Spss academic workflow

Skill EXIST-D/spss-academic-workflow/skills/spss-academic-workflow

基于SPSS进行自动实证分析，并且输出latex编译的PDF格式论文的自动化skill

Install

npx -y skills add EXIST-D/spss-academic-workflow --skill spss-academic-workflow

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

15 stars15 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

Use when the user wants a complete SPSS or SPSS-MCP empirical research workflow: organize source data, prepare datasets, design variables and models, run SPSS analyses, export Chinese result paragraphs and tables, write a Chinese LaTeX paper, and compile the final PDF.

SKILL.md

9.5 KB, as published. Nobody here has run it

SPSS Academic Workflow

本 skill 用于把原始数据推进为完整的中文实证研究交付物：数据整理、研究设计、SPSS 统计分析、结果表格、中文论文正文、LaTeX 源码和 PDF。它的核心主题始终是“基于 SPSS 的实证分析”，写作与排版服务于分析结论，而不是反过来主导流程。

适用任务

当用户提出以下需求时使用本 skill：

使用 SPSS、SPSS-MCP 或 SPSS syntax 完成实证分析
从 Excel、CSV、SAV 等原始数据生成描述性统计、相关、回归、方差分析或其他统计结果
将统计结果整理成中文“结果”段落、表格和 LaTeX 论文
在指定项目目录内完成从原始数据到 .tex、PDF 的完整交付

执行模式

本 skill 按两种模式工作：

显式分析模式：用户明确说明分析类型，例如回归、t 检验、方差分析、相关、聚类、因子、信度、逻辑回归、生存分析等。此时优先执行用户指定分析，同时补齐必要的数据读取、描述统计、结果解释与成果整理。
自动路由模式：用户只说“使用 spss skills 分析这份数据”或“看看这份数据适合做什么分析”。此时先读取数据结构，再根据变量类型、研究问题和样本条件自动选择保守且合理的分析路径。

除非用户明确要求只做单一检验，否则不要只输出一张软件结果表；至少要补齐数据概览、变量说明和中文结果解释。

核心流程

侦察项目：确认项目根目录、原始数据文件、已有产物和潜在旧分析。
建立目录：创建标准目录树，必要时复制原始数据到 01_source_data/raw/。
读取数据：检查变量名、样本量、缺失情况、变量类型和取值范围。
研究设计：在 03_research_design/ 中明确研究问题、假设、变量设计、模型设计和样本规则。
数据准备：在 02_data_prep/ 完成重命名、编码转换、缺失处理、异常值处理、变量标签和样本筛选。
运行 SPSS：在 04_spss_syntax/ 中用 SPSS-MCP 或 SPSS syntax 执行描述统计、相关、回归和补充检验。
解析结果：把 SPSS 输出整理成 05_analysis_output/ 下的表格、图形、说明笔记、日志和论文输入接口。
完善设计：根据数据条件补充诊断检验、稳健性、异质性、机制或替代模型。
写作论文：在 06_paper_draft/ 中生成中文实证论文，包括摘要、引言、文献与假设、数据变量、模型、结果、讨论、结论和局限。
排版与编译：按普通中文论文版式组织主稿，检查表格接口、引用流和编译链，输出 PDF。
汇报交付：说明文件路径、调用工具、主要结论、研究限制和验证状态。

项目结构

用户给定项目根目录后，所有新产物默认写入该目录。标准结构如下：

project-name/
├── 01_source_data/
│   ├── raw/
│   ├── external/
│   └── documentation/
├── 02_data_prep/
│   ├── mapping/
│   ├── interim/
│   ├── final/
│   └── audit/
├── 03_research_design/
│   ├── question.md
│   ├── hypotheses.md
│   ├── variable_design.md
│   ├── model_design.md
│   └── sample_rules.md
├── 04_spss_syntax/
│   ├── data_cleaning/
│   ├── variable_construction/
│   ├── descriptive/
│   ├── main_models/
│   ├── robustness/
│   └── appendix_models/
├── 05_analysis_output/
│   ├── tables/
│   ├── figures/
│   ├── notes/
│   ├── logs/
│   └── export_for_paper/
├── 06_paper_draft/
│   ├── sections/
│   ├── references/
│   ├── tables_inputs/
│   ├── figures_inputs/
│   └── paper.tex
├── 07_submission_package/
│   ├── draft/
│   ├── final/
│   └── archive/
└── 08_project_admin/
    ├── README.md
    ├── changelog.md
    └── reproducibility_checklist.md

如需快速建立目录，可运行：

$codexHome = if ($env:CODEX_HOME) { $env:CODEX_HOME } else { Join-Path $HOME ".codex" }
$skillDir = Join-Path $codexHome "skills\spss-academic-workflow"
python (Join-Path $skillDir "scripts\scaffold_spss_academic.py") --project-root "<项目根目录>"

在 macOS、Linux 或服务器环境可使用：

SKILL_DIR="${CODEX_HOME:-$HOME/.codex}/skills/spss-academic-workflow"
python "$SKILL_DIR/scripts/scaffold_spss_academic.py" --project-root "<项目根目录>"

原始数据不得删除、覆盖或原地修改。清洗后的数据写入 02_data_prep/interim/ 或 02_data_prep/final/。若中文路径会导致 SPSS 不稳定，可使用英文临时子目录或盘符映射，并优先使用英文变量名进入 SPSS。

分析标准

默认分析标准如下：

探索性任务：默认做到最低交付，重点是数据概览、描述统计、频数、相关和初步模型建议。
验证性任务：默认做到推荐交付，重点是主模型、递进模型、诊断和至少一种合理补充检验。
只有在研究问题、变量定义和样本条件充分时，才推进完整交付中的稳健性、异质性、机制或调节分析。

最低交付：

描述性统计
缺失值和样本筛选说明
主模型或核心统计检验
中文结果段落
一份结果表和复现日志

推荐交付：

描述统计表、相关系数表和主回归表
多模型递进设定
合理的变量转换与说明
至少一种稳健性或替代检验

完整交付：

数据质量审计、主模型、诊断、稳健性、异质性或机制分析
所有结果进入统一结果接口，供论文通过表格片段和结果摘要调用

SPSS 调用原则

优先使用 SPSS-MCP。若当前 Codex 会话没有直接暴露 mcp__spss__* 工具，可在 Python 脚本中调用本机 spss_mcp.server 中的同名函数回退执行。

分析阶段至少沉淀以下成果物：

02_data_prep/audit/codebook_<study_slug>.md
02_data_prep/audit/desc_<study_slug>.csv
05_analysis_output/notes/note_01_data_profile.md
05_analysis_output/notes/note_03_baseline_model.md
05_analysis_output/logs/run_03_baseline_model.md
05_analysis_output/tables/table_01_descriptive_statistics.md
05_analysis_output/tables/table_01_descriptive_statistics.tex
05_analysis_output/tables/table_02_correlation_matrix.md
05_analysis_output/tables/table_02_correlation_matrix.tex
05_analysis_output/tables/table_03_baseline_model.md
05_analysis_output/tables/table_03_baseline_model.tex
05_analysis_output/export_for_paper/paper_table_03_baseline_model.tex
06_paper_draft/paper.tex
06_paper_draft/output/paper.pdf

命名采用“阶段编号 + 内容说明”的小写 snake_case 规则，避免使用 tab1<ScriptName>、驼峰命名或依赖脚本名的结果文件名。表格编号应按论文展示顺序稳定排列，而不是按脚本运行顺序临时生成。

写作与排版原则

写作必须服务于论证，不得把论文写成软件输出说明书。
摘要、引言、结果、讨论和结论都必须与实际分析结果一致。
所有数字都以 05_analysis_output/ 中的结果接口或结果表为准，不手工凭记忆改数。
普通中文论文默认使用 ctexart，除非已有项目另有 class。
结果表优先通过 05_analysis_output/export_for_paper/ 接入主稿，不在主稿中手工重做表格。
06_paper_draft/tables_inputs/ 和 06_paper_draft/figures_inputs/ 用于需要本地适配的稿件级输入，不是统计结果的唯一真源。

如需更稳定的主稿或段落骨架，优先复用 assets/ 中的模板文件。

交付与验证

交付前至少检查：

清洗脚本可重复运行。
最终分析数据存在，样本量与 codebook、结果表一致。
主要结果表中的数字来自 SPSS 输出或解析结果。
主稿中的 \input{} 路径有效。
PDF 编译成功，或已明确记录失败原因。
最终答复说明调用了哪些 SPSS-MCP 工具或回退函数。

参考地图

按任务需要读取，不要一次性加载所有内容：

references/workflow.md：项目结构、阶段产物、清理规则和验证门禁
references/analysis-routing.md：显式分析触发、自动分析路由、止损规则和汇报方式
references/empirical-design.md：变量构造、模型选择、诊断、稳健性、异质性和机制分析
references/spss-mcp.md：SPSS-MCP 环境发现、兼容处理、回退调用和结果记录
references/tool-matrix.md：已注册工具、类别、用途和调用可见性
references/paper-writing.md：中文实证论文结构、写作逻辑、结果叙述和修订检查
references/latex-layout.md：普通中文论文的 LaTeX 版式规划、表格接口、编译链和排版 QA

最终答复格式

最终答复使用简体中文，简洁说明：

已完成哪些阶段
关键输出文件在哪里
调用了哪些 SPSS-MCP 工具或函数
主要实证结论是什么
是否成功生成 PDF；若失败，说明原因和可恢复路径