{"id":"101af64a-a9c9-4d4f-95d5-85bf766d109c","slug":"spss-academic-workflow","kind":"skill","name":"spss-academic-workflow","summary":"基于SPSS进行自动实证分析，并且输出latex编译的PDF格式论文的自动化skill","owner":"EXIST-D","repoUrl":"https://github.com/EXIST-D/spss-academic-workflow","license":"MIT","licenseTier":"permissive","trust":"community","stars":27,"match":null,"fewStars":false,"format":"skill","createdAt":"2026-04-23T05:54:12.000Z","addedAt":"2026-10-14T06:06:23.989Z","logoUrl":"https://avatars.githubusercontent.com/u/72126689?u=7cd97d87e424044afa8bf440f64a35568a0e523c&v=4","linkOnly":false,"collection":null,"skillPath":null,"categories":["files-documents","writing"],"tags":["academic-writing","skill-md","spss"],"runtime":"binary","local":true,"cloudCapable":false,"cloudCapability":"unknown","cloudReadyOnPlatform":false,"needsApiKey":false,"reviewed":false,"syncedAt":"2026-10-17T08:04:56.752Z","sample":false,"url":"https://conduits.dev/tools/spss-academic-workflow","language":"Python","transports":["stdio"],"install":{},"requirements":{"env":[],"upstreamMayCharge":false},"tools":null,"readme":"# SPSS Academic Workflow Skill\n\n[English](README.en.md) | 简体中文\n\n本仓库打包了 `spss-academic-workflow`，这是一个面向 Codex 的 Agent Skill，用于基于 SPSS 的中文实证学术研究流程。它可以帮助 agent 组织研究项目、准备数据集、设计变量和模型、运行或指导 SPSS/SPSS-MCP 分析、导出表格和中文结果段落、撰写中文 LaTeX 论文，并编译最终 PDF。\n\n## 仓库结构\n\n```text\nspss-academic-workflow/\n├── README.md\n├── README.en.md\n├── LICENSE\n└── skills/\n    └── spss-academic-workflow/\n        ├── SKILL.md\n        ├── LICENSE.txt\n        ├── agents/\n        │   └── openai.yaml\n        ├── assets/\n        ├── references/\n        └── scripts/\n```\n\n## 功能范围\n\n- 创建可复现的实证研究项目目录结构。\n- 指导数据准备、变量设计、样本规则和模型设计。\n- 运行或记录 SPSS/SPSS-MCP 分析，覆盖描述性统计、频数与交叉表、相关分析、均值比较、t 检验、方差分析、卡方检验、信度分析、因子分析、主成分分析、聚类分析、线性回归、分层/逐步回归、Logistic 回归、非参数检验以及常见诊断检验。\n- 支持围绕实证论文展开的模型扩展，例如主效应模型、控制变量模型、稳健性检验、替代变量/替代样本检验、异质性分析、机制分析、调节效应和中介效应。\n- 根据变量类型、研究问题和样本条件，为探索性任务推荐合适的 SPSS 分析路径，并记录分析选择、样本处理和结果解释依据。\n- 将统计输出整理成论文可用的表格、结果说明和中文学术写作内容。\n- 生成 LaTeX 源文件，并支持中文实证论文的 PDF 编译。\n\n## SPSS-MCP 依赖\n\n本 skill 的 SPSS-MCP 工作流使用 [Exekiel179/SPSS-MCP](https://github.com/Exekiel179/SPSS-MCP) 提供的 MCP server，将自然语言分析需求转换为 SPSS syntax，并通过本机 IBM SPSS Statistics 引擎执行分析。\n\n本仓库不会打包 SPSS-MCP 源码，也不会替代它的安装流程。使用时请先按照 SPSS-MCP 仓库说明在本机安装并配置好 MCP server。本 skill 只是把它作为外部分析接口接入 Codex 工作流，用来完成 SPSS 数据分析、结果整理和论文写作。\n\n### 环境要求\n\n- Windows 10/11。\n- Python 3.10 或更高版本。\n- 本机已安装 IBM SPSS Statistics，SPSS-MCP 当前说明支持 version 20-31。\n- 已安装并可在终端运行 `spss-mcp`。\n- 当前 agent 客户端需要支持 MCP。SPSS-MCP 的自动配置命令面向 Claude Code；在 Codex 中使用时，请将等价 MCP server 配置接入 Codex，使其能够通过 `spss-mcp serve --transport stdio` 调用该服务。\n- 如果 SPSS 不能被自动检测，请按 SPSS-MCP 文档设置 `SPSS_INSTALL_PATH`；如启动或分析较慢，可设置 `SPSS_STARTUP_TIMEOUT` 或 `SPSS_TIMEOUT`。\n\n### Codex 兼容配置示例\n\nSPSS-MCP 上游文档主要面向 Claude Code；本仓库面向 Codex 使用场景。Codex 支持本地 STDIO MCP server，可在 `~/.codex/config.toml` 或受信任项目的 `.codex/config.toml` 中加入类似配置：\n\n```toml\n[mcp_servers.spss]\ncommand = \"spss-mcp\"\nargs = [\"serve\", \"--transport\", \"stdio\"]\nstartup_timeout_sec = 300\ntool_timeout_sec = 300\n```\n\n如果需要手动指定 SPSS 路径或超时时间，可加入：\n\n```toml\n[mcp_servers.spss.env]\nSPSS_INSTALL_PATH = \"C:\\\\Program Files\\\\IBM\\\\SPSS Statistics\\\\31\"\nSPSS_STARTUP_TIMEOUT = \"300\"\nSPSS_TIMEOUT = \"300\"\n```\n\n配置后重启 Codex，并在 Codex 的 MCP 状态界面确认 `spss` server 已启动。本项目作者已在 Codex + Windows + 本机 SPSS 环境下测试该工作流；其他环境请以 SPSS-MCP 上游支持范围和本机 SPSS 安装情况为准。\n\n## 安装方式\n\n推荐使用 [skills.sh](https://skills.sh/) 的 `skills` CLI 安装到 Codex：\n\n```powershell\nnpx skills add EXIST-D/spss-academic-workflow --skill spss-academic-workflow --agent codex --yes --copy\n```\n\n该命令已在 Windows 环境下验证，可识别本仓库中的 `spss-academic-workflow`，并安装到当前项目的 `.agents/skills/spss-academic-workflow`。\n\n也可以在 Codex 中使用 skill installer，并指向 GitHub 目录 URL：\n\n```text\n$skill-installer install https://github.com/EXIST-D/spss-academic-workflow/tree/main/skills/spss-academic-workflow\n```\n\n如果安装后没有立即出现该 skill，请重启 Codex。\n\n## 使用示例\n\n可以显式调用：\n\n```text\nUse $spss-academic-workflow to analyze this dataset with SPSS and produce Chinese result sections, tables, LaTeX source, and a PDF.\n```\n\n也可以用自然语言描述任务。下面是一些简单模板：\n\n```text\n请使用 SPSS 分析这份实证数据，并写出中文论文结果部分。\n\n请帮我查看这个数据集适合做哪些 SPSS 分析，并生成项目目录和初步分析方案。\n\n请基于这份问卷数据做描述性统计、信度分析和回归分析，并整理成论文表格。\n\n请用 SPSS-MCP 运行主模型和稳健性检验，然后输出中文结果解释和 LaTeX 表格。\n\n请把当前项目整理为完整的中文实证论文草稿，包括数据、模型、结果和结论部分。\n```\n\n如果希望一次性说明项目路径、数据文件、分析目标和本机环境，可以使用下面的完整模板：\n\n```text\n使用 $spss-academic-workflow，对路径“<项目根目录>”下的数据文件“<数据文件名>”进行详细的 <分析主题或模型类型> 分析。\n\n所有工作都在“<项目根目录>”内完成。\n\n请自行选择最完整且合理的分析流程进行全面分析，包括但不限于数据读取、变量识别、缺失值检查、描述性统计、相关分析、主模型估计、诊断检验、稳健性或补充分析，以及论文写作所需的结果整理。\n\n请自动选择合适的 SPSS 分析流程，输出中文结果解释、结果表格、paper.tex 和可编译 PDF，并在最终回复中说明调用了哪些工具、生成了哪些关键文件，以及 PDF 是否编译成功。\n\n请使用 conda 的“<conda 环境名>”虚拟环境。\n\n本机 SPSS 安装目录为：“<SPSS 安装目录>”。\n```\n\n## 包含内容\n\n- `SKILL.md`：主要 workflow 和触发说明。\n- `references/`：工作流路由、实证设计、SPSS-MCP 使用、工具选择、论文写作和 LaTeX 排版的详细参考。\n- `scripts/`：辅助脚本，包括保守的项目脚手架脚本。\n- `assets/`：LaTeX 论文、表格注释和结果段落模板。\n- `agents/openai.yaml`：可选的 Codex UI 元数据和调用策略。\n\n## 生成项目目录\n\n使用本 skill 处理具体实证项目时，默认会在用户指定的项目根目录下组织以下 `01` 到 `08` 目录：\n\n```text\nproject-name/\n├── 01_source_data/\n├── 02_data_prep/\n├── 03_research_design/\n├── 04_spss_syntax/\n├── 05_analysis_output/\n├── 06_paper_draft/\n├── 07_submission_package/\n└── 08_project_admin/\n```\n\n- `01_source_data/`：保存原始数据、外部数据和数据来源说明；原始数据应保留在 `raw/`，不覆盖、不原地修改。\n- `02_data_prep/`：保存变量映射、清洗中间数据、最终分析数据和数据审计文件，例如 codebook、缺失值检查和描述统计摘要。\n- `03_research_design/`：保存研究问题、研究假设、变量设计、模型设计和样本规则。\n- `04_spss_syntax/`：保存 SPSS syntax，按数据清洗、变量构造、描述统计、主模型、稳健性和附录模型分组。\n- `05_analysis_output/`：保存分析输出，包括表格、图形、结果说明、运行日志和论文可直接引用的表格接口。\n- `06_paper_draft/`：保存中文论文草稿、章节文件、参考文献、表格/图形输入文件、LaTeX 主稿和编译输出 PDF。\n- `07_submission_package/`：保存投稿、答辩或交付所需的草稿、最终版和归档文件。\n- `08_project_admin/`：保存项目管理和复现说明，例如项目 README、changelog 和 reproducibility checklist。\n\n## 作者与维护\n\n本项目由 [EXIST-D](https://github.com/EXIST-D) 创建并维护。\n\n欢迎通过 GitHub Issues 提交问题、使用反馈或改进建议。如果你基于本 skill 做了扩展，也欢迎提交 Pull Request。\n\n## 许可证\n\n本仓库使用 MIT License。详见 [LICENSE](LICENSE)。打包后的 skill 内部也包含一份许可证副本：`skills/spss-academic-workflow/LICENSE.txt`。\n"}