science-statistics-choice
Use when you have data and must decide which test to run — when someone asks "该用什么检验", when a reviewer says the analysis does not match the design, when assumptions are violated and you need the hones
SKILL.mddsh-science/skills/science/science-statistics-choice/SKILL.md
GitHub统计选择：设计决定检验，假设决定能不能用
三条不能破的铁律
- 检验由设计决定，不由数据长什么样决定。
先有
design（几组、配对否、结局类型、是否重复测量），才有候选检验。 拿到数据后试三种检验挑 p 最小的，那不是分析，是搜索。 - 假设不满足时必须降级，不能默认继续。
每个检验都带
assumptions与fallback。假设没查或不满足，正确动作是 换 fallback 检验并在正文说明，而不是「反正结果差不多」。 - p 值不是效应量。 报告必须同时给：检验统计量、自由度、p、效应量、效应量的置信区间。 缺效应量的结果在顶刊会被直接退回补充。
决策树怎么走
决策树只问设计问题，不问「你希望显著吗」。
根节点 outcome（结局类型：连续 / 二分类 / 计数 / 生存 / 有序 / 多元）
→ design-*（组数、配对、独立、重复测量）
→ 叶子：一个检验 id + 该检验的假设清单 + fallback 链
走不下去时通常是两个原因：结局类型没说清（"分数"是连续还是等级？）， 或者设计里有嵌套（同一被试多次测量 → 那是重复测量，不是独立两组）。 这两个都要先答清楚，再回来走树。
每个叶子给出的是检验 id，用它去 data/statistics.json 取完整定义：
requires / assumptions / fallback / effectSizes / power / py / reportAs / misuse / source。
选检验时必须一起决定的四件事
1. 单双侧
双侧是默认。单侧只在事前有方向性假设且方向不可反时使用， 并且必须在方法里写明"单侧检验，方向为 X"。事后按结果挑方向 = p 值减半的作弊。
2. 多重比较
| 情况 | 用什么 | 为什么 |
|---|---|---|
| 一个主假设 | 不校正，但必须声明"这是唯一主结局" | 校正会无谓损失功效 |
| 少数几个预设的次要结局 | Holm | 控制 FWER，比 Bonferroni 更有功效 |
| 探索性、大量指标（组学、脑影像体素） | BH（FDR） | 控制错误发现比例 |
| 相关性强（脑区、时间点） | BH 偏保守，考虑置换检验 | 独立性假设不成立 |
绝不能做的事：测了 12 个指标，只报 p<.05 的 3 个，不说测了 12 个。 这在方法上叫选择性报告，在结果上让「显著」变成必然事件。
3. 效应量与它的置信区间
效应量要和检验配套：t 检验配 Cohen's d、ANOVA 配 η²/偏 η²、卡方配 Cramér's V 或 OR、 生存配 HR 或 RMST 差、非参数配 rank-biserial 或中位数差。
「小/中/大」的标签（.2/.5/.8）是跨领域的粗糙约定，不是判决。 在心理学 d=0.3 可能很重要，在药物试验里 d=0.3 可能毫无临床意义—— 判断标准是这个领域的最小可觉察/最小临床重要差异，不是标签。
4. 功效
功效必须事前算。给 α、目标 power（默认 .80，复制研究用 .90）、
以及最小有意义的效应量（不是文献里最大的那个），反推 n。
聚类设计还要乘设计效应 1+(m-1)ρ。
事后算功效没有意义：observed power 是 p 值的单调变换，不提供新信息。
假设检查：怎么查、查不过怎么办
| 假设 | 怎么查 | 不过时换什么 |
|---|---|---|
| 正态性 | Shapiro-Wilk（n<50）/ 偏度峰度 + QQ 图（n≥50） | Mann-Whitney / Wilcoxon / 置换检验 |
| 方差齐性 | Levene | Welch t / Welch ANOVA（不要先检验再选方法，直接用 Welch） |
| 球形性 | Mauchly | Greenhouse-Geisser 校正 / 混合模型 |
| 独立性 | 看设计，不看数据 | 聚类稳健 SE / 混合模型 |
| 线性 | 残差 vs 拟合图 | 加非线性项 / 样条 / 分位数回归 |
| 比例优势 | 平行线检验 | 有序 probit / 多项 logit / 部分比例优势 |
| 比例风险（Cox） | Schoenfeld 残差 | 分层 Cox / 时间依赖系数 / RMST |
| EPV（每变量事件数） | 事件数 ÷ 预测变量数 | Firth 惩罚 / 减少变量 / 正则化 |
一个常见错误：先做方差齐性检验，再决定用 t 还是 Welch。 这个两阶段流程本身会让 α 失控。正确做法是一律用 Welch，它方差不齐时正确、方差齐时几乎无损。
本应用能直接跑的
science_stats（M6c）执行的是 data/statistics.json 里 py 字段的实现，
全部走 numpy/scipy/statsmodels，固定 default_rng(seed)，输出结构化 JSON（含检验统计量、
自由度、p、效应量、CI、假设检查结果、以及用到的 fallback）。
没装 lifelines、pymc 时，生存与贝叶斯走解析兜底（KM + log-rank、JZS Bayes 因子），
结果里会标 method: "fallback"——看到这个标记要写进方法段，不能当成库调用。
结果怎么写
Welch 双样本 t 检验：t(37.2) = 2.41，p = .021，Cohen's d = 0.72，95% CI [0.11, 1.33]。
假设检查：Shapiro-Wilk 提示对照组偏离正态（W = .91，p = .032），
以 Mann-Whitney U 复算结论一致（U = 214，p = .028，rank-biserial r = .31）。
四段齐全：检验名 + 统计量(自由度) + p + 效应量 + CI，然后假设检查，然后稳健性。 少任何一段，审稿人都有理由让你重做。
常见误用清单
- 拿 p>0.05 宣称「没有差异」→ 要用等效性检验（TOST）并预设等效界值
- 把 OR 当 RR 说（二分类结局常见率被高估）
- 在 8 个亚组里挑显著的讲机制（亚组必须是事前的，且要校正）
- 用完整案例分析处理缺失（MAR 下产生偏倚，且浪费样本）
- 只报均值不报分布（柱状图会藏掉离群与双峰，改用带散点的图）
- 相关当因果（横断面永远不行，纵向也只能排除部分方向）
- 中位数差当均值差报（分位数回归的系数不是均值效应）