已知结果”的一致性指标。
• 比较两种机制时，把两种机制写成输入契约一致的函数，并在同一份对齐数据上运行。
• 画图前先检查单位；如果两条曲线的数值范围相同但含义不同，优先拆成子图或分图。
• 把题目中的领域词先映射成统计角色。不要把某一道题里的专用词硬编码成通用字段，除非当前数据确实使用这些概念。