缺失数据与异常值助手
将数据清理流程转为符合STROBE的段落
描述
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、所采用的缺失数据处理方法（listwise deletion、多重插补等）以及异常值检测方法（Z分数、IQR、Mahalanobis）后，即可生成一段可直接加入论文“数据预处理”部分的学术文字。如果所选方法与缺失数据模式之间存在方法学矛盾（例如在MNAR模式下使用listwise deletion），助手会明确指出。适用于进行问卷或临床数据分析，并希望快速、准确撰写数据预处理部分的研究生和研究人员。
相关技能
查看全部
缺失数据报告助手
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、缺失数据处理方法（逐案删除、多重插补等）以及异常值检测方法（Z 分数、IQR、马氏距离），即可生成一段学术表述，可直接插入论文的“数据预处理”部分。如果所选方法与缺失数据模式之间存在方法学矛盾（例如在 MNAR 模式下使用逐案删除），系统会明确指出。适合希望快速、准确撰写数据预处理部分的研究生，以及开展问卷或临床数据分析的研究人员。
Cronbach Alpha 信度写作器
将用户输入的信度统计数据（Cronbach alpha、题目数量、子维度）转换为可直接添加到论文中的学术“信度分析”段落。按子维度提供可接受性表格；如果检测到较低的 alpha 值（<.60），会如实明确指出，不予隐藏。适用人群：希望快速、准确撰写论文或学位论文方法部分的研究生和量表使用者。
描述性统计写作助手
将用户的描述性统计结果（均值±标准差或中位数（IQR）、n（%））转换为可直接添加到论文中的学术性“参与者特征”段落，并生成表1格式的表格。根据正态性选择正确的描述性统计方式（均值±标准差或中位数（IQR）），绝不混用。适用人群：希望快速、准确撰写论文“参与者”部分的研究生和开展定量研究的学者。
缺失数据与异常值助手
将数据清理流程转为符合STROBE的段落
描述
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、所采用的缺失数据处理方法（listwise deletion、多重插补等）以及异常值检测方法（Z分数、IQR、Mahalanobis）后，即可生成一段可直接加入论文“数据预处理”部分的学术文字。如果所选方法与缺失数据模式之间存在方法学矛盾（例如在MNAR模式下使用listwise deletion），助手会明确指出。适用于进行问卷或临床数据分析，并希望快速、准确撰写数据预处理部分的研究生和研究人员。
相关技能
查看全部缺失数据报告助手
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、缺失数据处理方法（逐案删除、多重插补等）以及异常值检测方法（Z 分数、IQR、马氏距离），即可生成一段学术表述，可直接插入论文的“数据预处理”部分。如果所选方法与缺失数据模式之间存在方法学矛盾（例如在 MNAR 模式下使用逐案删除），系统会明确指出。适合希望快速、准确撰写数据预处理部分的研究生，以及开展问卷或临床数据分析的研究人员。
Cronbach Alpha 信度写作器
将用户输入的信度统计数据（Cronbach alpha、题目数量、子维度）转换为可直接添加到论文中的学术“信度分析”段落。按子维度提供可接受性表格；如果检测到较低的 alpha 值（<.60），会如实明确指出，不予隐藏。适用人群：希望快速、准确撰写论文或学位论文方法部分的研究生和量表使用者。
描述性统计写作助手
将用户的描述性统计结果（均值±标准差或中位数（IQR）、n（%））转换为可直接添加到论文中的学术性“参与者特征”段落，并生成表1格式的表格。根据正态性选择正确的描述性统计方式（均值±标准差或中位数（IQR）），绝不混用。适用人群：希望快速、准确撰写论文“参与者”部分的研究生和开展定量研究的学者。
发现下一个适合你的技能
继续探索更多精选 AI 技能，用于研究、创作和日常工作。