统计报告与审稿人质疑预判
完整统计结果与审稿意见预判
统计报告与审稿人质疑预判
完整统计结果与审稿意见预判
展示内容
描述
根据你的描述性统计和推断性统计结果（包括假设检验）生成完整的结果部分。如果发现正态性或方差齐性违反，会推荐非参数替代检验，而不是将问题隐瞒。它还会预先识别期刊审稿人常提出的至少 4 个质疑（例如“未报告假设检验”“未说明效应量”“未进行多重比较校正”），并为每个质疑提供一句回应。适用人群：采用定量方法、希望在投稿前确保统计报告严谨性的研究者。
为什么我们推荐这个技能
编辑精选：从原始统计结果生成可投稿的结果部分，并以审稿人的视角检验分析。
适合人群
准备向期刊投稿、需要严谨统计报告或论文的定量研究者。
如何使用此 Skill
提供输入
提供描述性统计和推断性统计、假设检验结果、校正方法、置信区间，以及任何样本量或统计功效信息。
运行 Skill
该 Skill 会将这些结果整理成严谨的统计报告，并标记假设问题或审稿人可能提出的疑问。
查看结果
获得可用于投稿的结果部分、统计摘要，以及针对预期审稿人质疑的简明回应。
相关技能
查看全部
研究熵权-TOPSIS-ML+审稿人质疑
根据熵权法加权、TOPSIS排序和机器学习分类器（XGBoost、Random Forest、Logistic Regression等）的输出，生成完整的Methods + Results报告。依据Hosmer & Lemeshow标准，正确解读AUC，并在训练集与测试集的性能差距较大时，明确说明过拟合风险。此外，还会预先识别期刊审稿人经常提出的至少4项质疑（例如“如何处理类别不平衡”“未使用外部验证集”），并为每项质疑提供一句答辩表述。适合从事健康信息学、临床风险预测或混合MCDM-ML方法学研究，并希望在投稿前提升方法学稳健性的研究者。
研究PLS-SEM报告与质疑预判器
根据你的 PLS-SEM 分析输出（外部载荷、CR/AVE、HTMT 区分效度、路径系数、R²/f²/Q²、SRMR），生成完整的测量模型与结构模型报告。正确应用 HTMT 阈值和 R² 解释（Cohen/Chin 标准），避免使用因果语言。此外，还会预先识别期刊审稿人经常提出的至少 4 个质疑（例如“为什么使用 PLS 而不是 CB-SEM”“未报告共同方法偏差（CMB）控制”），并为每个质疑建议一句回应表述。适用于：使用 PLS-SEM 进行结构方程建模、希望在投稿前提升方法严谨性的商科和社会科学研究者。
研究元分析完整报告撰写
根据你的元分析统计结果（合并效应量、I²、Q、tau²、发表偏倚指标），生成符合 PRISMA 2020 和 Cochrane Handbook 的完整方法、结果和局限性文本。不会误读 I² 值，包括将其表述为“方差百分比”；也避免夸大的因果表述，使用“结果与……一致”等谨慎措辞，而不是“证据证明……”。最后还会提供至少 3 个审稿人可能提出的问题，并附上相应的答辩句。\n\n适用于：准备撰写元分析论文、希望在期刊投稿前完善方法部分的研究者。\n\n不支持的功能：不会根据原始数据执行统计计算（你必须已经拥有 R、RevMan 或 CMA 的输出结果），而是将你的结果转换并解读为学术文本。
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
- 报告文档
