量表开发数据质量审查
EFA/CFA 前的问卷数据质量检查
描述
本技能针对量表开发研究中收集的原始问卷数据，从缺失数据、异常观测、无效作答（careless responding：straightlining、longstring、random responding）、题目层面的分布异常、信度和因子分析适用性的前提条件等方面进行系统检查。不生成最终的 EFA/CFA 结果，而是基于证据判断数据是否已准备好进入后续分析阶段，并提出分层样本拆分（EFA/CFA split）建议。所有计算均通过实际运行代码完成（Python：pandas、scipy、factor_analyzer、pingouin），不会生成假设性数值。
相关技能
查看全部
量表开发数据预审
"当需要在开展EFA/CFA或最终信度分析之前，从心理测量数据质量角度审查专业问卷公司收集的原始量表开发数据（Excel/CSV）时触发。全面评估缺失数据、异常值、粗心作答、反应偏差、题目质量和样本量是否充足，并给出Go/No-Go决策；不会修改数据，仅提供诊断与审查报告。"
效度与信度报告撰写器
根据您的 EFA 或 CFA 分析结果（KMO、Bartlett 检验、因子载荷、拟合指数、Cronbach alpha/CR/AVE），生成可直接用于论文的完整“方法 + 结果”文本。准确判定拟合指数阈值（如 CFI/TLI≥.90、RMSEA≤.08 等），并如实报告 AVE<0.50 等效度问题，不加以隐瞒。适用人群：开展量表开发或本土化研究的学者和研究生。
量表开发数据质量审查
EFA/CFA 前的问卷数据质量检查
描述
本技能针对量表开发研究中收集的原始问卷数据，从缺失数据、异常观测、无效作答（careless responding：straightlining、longstring、random responding）、题目层面的分布异常、信度和因子分析适用性的前提条件等方面进行系统检查。不生成最终的 EFA/CFA 结果，而是基于证据判断数据是否已准备好进入后续分析阶段，并提出分层样本拆分（EFA/CFA split）建议。所有计算均通过实际运行代码完成（Python：pandas、scipy、factor_analyzer、pingouin），不会生成假设性数值。
相关技能
查看全部量表开发数据预审
"当需要在开展EFA/CFA或最终信度分析之前，从心理测量数据质量角度审查专业问卷公司收集的原始量表开发数据（Excel/CSV）时触发。全面评估缺失数据、异常值、粗心作答、反应偏差、题目质量和样本量是否充足，并给出Go/No-Go决策；不会修改数据，仅提供诊断与审查报告。"
效度与信度报告撰写器
根据您的 EFA 或 CFA 分析结果（KMO、Bartlett 检验、因子载荷、拟合指数、Cronbach alpha/CR/AVE），生成可直接用于论文的完整“方法 + 结果”文本。准确判定拟合指数阈值（如 CFI/TLI≥.90、RMSEA≤.08 等），并如实报告 AVE<0.50 等效度问题，不加以隐瞒。适用人群：开展量表开发或本土化研究的学者和研究生。
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。