aionclaw可自动生成带统计依据的样本不足说明，根据数据摘要匹配t检验效力下降、置信区间变宽等场景，并需手动校准置信水平、分析类型及缺失原因，嵌入报告时须删除模糊表述并按监管要求替换结尾句。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你要在正式报告中说明样本不足对结论可靠性造成的实际限制，不能只写“样本量偏小”，必须明确写出它具体削弱了哪类推断、放大了哪些误差、导致哪些统计检验失效。AionClaw 可以帮你把这种专业表述自动嵌入报告语境，无需手动查统计手册。
用AionClaw生成带统计依据的样本不足说明
打开 AionClaw 客户端 → 点击左侧导航栏【自动化 (RPA)】→ 在搜索框输入“样本影响分析” → 选择技能卡片【报告术语自动生成：统计局限性说明】。
这一步会自动加载预置的统计学语境模板，包括 t 检验效力下降、置信区间变宽、分类模型过拟合风险上升等常见场景。你不用判断该用哪种，AionClaw 会根据你上传的数据摘要（如 n=12，p=0.07，Cohen’s d=0.42）实时匹配最贴切的表述逻辑。
点击【生成初稿】后，你会看到一段可直接粘贴进报告讨论部分的文字，例如：“本研究纳入样本量为12例，经事后统计效力检验（α=0.05，power=0.8），仅能可靠检测到效应量 ≥0.93 的差异；当前观测效应量为0.42，因此阴性结果不能排除真实存在的中等强度效应。”
手动校准关键参数避免误读
方法一：修正置信水平描述
在生成文本右侧的【参数面板】中，将“默认置信水平”从95%改为90%——【这是关键动作：若原始分析本身未使用95%置信区间，却在报告中强行套用该标准描述样本不足，会导致逻辑断裂】。
方法二：绑定原始分析方法
在【分析类型】下拉菜单中，必须选择与你实际所用方法一致的选项：比如你做的是 Mann-Whitney U 检验，就绝不能选“t 检验效力估算”。AionClaw 不会自动识别你用了什么检验，全靠你手动点选。
方法三：插入真实缺失值说明
在【补充说明】文本框里，用一句话写明缺失原因：“因伦理审查限制，晚期患者拒绝入组导致III期病例缺失3例”，不要写“部分数据缺失”。前者是可追溯的客观约束，后者是模糊归因。
嵌入报告时的三处硬性替换规则
第一步：定位到报告中“局限性”章节的首段第二句。
第二步：删除原文中所有含“可能”“或许”“有待进一步验证”的弱限定词——AionClaw 生成的文本已含统计依据，不需要再用模糊语气稀释确定性。
第三步：将生成句末尾的“建议扩大样本量”强制替换为“本研究未采集足够样本以支持该假设的拒绝或接受，后续验证需独立设计效力充足的队列”。【这是监管报告刚性要求：禁止将样本不足直接转化为行动建议，必须回归到假设检验的逻辑闭环】。
