为何收录
0.7.0 对研究者最重要的变化是纠错。官方更新记录写明，这一版修复了许多缺陷，其中若干会在不报错的情况下返回错误结果，并强烈建议所有用户升级。列入“错误结果”一类的修复包括：mixed_anova 的球形性校正；两个组内因素都多于两个水平时 rm_anova 交互项的 epsilon；sphericity 的 JNS 检验统计量；linear_regression 与 logistic_regression 的标准误随预测变量尺度变化；带 padjust 的 rcorr 校正过宽；ptests 忽略 padjust 参数；设置全局舍入选项时 pairwise_tests 的校正 p 值；以及存在未使用因子水平时 anova 与 ancova 的平方和。用旧版本做过这些分析的读者，值得在 0.7.0 下重算核对。
混合方差分析的版本对比
更新记录对 mixed_anova 的说明是：旧版组内因素的 Greenhouse-Geisser 校正 p 值与同一行的 F 值和自由度不一致，epsilon 和 Mauchly 球形检验又是用总协方差矩阵、而不是组内合并协方差矩阵算出的。官方称修正后的数值与 R、SPSS 和 JASP 一致，交互项也增加了校正 p 值；只要组均值在组内因素的各水平间存在差异，eps、W_spher、p_spher 和 p_GG_corr 都会改变。
实测使用 Pingouin 内置的 mixed_anova 数据：60 人分为 Control 和 Meditation 两组，在 August、January、June 三个时间点各测一次，共 180 行。脚本沿用 README 第 7、8 节的示例，只把 correction 改为 True 以显示校正结果，运行命令为 python ex02_mixed_anova.py。0.7.0 的输出中，Group 主效应 F=5.051709，p=0.028420，偏 η²=0.080120；Time 主效应 F=4.027394，未校正 p=0.020369，GG 校正 p=0.020438，偏 η²=0.064929；交互作用 F=2.727996，未校正 p=0.069545，校正 p=0.069655。
事后比较沿用 README 的 FDR（BH）校正与 Hedges g。August 与 June 的差异校正后 p=0.024134，Hedges g=−0.482547，BF10=4.232；August 与 January、January 与 June 两对的校正 p 分别为 0.130512 和 0.310194。这组比较把两组合并后看 Time，不能当作交互作用的简单效应检验。
内置 mixed_anova 数据的混合方差分析与事后比较输出（实测终端截图，2026-10-19 运行生成）
随后在第二个独立虚拟环境中安装 0.6.1，用同一脚本和相同的依赖版本重跑，没有出现兼容性错误。两版的描述统计、F 值、未校正 p 值和事后比较完全相同，差别集中在球形性相关的几列：Time 的 eps 由 0.998751 变为 0.99812，Mauchly 检验 p 值由 0.964357 变为 0.947694，GG 校正 p 值由 0.022677 变为 0.020438；交互作用在 0.6.1 中没有校正 p 值，0.7.0 给出 0.069655。
eps 接近 1 时，校正 p 值本应与未校正 p 值（0.020369）非常接近。0.6.1 给出的 0.022677 偏离较多，0.7.0 的 0.020438 则贴近，这与更新记录描述的问题相符。在这份数据里，两个版本的结论一致：Time 在 0.05 水平显著，交互作用不显著。本次只测了这一份数据，不能据此估计其他设计中修正前后的差距。
t 检验与相关示例
README 第 1 节的 t 检验示例使用随机种子 123，每组 30 个观测，按默认的独立样本设定运行（python ex01_ttest.py）。一行 pg.ttest 返回 T=−3.400706，自由度 58，p=0.001222，均值差的 95% 置信区间为 [−1.68, −0.43]，Cohen's d=0.878059，检验力 0.916807，BF10=26.155。README 生成的两列数据本身相关，真实的配对设计应设置 paired=True。
README 第 2 节的 Pearson 相关复用同一组数据（python ex03_correlation_plot.py）：n=30，r=0.594785，95% 置信区间 [0.3, 0.79]，p=0.000527，BF10=69.723，检验力 0.950373。同一脚本还运行了函数文档中的 pg.qqplot 示例：重设种子 123，生成 50 个标准正态样本，画出文首的 Q-Q 图。它只演示绘图功能，不是对下文案例残差的诊断。
模拟前后测研究案例
为了贴近常见的干预研究，实测另写了一个前后测两组设计的案例。以下全部是模拟数据，不是研究证据：两组各 30 人，前测、后测各一次；个体基线服从均值 50、标准差 8 的正态分布，测量噪声标准差为 3，对照组设定平均提高 1 分，干预组提高 6 分；随机种子固定为 20261019。
混合方差分析（python ex04_research_case.py）显示，Time 主效应 F=39.905608，p=4.066926×10⁻⁸，偏 η²=0.407593；Group 主效应 F=0.017024，p=0.8966405；交互作用 F=13.362783，p=0.0005541788，偏 η²=0.187251。只有两个时间点时 epsilon 等于 1，这个案例看不出球形性校正的作用。
pg.pairwise_tests 在混合设计中默认比较的是每个时间点上的组间差异，前测和后测的 Holm 校正 p 都是 0.568783。研究者往往更关心各组自身的前后变化，因此脚本另对每组做 Post−Pre 配对 t 检验，并在这两次预设检验之间做 Holm 校正：对照组 t=1.633326，p=0.1132123，Cohen's d=0.168390；干预组 t=8.600295，校正 p=3.591585×10⁻⁹，Cohen's d=0.773684，BF10=6.531×10⁶。还要注意，pairwise_tests 输出中单个主效应行的 p_corr 显示为 NaN，不代表这些行已经校正。
最后用同一随机数流生成 40 名受访者对 5 个连续题项的作答，计算得到 Cronbach α 约为 0.935（输出 0.9347949933198707），95% 置信区间为 [0.896, 0.962]。这只示范内部一致性的计算，不能说明量表效度。
模拟前后测两组设计的混合方差分析、配对比较与 Cronbach alpha 输出（模拟数据，实测终端截图，2026-10-19 运行生成）
局限与许可
这次实测只覆盖 README 和函数文档中的少量示例和一个模拟案例，没有运行项目完整测试套件，结果不能当作对 Pingouin 数值正确性的独立认证。我们也没有另行检验正态性、方差齐性等前提。依赖版本由安装时自动解析，换一套依赖组合，输出可能有差别。0.7.0 还包含不兼容改动，例如 linear_regression 不再自动删除重复、全零或多余的常数列，已弃用的 gzscore 被移除，升级前应检查已有脚本。
Pingouin 采用 GNU GPL 第 3 版。这一许可不限制在研究中运行程序；分发修改版，或分发包含 Pingouin 的软件时，须按 GPL-3.0 提供对应源代码并附许可证文本。计划把它打包进闭源工具对外发布的团队，应先评估许可要求。
已经在用 0.6.x 的读者，可以拿一份自己的混合设计数据，在两个独立环境中分别运行 0.6.1 和 0.7.0，对照 eps 与 p_GG_corr 两列；这是建议的验收步骤，本文没有用真实研究数据做过。项目入口：GitHub 仓库、v0.7.0 发布页、文档站。