statgate

实验数据的证据门控与规范统计分析 GitLink AI Agent Skill。先检查数据够不够下结论，再自动选择并运行规范统计检验，报告效应量，生成可直接粘入论文的统计附录。统计量纯标准库手算，已对照 scipy 验证准确。

GitLink 智能化服务开源项目贡献赛 子赛题二（编写和丰富 GitLink Skills） 参赛作品。作者：Ct201314

它解决什么

它先问「数据够不够下这个结论」，再帮你跑，不让你瞎报：

• 证据门控：检验前查样本量、缺失率、偏态、方差齐性，给出「可下结论/谨慎/证据不足」判定
• 规范检验：按数据形态自动选 Welch t / 配对 t / Mann-Whitney / 方差分析 / 卡方
• 报告与附录：描述统计 + 统计量 + 效应量 Cohen’s d + 可直接粘进论文的统计附录句

设计特点

最大的不同是证据门控前置——把「不该下结论的数据硬跑出 p 值」这个科研常见错误拦在前面。统计量纯 Python 标准库手算（不依赖 numpy/scipy），可在受限环境运行，且已用 scipy 对照验证：Welch t、ANOVA F、卡方、Cohen’s d 全部一致到小数点后多位。

安装与使用

python scripts/statgate.py --groups "12,14,11,13,15" "18,20,17,19,21"
python scripts/statgate.py --groups "10,12,11" "13,15,14" --paired true
python scripts/statgate.py --data data.json --output report.md

目录结构

statgate/
├── SKILL.md
├── scripts/  stats_core.py（统计核心）+ statgate.py（门控与报告）
├── references/  statistical-tests.md + evidence-gate.md
├── examples/  真实分析报告
├── tests/test_statgate.py（16 用例，含 scipy 对照数值断言）
├── requirements.txt
└── LICENSE

真实验证

• 数值正确性：对照 scipy，Welch t=-7.9373/p=0.000004、ANOVA F=148.1667、卡方=0.7937 全部一致。
• 端到端：两组数据经门控判定「可下结论」，输出 t(14)=-9.165 p<.001、Cohen’s d=-4.58（大），并生成论文附录句。产物见 examples/。

python -m pytest tests/ -q   # 16 passed

许可证

Mulan PSL v2。