AI 数据分析代码怎么写：先定分析规格，再核对 R、Python 和 SPSS 结果

我需要把一份已经确定的分析规格实现成可审查脚本。先不要选择统计方法，也不要先跑模型；如果下面任何一项没写清楚，先列缺口并停在这里。

【软件】R / Python / SPSS 及版本：
【输入】脱敏小样本文件、数据版本/哈希、主键和一人多行规则：
【字段字典】字段名、含义、类型、单位、编码、特殊缺失值、时间点：
【研究问题】
【主要结局与目标效应尺度】
【比较组与参考组】
【协变量及纳入理由】
【缺失、排除、重复测量或聚类处理】
【预先指定的模型、假设检查和敏感性分析】
【输出要求】每组 N、描述统计、效应量、95% 区间、p 值、图表和机器可读结果：

请按五个可单独运行的部分输出：
1. 导入与校验：打印行列数、主键重复、类型、类别、范围、特殊缺失和样本流转；不符合字典就停止。
2. 变换：保留原字段，逐个创建派生变量，并用正常、边界、缺失行展示前后值。
3. 分析：只实现我明确指定的方法，说明每个模型回答哪个问题，不用默认检验替我决定。
4. 诊断：输出警告、假设检查、实际分析样本和未纳入的行。
5. 导出与复现：从结果对象生成表图，记录软件/包版本、随机种子、命令、日志和输入版本。

代码之外再给“人工必须确认”的清单。禁止上传未经批准的敏感数据；不要把代码成功运行、p 值或漂亮图表写成研究结论。