Claude Code Statsmodels 技能：拟合带截距的 OLS 并检查残差
EnglishClaude Code 安装步骤
- 从固定版本 GitHub 工作副本获取完整的 `cli-tool/components/skills/scientific/statsmodels` 目录。
- 将目录放入目标项目的 `.claude/skills/`，确认 `.claude/skills/statsmodels/SKILL.md` 存在，再从项目根目录启动 Claude Code 并输入 `/statsmodels`。
中文摘要
把响应和预测变量整理成适合 Statsmodels 的数据，拟合普通最小二乘回归并解释参数与残差。适合先用已知小数据核对模型设置。
SKILL.md 中文导读
可复现示例
用虚构样本 x = 0、1、2、3，y = 2、5、8、11，拟合一元带截距 OLS。请比较保留截距和省略截距的意义。工作步骤
- 确定响应与预测变量，检查缺失值和是否加入截距。
- 拟合模型后先核对参数方向，再检查预测与残差是否一致。
验收方法
带截距模型应得到截距 2、斜率 3，残差近零。这组样本只用于核对实现，不用于推断真实关系。
GitHub 原文 · 更新日期
适用环境
Claude Code、固定版本完整技能和安装 Statsmodels 的 Python 环境。
常见问题
为什么要检查截距是否真的加进模型？
截距决定 x 为零时的基线。用矩阵接口时要核对常数列或显式约束，否则模型会回答不同的问题。