AI Skill 大全

统计建模

统计建模

功能与用途

针对 Python 中统计/推断建模的最佳实践建议:用 statsmodels 的 OLS 与逻辑回归、稳健标准误(异方差一致)、stargazer 等;说清分析对象、数据来源和判断标准,AI 先说结论再给依据。需 Python 环境(statsmodels)。

适用场景

  • 商业因果与弹性推断:用 OLS 与稳健标准误分析价格弹性或营销投入回报,产出置信区间与显著性结论。
  • 二分类决策逻辑分析:通过逻辑回归评估履约违约或客户续约影响因素,计算优势比并进行假设检验。
  • 多模型回归横向对比:使用 stargazer 规范排版并行回归表格,对比嵌套规范参数并评估实际统计效应。

适用人群

  • 增长运营
  • 产品经理
  • 创业团队

使用步骤

  1. 给出对象、数据来源和判断标准
  2. 让 AI 先说结论再给依据
  3. 检查不确定处数据支撑
  4. 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。

查看 MCP 接入说明

技术信息

分类
商业运营
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
进阶
版本
main
最近更新
2026-09-11
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Best-practice suggestions for statistical / inferential modelling in Python — OLS and logistic regression with statsmodels, robust standard errors, side-by-side regression tables with stargazer, confidence and prediction intervals, hypothesis tests, and significance reporting. Use when interpreting coefficients, building explanatory regressions, comparing nested models, reporting confidence/prediction intervals, or testing whether an effect is statistically significant.

使用前准备

  • 建模数据与问题
  • 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

同类 Skill