Data analysis round
Skill qiaomiaojoe/ai-academic-workflow/skills/data-analysis-round
AI学术工作流 · 乔淼PhD「AI学术训练营」skills 库：选题 / 文献搜索 / 文献分析 / 研究设计 / 数据分析 / 全文初稿，30 个 skills 拆到步骤颗粒度，单个可独立运行、可自由组合（Claude Code / Codex）
npx -y skills add qiaomiaojoe/ai-academic-workflow --skill data-analysis-roundAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
2 things to look at
- no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
- 5 stars5 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
数据分析 · 跑一轮（乔淼PhD · AI学术训练营 · AI学术工作流）。三种分支：定量（调 analyze-quantitative-data，Neuman Ch12）/ 定性（调 analyze-qualitative-data，Neuman Ch14）/ 自定义 skill（完全按该 skill 自身规则执行，不稀释硬约束）。支持多轮多 skill 分析：每轮产出带前缀不覆盖（-R2/-R3）+ 分析日志.md 逐轮记账。RQ/变量/颗粒度可由用户直接给，不依赖研究设计文件。Trigger on："跑一轮定量/定性分析"、"用 XX skill 分析这份数据"、"数据分析工作流"、"分析这份问卷/访谈"、"run a quantitative/qualitative analysis round"、"analyze my data with skill X"。
SKILL.md
5.8 KB, as published. Nobody here has run it
Data Analysis Round · 跑一轮（定量 / 定性 / 自定义 skill）
每次调用 = 跑一轮分析（多轮/多 skill 不覆盖、有记账）。三个分支：quant（analyze-quantitative-data）/ qual（analyze-qualitative-data）/ custom（任意用户指定 skill）。
调用约定（独立运行）
必填：数据/材料文件路径（用户给；没有就先要，不开工）。custom 分支还需 skill 名。
**分析设定（RQ / DV / IV / 度量层级 / 编码方案 / 颗粒度 / 抽样加权）**按优先级解析：
- 用户在会话里直接给的（或「额外指令/备注」写明的）→ 最高优先。
- 研究设计产出：
研究设计初稿.md（RQ/假设/变量定义）+研究设计-设计说明.md（B3 分析框架：抽样/加权/方法链/度量层级/编码方案/颗粒度）+ 备用选题.md；从中提取设定并与研究设计敲定的方案保持一致。 - 都没有 → 问用户最小设定：本轮 RQ 一句话 +（定量）DV/IV 与度量层级 或（定性）编码取向；答不上就由所调 skill 的默认流程从头带（如 quant 从 codebook 步开始）。不要因缺文件拒跑，也不要凭空假设。
额外指令/备注（可选，一个通用入口）：本轮针对哪个子问题/假设、RQ 侧重、从哪步起、临时调整、注意点。留空 = 按设定 + skill 默认流程跑，由 skill 自行决定起步。备注优先于默认流程。
输出落盘：产出写当前工作目录（建议 ./数据分析产出/），记账写 分析日志.md（多轮不覆盖 · 逐轮记账）。
- 调用方覆盖约定：调用方（工作台 prompt / 用户）显式给出的参数、输入路径、落盘路径与工具选择，一律覆盖本 skill 的默认；但本 skill 的方法步骤、硬约束与停点不可被省略或稀释——调用方若要求跳过某硬约束，以本 skill 为准并提示冲突。
分支 · 定量（quant）
用 analyze-quantitative-data skill，按 Neuman 7e Ch 12 步骤：Q1 codebook → Q2 cleaning → Q3 univariate → Q4 bivariate → Q5 elaboration → Q6 regression → Q7 inferential。
硬约束（skill 自动强制）：
- 度量层级正确（nominal × interval → ANOVA + eta²，拒绝 Pearson r）
- WVS / CGSS / GSS 负值 = missing，默认过滤
- 可疑点扫描（p > 0.05 / R² 异常高 / eta² < 0.01 都主动报）
- 零结果合法化（引 Neuman p.426）
- 加权回归（抽样调查必须用 sampling weight）
- 每个数值必须报 N
输出：描述统计 + 关联度量 + effect size + 显著性 + 可疑点扫描结果。产出文件前缀 quant-（如 quant-描述统计.md / quant-回归结果.md）。
分支 · 定性（qual）
用 analyze-qualitative-data skill，按 Neuman 7e Ch 14 步骤：L1 open coding → L2 axial coding → L3 selective coding；L4 analytic memo / L5 outcropping / L6 ideal types；L10 Mill 分析比较（如适用）。
硬约束（skill 自动强制）：
- 主题命名避免太宽泛（"power" "agency" 这种空词被拒）
- ground truth 验证：抽样 3 条访谈做人工编码对比
- 编码颗粒度一致性检查（不在同一份数据混用 fine / coarse）
- 每个主题必须 ≥ 3 个数据片段支持
- 选择性编码必须有清晰的核心范畴
输出：编码本（含频次 + 代表性引语）+ 轴心主题 + 逻辑关系图 + 选择性编码分类（如适用）+ analytic memo（理论思考，非数据笔记）。产出文件前缀 qual-。
分支 · 自定义 skill（custom）
完全按用户指定 skill 自身定义的步骤、硬约束与输出格式执行——不要用本 skill 的说明覆盖或稀释该 skill 内部的方法论规则。由该 skill 判断从哪步开始（除非备注指定起点）。
硬约束：
- 该 skill 内部声明的所有硬约束（CRITICAL / REFUSE / 度量层级 / 缺失值 / 显著性阈值 / 主题片段数门槛等）原样强制，不放宽。
- 每个结论必须可回溯到数据（数值报 N，定性主题报支持片段数 + 代表性引语）。
- 拿不准是不是该停下问用户的，先停下问，不要替用户做主。
输出：按该 skill 定义的结构化产出（具体到字段，不要只给一段 summary）+ 关键判断的依据 + 可疑点扫描。产出文件前缀 = skill 名（非法字符转 -）。
【本轮产出 + 多轮记账】（三分支共用 · 务必不要覆盖既有产出）
- 产出文件名带本轮前缀，且不要覆盖之前轮次的同类文件（已存在同名就加 -R2 / -R3…）。
- 在 分析日志.md 末尾追加一条本轮记录（文件不存在就新建并写表头，存在就续写，不要重写整表）：
| 轮次 | 日期 | skill | 针对的子问题/假设 | 关键发现（1-2 句 · 含 N + effect size 或主题支持数）| 产出文件 | 注意事项 | - 末尾「下一步建议」明确二选一：① 还要再跑一轮 / 换个 skill 补哪一块分析（说清补什么）；② 全部子问题已覆盖，调用
findings-synthesisskill 把各轮产出汇总成 研究发现.md。