遺失資料與異常值助理
將資料清理轉為符合 STROBE 的段落
遺失資料與異常值助理
將資料清理轉為符合 STROBE 的段落
展示內容
描述
輸入樣本數、遺失資料比例與模式（MCAR/MAR/MNAR）、所使用的遺失資料處理方法（如 listwise deletion、多重插補等），以及異常值的偵測方法（Z 分數、IQR、Mahalanobis）後，即可產生可直接加入論文「資料前處理」章節的學術段落。若您的方法選擇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），助理也會明確指出。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。
為什麼我們推薦這個技能
將資料清理步驟轉為符合 STROBE、能在同儕審查中站得住腳的「資料前處理」章節，並特別檢視遺失資料模式、插補選擇、離群值門檻與最終樣本數的統一性。
適合對象
適合進行問卷或臨床資料分析的學生與研究人員。
如何使用此 Skill
提供輸入
提供樣本數、遺失資料比例與模式、使用的方法、異常值處理方式，以及最終樣本數等資訊。
執行 Skill
助理會從方法一致性的角度評估您的資料前處理流程，並將其轉寫為學術文字。
查看結果
您將獲得可直接加入論文的資料前處理段落、方法選擇理由，以及統計檢定力分析提醒。
相關技能
查看全部
研究描述性統計撰寫工具
將使用者的描述性統計結果（平均值±標準差或中位數（四分位距）、n（%））轉換為可直接加入論文的學術「參與者特徵」段落，以及表 1 格式的表格。根據常態性檢定結果選擇正確的描述性統計方式（平均值±標準差或中位數（四分位距）），絕不混用。適合希望快速且正確撰寫論文「參與者」部分的研究生與進行量化研究的學者。
研究Cronbach α 信度撰寫器
將使用者輸入的信度統計資料（Cronbach α、題目數、分量表）轉換成可直接放入論文的學術〈信度分析〉段落。提供各分量表的可接受性表格；若偵測到低 α 值（<.60），也會不加隱瞞地清楚標示。適合對象：研究生及使用量表、希望快速且準確撰寫學位論文或論文方法章節的研究人員。
研究缺失資料報告助手
輸入樣本數、缺失資料比例／模式（MCAR／MAR／MNAR）、缺失資料處理方法（刪除整列、多重插補等），以及離群值檢測方法（Z 分數、IQR、Mahalanobis）後，便能產生可直接插入論文「資料前處理」章節的學術段落。若處理方法與缺失資料模式之間存在方法上的矛盾（例如在 MNAR 模式下使用刪除整列），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問卷／臨床資料分析研究生與研究人員。
資訊
- 版本
- v2
- 更新時間
- 執行點數
- 依實際用量
- 模型
- 自動選擇
- 使用情境
- 寫作與內容研究與分析
- 你將獲得
- 文章
