statistical-analysis

此技能作為研究人員和數據分析師進行系統性假設檢定與數據解釋的端到端夥伴。它提供了一個自動化工作流程，根據研究問題、變數類型與分配特性來確定適當的統計方法。本工具專為學術與臨床環境設計，協助使用者從原始數據探索邁向專業且適合發表的報告格式。

• 智慧型測試選擇指南，涵蓋分組比較（t-檢定、ANOVA、Mann-Whitney U、Wilcoxon、Kruskal-Wallis）與關係分析（相關性、線性與邏輯迴歸）。

• 完整的假設檢定套件，包含異常值檢測、常態性檢定（Shapiro-Wilk）、變異數同質性（Levene's test）與線性診斷。

• 支援貝氏統計替代方案，提供貝氏因子（Bayes Factors）與機率解釋，以補充傳統頻率學派的結果。

• 自動生成符合 APA 格式的統計報告，包含表格、圖表說明及清晰的敘述性解釋。

• 內建效能分析功能，用於規劃研究並根據效果量與顯著水準決定所需的樣本數。

• 使用者應提供乾淨的結構化數據框（例如 pandas）以及明確的研究目標，以獲得精確的測試建議。

• 此技能運用專業 Python 程式庫，包含用於核心測試的 scipy.stats、用於複雜迴歸的 statsmodels、用於簡化統計報告的 pingouin，以及用於貝氏建模的 pymc 與 arviz。

• 在完成任何分析前，請務必執行內建假設檢定腳本所提供的診斷視覺化圖表，例如 Q-Q 圖與殘差圖。

• 若需進行程式模型實作或自訂腳本建構，建議將此技能與一般程式碼編寫輔助工具結合使用，因本工具專注於選擇、驗證與解釋流程。

• 請注意，此技能針對研究級的嚴謹度進行了最佳化；它優先考慮透明的假設驗證，以確保最終統計結論的有效性。