fix(stats): correlation_matrix 修硬 bug，两处 pyright 报错按坑 8/10 正经修（无 ignore）

用户报的是"63 行 p 值赋值报错"。查下来：63 行运行完全正常（p 是 np.float64），
pyright 那条是 scipy 存根的缺陷。但顺着看发现了真正跑不起来的第 41 行。

correlation_matrix:
- 硬 bug: `if numeric_cols == 0` 拿 Index 和标量比 -> 得到布尔数组。
  0 列时静默不报错、1 列时碰巧能跑、>=2 列直接 ValueError 崩（而 >=2 列正是常见情况）。
  改成 len(numeric_cols) == 0，并加回归用例
- pyright 两处报错都不是运行时问题，且一处 # type: ignore 都没挂:
  - data[numeric_cols] 是坑 8 的 DataFrame | Series 重载 -> cast 收窄
  - `_, p = stats.pearsonr(...)` 解包退化成 object（scipy 的返回值是 _make_tuple_bunch
    运行时拼的类，存根里没有 pvalue）-> 新增 _pvalue(result: Any) -> float 小助手统一取，
    后面 t_test / anova / chi_square_test 可复用
- method 校验提到最前；add_stars 的 elif 链改 if；清掉 3 条 F541 与 1 条 I001，ruff 归零
- 顺带记录两处待定：对角线被标了 ***；含 NaN 时 corr 成对删失而 pearsonr 不删，r 与 p 对不上

tests:
- test_correlation_matrix_diagonal_is_one 由 skip 改成 xfail(strict=False)（决策 30）:
  契约要数值矩阵、实现返回带星标字符串表，口径待拍板
- 新增 2 条：多列数值表能跑通、非法输入报错

验证: pytest 105 passed / 38 skipped / 1 xfail；ruff All checks passed；pyright 0 errors。

docs: STATUS.md（correlation_matrix 进行中 + 决策 40 + 下一步 A/B/C 选项）；CHANGELOG；
      personal-pitfalls 追加第 13 条（Index == 标量 得到布尔数组）；
      docs/04-environment.md 追加坑 10（scipy 检验结果的存根缺陷）

src/mcm_toolkit/stats/inference.py

@@ -7,7 +7,11 @@
 
 from __future__ import annotations
 
-from typing import Any
+from typing import Any, Literal, cast
+
+import numpy as np
+import pandas as pd
+import scipy.stats as stats
 
 __all__ = [
     "anova",
@@ -20,20 +24,98 @@ __all__ = [
 ]
 
 
-def correlation_matrix(data: Any, method: str = "pearson", min_periods: int = 1) -> Any:
+def _pvalue(result: Any) -> float:
+    """把 scipy 检验结果取成 p 值（float）。
+
+    scipy 的 `SignificanceResult` / `PearsonRResult` 是 `_make_tuple_bunch` 在**运行时**
+    拼出来的类，类型检查器看不到 `pvalue` 字段 —— 这里显式收成 `Any` 再取，
+    比给每一处调用挂 `# type: ignore` 干净，后面 `t_test` / `anova` 也能复用。
+    """
+    return float(result.pvalue)
+
+
+def correlation_matrix(
+    data: Any,
+    method: Literal["pearson", "kendall", "spearman"] = "pearson",
+    min_periods: int = 1,
+) -> Any:
     """相关矩阵 + 显著性星标。
 
+    Parameters
+    ----------
+    data:
+        必须是 `pandas.DataFrame`。**只有数值列参与**，非数值列自动跳过。
+    method:
+        `"pearson"` / `"kendall"` / `"spearman"`。
+    min_periods:
+        每对变量至少要有这么多个**共同非缺失**的观测才给相关系数，透传给 `DataFrame.corr`。
+
     Returns
     -------
     DataFrame，值 = 相关系数；`min_periods` 控制缺失值容差。
+    ⚠️ 当前实现返回的是**带星标的字符串表**（`1.000***` 这种），与上面这句契约不一致 ——
+    口径待定，见 `STATUS.md`。
+
+    Raises
+    ------
+    TypeError
+        `data` 不是 `pandas.DataFrame`。
+    ValueError
+        `data` 里没有数值列，或 `method` 不在支持列表内。
+
+    Notes
+    -----
+    星标读法：`***` p < 0.001，`**` p < 0.01，`*` p < 0.05，其余不带星。
 
     Examples
     --------
     >>> correlation_matrix(df).round(3)       # doctest: +SKIP
     """
-    # TODO(L0)
-    raise NotImplementedError
+    if not isinstance(data, pd.DataFrame):
+        raise TypeError(f"data必须是 pd.DataFrame,而你传的是{type(data)}")
 
+    valid_method = ["pearson", "kendall", "spearman"]
+    if method not in valid_method:
+        raise ValueError(f"不支持的方法:{method},仅支持{valid_method}")
+
+    numeric_cols = data.select_dtypes(include=[np.number]).columns
+    if len(numeric_cols) == 0:
+        raise ValueError("没有找到数值列")
+    # data[Index] 在 pandas 存根里是 DataFrame | Series 重载，按运行时真值收窄（坑 8）
+    df_num = cast(pd.DataFrame, data[numeric_cols])
+
+    corr_matrix = df_num.corr(method=method, min_periods=min_periods)
+
+    p_values = pd.DataFrame(0.0, index=corr_matrix.index, columns=corr_matrix.columns, dtype=float)
+    for i in range(len(corr_matrix.columns)):
+        for j in range(len(corr_matrix.columns)):
+            if i == j:
+                continue
+            if method == "pearson":
+                p = _pvalue(stats.pearsonr(df_num.iloc[:, i], df_num.iloc[:, j]))
+            elif method == "kendall":
+                p = _pvalue(stats.kendalltau(df_num.iloc[:, i], df_num.iloc[:, j]))
+            else:
+                p = _pvalue(stats.spearmanr(df_num.iloc[:, i], df_num.iloc[:, j]))
+            p_values.iloc[i, j] = p
+
+    def add_stars(val: float, p: float) -> str:
+        # 保留三位小数
+        val_str = f"{val:.3f}"
+        if p < 0.001:
+            return val_str + "***"
+        if p < 0.01:
+            return val_str + "**"
+        if p < 0.05:
+            return val_str + "*"
+        return val_str
+
+    formatted_corr = corr_matrix.copy().astype(str)
+    for i in range(len(corr_matrix)):
+        for j in range(len(corr_matrix)):
+            formatted_corr.iloc[i, j] = add_stars(corr_matrix.iloc[i, j], p_values.iloc[i, j])
+
+    return formatted_corr
 
 def confidence_interval(
     x: Any,