统计分析是AI辅助在研究中风险最高的领域。文献综述中的编码错误浪费一小时；分析中的统计错误会产生可能到达发表阶段的错误结果。这篇文章厘清了边界所在。
AI真正加速统计工作的地方
方法选择定向：向Claude描述你的数据结构和研究问题，询问哪些统计检验是合适的。这是有用的定向，而不是最终方法选择，你需要对照统计教科书或你领域的方法论论文来核实建议。Claude识别你可能没有考虑到的相关选项；你的专业知识决定什么是合适的。
代码生成：让Claude或Copilot为特定检验编写代码（Mann-Whitney U检验、线性混合模型、Cox比例风险）是合法用途。生成的代码是一个模板，你在运行之前对照包文档核实。代码错误是可以发现的；解释错误不是。
解释辅助：在运行分析并获得结果后，让Claude用通俗语言解释输出意味着什么。适用于理解来自不熟悉包的输出，或者对照独立阅读检查你的解释。
AI制造风险的地方
方法论证：AI几乎可以有说服力地论证任何统计方法。不要使用AI来证明选择的合理性，而是用它来浮现选项，然后应用你自己的专业知识和领域规范来选择。审稿人是专业领域专家；AI生成的对次优方法的论证无法通过审阅。
假设检验：AI无法在你的实际数据上检查统计假设（正态性、方差齐性、独立性）。这些需要在你的数据上运行实际检验。AI可以告诉你要检查哪些假设，而不是它们是否得到满足。
核实协议
对于每个AI生成的统计代码：(1)在运行之前逐行阅读代码，(2)在具有已知结果的小型模拟数据集上运行检验，以验证它输出你期望的内容，(3)对照包文档交叉参考函数参数。这个15分钟的协议防止了最常见的错误。
