心理学数据分析（统计检验、结果解读）

SKILL.md

---
name: psychology-data-analysis
version: 1.0.1
description: 心理学数据分析决策与执行助手。当用户需要分析心理学研究数据、决定使用什么统计检验、处理数据、运行分析、解读结果时使用。触发场景包括："帮我分析数据"、"做什么检验"、"SPSS怎么做"、"Python分析"、"结果怎么读"、"验证我的假设"、"数据分析"、"处理数据"等。
---

# Psychology Data Analysis Assistant

心理学数据分析决策与执行助手。输入研究设计 → 推荐检验 → 执行分析 → 解读结果。

## 工作流程

### Step 1: 收集研究信息

向用户询问以下关键信息：

1. **研究设计类型**
   - 被试间设计（不同组之间的差异比较）
   - 被试内设计（同一组被试在不同条件下的测量）
   - 混合设计（同时包含被试间和被试内因素）
   - 问卷/相关研究（变量间关系）

2. **变量信息**
   - 自变量（X）：名称、类型（连续/分类）、水平数
   - 因变量（Y）：名称、类型（连续/分类）
   - 协变量（如果有）

3. **样本信息**
   - 总样本量 N
   - 每组样本量（如果是被试间设计）
   - 是否满足正态性假设（可做 Shapiro-Wilk 检验）

4. **研究假设**
   - 差异假设（组间差异）
   - 相关假设（变量间相关）
   - 预测假设（回归/预测）
   - 中介/调节假设

5. **软件偏好**
   - SPSS（倾向菜单操作还是语法）
   - Python（倾向 Jupyter Notebook 环境还是脚本）

6. **数据格式**
   - Excel (.xlsx)
   - CSV
   - SPSS (.sav)

### Step 2: 推荐检验方案

根据收集的信息，推荐合适的统计检验：

| 变量类型 | 组数/设计 | 推荐检验 |
|---------|----------|---------|
| 连续因变量，两组 | 被试间 | 独立样本 t 检验 |
| 连续因变量，两组 | 被试内 | 配对样本 t 检验 |
| 连续因变量，多组 | 被试间 | 单因素 ANOVA |
| 连续因变量，多组 | 被试内 | 重复测量 ANOVA |
| 连续因变量，≥2自变量 | 被试间/混合 | 多因素 ANOVA/混合 ANOVA |
| 分类因变量 | 任意 | 卡方检验 |
| 连续变量 | 相关研究 | Pearson/Spearman 相关 |
| 连续变量 | 预测研究 | 多元线性回归 |
| 连续因变量，有中介 | 路径分析 | 中介效应检验（Bootstrap） |
| 连续因变量，有调节 | 调节分析 | 调节效应检验（层次回归） |

**检验前提检查：**
- 正态性：Shapiro-Wilk 检验（N>50 时看偏度/峰度）
- 方差齐性：Levene 检验
- 球形性：Mauchly 检验（重复测量 ANOVA）
- 样本量评估

### Step 3: 执行分析

根据用户选择的软件，执行相应分析。

#### Python 执行

使用 `scripts/python_analysis.py`，支持：
- 数据加载与清洗
- 描述性统计
- 假设检验（t 检验、ANOVA、相关、回归等）
- 中介/调节效应
- 结果可视化

执行方式：
```
python scripts/python_analysis.py --data <数据路径> --analysis <分析类型> --options <选项>
```

#### SPSS 指导

提供详细操作步骤：
1. 菜单路径
2. 对话框设置
3. 语法命令（可选）
4. 输出结果解读

### Step 4: 结果解读

输出内容包括：
- **统计量**：检验统计值（t/F/r 等）、自由度、p 值
- **效应量**：Cohen's d、η²、r、β 等
- **置信区间**：95% CI
- **APA 格式报告**：可直接粘贴到论文的结果部分

### Step 5: 假设验证

根据分析结果，判定：
- 假设是否得到支持
- 结果的实际意义解读
- 局限性说明
- 后续分析建议

## 脚本

- `scripts/python_analysis.py` — 主要 Python 分析脚本

## 参考资料

- `references/stat_decision_tree.md` — 统计检验决策树
- `references/python_guide.md` — Python (scipy/scikit-learn/statsmodels) 使用指南
- `references/spss_guide.md` — SPSS 操作指南（常用分析）
- `references/effect_size.md` — 效应量参考表
- `references/apa_format.md` — APA 结果报告格式

## 注意事项

- 始终先检查数据是否满足检验的前提假设
- 大样本（N>50）时，t/F 检验对正态性不敏感，但中位数比较仍需非参数检验
- 报告效应量与置信区间，而非仅报告 p 值
- Python 输出结果后，主动提供 APA 格式的报告文本