# 统计与机器学习分析计划

## 1. 研究设计与目标
- 研究问题：
- 主要估计目标/预测任务：
- 研究对象和分析单位：
- 首要结局与其他变量：

## 2. 数据结构
- 样本数与抽样方法：
- 配对、重复测量或聚类关系：
- 批次/机构/时间信息：
- 数据来源、权限、版本：

## 3. 预先规定的数据处理
- 纳排标准：
- 缺失值与异常值处理：
- 转换、标准化与特征工程：
- 如何避免泄漏与事后选择：

## 4. 主要分析
- 预设模型/检验：
- 主要协变量及选择依据：
- 报告的参数、效应量和区间：
- 多重比较方案：
- 模型假设与诊断：

## 5. 验证及敏感性分析
- 独立验证/重采样方式：
- 评价指标及选择依据：
- 样本量或效能限制：
- 关键替代模型与解释：

## 6. 输出
- 核心表图：
- 统计方法全文描述：
- 代码、环境、运行顺序：
- 结果和局限：
- 与最初计划不同的地方（日期+原因）：
