遺失資料與離群值助理
將資料清理流程轉寫為符合 STROBE 的段落
描述
輸入樣本數、遺失資料比例／模式（MCAR／MAR／MNAR）、所使用的遺失資料處理方法（listwise deletion、多重插補等），以及離群值偵測方法（Z 分數、IQR、Mahalanobis）後，即可產生能直接加入論文「資料前處理」章節的學術段落。若您選擇的方法與遺失資料模式之間存在方法學上的矛盾（例如在 MNAR 模式下使用 listwise deletion），系統會明確指出。適合進行問卷或臨床資料分析，並希望快速且正確撰寫資料前處理章節的研究生與研究人員。
相關技能
查看全部
缺失資料報告助理
輸入樣本數、缺失資料比例／模式（MCAR/MAR/MNAR）、缺失資料處理方法（逐列刪除、多重插補等），以及離群值偵測方法（Z 分數、IQR、Mahalanobis）後，即可產生學術段落，直接插入論文的「資料前處理」章節。若方法選擇與缺失資料模式之間存在方法學矛盾（例如在 MNAR 模式下使用逐列刪除），系統會明確指出。適合想快速且正確撰寫資料前處理章節的研究生，以及進行問卷／臨床資料分析的研究人員。
Cronbach Alpha 信度撰寫器
將使用者輸入的信度統計（Cronbach alpha、題目數量、分量表）直接轉換為可加入論文的學術「信度分析」段落。提供各分量表的可接受性判定表；若偵測到較低的 alpha（<.60），也會如實明確指出，不加以隱瞞。適用對象：研究所學生及使用量表的研究者，適合希望快速且正確撰寫論文或期刊文章方法章節的人。
描述性統計撰寫器
將使用者的描述性統計結果（平均值±標準差或中位數（IQR）、n（%））直接轉換為可加入論文的學術性「參與者特徵」段落，以及表 1 格式的表格。依據常態性結果選擇正確的描述性統計（平均值±標準差或中位數（IQR）），絕不混用。適用對象：希望快速且準確撰寫論文「參與者」章節的研究生與進行量化研究的學者。
遺失資料與離群值助理
將資料清理流程轉寫為符合 STROBE 的段落
描述
輸入樣本數、遺失資料比例／模式（MCAR／MAR／MNAR）、所使用的遺失資料處理方法（listwise deletion、多重插補等），以及離群值偵測方法（Z 分數、IQR、Mahalanobis）後，即可產生能直接加入論文「資料前處理」章節的學術段落。若您選擇的方法與遺失資料模式之間存在方法學上的矛盾（例如在 MNAR 模式下使用 listwise deletion），系統會明確指出。適合進行問卷或臨床資料分析，並希望快速且正確撰寫資料前處理章節的研究生與研究人員。
相關技能
查看全部缺失資料報告助理
輸入樣本數、缺失資料比例／模式（MCAR/MAR/MNAR）、缺失資料處理方法（逐列刪除、多重插補等），以及離群值偵測方法（Z 分數、IQR、Mahalanobis）後，即可產生學術段落，直接插入論文的「資料前處理」章節。若方法選擇與缺失資料模式之間存在方法學矛盾（例如在 MNAR 模式下使用逐列刪除），系統會明確指出。適合想快速且正確撰寫資料前處理章節的研究生，以及進行問卷／臨床資料分析的研究人員。
Cronbach Alpha 信度撰寫器
將使用者輸入的信度統計（Cronbach alpha、題目數量、分量表）直接轉換為可加入論文的學術「信度分析」段落。提供各分量表的可接受性判定表；若偵測到較低的 alpha（<.60），也會如實明確指出，不加以隱瞞。適用對象：研究所學生及使用量表的研究者，適合希望快速且正確撰寫論文或期刊文章方法章節的人。
描述性統計撰寫器
將使用者的描述性統計結果（平均值±標準差或中位數（IQR）、n（%））直接轉換為可加入論文的學術性「參與者特徵」段落，以及表 1 格式的表格。依據常態性結果選擇正確的描述性統計（平均值±標準差或中位數（IQR）），絕不混用。適用對象：希望快速且準確撰寫論文「參與者」章節的研究生與進行量化研究的學者。
發現下一個適合你的技能
繼續探索更多精選 AI 技能，用於研究、創作和日常工作。