概述

当用户需要把统计模型落成可执行代码时，本技能产出本地可运行的 R 或 Python 脚本（如 t 检验、线性回归、ANOVA），仅用托管运行时自带库，无需任何外部 Key，数据走占位示例。

触发词

统计建模、统计代码、R 脚本、Python 统计、回归代码、方差分析代码

工作流

1. 确认语言（R / Python）与模型（回归/检验/ANOVA）。
2. 生成读取数据（占位或示例）的代码。
3. 实现模型拟合与结果摘要。
4. 加入前提诊断与结果导出。
5. 输出脚本文件（.R / .py）。

产出物（生成即用·R-Python脚本）

# 统计建模示例：线性回归（数据请替换为你的文件）
import pandas as pd
import statsmodels.formula.api as smf

# df = pd.read_csv("your_data.csv")   # 用你的数据替换
df = pd.DataFrame({
    "y": [1.2, 2.1, 1.8, 3.0, 2.4],
    "x": [0.5, 1.0, 0.8, 1.5, 1.2],
})

model = smf.ols("y ~ x", data=df).fit()
print(model.summary())

# 前提诊断示例
import scipy.stats as ss
print("Shapiro normality p =", ss.shapiro(model.resid).pvalue)

使用示例

改 df 为你的数据 → 运行得到回归系数与残差正态诊断（需 pip install pandas statsmodels scipy）。

红线（必须遵守）

• 数据用占位示例，不写真实研究数据。
• 纯本地运行，不联网、不引任何需 Key 的服务。
• 模型选择须合理，脚本注释提醒用户核对前提假设。

大白话说明

你定了分析方法但不会写代码，我给你一段本地能跑的回归/检验脚本，换上自己的数据就出结果。