统计结果对拍：差多少才算「一致」

一、先说清口径：这里没有「SPSS 截图」

• 本页不提供 SPSS 截图，也不会伪造 "SPSS 输出 0.110" 这类数字——那是最容易被同行一眼看穿的事。
• 本页给的是**三方对拍**：①三域引擎；②独立实现（scipy 1.13.1 / statsmodels 0.14.0 / lifelines 0.30.0）；③DeLong、KM 中位生存、log-rank、AUC、IPTW 加权 ATE、Bland-Altman、SMD、ICC 另用手写闭式公式再算一遍。
• Cox 回归这一项是**跨库对拍**：引擎侧用 lifelines 的 CoxPHFitter，独立侧用 statsmodels 的 PHReg，两套代码、两套求解器，都按 Efron 处理结（tie）。
• 全部在服务器上真跑，数据由固定随机种子（seed=20261107）生成，脚本公开。你在 SPSS 里把同一份数据粘一遍，就能自己填上第四列。
• SPSS 的对应操作也写在下面第四节（菜单路径 + 语法），方便逐项核对。

二、逐项结果（本表由脚本生成，数字未经手工录入）

下表每一行都是「本引擎 vs 独立实现」，绝对差以科学计数法给出。判定标准：t / F / H / χ² / U / r / AUC / HR 的容差取 1e-3～1e-5（取决于该量本身的舍入位数），P 值容差取 1e-4。

三、差多少才算「一致」，以及哪些差异其实不是 bug

• 舍入级差异（1e-7～1e-5）属正常：不同实现的中间量精度、是否对 P 值做边界截断都会造成这种量级差异。本页多数行落在 1e-7～1e-5。
• t 检验：SPSS 默认同时给 Student 与 Welch 两行，很多工具默认只给 Welch。方差不齐时两者 P 值可以差很多——这不是谁错了。
• 2×2 卡方：是否做 Yates 连续性校正，会让 P 值在 0.049 / 0.052 之间跳；跨过 0.05 时最容易吵架。本引擎默认**未校正**，并同时返回校正后的值供对照。
• 缺失值：成对删除与整行删除在存在缺失时结果不同。本引擎在返回里显式给出缺失策略与丢弃行数（`missing.n_dropped`），不让你猜。
• Cox 的结（tie）处理：两套实现都默认 Efron。若你的数据事件时间大量重复（按月/按天记录的随访），Efron 与 Breslow 的 HR 会有可察觉差异——**这一项一致只说明"同一口径下一致"，不证明结处理方式适合你的数据**，这一点必须自己判断。
• 结论写法建议：报告"方法 + 参数 + 双侧 α"，而不是只写软件名。审稿人复核的是方法，不是你有没有买 SPSS。

四、这一轮覆盖了什么、没覆盖什么（先说边界）

• 已覆盖：t 检验（Student/Welch，含自由度）、单因素 ANOVA、Kruskal-Wallis、Mann-Whitney U、Tukey HSD、Pearson 卡方、Fisher 精确、Pearson 相关、ROC/AUC、DeLong 配对比较、KM 中位生存、log-rank、Cox 回归、IPTW 加权 ATE、SMD 平衡性、两因素 ANOVA、Bland-Altman、ICC(1,1)。
• **未覆盖**（本页不给数字，也不假装覆盖）：竞争风险、线性混合模型/GEE、MICE 多重插补、Meta 分析（异质性/发表偏倚）、时间依赖 ROC、倾向性评分**匹配**后的配对效应。这些模块在平台里可用，但本轮没做独立对拍，不能拿这一页替它们背书。
• 样本量只覆盖 22～120 例的中等规模；极小样本（n<10）下的连续性校正与精确检验分歧更大，本页不给结论。

五、自己复算（三条路径）

• 方式 A（最快）：把本页的数据复制进接口调用，返回体自带统计量与 95% CI。
• 方式 B：用 SPSS 复算——分析 → 比较平均值 → 独立样本 T 检验（勾选"均值相等性检验"看 Welch 那一行）；单因素 ANOVA 走"比较平均值 → 单因素"；卡方走"交叉表 → 统计量 → 卡方（勾选 Yates 对照）"；ROC 走"分析 → ROC 曲线"（AUC 与其 95% CI 在同一对话框）。
• 方式 C：用 R 复算——t.test(var.equal=TRUE/FALSE)、oneway.test、chisq.test(correct=FALSE)、pROC::roc + roc.test(method="delong")、survival::survdiff。

六、这一轮对拍揪出的六个真问题（如实写在这里）

• ① `tool_id=fisher` 曾返回 **Pearson 卡方**：同一张 2×2 表给出 P=0.0219（显著），而 Fisher 精确检验的正确值是 0.0542（不显著）——结论会被直接改写。已修，现在返回 0.054238。
• ② ANOVA / Kruskal-Wallis / Tukey 曾只接受 `[[数值],…]`，而对外文档写的是 `{组名:[数值]}` ⇒ 按文档填参得到 422 / 500。已统一为两种形状都收。
• ③ log-rank 曾因分时段 HR 出现 NaN 而导致**整条结果 500 丢失**（连算对的 χ² 都拿不到）。已把非有限值转为 null 并在返回里保留 χ² 与 P。
• ④ 两因素 ANOVA 的对外文档把观测值字段写成 `values`，而端点只读 `y` ⇒ 按文档填参必得 422。已改成两种字段名都收，缺哪个直接告诉你是哪个。
• ⑤ Bland-Altman 存在**假成功**：字段名传错时端点返回 `{"code":500,"error":"'method1'"}`，HTTP 状态却是 200，开放层据此判为"执行成功"并扣积分。已两处都修：字段名 `m1/m2` 与 `method1/method2` 都收，且"响应体自带 code≥400"一律判失败。
• ⑥ NaN 出口问题是**第三次复发**（前两次：ROC 的 AUC、distribution-fit 的布尔值）。逐个端点打补丁治不了根，现改为在**唯一出口**统一把 NaN/±Inf 转成 null；而"变量无变异""ICC 只给一名评分者"这类**参数本身没有统计意义**的情形，改为直接 400 说明原因，绝不返回 0 或 1 这种看起来正常的替代值。
• 把这些问题写在页面上，是因为"能公开自己错在哪"本身就是可被复核的一部分；只报好看的数字没有意义。

结果表

独立实现：scipy / statsmodels / lifelines；DeLong、KM 中位、log-rank、AUC 另有手写闭式实现参与核对。生成时间 2026-11-07，seed=20261107，共 40 项，一致 40 项。

复算示例：同一份数据算 ROC/AUC

# 返回体带 engine_status（real/unavailable/error）与 auc_ci_method
curl -X POST https://sanyu.wentangkeji.com/api/open/v1/run/act_roc \
  -H "Authorization: Bearer sk-sanyu-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{"labels":[0,1,0,1,1,0],"scores":[0.1,0.9,0.2,0.8,0.7,0.3]}'

常见问题

你们的统计结果能直接写进论文吗？

可以，但要写清方法而非软件名。本页给出的容差说明的是"与独立实现一致到多少位"，不是"绝对正确"——统计量的正确性取决于你用对了哪种检验、是否满足前提假设。建议在方法学部分写明检验类型、单/双侧、α 水平、缺失值处理。

为什么没有和 SPSS 的逐格对比表？

因为本机没有 SPSS，编一组"SPSS 输出"是最容易被同行拆穿的做法。这里给的是可复算的三方对拍（本引擎 / scipy·statsmodels·lifelines / 手写闭式），并附 SPSS 与 R 的对应操作，你自己粘一遍就能补上第四列。

差 1e-5 算一致吗？

算。这类差异来自中间量精度与舍入，不影响任何结论。真正需要警惕的是**量级差异**（例如 P 从 0.02 变 0.05）或**方向相反**（HR 从 1.3 变 0.7），那通常意味着用错了方法或参数口径。

相关工具

• 免费替代 SPSS 的路线
• 两个 AUC 怎么比较
• MCP/API 接入