mcpField
S
statistical-reporting

statistical-reporting

github.com/aiming-lab数据与数据库14.8k40 次安装10 周前更新
代码仓库

关于 statistical-reporting

面向研究者的数据分析指南，帮助选择统计检验、检查假设，并按 APA 格式报告结果。内容还强调效应量、置信区间及避免常见解释错误。

主要功能

  1. 01根据数据选择统计检验
  2. 02检查正态性与方差等假设
  3. 03提供 APA 结果报告格式
  4. 04报告效应量与置信区间
  5. 05提示多重比较等常见问题

适用场景

  1. 01为组间差异选择检验方法
  2. 02核查回归分析的前提条件
  3. 03规范论文中的统计结果报告

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/aiming-lab/autoresearchclaw --skill statistical-reporting

安装后在 Claude Code 中输入/statistical-reporting确认已加载。

详细介绍

统计报告最佳实践

检验选择速查
  1. 比较两组（独立、正态）：独立样本 t 检验
  2. 比较两组（独立、非正态）：Mann-Whitney U 检验
  3. 比较两组（配对、正态）：配对 t 检验
  4. 比较两组（配对、非正态）：Wilcoxon 符号秩检验
  5. 比较 3 组及以上（独立、正态）：单因素 ANOVA + 事后检验
  6. 比较 3 组及以上（非正态）：Kruskal-Wallis 检验
  7. 连续变量之间的关系：Pearson 或 Spearman 相关
  8. 分类结局：卡方检验或 Fisher 精确检验
  9. 预测连续结局：线性回归
  10. 预测二元结局：逻辑回归
假设检验
  1. 正态性：Shapiro-Wilk 检验（n < 50）或目视检查 Q-Q 图
  2. 方差齐性：在 t 检验和 ANOVA 前进行 Levene 检验
  3. 独立性：确认研究设计能够确保观测值相互独立
  4. 线性：使用散点图和回归残差图进行检查
  5. 多重共线性：多元回归预测变量的 VIF < 5
  6. 如果假设不成立，请使用非参数替代方法或稳健方法
APA 报告格式
  1. t 检验：t(df) = X.XX，p = .XXX，d = X.XX
  2. ANOVA：F(df_between, df_within) = X.XX，p = .XXX，eta-squared = .XX
  3. 相关：r(df) = .XX，p = .XXX [95% CI: .XX, .XX]
  4. 卡方检验：chi-square(df, N = XXX) = X.XX，p = .XXX
  5. 回归：beta = X.XX，SE = X.XX，t = X.XX，p = .XXX
  6. 始终报告精确的 p 值（不要写“p < .05”），除非 p < .001
  7. 对可能超过 1 的数值使用前导零（例如，t = 0.50），但对上限为 1 的数值不使用（例如，p = .032，r = .45）
效应量
  1. 始终在报告 p 值的同时报告效应量
  2. 组间比较使用 Cohen's d：小 = 0.2，中 = 0.5，大 = 0.8
  3. ANOVA 使用 Eta-squared：小 = .01，中 = .06，大 = .14
  4. 回归使用 R-squared：对于多个预测变量，报告调整后的 R-squared
  5. 逻辑回归报告优势比及其 95% 置信区间
  6. 区分统计显著性与实际意义
应避免的常见错误
  1. 切勿说“结果不显著，因此没有效应”
  2. 不要混淆观察性数据中的相关性与因果关系
  3. 进行多次检验时，应用多重比较校正（Bonferroni、FDR）
  4. 报告置信区间，而不只是点估计
  5. 说明检验是单尾还是双尾，并说明选择依据

评论

支持 Markdown