这篇只讲一件事：怎么在免费工具上把 P 值算对，并且你自己能验证。方法学部分可以直接写进论文。
一、先分清你要替代的是 SPSS 的哪一层
- 数据层：变量视图、缺失值编码、重编码、拆分文件 —— 这层最容易被忽略，也是最容易出错的地方。
- 检验层：t 检验、方差分析、卡方、秩和、相关与回归、生存分析 —— 免费替代最成熟的一层。
- 图表层：条形图、箱线图、森林图、生存曲线 —— 网页工具普遍比 SPSS 默认样式更接近期刊要求。
- 语法层：可复现的 syntax —— 只有 R / Python 能真正替代；网页工具能生成代码，但执行仍在服务端。
二、三条免费路线的真实代价
- 网页工具：零安装，几分钟出结果；代价是数据要上传（受试者数据需先脱敏），且算法实现不透明时难以复核。
- 本地 R / Python：数据不出机器、结果可复现；代价是要写代码，报错排查对临床医生不友好。
- 开放 API：能被脚本或 AI 助手直接调用，适合批量与自动化；代价是必须联网，且要自己保管密钥。
三、怎么自查「算得对不对」（这一步别省）
- 取同一份数据，在 SPSS 与替代工具各跑一次，逐项比对：统计量、自由度、P 值、95% CI。
- 容差建议：P 值差 < 0.001；均值/统计量差 < 1e-6；置信区间上下限差 < 0.01。
- 差异超过容差时，先查三处默认设置（见下一节），再怀疑工具。
- 拿一个已知答案的例子做基准：例如两组各 10 例、明确构造的差值，手算一遍再对。
四、三处「结果不一致」其实不是 bug
- t 检验：SPSS 默认输出 Student t（等方差）与 Welch 两行，很多免费工具默认 Welch。方差不齐时两者 P 值可以差很多。
- 卡方：2×2 表是否做连续性校正（Yates）会让 P 值从 0.049 变 0.052 —— 恰好跨过 0.05 时最容易吵架。
- 缺失值：成对删除（pairwise）与整行删除（listwise）在缺失存在时结果不同；SPSS 默认按过程而异。
- 生存分析：事件编码 0/1 反了、把随访截止当事件，会让 HR 完全反过来。
五、用接口直接算（可复制）
下面这条命令算一组 ROC/AUC，返回带 AUC、最优阈值、敏感度特异度，以及 engine_status。把 scores 换成你自己的预测概率即可。
REST（无需客户端，curl 即可）
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
- SPSS 太贵，有免费的替代吗？
- 有，但要先分清替代哪一层。检验层（t 检验、卡方、秩和、回归、生存分析）免费替代已经很成熟；语法层（可复现的 syntax）只有 R / Python 能真正替代。选择标准不是"免费"，而是"结果能被复核"：返回体要能说明用了哪种检验、自由度是多少、是否做了校正。
- 免费工具算出来的 P 值和 SPSS 不一样，是被坑了吗？
- 多数不是。先核对三处：①t 检验用的是 Student 还是 Welch（方差不齐时差异很大）；②2×2 卡方是否做了连续性校正（Yates）；③缺失值是按成对删除还是整行删除。这三处就能解释绝大多数"对不上"。
- 论文方法学部分该怎么写统计工具？
- 写清算法与关键参数，而不是写软件名了事。例如："Continuous variables were compared with the Welch t-test; categorical variables with the chi-square test (Yates correction for 2×2 tables); discrimination was assessed by the area under the ROC curve with DeLong 95% confidence intervals; two-sided α = 0.05." 这样审稿人复核的是方法，而不是你有没有买 SPSS。