# A：从分析规格到可检查实现

## 学习结果
读者能解释样本为什么是21而不是15，手算反向题，并区分公式更改与代码修复。下一步写作需展示如何用 AI 学习与比较方法，不能只保留找错。

## 输入与确认规则
survey24.csv 为新合成的24行，id 唯一；stress1–3、rum1–3、sleep1–3 取1–5，空格项为缺失，age 仅供故意错误候选演示。rum3 按6-x反向；每个量表至少两题有效才取有效题均值。三项量表均可计分者进入教学模型。

确认公式：sleep_mean ~ stress_mean + rum_mean。没有授权增加年龄，也没有声称该模型可识别因果机制。

## 故意错误候选
要求九题全部完整；rum3 改按5-x反向；公式添加 age。三个改变要分开报告，不用一个总分遮盖。

## 独立参考
- 完整行 S01–S15 共15行。
- S16–S21 各缺一题，三个量表仍均可计分，加入后共21行。
- S22–S24 各在一个量表缺两题，无法形成全部三项得分。
- S01：rum1=2、rum2=3、rum3=1；反向题为5，rum_mean=10/3。错误反向为4，均值变为3。
- 正确保留集合为 S01–S21；错误九题完整规则仅 S01–S15。

check_cases.py 执行这些断言并展示正确/错误差别。它检查规格实现，不拟合回归；作者不能把它描述为完成了统计推断。

## 课堂任务
先请 AI 解释每份规则会怎样改变数据，再运行检查。读者在揭示答案前手算 S01，并从缺失模式预测保留人数。最后写一段“这一修改如何影响研究”的采用/拒绝理由。