选模型，从你要做的事开始我
输入材料
课题背景、已有结论、可用数据、资源约束和希望验证的假设。
目标交付
研究问题、变量定义、实验设计草案、分析计划和待验证假设。
怎样一步步完成
把工作拆成可检查的环节，再选择模型和配套工具。
- 01
拆解研究问题
区分要解释的现象、已有证据与尚不确定的假设，整理成问题树。
- 02
设计变量与对照
列出测量方式、对照条件和潜在混杂因素，说明每项选择的理由。
- 03
评估分析计划
用代码模型编写功效分析或模拟脚本，在统计工具中实际运行并保存参数。
- 04
形成可审阅方案
输出研究步骤、数据字段、排除规则和失败判据，由研究者确认后实施。
需要哪些模型能力
按实际环节组合使用，下面的目录会展示匹配其中一种或多种能力的候选。
查看匹配的模型配套工具
统计计算环境研究方案模板数据字典
选型与交付检查
- 优先比较推理过程是否可追踪、是否能明确假设条件。
- 样本量必须结合效应量、检验方法和功效计算，不能让模型直接猜。
- 探索性分析与事先约定的验证性分析分开记录。
可以这样描述需求
根据现有研究总结可检验的假设，设计对照实验，并用 Python 代码模拟统计功效，生成研究方案与分析计划。带着这个需求继续选型