SPSS Studio MCP

让 SPSS 成为 Agent 的「统计引擎 + 制图工厂」：论文级图片、深度结果解析、方法真机验证、安全执行。

spss-studio-mcp 是一个面向 IBM SPSS Statistics 的 MCP（Model Context Protocol）服务器，为 Codex / Claude Code / Cursor 等 Agent 客户端提供：

• 论文级出图：11 类 spss_chart_* 工具，一键导出 PNG / TIFF / EMF（1950×1500 @300 dpi），路径回传可直接投稿；
• 深度结果解析：OMS 文本 → Markdown 表格 + 结构化 JSON + 16 类分析统计摘要（t / F / r / B / Wald / α / χ² / p / 效应量）；
• 方法真机验证：37 个分析方法 + 11 个补充工具全部在真实 SPSS 32 验收通过；
• 中介 / 调节：spss_mediation（Baron & Kenny 三步回归 + Sobel）、spss_moderation（中心化交互回归）；
• 安全执行层：危险命令拦截、数据路径白名单、dry_run 预检、JSONL 审计日志。

全部能力已在 IBM SPSS Statistics 32.0.0（Windows） 真机验证（109 个单元测试全部通过）。

---

快速开始

cd spss-studio-mcp
pip install -e ".[dev]"
spss-studio-mcp status                     # 应显示 SPSS batch: OK

spss-studio-mcp configure-codex            # 写入 Codex 客户端配置（~/.codex/config.toml）
spss-studio-mcp configure-claude           # 写入 Claude Code 配置（~/.claude.json）

然后在客户端里直接用自然语言驱动，例如：

对 examples/data/survey_study.sav 做描述统计和可靠性分析
用 examples/data/experiment_study.sav 做独立样本 t 检验（group 分组，posttest）
用 examples/data/mediation_study.sav 做中介分析：autonomy → satisfaction → performance
画 examples/data/survey_study.sav 学习投入总分的直方图（带正态密度），PNG 300dpi

论文级图表（核心卖点）

工具	用途
spss_chart_histogram / spss_chart_histogram_density	分布直方图 / 直方图 + 正态密度
spss_chart_scatter	两变量散点图
spss_chart_bar / spss_chart_bar_error	分类均值条形 / 条形 + 95% CI 误差须
spss_chart_line / spss_chart_area	时间序列折线 / 面积图
spss_chart_boxplot	分组箱线图
spss_chart_errorbar	均值 ± CI 误差条
spss_chart_qqplot	正态 Q-Q 图
spss_chart_km_curve	Kaplan-Meier 生存曲线

spss_chart_histogram_density(
    variable="engagement_total",
    title="学习投入总分分布（带正态密度）",
    image_format="PNG",            # PNG / TIFF / EMF
    width_px=1950, height_px=1500, dpi=300,
    data_file="examples/data/survey_study.sav",
)
# → 返回图片文件路径，可直接投稿

样例输出（SPSS 32 真机导出，1950×1500 @300 dpi）：

结构化结果与统计摘要

spss_structured_result(
    syntax="T-TEST GROUPS=group(1 2) /VARIABLES=posttest.",
    data_file="examples/data/experiment_study.sav",
)
# → {markdown, json: {tables, summary}, files, warnings}

run_syntax 返回的 Markdown 末尾自动附加 ### 统计摘要（自然语言结论 + 关键统计量）， 16 类分析的摘要抽取细节见 docs/result_parsing.md。

样例数据

examples/data/ 提供 5 组贴近论文场景的样例数据（固定随机种子，可复现）：

文件	场景	关键变量
survey_study.sav	问卷：200 人学习投入	gender / major / q1–q12 / engagement_total
experiment_study.sav	实验：120 人记忆训练前后测	group / pretest / posttest / gain
survival_study.sav	生存：150 例随访	treatment / time / status
mediation_study.sav	中介：300 员工	autonomy / satisfaction / performance
longitudinal_study.sav / long_study.sav	纵向：60 人 3 次测量	id / group / time / score

安全执行

• 危险命令（HOST / ERASE / DELETE FILE 等）行首匹配拦截；
• 数据文件路径白名单（SPSS_ALLOWED_DIRS，默认 examples/ + 系统临时目录）；
• spss_run_syntax(..., dry_run=True) 先校验不执行；
• 审计日志默认写入 logs/audit.jsonl（可用 SPSS_AUDIT_LOG 改路径）。

详见 docs/security.md。

文档

• 使用教程
• 技术报告（论文稿）
• 出图管线 PoC 与 SPSS 32 兼容性发现
• 结果解析（16 类分析摘要）
• 方法真机验证
• 安全层
• 更新日志

生态收录与发布

• 状态：P0–P4 里程碑完成，v1.0.0 发布准备就绪；
• LobeHub / PulseMCP 收录条目与提交清单：docs/ecosystem.md；
• Release v1.0.0 说明：docs/release_notes_v1.0.md。

许可证

MIT（上游：Exekiel179/SPSS-MCP，MIT）。