statistics は仮説検定のスキルです。決して検定から始めません：デザインを特定し、前提を監査し、それから手法を選び、診断を走らせ、不確実性付きの効果を報告します。
呼び出し方
text
/stats Using pss_trial.xlsx, test whether the biofeedback group shows a larger PSS-10 reduction than control. Check assumptions, choose the appropriate test, and report the effect size with a 95% CI and achieved power.
何が起きるか
- デザインが先：群、反復測定、共変量、各変数の尺度。
- 前提：正規性、分散の等質性、球面性、独立性——数値とともに報告。
- 手法：正当化された検定またはモデル。パラメトリック ↔ ノンパラメトリックの切り替えは説明されます。
- 診断と効果：CI 付きの効果量、達成検出力とデザイン感度、多重比較の制御。
構成するメソッドスキル
- ttest · anova · power · bayesian（ベイズファクター）· stats_tests（パラメトリック ↔ ノンパラメトリック選択）· assumptions · effect_size · multiple_comparisons
- reliability（α · ω）· efa · cfa · sem · irt
何が得られるか
- 統計レポート（Markdown）と、執筆ステップが引用する構造化結果（JSON）。
- 編集可能な成果物としてのプロット（検出力、群比較、パス図）。
ヒント
- 査読者が求めるものを求めてください——「95% CI と達成検出力付きの効果量」——レポートに入ります。
- Deep レベルでは、独立したレビューエージェントが結果を示す前に前提、多重比較、サンプルサイズを再確認します。
