缺失数据与异常值助手
将数据清洗转为符合 STROBE 的段落
缺失数据与异常值助手
将数据清洗转为符合 STROBE 的段落
展示内容
描述
输入样本量、缺失数据比例与模式（MCAR/MAR/MNAR）、所使用的缺失数据处理方法（如 listwise deletion、多重插补等）以及异常值检测方法（Z 分数、IQR、Mahalanobis），即可生成一段可直接加入论文“数据预处理”部分的学术文本。如果您选择的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、希望快速且准确撰写数据预处理部分的研究生和研究人员。
为什么我们推荐这个技能
将数据清洗步骤转化为符合STROBE、经得起评审的“数据预处理”部分，并检查缺失机制、插补方法、异常值阈值与最终样本量的一致性。
适合人群
适合进行问卷或临床数据分析的学生和研究人员。
如何使用此 Skill
提供输入
提供样本量、缺失数据比例与模式、所用方法、异常值处理方法以及最终样本量信息。
运行 Skill
助手会从方法一致性的角度评估您的数据预处理流程，并将其转换为学术文本。
查看结果
您将获得一段可加入论文的数据预处理内容、方法选择依据以及统计功效分析提示。
相关技能
查看全部
研究描述性统计写作助手
将用户的描述性统计结果（平均值±标准差或中位数（IQR）、n（%））转换为可直接加入论文的学术性“参与者特征”段落和表1格式的表格。根据正态性选择正确的描述性统计方式（平均值±标准差或中位数（IQR）），绝不混用。适合希望快速、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。
研究缺失数据报告助手
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、缺失数据处理方法（整案删除、多重插补等）以及异常值检测方法（Z 分数、IQR、马氏距离）后，它会生成一段学术文字，可直接插入论文的“数据预处理”部分。如果处理方法与缺失数据模式之间存在方法学矛盾（例如在 MNAR 模式下使用整案删除），它会明确指出。适用于希望快速、规范地撰写数据预处理部分的调查或临床数据分析研究生和研究人员。
研究Cronbach Alpha信度写作器
将用户输入的信度统计数据（Cronbach α、题目数量、各分维度）直接转换为可加入论文的学术“信度分析”段落。提供按分维度划分的可接受性表格；如果检测到较低的α值（<.60），会明确指出，不加以隐藏。适合研究生和使用量表的研究人员，帮助他们快速、准确地撰写学位论文或文章的方法部分。
信息
- 版本
- v2
- 更新时间
- 运行积分
- 按实际用量
- 模型
- 自动选择
- 使用场景
- 写作与内容调研与分析
- 你将获得
- 文章
