Stats Check

---
name: stats-check
description: 统计审查与实验设计自查规范。当用户要求检查论文/报告中的统计用法（分析单元、检验选择、p 值报告、多重比较、效应量、图注统计一致性），或在实验设计阶段做样本量与功效自查时使用。只读检查，产出问题清单与修改建议，不改数据与正文。
outputs: [analysis/stats-check.md]
provides: [stats-check]
---

# 统计审查（stats-check）

本技能规定「统计用法审查 + 实验设计自查」的只读检查流程。**本技能只产出报告，不改数据、不改正文**——怎么修由人定夺。统计结论拿不准时写明「建议咨询统计专业人员」，不硬下判断。稿件没写的信息（n 定义、校正方法、软件版本、剔除规则）一律列入「待作者补充」，绝不编造。

## 何时使用

- 用户要求「检查一下统计对不对」「审一下 p 值/显著性用法」
- 论文投稿前自查统计报告规范
- 实验设计阶段做功效与样本量自查（科研论文/毕业论文流水线的「实验设计」「结果分析」步骤可引用本技能）

## 操作规范

### 1. 确定检查范围

- 正文：调用方指定的稿件或报告；未指定时按 `manuscript/` 最新稿（final 优先于 draft），报告开头写明检查对象；
- 数据与结果：`analysis/`、`results/summary.md` 中的数字与图表用于交叉核对，只做只读引用。

### 2. 分析单元与重复层级

最先核对「n 是什么」，再谈检验：

- n 的确切定义与处理施加的层级：n 报告为细胞/视野/读数/技术孔数，而处理施加在动物/患者/批次/实验轮次上 → 伪重复风险，记最高级；
- 配对、重复测量、嵌套（同一动物的多个部位、同批次的多个孔）是否被当成独立样本分析。

### 3. 检验方法与假设匹配

逐处统计检验核对：数据类型（连续/分类/有序）、分布假设（正态性是否检验或说明）、组数与配对关系，与所用检验是否匹配。不确定匹配性的标 [待确认]，给出可替代的稳健/非参数方法名称。常见信号：

- 结合样本量、独立性、尾部/异常、方差与目标估计量检查 t 检验适用性，不凭正态性检验结果机械换检验；多组比较要核对预设比较与多重性，不机械以 ANOVA 代替所有方案；
- 卡方近似在稀疏列联表中可能不可靠，需结合表规模和稀疏程度确认；Pearson 相关用于明显非线性关系；
- 「A 组显著、B 组不显著，所以 A 优于 B」——两组各自显著性差异不等于组间差异显著，须看交互作用。

### 4. p 值与统计解读

- p 值是否给出具体数值（而非只写 p<0.05）；是否报告检验统计量与自由度；样本量是否随结果给出；
- 多重比较：同一数据集上做了多个检验时，是否定义检验家族和校正/层级策略（Bonferroni/FDR 等，或不校正的依据）；未校正的列出比较次数并标风险；
- 「显著/不显著」的二元表述是否伴随效应量与置信区间——只有 p 值的结论列入「证据不足表述」；
- 常见信号：阈值两侧近似值区别对待（p=.049 显著、p=.051 不显著）；单尾检验无先验依据；「ns」作为唯一结果；「显著」当「重要」用而无效应量；非显著结果被写成「无效应」（小样本可能只是功效不足，建议敏感性分析或等效性检验）；相关/回归措辞升级为因果。

### 5. 图注与正文一致性

- 图注中的检验方法、样本量、显著性标记（* 的含义）与正文方法节是否一致；正文数字与图中数字是否一致；
- 每面板：n 定义、汇总惯例（误差棒是 SD/SEM/CI）、检验与校正状态是否标注；
- 柱状图未叠原始数据点时提示分布不可见；箱线图须说明 whisker 规则。

### 6. 实验设计自查（设计阶段适用）

- 主要结局/比较是否预先明确（共同主结局须说明多重性策略）；随机化/盲法/对照是否说明；剔除标准是否事先定义（防止事后挑数据）；
- 功效估算依据分层：最小重要效应/文献效应量（可信）> 预实验估计（发表偏倚易致高估，须打折）> 惯例值（兜底且须明说）；成果应是敏感性区间而非单一 n；没有依据的给出可执行的估算路径；
- 已完成的实验被要求补功效 → 指出事后功效是循环论证，改报现有 n 下可检测的最小效应量；
- 缺失数据的量与处理策略是否说明（整行删除是否安全、是否查过缺失机制）。

### 7. 探索、验证与复算

- 记录分析方案形成时已看过哪些数据/结果；预先指定、探索性、偏离分析分别标注。同数据选出关系再计算 p 值不自动成为确证；复现相同代码不能替代独立验证。
- 预测研究核对个体/时间/机构划分、训练/调参/测试边界、训练折内插补/标准化/特征选择、调参预算与公平基线；测试结果不得参与选模型。因果研究核对识别假设、混杂与替代解释，不把回归显著当因果。
- 关键结果从原始输出重建并以手算样例/独立实现复算；报告命令、输入/代码/环境版本、预期/实测值、容差、失败与未覆盖范围。按设计做合理替代分析、异常处理影响和适用范围检查；不为“稳健”任意加检验。
- 设计自查严重问题未关闭，不得批准正式运行；结果阶段严重问题未关闭，相关结论阻塞或降级。只读审查不改原数据/正文，修复由执行者负责，复核人不能被 Agent 代签。

### 可执行复现交付

计算项目提供项目专用入口（TASK.md 指定路径优先；常用 experiments/reproduce.py 或 analysis/reproduce.py）：输入冻结数据/原始输出与版本、独立输出目录、环境/依赖说明、重建目标、参考值与容差。检查输入哈希/配置，生成主表图和关键数字，再独立核对；不一致非零退出并报告定位。实际跑过才写已验证；无条件运行则写未运行及所需条件。不要为验证偷偷重跑昂贵实验或申请外部权限。文献项目改用来源/论断提取表重建综合，不强塞计算脚本。

### 8. 问题闭环

每项问题记录严重度、证据位置、影响、责任人、建议修法、处置证据、复核结果。未知写“无法评估”，不能以报告各节齐全替代问题解决。系统/人可保存草稿，但严重问题不得仅移入局限就放行。

### 9. 措辞红线

- 每条问题写「现象 + 风险 + 修法」，禁指责性结论（「分析错误」「显著性造假」）；材料不足统一写「现有材料无法评估」；
- 机械可核项（p 值格式、误差棒标注、文图数字一致）可下定论；判断依赖项（检验是否真正恰当、因果措辞是否过强）统一写「风险 + 需人工确认」。

### 10. 产出报告

结果写入 `analysis/stats-check.md`（调用方另指定路径时从其约定）：

```
# 统计审查报告（<被检文件>，<日期>）
- 结论：通过 / N 个问题（CRITICAL n / MAJOR n / MINOR n）
- 检查边界与无法评估项
## 分析单元与重复层级
## 检验方法匹配
## p 值与统计解读
## 图注与正文一致性
## 实验设计自查（仅设计阶段）
## 复算与验证（命令/版本/容差/结果/未覆盖范围）
## 问题闭环与质量状态
## 待作者补充（稿件缺的事实信息，短问句清单）
## 建议处理项（按优先级排序，只列建议不执行）
```

## 验收入口

有 TASK.md 时沿用其中的验收摘要/质量状态合同，不重复建表；独立使用时，在本报告开头写：回答、关键证据入口、未验证、影响结论的问题、待人决定。状态为待审/有条件接受/证据通过（限定范围）/阻塞；推荐不等于人工批准。

## 完成标准

报告各节齐全（无问题的节写「无」；非设计阶段「实验设计自查」节写「不适用」；「待作者补充」无内容时写「无」）；每条问题可定位（节+行号或图号）；每条判断依赖项结论含「需人工确认」；正文与数据一个字未改。

- 写作约定：不使用彩色 emoji；强调标记用「注意：」或单色 ⚠（U+26A0 U+FE0E）。

---

理念参考：Yuan1z0825/nature-skills（Apache-2.0）nature-statistics（含 common-failure-modes / reviewer-checklist / figure-statistics）、K-Dense-AI/scientific-agent-skills（MIT）statistical-power / experimental-design / statistical_pitfalls、jakobthumm/proofreading（MIT）可验证性分层思路；内容为按 Ccode 科研工作流重写。