统计方法选择
统计方法选择
功能与用途
面对一组研究数据不知该做 t 检验、方差分析、回归还是别的方法:先看研究问题、数据类型和假设条件,再选方法并检查效应量、统计功效和报告方式;给出对象、数据来源和判断标准,AI 先说结论再给依据。
适用场景
- 两组或多组实验均值比较:面对多组对照实验数据,根据正态性与方差齐性选择独立样本 t 检验、ANOVA 或对应的非参数检验。
- 变量关联与因果预测建模:分析连续或分类变量间的关系,诊断线性回归或逻辑回归模型假定,计算相关系数与预测效应。
- 样本量估算与统计功效检验:在设计实验或填写开题报告时,根据预期效应量、显著性水平与检验功效计算最少需要的样本量。
- 输出符合 APA 规范的统计报告:整理假定检验、点估计、置信区间与效应量指标,生成可直接写入科研论文的标准化文字描述。
适用人群
- 产品经理
- 市场运营
- 创业者
使用步骤
- 给出对象、数据来源和判断标准
- 让 AI 先说结论再给依据
- 检查不确定处数据支撑
- 转成下一步动作
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 知识
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 入门
- 版本
- main
- 最近更新
- 2026-09-12
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Guided statistical analysis for research data - test selection, assumption checking, effect sizes, power analysis, Bayesian alternatives, and APA-formatted reporting. Use whenever a user wants to compare groups, test a hypothesis, analyze experimental or survey data, check statistical assumptions, compute required sample sizes, or write up results - even if they never name a specific test. Covers t-tests, ANOVA, chi-square, correlation, regression, non-parametric and Bayesian methods. For low-level model APIs, see the statsmodels and pymc skills.
使用前准备
- 研究数据
- 判断标准
- 希望回答的问题
依赖与权限
- 读取用户主动提供的内容