分析結果を日本語でまとめる
インストールする前に、エージェントに与えられる指示の中身を確認できます。
analysis-reporting に従って、分析結果をまとめる。
要約対象の分析や発見事項が渡されていない場合は、ユーザーにどの分析をまとめるか確認する（例: notebookのパス、スクリプトの出力、または発見事項を直接貼り付けてもらう）。
スキルファイルに定義された構成・必須情報・再現性メモを使用する。
該当する場合は以下を含める: データ期間、フィルタ条件、サンプルサイズ、指標定義、入力データパス、クエリ/スクリプトパス、出力パス、実行コマンド。
要約は日本語で記述する。
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Use this when summarizing analysis results, writing reports, documenting experiment outcomes, or presenting model evaluation — including structuring findings in Japanese with conclusions, facts, assumptions, interpretations, and caveats.
日本語の概要は準備中です。原文の説明を表示しています。
因果推論・効果検証（A/B テスト / ABテスト / オンライン実験 / リフト / SRM / CUPED、観察データの処置効果 / ATE / ATT / CATE / 傾向スコア / propensity score / IPW / 二重頑健 / DML / causal forest、準実験 / 差の差 / DiD / イベントスタディ / 操作変数 / IV / 2SLS / 回帰不連続 / RDD / 合成コントロール）を実行したら必ずセットで出す図と値のルーター。 proportions_ztest, chisquare, statsmodels.stats.power, dowhy, econml, causalml, doubleml, propensity, LinearDML, IV2SLS, rdrobust, rddensity, pysyncon, treat*post がコードに現れたとき、またはユーザーが「ABテストの結果を 見て」「施策の効果を推定して」「差の差で」「傾向スコアで揃えて」「閾値前後で比較して」と言ったときに使う。SRM・ バランス・並行トレンド・first-stage に言及がなくても適用する。SKILL.md のルーティング表で設計を特定し、対応する references/<設計>.md を読んでから実行する。実験でない群間比較の検定は statistical-inference-diagnostics、 予測モデルの解釈（SHAP 等）は predictive-modeling-diagnostics を使う。
Use this when performing DataFrame operations — including loading, filtering, joining, aggregating, transforming, or reshaping tabular data with polars or pandas.
日本語の概要は準備中です。原文の説明を表示しています。
Use this when creating, editing, executing, or reviewing Jupyter notebooks — including cell structure, kernel management, extracting reusable logic to src/, and ensuring notebooks are restartable.
日本語の概要は準備中です。原文の説明を表示しています。
Use this when reading from or writing to local files — including constructing file paths with pathlib, creating directories, choosing output locations, and using path utilities from src/analysis_project/paths.py.
日本語の概要は準備中です。原文の説明を表示しています。
分析を始める前に構造化された分析計画を作成する