科研 Skill

探索性数据分析与统计检验

codar-science-core-skill-5783cf040033

当用户需要检查科研表格的数据质量、分布、关联和异常值,或为连续、分类、配对及多组数据选择并执行通用统计检验时使用;生存结局和专门组学模型使用对应领域 Skill。

发布者 Codar安全审核通过v0.1.0更新于 2026-09-16

SKILL.md

探索性数据分析与统计检验

先确认分析单位

识别每行代表患者、动物、样本、细胞还是技术重复,明确主要结局、分组、配对或重复测量关系、协变量、批次和缺失编码。先保存数据字典和分析所用行列,不按结果反复改变排除规则。

探索性分析

  1. 报告样本数、变量类型、唯一值、缺失率、无穷值、重复主键和近零方差变量。
  2. 数值变量检查分布、尺度、离群和变量间关联;分类变量检查稀疏水平和组间不平衡。
  3. 图形按真实统计单位绘制,技术重复不得被当作独立样本扩大精度。
  4. 相关分析先区分 Pearson、Spearman、偏相关及重复测量结构,不把相关写成因果。

需要批量检查数值变量的正态性、组间方差和缺失情况时,可运行 scripts/assumption_checks.py。脚本输出诊断表和运行元数据,但不自动替用户选择最终检验。

统计检验选择

  • 两组独立连续结果:根据 estimand、分布和样本量选择 Welch t 检验、Mann–Whitney 或稳健模型。
  • 配对连续结果:使用配对 t 检验、Wilcoxon 符号秩或配对模型。
  • 多组结果:使用 ANOVA/ANCOVA、Welch ANOVA、Kruskal–Wallis 或回归模型,并预先定义事后比较。
  • 分类结果:根据期望频数使用卡方、Fisher 或回归模型。
  • 重复测量、分层或批次结构:使用混合模型、GEE 或分层置换,不压成独立观测。

每项检验同时报告效应量、置信区间、原始 P 值、多重检验方法和校正后 P 值。若假设诊断与样本量不足以支持正式推断,明确标记为探索性。

输出契约

交付数据概况、排除记录、描述统计、诊断结果、完整模型或检验定义、效应量与不确定性、校正方法、敏感性分析和限制。运行记录包含输入文件哈希、分析单位、变量角色、软件版本、参数和随机种子。

更多决策细节见方法选择与报告。

所属插件

通用科研与数据服务通用科研工作流与共享生物医学数据 MCP。

安装该插件会一并获得同领域的 68 个 Skill / MCP。

同插件的其他科研 Skill

常见问题

探索性数据分析与统计检验能做什么?

当用户需要检查科研表格的数据质量、分布、关联和异常值,或为连续、分类、配对及多组数据选择并执行通用统计检验时使用;生存结局和专门组学模型使用对应领域 Skill。

如何安装探索性数据分析与统计检验?

在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「探索性数据分析与统计检验」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。

探索性数据分析与统计检验需要哪些权限?

该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。

探索性数据分析与统计检验经过官方审核吗?

是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。