心理学数据分析助手
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/wangjinhongmy-pixel-psychology-data-analysis-101。
技能介绍
要解决什么问题
心理学与行为研究里,最难的不是跑出一行 p < .05,而是在设计类型、变量测度、样本量不一致时,选对检验、检查前提、把结果写成可投稿的 APA 段落。手工翻教材决策树、在 SPSS 菜单与 Python 脚本之间来回切换,很容易漏掉方差齐性、球形性或非参数备选。
技能如何工作
技能按五步推进,和常见论文工作流对齐:
- 收集研究信息:区分被试间 / 被试内 / 混合与问卷相关设计;整理自变量、因变量、协变量与
N;明确差异、相关、预测或中介 / 调节假设;确认数据是.xlsx、CSV 还是.sav,以及偏好 SPSS 还是 Python。 - 推荐检验方案:依据变量类型与设计给出对应检验(如独立 / 配对
t、单因素与重复测量 ANOVA、混合 ANOVA、卡方、Pearson / Spearman、多元回归、Bootstrap 中介、层次回归调节),并提示 Shapiro-Wilk、Levene、Mauchly 等前提检查。 - 执行分析:Python 侧可借助
scripts/python_analysis.py做加载清洗、描述统计、假设检验与可视化;SPSS 侧给出菜单路径、对话框设置与可选语法。 - 解读结果:输出统计量、效应量(Cohen's d、η²、β 等)、95% CI 与可直接粘贴的 APA 报告。
- 假设验证:判断是否支持假设,并说明局限与后续分析建议。
仓库内还有 references/stat_decision_tree.md、effect_size.md 等,方便对照决策与报告规范。
适用边界
它面向常规定量心理学分析的选型与报告,不能替代 IRB、因果识别设计或复杂 SEM 的完整建模咨询。大样本时 t / F 对正态性较稳健,但若关心中位数或非正态分布,仍需考虑非参数路径;技能会强调效应量与区间,而非只报 p 值。
使用场景
- 本科或硕博课程作业:写明被试内/间设计后,需要确认该用重复测量 ANOVA 还是混合模型并写出 APA 结果段
- 实验室回收的问卷 Excel:多组连续因变量,要先做正态与方差齐性检查,再选独立 t 或单因素 ANOVA
- 导师要求用 Python 复现 SPSS 结果:需在 Jupyter 中跑 t/ANOVA/相关并同步给出效应量与 95% 置信区间
- 论文审稿意见要求补中介分析:有连续 DV 与路径假设,需要 Bootstrap 中介检验及层次回归调节的操作指引
适合人员
- 心理学/教育学硕士生:设计已定但不确定 t、ANOVA 还是回归,希望少踩前提假设的坑
- 用 SPSS 做课设的学生:熟悉菜单操作,需要逐步对话框说明与可选语法对照
- 会用 pandas 的研究生:希望用脚本完成描述统计与假设检验,并自动生成 APA 格式句子
- 青年教师或研究助理:审稿人要效应量与区间,需要从 p 值汇报升级为规范结果描述