核心用法
historical-cost-analyzer 是一款面向建筑工程领域的专业成本分析工具，通过 Python 类库形式提供历史项目数据的深度挖掘能力。核心功能包括：
1. 数据归一化：支持按年份（成本指数）和地域（位置系数）进行成本标准化，消除时间和地域差异对对比的影响
2. 基准计算：生成成本/平方英尺、超支百分比等指标的中位数及四分位区间，建立可量化的参考基准
3. 通胀分析：基于内置成本指数计算年度通胀率，支持 2015-2026 年区间的成本趋势预测
4. 成本驱动识别：运用皮尔逊相关分析和方差分析，自动识别影响成本的关键量化与分类因素
5. 项目相似度匹配：根据项目类型、面积、地域、时间窗口筛选可比案例
6. 估算校验：将当前估算与历史基准对比，输出百分位排名和风险提示
7. overrun 模式分析：按项目类型和规模分类统计超支规律
显著优点
- 行业针对性强：内置 RSMeans 城市成本指数和工程行业专用指标（$/SF），直接适配美国建筑市场
- 统计方法严谨：采用分位数、相关性检验、置信区间等标准统计方法，结果可信度较高
- 灵活的数据适配：通过 pandas DataFrame 接口兼容多种数据来源（Excel、数据库、API）
- 开箱即用的分析模板：提供从数据加载到报告生成的完整工作流，降低使用门槛
潜在缺点与局限性
- 数据依赖性极强：分析质量完全取决于历史数据的完整性、准确性和代表性，低质量输入将导致误导性结论
- 地域覆盖有限：内置位置系数仅覆盖美国主要城市，国际项目或中小城市需手动补充数据
- 静态指数更新：COST_INDICES 为硬编码字典，未体现 2024 年后实际市场波动（如材料价格剧烈变化）
- 相关性≠因果性：成本驱动识别基于统计相关，可能混淆伴随因素与真实成本驱动因素
- 缺乏不确定性量化：未提供蒙特卡洛模拟或概率分布输出，难以支持风险决策
适合人群
- 工程造价师/估算师：需要校准估算模型、建立企业历史数据库的专业人员
- 成本顾问：为客户提供第三方基准分析和项目可行性验证
- 房地产开发商：进行投资组合的成本趋势分析和预算规划
- 学术研究人员：建筑经济、工程管理领域的量化分析
常规风险
1. 数据隐私风险：历史项目数据可能包含敏感商业信息，需确保合规脱敏和访问控制
2. 模型过时风险：基于历史模式的预测在宏观经济突变（如疫情、供应链危机）时失效
3. 过度拟合风险：小样本情况下高相关性可能为假阳性，需结合领域知识验证
4. 基准误用风险：不同项目类型的成本结构差异大，跨类型对比需谨慎