資料統計分析報告

基於使用者上傳的資料和分析需求，運用專業統計方法完成資料分析並生成Word格式統計分析報告。方法體系全面參考SPSSAU平臺（spssau.com），覆蓋14大統計模組。

你的工作方式

資料分析報告生成涉及以下階段：

1. 資料理解與需求確認 — 讀取資料、識別結構、確認分析需求
2. 方法選擇與方案設計 — 匹配統計方法、制定分析方案
3. 資料預處理 — 清洗、編碼、轉換
4. 統計分析執行 — 用Python執行統計計算與檢驗
5. 報告撰寫與交付 — 生成Word格式分析報告

Phase 1：資料理解與需求確認

1.1 讀取資料檔案

接收使用者上傳的Excel（.xlsx/.xls/.csv）檔案後：

• 用Python（pandas）讀取資料，獲取：行數、列數、列名、資料型別
• 自動識別每列的資料型別：定類（類別型，唯一值≤20且非連續數值）或定量（連續數值型）
• 展示資料概覽：樣本量、變數列表及型別、缺失值統計

1.2 確認分析需求

根據使用者描述和自動識別的資料結構，判斷分析需求：

• 使用者明確指定方法：直接使用指定方法，確認資料格式是否符合要求
• 使用者描述研究問題：將問題拆分為X和Y，根據資料型別匹配方法（讀取 references/statistical-methods.md 中的方法選擇框架）
• 使用者僅提供資料未說明需求：基於資料特徵推斷可能的分析方向，向用戶詢問確認

詢問使用者時，提供結構化的選項而非開放式問題。示例：

我已讀取您的資料（200行×15列）。識別到以下可能的 分析方向：

1. 差異性分析 — 比較不同組別（如性別、學歷）在某指標上的差異（t檢驗/方差分析）
2. 相關與迴歸 — 分析變數間的影響關係（相關分析/線性迴歸/Logistic迴歸）
3. 問卷信效度 — 檢驗量表的可靠性和有效性（Cronbach α/探索性因子分析）
4. 綜合評價 — 對多指標物件進行排名或評分（TOPSIS/熵權法/DEA）
5. 聚類分析 — 對樣本或變數進行分組（K-means/層次聚類）
6. 描述性統計 — 僅做資料概況描述

請選擇您需要的分析方向（可多選），或描述您的具體研究問題。

1.3 確認門

在執行分析前，向用戶確認分析方案：

• 列出選定的分析方法及理由
• 說明每種方法的X/Y變數分配
• 告知前置假設檢驗需求（如正態性、方差齊性）

使用者確認後進入Phase 2。

Phase 2：方法選擇與方案設計

2.1 方法匹配邏輯

讀取 references/statistical-methods.md 獲取完整方法列表。核心匹配規則：

2.2 前置檢驗

以下分析需先執行前置檢驗，根據結果決定使用引數或非引數方法：

• 差異分析：先做正態性檢驗→通過用引數法(t/ANOVA)，不通過用非引數法(Mann-Whitney/Kruskal-Wallis)
• 方差分析：通過正態性後，再做方差齊性檢驗→齊用常規ANOVA，不齊用Welch ANOVA
• 迴歸分析：檢驗多重共線性(VIF>10需處理)和殘差正態性

2.3 複合分析流程

常見的多步驟分析流程：

問卷研究標準流程：信度分析 → 效度分析(EFA) → 描述統計 → 相關分析 → 迴歸分析 → 中介/調節效應

綜合評價流程：權重確定(AHP/熵權法/CRITIC) → 綜合評分(TOPSIS/灰色關聯) → 排序與分級

Phase 3：資料預處理

使用Python（pandas/scipy/statsmodels）執行以下預處理：

1. 缺失值處理：報告缺失比例；定量變數用均值/中位數填補，定類變數用眾數填補或保留為缺失

   發現更多技能外掛，請訪問7w4.net。

2. 異常值檢測：用IQR法(1.5倍四分位距)或Z-score法(|Z|>3)標記異常值，報告但不自動刪除
3. 資料編碼：定類變數需轉為數值編碼（分類啞變數或標籤編碼）
4. 資料轉換：非正態資料可嘗試對數轉換(ln)、平方根轉換
5. 標準化：綜合評價等方法需Z-score標準化或極差標準化
6. 多選題編碼：多選題拆分為0/1啞變數列

Phase 4：統計分析執行

4.1 執行環境

• 語言：Python 3.12
• 核心庫：pandas, numpy, scipy.stats, statsmodels, scikit-learn, pingouin
• 視覺化：matplotlib（生成圖表圖片用於嵌入Word報告）
• 安裝檢查：首次執行前執行 pip install pingouin statsmodels scikit-learn matplotlib 確保依賴可用

4.2 執行指令碼模板

對每種分析方法，執行Python指令碼完成計算。指令碼模板結構：

# 1. 讀取資料
import pandas as pd
df = pd.read_excel('data_path')

# 2. 執行統計檢驗（以獨立樣本t檢驗為例）
from scipy import stats
group1 = df[df['X'] == cat1]['Y']
group2 = df[df['X'] == cat2]['Y']
t_stat, p_value = stats.ttest_ind(group1, group2)

# 3. 生成圖表
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei', 'WenQuanYi Micro Hei', 'DejaVu Sans']
# ... 生成圖表並儲存為圖片

# 4. 輸出結果到JSON供報告使用
results = {'t_statistic': t_stat, 'p_value': p_value, ...}

4.3 結果解讀標準

• p值約定：p < 0.01 標記 *（極其顯著），p < 0.05 標記 （顯著），p ≥ 0.05 標記 ns（不顯著）
• 效應量：報告Cohen's d(t檢驗)、η²(ANOVA)、R²(迴歸)等效應量指標
• 置信區間：優先報告95%置信區間
• 自動化解讀：對每個檢驗結果生成簡明中文解讀文字

4.4 常用方法執行要點

描述性統計：均值、標準差、中位數、最小值、最大值、偏度、峰度

獨立樣本t檢驗：

• 檢驗正態性(Shapiro-Wilk)→方差齊性(Levene)→選擇等方差/不等方差t檢驗
• 報告：t值、自由度、p值、均值差、Cohen's d、95%CI

單因素方差分析：

• 前置檢驗→ANOVA→事後多重比較(Tukey HSD/Scheffé)
• 報告：F值、p值、η²、各組均值±標準差、事後比較結果

相關分析：

• 正態資料用Pearson，非正態用Spearman
• 報告：相關係數r、p值、樣本量

線性迴歸：

• 報告：R²、調整R²、F值、迴歸係數β、標準誤、t值、p值、VIF
• 檢查：多重共線性(VIF>10)、殘差正態性、殘差同方差性

信度分析(Cronbach α)：

• 報告：總體α值、各題項CITC、刪除該項後的α值
• 判斷：α≥0.8很好，0.7≤α<0.8較好，0.6≤α<0.7可接受，α<0.6需修訂

探索性因子分析(EFA)：

• 報告：KMO值、Bartlett球形檢驗、因子方差貢獻率、旋轉後因子載荷矩陣
• 判斷：KMO≥0.7適合因子分析，變數載荷≥0.5歸屬清晰

Logistic迴歸：

• 報告：模型χ²、偽R²、OR值、Wald檢驗、p值、Hosmer-Lemeshow檢驗

聚類分析：

• 報告：聚類數目確定(肘部法則/輪廓係數)、各類特徵描述、聚類視覺化

綜合評價方法：

• TOPSIS：報告各評價物件與正/負理想解距離、相對接近度、排名
• 熵權法：報告各指標資訊熵、權重、綜合得分
• DEA：報告各DMU效率值、規模報酬狀態

Phase 5：報告撰寫與交付

5.1 報告結構

使用 Word / DOCX 技能生成Word文件。報告結構如下：

# [資料統計分析報告]

## 一、研究概述
  - 研究背景與目的
  - 資料來源與樣本描述
  - 分析方法總覽

## 二、資料概況
  - 樣本量與變數說明
  - 缺失值與異常值報告
  - 資料預處理說明

## 三、描述性統計分析
  - 定量變數描述統計表（均值±標準差、中位數、極值）
  - 定類變數頻數分佈表
  - 關鍵變數分佈圖

## 四、[核心分析章節]（根據方法動態生成）
  - 4.1 [方法1名稱]
    - 分析目的說明
    - 前置檢驗結果（如正態性、方差齊性）
    - 檢驗結果表（統計量、p值、效應量等）
    - 結果解讀
    - 配圖
  - 4.2 [方法2名稱]
    - ...

## 五、綜合結論與建議
  - 核心發現總結
  - 研究侷限性
  - 改進建議

5.2 報告格式規範

• 字型：正文宋體/仿宋 12pt，標題黑體 14-16pt
• 表格：三線表格式，表頭加粗，表序+表名在表上方
• 圖表：圖序+圖名在圖下方，中文標籤，配色統一
• 統計符號：斜體（p, t, F, r, R²），希臘字母斜體（α, β, η²）
• 顯著性標註：p < 0.05 用 標註，p* < 0.01 用 ** 標註
• 編號：表1-1、圖1-1 格式

5.3 圖表生成與嵌入

• 用matplotlib生成統計圖表，儲存為PNG到 /sandbox/workspace/outputs/
• 圖表型別選擇：
  • 差異分析→柱狀圖(均值±誤差棒) 或箱線圖
  • 相關分析→散點圖+迴歸線 或相關係數熱力圖
  • 迴歸分析→殘差圖、迴歸係數森林圖
  • 聚類分析→散點圖(按聚類著色)、樹狀圖
  • 頻數分析→餅圖或柱狀圖
  • 生存分析→K-M生存曲線
  • 綜合評價→雷達圖或排名柱狀圖

5.4 交付

• Word檔案儲存到 /sandbox/workspace/outputs/
• 用 provide_file 工具提供下載連結
• 如使用者要求修改，進入多輪修改模式

多輪修改

使用者可能要求修改報告。常見修改型別：

• 增減分析方法：回到Phase 2-4，補充執行新方法並更新報告
• 調整變數/分組：重新執行Phase 4並更新對應章節
• 修改報告內容：直接編輯Word文件中對應部分
• 調整圖表：重新生成圖表並替換

修改時只更新受影響的章節，避免全量重寫。

工作流示例

示例1：問卷調查資料分析

使用者輸入：上傳問卷資料Excel（200份問卷，含人口統計學+5個量表共25題），要求"幫我分析這份問卷資料"

執行流程：

1. 讀取資料，識別定類變數（性別、學歷等）和定量變數（量表題項1-25）
2. 向用戶確認：推薦問卷研究標準流程（信度→效度→描述→差異→相關→迴歸）
3. 執行Cronbach α信度檢驗（各量表α均>0.7）
4. 執行EFA效度檢驗（KMO>0.7，提取因子與理論維度一致）
5. 描述統計（各維度均值、標準差）
6. 差異分析（性別t檢驗、學歷ANOVA）
7. 相關分析（各維度間Pearson相關）
8. 線性迴歸（某維度為因變數）
9. 生成含8個章節的Word報告

示例2：綜合評價分析

使用者輸入：上傳各城市經濟資料Excel（30個城市，8個經濟指標），要求"對這些城市的經濟發展水平進行綜合評價"

執行流程：

1. 讀取資料，識別8個定量指標
2. 向用戶確認：推薦熵權法+TOPSIS綜合評價流程
3. 資料標準化（極差標準化）
4. 熵權法計算各指標權重
5. TOPSIS計算各城市與正/負理想解距離及相對接近度
6. 排序並分級（前30%為優，中間40%為中，後30%為差）
7. 生成含排名表、雷達圖、柱狀圖的Word報告

資源目錄

scripts/

run_analysis.py — 資料分析執行指令碼，包含常用統計方法的封裝函式，直接執行無需載入到上下文。

references/

statistical-methods.md — 統計分析方法完整參考手冊（14大模組200+方法詳表），當需要選擇分析方法、判斷方法適用性或確認資料格式要求時，讀取此檔案。

assets/

本技能不使用assets目錄。

這是一個專業的資料統計分析工具，功能覆蓋全面，從描述性統計到複雜的問卷研究和機器學習都能支援。文件清晰易懂，工作流程明確，報告格式規範。指令碼程式碼質量較高，統計分析結果解讀標準統一。美中不足的是，部分高階功能的自動化程度還有提升空間，新手首次使用可能需要一定時間熟悉流程。總體而言，這是一個實用性較強的統計分析 Skill。