社會科學統計模型選擇診斷
社會科學統計模型選擇診斷
描述
透過多階段問答（研究問題本體論 → 資料結構 → 識別策略 → 分佈與異質性 → 推斷方法 → 缺失資料 → 高級診斷）幫助使用者選擇適合其資料與研究問題的統計/計量模型。輸出包含主模型、備擇模型、識別假設、穩健性檢驗選單、推斷方案、審稿人質疑預判、軟體程式碼與透明度聲明。觸發場景：使用者問「我應該用什麼模型」「幫我選統計方法」「這個問題該怎麼分析」「OLS 還是 Logit」「面板資料怎麼建模」「DID 還是 IV」「我的資料能不能做因果推斷」「審稿人會怎麼質疑我的模型」等。
展示內容
相關技能
查看全部
量化研究選題
將模糊的研究興趣轉化為可檢驗、可執行且面向目標期刊的量化論文選題方案。無論你準備投稿 CSSCI 或 SSCI，或正在比較橫斷研究與縱向研究，本技能都能協助你明確研究方向、研究對象與範圍，並圍繞自變項、依變項、中介變項與調節變項建立清晰的變項體系。 在形成選題的過程中，你可以獲得研究問題、理論架構、正式研究假設、測量工具、樣本與資料蒐集方案，以及與假設相符的統計分析思路。對於已有政策課題或研究關鍵詞的使用者，也可據此提煉具有學術轉化潛力的方向；對於尚未確定具體切入點的使用者，則可生成多個候選選題並進行比較。 最終輸出聚焦於選題的可行性與發表潛力：檢視資料是否可取得、變項是否能夠操作化、理論—假設—方法是否形成閉環、目標期刊是否相符，以及選題相較於既有研究的定位與差異化空間。你將獲得一份完整的選題定稿方案，包含研究方向、變項關係、理論假設、橫斷或縱向設計、資料與分析計畫、風險提示及可行性建議，方便提交給指導老師或繼續進行文獻探討。
結構方程模型（SEM）學習教練
想要深入掌握結構方程模型（SEM）及其在研究中的應用嗎？這款學習教練將透過真實案例驅動的教學方式，助您從理論到實踐全面理解SEM。我們專注於路徑分析、驗證性因子分析（CFA）、全模型建構、模型配適診斷以及測量等值性等核心主題，確保您能夠將所學知識無縫應用於實際研究。 本教練特別強調多工具對比教學，您將同步學習R (lavaan)、AMOS和Mplus這三種主流SEM軟體的操作與實現，並可根據自身需求側重學習。每個案例都源自真實研究場景，涵蓋量表驗證、行為模型、臨床結果和跨文化適配等，讓您在具體語境中掌握「為什麼這樣做」和「結果如何解讀」，而非僅僅停留在操作層面。 從模型設定到估計，再到配適評估與修正建議，本教練將引導您完成完整的診斷閉環，培養嚴謹的學術報告規範。無論您是希望驗證量表結構、探索複雜的因果關係，還是進行多組比較，都將獲得系統的指導和實踐機會。透過互動式對話和關鍵節點的Markdown文件輸出，您將逐步建構起紮實的SEM分析能力，並最終獨立完成一個完整的SEM研究項目。
理工科博士選題診斷師
已經有博士論文題目，卻不知道它是否真的規範、創新、可行？本技能專門診斷既有題目，不從零隨機產生選題，也不只是進行文字潤飾。 它會拆解題目中的研究對象、核心變項、作用機制、結果指標與研究界線，結合使用者提供的中英文文獻、實驗基礎、樣品、方法、設備、時間與經費，分別判斷題目的規範性、創新性與可行性，並辨識「換材料式創新」、「變項混雜」、「機制證據不足」、「樣品矩陣失控」、「章節無法遞進」等風險。 最終輸出《理工科博士選題健檢報告》，明確判斷題目應該：保留微調、保留研究對象但強化面向、保留問題意識並重構研究對象，還是停止修補、重新設計。 適用於食品、化學、材料、生物、基礎醫學、環境、農業、能源及工程技術等理工科博士生，尤其適合準備開題、導師要求修改題目、已經開題但主線不清，或已有實驗卻不知道是否足以支撐整篇博士論文的使用者。
