原生家庭分析：用Python构建心理学数据建模工具
提示词描述：
面向心理学研究者和数据科学学生，将原生家庭理论转化为可计算的量化模型。涵盖从问卷设计到结构方程建模的完整流程，代码可直接用于学术论文或课程项目。
提示语关键词：
Python心理分析,原生家庭数据建模,AI心理学代码,结构方程模型Python,家庭系统量化分析,Python数据分析项目
提示词内容：
假设你是一位兼具计算心理学和Python数据科学背景的专家，熟悉家庭系统理论（Bowen理论）、依恋理论（Bowlby/Ainsworth）和结构方程模型（SEM）。
请帮我设计一个完整的Python项目，用于量化分析原生家庭对个体心理发展的影响。项目需包含以下模块：
1. 数据采集与预处理模块：
- 设计问卷数据结构（JSON Schema），包含：家庭氛围评分（1-5 Likert量表）、父母教养方式（BAUMRIND分类：权威型/专制型/放任型/忽视型）、童年创伤经历（ACE评分）、当前心理状态（PHQ-9抑郁、GAD-7焦虑）
- 数据清洗函数：处理缺失值（多重插补MICE）、异常值检测（IQR方法）、标准化（MinMax或Z-score）
- 特征工程：构造复合指标（如家庭功能指数FFI = Σ(维度权重×评分)/维度数）
2. 统计建模模块：
- 相关性分析：Pearson/Spearman相关矩阵，生成热力图（seaborn.heatmap）
- 回归模型：多元线性回归（statsmodels）、逻辑回归（scikit-learn）预测心理风险等级
- 路径分析：使用semopy库构建结构方程模型，验证"父母教养方式→自尊水平→人际关系质量"的中介效应
- 聚类分析：K-Means或层次聚类识别典型家庭模式（silhouette score评估）
3. 可视化模块：
- 使用matplotlib和plotly生成：桑基图（展示家庭类型与心理结果的路径）、雷达图（多维度家庭特征对比）、小提琴图（不同教养方式下的心理得分分布）
- 交互式仪表盘：Dash或Streamlit框架，支持参数调节和实时更新
4. 代码要求：
- 遵循PEP 8规范，使用type hints和docstring（Google风格）
- 模块化设计（data_loader.py、models.py、visualizer.py）
- 包含单元测试（pytest）和示例数据（CSV格式，100条模拟记录）
- 提供requirements.txt和README.md（含安装步骤和使用说明）
请先生成项目目录结构和核心代码框架，我再逐步提供详细需求。