---
slug: "data-analysis-litiao-free"
name: "data-analysis-litiao-free"
version: "1.0.0"
displayName: "数据分析助手(免费版)"
summary: "基础数据分析框架，含方法论优先与统计严谨性检查清单，支持假设检验与描述统计。数据分析助手免费版，提供基础的数据分析框架与统计检查能力. 核心能力包括： - 方法论优先框架（决策目标、证伪条件"
summary_zh: "基础数据分析框架，含方法论优先与统计严谨性检查清单，支持假设检验与描述统计。数据分析助手免费版，提供基础的数据分析框架与统计检查能力. 核心能力包括： - 方法论优先框架（决策目标、证伪条件"
license: "MIT"
description: |-
  数据分析助手免费版，提供基础的数据分析框架与统计检查能力.
  核心能力包括：
  - 方法论优先框架（决策目标、证伪条件、数据盘点、时间窗口）
  - 统计严谨性检查清单（样本量、对照组公平性、效应量）
  - 基础分析方法选择（假设检验、描述统计）
  - 输出规范（洞察先行、量化不确定性）
  高级功能（分析陷阱识别全表、队列分析、异常检测、风险升级机制）为付费版专享.
tags:
  - 信息检索
  - data-analysis
  - statistics
  - 数据处理
  - 数据分析
  - 工具
  - api
  - 提升
  - 分析
  - 免费版不
  - agent
tools:
  - read
  - exec
  - write
  - glob
homepage: ""
category: "Research"
---
# 数据分析助手（免费版）

## 输入格式

| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| input | string | 是 | 数据分析助手(免费版)处理的输入数据或指令 |
| options | object | 否 | 附加配置选项,如模式选择、格式偏好等 |
| callback_url | string | 否 | 异步处理完成后的回调通知URL |

## 概述

没有决策目标的分析只是算术。本免费版提供基础的数据分析框架，帮助你在分析前明确决策目标，在分析后规范输出结论.
## 核心能力
### 方法论优先框架
在处理数据之前，必须先回答四个问题：

1. **决策目标**：本次分析支撑什么决策？
2. **证伪条件**：什么结果会改变你的判断？
3. **数据盘点**：你实际拥有什么数据 vs 你希望拥有什么数据？
4. **时间窗口**：哪个时间段与决策相关？

**输入**: 用户提供方法论优先框架所需的指令和必要参数.
### 统计严谨性检查清单
- **样本量是否充足**：小N会导致置信区间过宽（如 N<30 时 t 检验效力不足）
- **对照组是否公平**：相同时间段、相似条件下的对比才有意义
- **效应量是否有意义**：统计显著不等于实际重要，需报告相对提升幅度

> **升级提示**：多重比较校正（Bonferroni）、不确定性量化（置信区间报告）、完整分析陷阱识别表（辛普森悖论、幸存者偏差、p值操纵等6类陷阱）为付费版专享功能.
**输入**: 用户提供统计严谨性检查清单所需的指令和必要参数.
**输出**: 返回统计严谨性检查清单的处理结果,包含执行状态码、结果数据和执行日志.
### 基础分析方法选择

| 问题类型 | 推荐方法 | 关键输出 |
|:-----|:-----|:-----|
| "X和Y是否有差异？" | 假设检验（t检验/卡方检验） | p值 + 效应量 |
| "什么因素预测Z？" | 回归/相关分析 | 回归系数 + R² |

> **升级提示**：队列分析（留存曲线）、用户分群（画像比较）、异常检测（标记异常点）为付费版专享功能.
### 输出规范
1. **洞察先行**：先说结论，再说方法
2. **量化不确定性**：用区间估计代替点估计

> **升级提示**：声明局限分析、推荐下一步实验设计为付费版专享功能.
**输入**: 用户提供输出规范所需的指令和必要参数.
**输出**: 返回输出规范的处理结果,包含执行状态码、结果数据和执行日志.
#
## 快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

> 详细的输入输出格式请参考下方章节说明。

## 依赖说明

### 运行环境
- **Agent平台**: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
- **操作系统**: Windows / macOS / Linux

### 依赖项
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---:|---:|---:|---:|
| LLM API | API | 必需 | 由Agent内置LLM提供 |

### API Key 配置
需要配置对应API Key，详见上文环境配置章节

### 可用性分类
- **分类**: MD+EXEC（）

**API Key配置方式**:
```bash
export API_KEY="your_api_key_here"
```
配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.
## 使用流程

1. **明确决策**：与用户确认分析支撑的决策目标
2. **盘点数据**：评估可用数据的范围与质量
3. **选择方法**：根据问题类型匹配假设检验或回归分析
4. **执行分析**：运行统计检验，检查样本量与效应量
5. **输出报告**：洞察先行，量化不确定性

#
## 示例

### 示例1：A/B测试基础判断

```text
问题: 实验组转化率 3.2%，对照组 2.8%，样本各 5000 人，是否显著？
# ...
分析:
- 比例差异检验 (z-test)
- p-value = 0.043 < 0.05，统计显著
- 效应量: 相对提升 14.3%
- 结论: 统计显著，建议进一步评估业务意义
```

### 示例2：描述性统计

```text
问题: 上月销售额的整体分布如何？
# ...
分析:
- 均值: ¥45,230
- 中位数: ¥38,500
- 标准差: ¥12,400
- 偏度: 1.2（右偏，存在高订单拉高均值）
- 结论: 中位数低于均值，分布右偏，关注大额订单影响
```

## 错误处理

| 错误场景 | 原因 | 处理方式 |
|:---:|:---:|:---:|
| 小样本过度解读 | N<30 时置信区间过宽 | 报告置信区间宽度，标注"样本量不足" |
| 对照组不公平 | 不同时间段或条件下的对比 | 确保对比组在相同时间段、相似条件下 |
| 效应量被忽略 | 仅看 p 值不看实际提升幅度 | 同时报告 p 值和效应量（如相对提升%） |
| 点估计无不确定性 | 仅报告"提升15%"未给区间 | 报告置信区间，如"提升12-18%（95% CI）" |
| 预设结论确认偏误 | 用户试图"证明"已有结论 | 先列出证伪条件，再执行分析 |

## 常见问题

### Q1: A/B测试结果 p<0.05 就可以上线吗？
A: 不一定。还需检查效应量是否具有业务意义，置信区间下界是否远离0.
### Q2: 样本量太小（N<30）还能做分析吗？
A: 可以做描述性统计，但推断性结论需特别谨慎。建议使用非参数检验并明确标注"样本量不足".
### Q3: 如何识别辛普森悖论？
A: 辛普森悖论的完整识别与规避方法为付费版专享功能。免费版建议手动按关键维度（设备、渠道等）拆分后检查趋势是否反转.
### Q4: 报告里应该写"提升15%"还是"提升12-18%"？
A: 应写"提升12-18%（95%置信区间）"。点估计不传达不确定性，区间估计让决策者知道结论的可靠程度.
### Q5: 如何避免 p 值操纵？
A: p 值操纵的完整校正方法（Bonferroni 校正、预注册假设）为付费版专享。免费版建议在分析前明确列出要检验的指标，避免事后追加检验.
## 已知限制

- 免费版不包含完整分析陷阱识别表（仅基础检查）
- 免费版不包含队列分析、用户分群、异常检测方法
- 免费版不包含风险升级机制（预设结论、混杂因素检测）
- 免费版不包含多重比较校正（Bonferroni）指导
- 统计检验效力依赖于样本量，小样本场景结论可靠性有限
- 升级至付费版可解锁全部高级功能