yjh051108/mmkit/comp-stats-topic

统计建模大赛：选题与数据规划

根据官方主题方向进行选题和研究设计：$ARGUMENTS

背景

统计建模大赛与数学建模竞赛不同：没有固定赛题，需自拟题目、自找数据，侧重统计方法规范性。

工作流程

Step 1: 主题解读与选题

搜索相关热点和公开数据，提出 3-5 个候选题目，每个包含：研究问题、数据来源、统计方法、创新点、可行性。

Step 2: 数据源规划

公开数据源：国家统计局、中国知网、Wind、CSMAR、UCI、Kaggle、世界银行、WHO。 优先使用 user_data/ 中已有数据。

Step 3: 研究设计

研究问题（2-3 个子问题）、研究设计（按题目类型调整）、论文结构规划。

根据题目类型选择研究设计框架：

• 因果推断类（DID/RDD/IV/政策评估/影响因素）：研究假设（H1/H2/H3）→ 变量定义（因变量/自变量/控制变量）→ 统计方法（描述性统计→回归分析→稳健性检验→异质性分析）
• 预测类（时序预测/需求预测/趋势预测）：预测目标定义 → 特征变量选择 → 模型候选列表（≥3 个模型）→ 评价指标（MAE/RMSE/MAPE/R²）→ 训练/验证/测试划分策略
• 分类/聚类类（用户画像/异常检测/模式识别）：分类/聚类目标定义 → 特征工程方案 → 模型候选列表 → 评价指标（Accuracy/F1/AUC/Silhouette）→ 交叉验证策略
• 综合评价类（效率评价/质量排名/指标体系）：评价对象与目标 → 指标体系层次结构 → 权重确定方法（AHP/熵权法/组合赋权）→ 综合评价模型（TOPSIS/灰色关联/DEA）

Step 4: 数据来源建议

列出推荐的数据获取方式（网站名+具体数据集名），不写代码 — 代码由 comp-code 负责。

Step 5: 图表预规划

在输出前，读取图表范例文件了解统计建模获奖论文的图表分布：

# 1. 读图表范例和套餐（了解各方法类型推荐的图表组合）
cat _utils/figure_exemplars.md 2>/dev/null || cat skills/shared-scripts/figure_exemplars.md
# 2. 读图表选择指南（了解每种图表的适用场景和数据特征匹配）
cat _utils/figure_style_guide.md 2>/dev/null || cat skills/shared-scripts/figure_style_guide.md

找到"统计建模大赛"部分的图表套餐，结合 figure_style_guide 的决策表，根据本选题的研究方法自主规划。

⛔ MANDATORY: 在 TOPIC_PLAN.md 中输出结构化的图表预规划清单。 后续 comp-code 和 paper-figure 都会读这个清单逐项生成和验证。

图表规划方法（按分析步骤推导，不要套固定模板）：

先读 figure_exemplars.md 中的"按研究方法的图表套餐"部分：

• 如果本选题的方法匹配某个套餐（A-F），以该套餐的必选项为基础，再根据具体选题增减
• 如果不匹配任何套餐，用下面的"数据形态推导法"

再读 figure_style_guide.md 的 "By data shape" 决策表，对每个分析步骤做推导：

⛔ 每张图必须写明配方编号和选择理由，格式： fig_xxx — 发散柱状图 (advanced #20) — 效应分解有正有负，发散柱状图能直观展示方向 — 章节: 实证结果

⛔ 配方编号是必填项！ 格式为 (类别 #编号)，如 (advanced #1)、(basic #3)、(empirical #1)、(competition #7)。系统会根据配方编号自动注入对应的代码模板到 Claude 的 prompt 中。如果不写配方编号，Claude 将无法获得配方代码，只能从零写图表脚本，质量无法保证。如果图表类型不在配方库中，写 (custom) 标注。

硬规则：

• 同一种图表类型不超过 3 次
• 每张图必须指定具体类型（不能写"分布图"，要写"Ridgeline Plot"或"核密度图"或"箱线图"）
• 至少 1 张 DrawIO 技术路线图（参考 drawio_rules.md 模板 A 三栏布局）
• 如果涉及空间数据，必须有空间分布地图
• 如果涉及模型对比（≥3个模型），至少用 2 种不同的对比图表类型

格式必须如下：

## 图表预规划
 
### PDF 图表清单（comp-code 负责生成）
-fig_xxx — [具体图表类型] ([类别 #编号]) — [展示什么数据/传达什么信息] — 章节: [目标章节]
-示例: fig_coef — 森林图 (empirical #1) — 回归系数及置信区间 — 章节: 实证结果
-示例: fig_rank — 棒棒糖图 (advanced #1) — 方法排名对比 — 章节: 模型对比
-...（根据实际选题和研究方法自主规划，每张图必须带配方编号）
 
### LaTeX 表格清单（comp-code 负责生成）
-TABLE_xxx — [表格描述] — 章节: [目标章节]
-...
 
### DrawIO 架构图清单（流程与架构图绘制步骤负责生成）
-DrawIO-1: 技术路线图 → fig_roadmap.drawio → 引言章节末尾 [必须]
-DrawIO-N: [其他按需] → [文件名] → [章节位置]
 
### TikZ 架构图清单（流程与架构图绘制步骤负责生成，需要精确连线或公式的图）
-tikz_xxx — [变量关系图/算法流程图等] — 章节: [目标章节] [按需]
 
### 图表多样性检查
[列出每种图表类型的使用次数，确认无重复超过 3 次]
 
总计: ~X PDF 图 + ~Y 表格 + Z DrawIO 图 + W TikZ 图

每个图表必须有：编号、文件名、具体类型、配方编号（如 `advanced #1`）、描述、目标章节。 这是后续所有步骤的合同。配方编号缺失会导致系统无法自动注入配方代码。

DrawIO / TikZ 架构图预规划

技术路线图用 DrawIO 生成（参考 drawio_rules.md 模板 A 三栏布局），其他需要精确连线或公式的图用 TikZ。

位置一：引言章节末尾 — DrawIO 技术路线图（必须）

• 展示整个研究的逻辑链路（按题目类型调整）：
• 因果推断类：问题提出→文献梳理→假设建立→数据收集→实证分析→稳健性检验→结论
• 预测类：问题提出→文献梳理→数据采集→特征工程→模型构建→模型对比→预测应用→结论
• 分类/聚类类：问题提出→文献梳理→数据采集→特征工程→模型训练→结果评估→模型解释→结论
• 综合评价类：问题提出→文献梳理→指标构建→权重确定→综合评价→结果分析→对策建议→结论
• 让评审一眼看清研究的整体设计
• 三栏布局：左栏阶段标签 + 中栏虚线框内容 + 右栏研究方法

位置二：数据与方法章节 — TikZ 分析框架图（可选，需要精确连线时用 TikZ）

• 展示变量关系和分析路径：自变量→中介变量→因变量的路径，标注假设 H1/H2/H3
• 如果有 DID/RDD 等因果推断设计，画出识别策略示意图

Step 6: 输出

保存到 TOPIC_PLAN.md：选题理由、研究设计、数据规划、统计方法、论文结构、图表预规划。

⛔⛔⛔ FIGURE_MANIFEST（机器可读对账清单，必须输出）

写完上面的「图表预规划」后，在 `TOPIC_PLAN.md` 的最后追加一个机器可读的清单区块。下游 comp-code / paper-figure / paper-figure / 写作 SKILL / workflow_engine.py 都按此清单对账。少一张就触发 AUTO-RECOVER。

格式严格按此输出（不要漏 `<!-- BEGIN/END FIGURE_MANIFEST -->` 锚点）：

<!-- BEGIN FIGURE_MANIFEST -->
## 图表清单（FIGURE_MANIFEST）
 
**数据图（matplotlib gen_fig_*.py，paper-figure 产出 .png/.pdf）：**
-fig_xxx
-fig_yyy
 
**DrawIO 流程/架构图（paper-figure 产出 .drawio + .png/.pdf）：**
-fig_roadmap
 
**TikZ 图（paper-figure 产出 tikz_*.pdf）：**
-tikz_xxx
 
**总数：DATA=N, DRAWIO=M, TIKZ=K, ALL=N+M+K**
<!-- END FIGURE_MANIFEST -->

⛔ 铁律：

• 每条只写文件名主干（不带 .py / .drawio / .png / .pdf 后缀）
• 数量必须跟上面「图表预规划」清单完全一致（一一对应）
• 如果用户禁用了 skip_figures / skip_drawio，对应类别留空但 BEGIN/END 标记必须存在

⛔ 结束前必跑产出验证：

PASS=true
[ -f TOPIC_PLAN.md ] && SZ=$(wc -c < TOPIC_PLAN.md) || SZ=0
if [ "$SZ" -ge 1024 ]; then
    echo "✅ TOPIC_PLAN.md ($SZ bytes)"
else
    echo "❌ TOPIC_PLAN.md 缺失或过小 ($SZ bytes) — 立即用 Write 工具产出, 不要 end_turn"
    PASS=false
fi
if grep -q '<!-- BEGIN FIGURE_MANIFEST -->' TOPIC_PLAN.md 2>/dev/null && grep -q '<!-- END FIGURE_MANIFEST -->' TOPIC_PLAN.md 2>/dev/null; then
    echo "✅ FIGURE_MANIFEST 区块存在"
else
    echo "❌ FIGURE_MANIFEST 区块缺失，必须按上面格式追加（即使无图也要写 ALL=0）"
    PASS=false
fi
[ "$PASS" != true ] && echo "⛔ 验证未通过 — 必须修复后再结束本步骤"

关键规则

• 题目要具体（不能太宽泛）
• 数据要可得（优先有公开数据的题目）
• 方法要规范（假设检验、模型诊断是评审重点）
• 创新点要明确
• 查重风险：不能照搬已有论文
• ⛔ 主输出文件：TOPIC_PLAN.md。不要在根目录写额外报告
• ⛔ Markdown 中的 LaTeX 公式：$$ 块级公式单独成行且前后空行，行内用 $...$，多行环境用块级，避免 \text{} 包裹中文