欠測値・外れ値アシスタント
データクリーニングをSTROBE準拠の文章に
欠測値・外れ値アシスタント
データクリーニングをSTROBE準拠の文章に
コンテンツ紹介
説明
サンプルサイズ、欠測データの割合とパターン(MCAR/MAR/MNAR)、使用した欠測データ処理法(listwise deletion、multiple imputationなど)、外れ値の検出方法(Zスコア、IQR、マハラノビス距離)を入力すると、論文の「データ前処理」セクションにそのまま追加できる学術的な段落を作成します。手法の選択と欠測データのパターンに方法論的な矛盾がある場合(たとえば、MNARパターンでlistwise deletionを使用している場合)は、その点を明確に指摘します。アンケートまたは臨床データの分析を行い、データ前処理のセクションを迅速かつ正確に作成したい大学院生や研究者に適しています。
おすすめした人
Shuting@YouMind
このスキルをおすすめする理由
データクリーニングをSTROBE準拠で査読にも耐えうる「データ前処理」セクションに変換。欠測パターン、補完法、外れ値基準、最終標本の整合性も確認します。
こんな方におすすめ
アンケートまたは臨床データを分析する学生や研究者に適しています。
この Skill の使い方
入力を用意する
サンプルサイズ、欠測データの割合とパターン、使用した手法、外れ値への対応、最終的なサンプル情報を入力してください。
Skill を実行する
アシスタントがデータ前処理の手順を方法論的な一貫性の観点から評価し、学術的な文章にまとめます。
結果を確認する
論文に追加できるデータ前処理の段落、手法の根拠、検定力分析に関する注意喚起が得られます。
関連スキル
すべて表示
研究記述統計ライター
ユーザーの記述統計の出力(平均±SDまたは中央値(IQR)、n(%))を、論文にそのまま追加できる学術的な「参加者の特徴」段落と、Table 1形式の表に変換します。正規性の状況に応じて適切な記述統計(平均±SDまたは中央値(IQR))を選択し、決して混同しません。対象:論文の「参加者」セクションを迅速かつ正確に作成したい大学院生および量的研究を行う研究者。
研究Cronbach α信頼性ライター
入力した信頼性統計(Cronbachのα、項目数、下位尺度)を、論文にそのまま追加できる学術的な「信頼性分析」段落に変換します。下位尺度ごとの許容性表を提示し、低いα(<.60)を検出した場合は隠さず明確に記載します。学位論文や論文の方法セクションを迅速かつ正確に執筆したい大学院生や、尺度を使用する研究者に適しています。
欠測データ報告アシスタント
サンプルサイズ、欠測データの割合やパターン(MCAR/MAR/MNAR)、欠測データへの対応方法(リストワイズ削除、多重代入など)、外れ値の検出方法(Zスコア、IQR、マハラノビス距離)を入力すると、論文の「データ前処理」セクションにそのまま挿入できる学術的な段落を作成します。対応方法と欠測データのパターンに方法論上の矛盾がある場合(例:MNARパターンでリストワイズ削除を使用している場合)は、その点を明示します。データ分析を行う大学院生や研究者が、データ前処理のセクションを迅速かつ適切に作成したい場合に適しています。
情報
- バージョン
- v2
- 最終更新
- 実行クレジット
- 使用量に応じて消費
- モデル
- 自動選択
- 活用シーン
- 文章・コンテンツ制作調査・分析
- 得られるもの
- 記事