推断性统计
用我的数据检验假设。我会附上数据文件(CSV、XLSX 或 SPSS),并说明假设或想做的比较,必要时附上编码手册或分析计划。请给我一份统计分析报告:针对每个假设说明选择该检验的理由、前提检验、包含效应量、95% CI 和 APA 格式语句的结果,并做多重比较校正;另附结果表。
推断性统计: 正在分析数据
请告诉我们数据文件和想要验证的假设。我们会为每个假设选择合适的检验,先检查前提再执行,提供包含效应量、置信区间和APA格式语句的统计分析报告以及结果表。
适合这些人
- 收集了实验或调查数据,却不确定该用哪种检验的研究者
- 需要按APA格式整理学位论文或投稿稿件结果部分的研究生
- 审稿人问“为什么用这个检验”“检查前提了吗”“效应量是多少”时需要依据的研究者
- 需要严格按预注册分析计划进行验证性分析的研究团队
- 需要用统计方法确认A/B测试或条件比较结果的UX研究员
你将得到
你会得到两项结果:报告包含解释和语句,结果表包含所有数值。
- 统计分析报告 各假设的检验结果与解释 · 首页假设摘要表(假设 · 检验 · APA结果 · 判定),数据与排除记录,各假设的决策路径、前提检查、描述统计、结果、事后检验、图和解释,稳健性检查,解释的局限,方法部分草稿,需要你决定的事项,统计一致性检查 · MD(可用PDF·PNG转换智能体生成用于分享的PDF)
- 结果表 报告中的所有数值 · 工作表:假设摘要 · 描述统计 · 前提检查 · 模型表 · 事后检验 · 排除记录 · 稳健性 · 决策路径 · XLSX(可直接导入SPSS、R、JASP)
报告中可以确认的内容
报告中的数值与结果表一致,计算这些数值的代码以代码框的形式保留在每个步骤中。点击代码框即可在右侧查看代码和运行结果。
- 数据 行列数、变量类型、缺失值、被排除的个案及原因和数量
- 设计判断 被试间·被试内·混合、组和水平数、重复结构、结果变量的尺度、各单元格人数
- 检验选择 决策路径(例:正态性满足 → 方差不齐 → Welch)、未采用的备选方案
- 结果 统计量、自由度、精确p值、效应量与95% CI、各组M·SD·n、事后检验
- 审慎解释 多重比较校正、敏感性分析、等效性检验(按指示)、验证性与探索性的区分、稳健性检查
- 用于稿件 APA 7结果语句、方法部分草稿、所用软件及版本
这样提出请求
用附件中的数据检验{想验证的假设或问题}。我想看看{结果变量}是否因{组别·条件变量}而不同。 — 把下划线部分改成你的研究内容后发送。
- 想验证的假设或问题:如有多个,请分行写成H1、H2…。写出的假设按验证性分析处理。
- 组别·条件变量 · 结果变量:直接写列名最准确。留空时会选择最合理的对应关系,并在报告和聊天第一行注明为假设。
最好一并提供
- 数据文件(CSV·TSV·XLSX·SPSS .sav·Stata .dta) 长格式(一行=一次测量)和宽格式都可以。告诉我们被试ID列,就能正确识别重复测量
- 变量说明(编码手册) 严格遵循变量角色、尺度和缺失值编码,不会只凭列名猜测含义
- 预注册或分析计划 遵循计划中的假设、排除标准和校正方法,并将这些假设按验证性处理
也可以这样请求
- 用附件的实验数据检验三种照明条件下专注得分的差异。 → 根据前提检查选定的单因素方差分析(或Welch、Kruskal–Wallis)、事后检验、效应量和图表
- 确认前后测分数是否只在处理组中上升。被试ID是pid列。 → 混合设计方差分析(组别 × 时间交互作用),有缺失时使用线性混合模型
- 按计划检验附件预注册中的H1~H3。 → 按计划进行的验证性检验,主假设固定α、其余用Holm校正,需要你决定的事项
- 看看性别和是否购买有没有关系。 → 交叉表、卡方检验(期望频数小时用Fisher精确检验)、Cramér's V
我的指示
同样的数据,不同实验室和期刊的检验标准和报告方式也不同。只需选择需要的项目进行设置,未设置的项目按默认值进行。命名保存后,下次可以直接调用。 报告首页会列出本次应用的指示、按默认值进行的项目以及所作的假设。
- 显著性水平与方向 (检验标准) 判定标准以及单侧/双侧 · 例如: α = .01 · 有方向的假设用单侧 · 默认: α = .05,双侧
- 多重比较校正 (检验标准) 进行多个检验时的校正 · 例如: Bonferroni · FDR(Benjamini–Hochberg)· 不校正 · 默认: 主假设固定α,其余假设和事后检验用Holm
- 检验选择方式 (检验标准) 参数与非参数检验的切换标准 · 例如: 始终用参数检验 · 违反前提时用非参数 · 两组始终用Welch · 默认: 按前提检查结果依规则选择(决策路径写入报告)
- 效应量 (检验标准) 要报告的效应量类型 · 例如: Hedges' g · 偏η² · ω² · 默认: 适合设计的默认值(t: Hedges' g / d_z,方差分析: 偏η²,分类: Cramér's V)及95% CI
- 缺失处理 (数据处理) 含缺失个案的处理方式和缺失编码 · 例如: 999和-9表示缺失 · 仅用完整个案 · 默认: 每项分析使用完整个案,记录缺失比例和排除数量
- 异常值规则 (数据处理) 极端值的处理 · 例如: 超出±3 SD排除 · 仅标记 · 默认: 不排除只标记,在稳健性检查中与排除后的结果比较(3 MAD)
- 排除标准 (数据处理) 从分析中排除的个案 · 例如: 注意力检查题答错(attn = 0)· 作答时间少于120秒 · 默认: 只应用请求或编码手册中写明的标准
- 报告格式 (报告方式) 统计语句的格式 · 例如: APA 7 · 保留三位小数 · 默认: APA 7(精确p值,p < .001,p和r不写前导0)
- 补充分析 (报告方式) 同时进行的分析 · 例如: 同时给出贝叶斯因子 · 等效性检验(TOST)±0.3 SD · 默认: Pro及以上对不显著的验证性假设做敏感性分析
- 代码语言 (报告方式) 步骤代码框的语言 · 例如: R · Python · 默认: Python,Expert起另做R交叉核对
- 报告语言 (报告方式) 撰写语言 · 例如: 用英语撰写 · 默认: 请求的语言
工作方式
不会先挑选检验名称。根据数据结构和假设判断设计,并依据前提检查的结果,按既定规则选择并执行检验。所有数值都来自实际运行的代码,每个步骤运行的代码都可以查看。
- 数据检查 做什么: 读取行、列、变量类型、缺失和重复并以表格展示 · 可以设置: — · 需要确认: 变量类型是否正确
- 假设与分析计划 做什么: 为每个假设确定结果变量、比较变量、被试ID以及验证性/探索性,制成计划表。没有假设时,从数据中挑选少数关键比较并标为探索性 · 可以设置: 显著性水平与方向、多重比较校正 · 需要确认: 假设与变量的对应
- 清理与排除 做什么: 应用缺失值编码和排除标准,记录每条标准排除的数量 · 可以设置: 缺失处理、异常值规则、排除标准 · 需要确认: 排除标准是否适合研究
- 前提检查 做什么: 检查正态性、方差齐性、球形性、期望频数、各单元格人数 · 可以设置: — · 需要确认: 被违反的前提
- 检验 做什么: 根据设计和前提检查结果选择检验(记录决策路径)并执行,包括事后检验和每个假设的图 · 可以设置: 检验选择方式 · 需要确认: 所选检验
- 效应量与不确定性 做什么: 效应量与95% CI、多重比较校正、不显著验证性假设的敏感性分析、统计一致性检查 · 可以设置: 效应量、补充分析 · 需要确认: 效应的实际意义
- 稳健性检查 做什么: 用非参数/参数备选方法、排除异常值后重新运行,查看结论是否保持(Pro及以上) · 可以设置: 异常值规则 · 需要确认: 结论发生变化的假设
- 撰写报告 做什么: 用APA语句、表格和图撰写报告和结果表。解释语句中不直接写数字,由代码填入结果位置 · 可以设置: 报告格式、报告语言 · 需要确认: 需要你决定的事项
不同级别的区别
使用的检验
- 两组 Welch t检验(Hedges' g) · 非正态或顺序尺度 → Mann–Whitney(秩二列相关 r)
- 三组及以上 Welch 方差分析·Games–Howell(不假定方差齐性) · 非正态 → Kruskal–Wallis·Holm
- 重复测量 配对t(dz) · Wilcoxon · 重复测量方差分析(违反球形性时用Greenhouse–Geisser) · Friedman
- 多因素·协变量 多因素方差分析·协方差分析(II型平方和,偏η²) · 混合设计方差分析 · 有缺失或不平衡时用线性混合模型
- 连续预测变量 Pearson·Spearman相关 · 线性回归(异方差时用HC3)
- 分类结果 卡方(Cramér's V) · Fisher精确检验 · McNemar · logistic回归(优势比)
- 信度、因子分析、结构方程,以及生存分析、元分析不在本智能体的范围内。
关于此方法
- 为什么按规则选择检验 同样的数据,使用不同的检验可能得出不同的结论。看到结果后再选检验,容易只留下看起来理想的结果。因此只根据设计和前提检查结果、按既定规则选择检验,并把路径和未采用的备选方案写进报告。
- 这项工作为什么难 是否重复测量、方差是否相等、结果变量是否为顺序尺度,都会改变所用的检验;检验一变,效应量和报告方式也随之改变。通用AI也能写出看似合理的结果语句,但常出现自由度与p值不符、写出未经计算的数字等问题。本智能体只用代码生成数字,并根据统计量和自由度重新计算每个p值进行核对。
- 请求技巧
- 有假设请务必写出。 写出的假设按验证性、智能体挑选的比较按探索性分开报告。
- 请告诉我们被试ID列,以免把同一人的多行当作独立个案。
- 收到结果后可以在聊天中继续请求。例如:“把H2按年龄控制后重做”“去掉异常值结果会变吗?”
常见问题
- 研究者需要自己判断哪些部分?
- 变量角色和设计判断(报告首页的假设)、排除标准以及效应的实际意义。探索性结果需要用新数据确认。
- 和SPSS、R的结果一样吗?
- 方法和选项相同,结果就应相同。报告中列有所用的软件包及版本,每个步骤运行的代码都可以点开查看。
- 不显著的结果怎么写?
- 不会写“没有效应”。会同时给出效应量和CI,以及这个样本能检测到的最小效应(敏感性分析)。在我的指示中开启等效性检验,还会判断能否视为实际上相同。
- 数据如何处理?
- 上传的文件只用于分析,不会修改原始文件。