心理學(社會學)數據量化分析平臺指南,數據分析從未如此簡單!

2020-12-12 查金課

開門送福:

後臺回復關鍵詞 心理學 ,即刻奉上心理學數據量化分析平臺指南詳解及軟體資源~由於插件太優秀,唯恐對其各應用環節產生誤解,就花費三日(學業太忙·_·)備下了這30頁的操作講義,建議各位童鞋先行收藏,以便後期應用時略做參照。

軟體介紹

「心理學量化分析平臺」是為心理學專業(社會學亦可)同學提供的一個小巧的數據分析輔助工具,幫助使用者一鍵完成一些簡單,機械、重複、耗時長的工作,讓使用者能從繁雜的操作中抽出更多時間做更具創造性的工作。

功能預覽

相比其它工具,具有如下優點:

(1)技能學得快

簡單了解,新手也能快速掌握。比如「三線表」功能,只需要把數據放入表格中,點擊「三線表」按鈕,即可繪製出表格線、設置好字體,顯著性等。

(2)時間省得多

插件將機械重複的過程用代碼來實現,能用幾秒鐘實現需要大量操作才能完成的功能。比如,面對原始數據,需要標記缺失值、進行反向計分、刪除缺失個案等操作,知道怎麼做。還需要一步一步去操作。而在這裡,你只需簡單設置,點擊按鈕,即可完成。

(3)理解不費力

不同階段的分析結果,分別放在不同的工作表中。這樣能清晰地看到原始數據發生的變化,不用擔心某一步有沒有分析,是不是達到目的。需要重複分析時,只需要再點幾下,而不用將之前的操作再走一遍,也不用事先備份數據。

備註:以下操作是基於Office2016版本,不同版本軟體界面會有一定差異。如果你也想安裝Office2016版本,我們也為大家備好了~-~ 拿走不謝!

Office2016軟體資源及安裝教程詳解 (內含2019,2016,2013,2010,07,03等資源

安裝方法及卸載

(1)安裝方法

系統是Win 10或Win 8,並且Excel為2013及以上的版本,只需安裝「setup.exe」,其它情況需要先安裝「運行環境.exe」,再安裝「setup.exe」

安裝成功後,打開EXCEL程序,功能區最後會增加一個名為「心理學量化分析平臺」的選項卡(Ribbon)。下方的按鈕即是插件集成的功能。

軟體安裝成功後插件界面

你關心的功能和常用的分析都有

安裝之後,再啟動Excel會有提示

註:如果之前已經成功安裝過本插件,只用安裝「setup.exe」

(2)卸載方法

同其它軟體

如果有一天你發現功能導航菜單消失不見了,請不要擔心,亦不要難過,不是被外星人帶走了。你只需要在【心理學量化分析平臺】窗口,滑鼠右鍵取消選擇【摺疊功能區】選項即可恢復正常。

軟體功能說明

如下圖所示,【心理學量化分析平臺】包括圖表、錄數據、數據清理、描述統計、信度、差異檢驗及一些通用功能,可供大家選擇使用。

圖表功能說明

(1)三線表功能

繪製「三線表」是我們經常都要使用的功能,如果你還在一筆一筆地畫,找線型、找字號、找字體、找上標等,所有這些操作累計起來你可能要花5分鐘,而使用「心理學量化分析平臺」的三線表功能只要點一下,它會給你節約大量時間。幾個簡單步驟即可輕鬆實現。

首先、將數據(不包括表格標題)放在工作表中,如下圖:

然後、光標定位到數據區域中任意單元格,點擊三線表按鈕,結果如下圖:

此時,三線表已經繪製完成,在此基礎上修改標題和其它個性化設置即可使用。默認設置:

1. 增加標題行,字體為黑體,10.5磅(五號),居中

2. 其它區域字體為宋體,7.5磅(六號),居中

3. 表格區域中所有星號(*)改為上標

4. 增加顯著性標記行

5. 數據區域中繪製粗上下框線

6. 數據區首行繪製細下框線,首行中的字母修改為斜體(如上圖中的M,SD)

數據清理功能說明

(1)變量設置

在拿到原始數據後,這些數據往往並不能直接用於分析,而需要進行一些簡單的清理。可能是因為數據中存在缺失值,或者一些變量需要反向計分。在進行數據清理前,需要先【設置變量】,告訴程序哪些值是有效的,哪些是無效的,哪些變量需要反向計分。方法:

1原始數據所在工作表以「RDATA」命名。

2 點擊【設置變量】按鈕,自動生成【設置變量】工作表,默認情況下列出了」RDATA」工作表中的所有變量,所有變量的默認計分方式為1-4,均不是反向計分。(溫馨提示,順序很重要~ 在搭建數據時為保證數據的調用,原始數據命名請按照要求命名[RDATA]。隨後如下圖,選擇設置標量,會自動生成評價體系)。

選擇設置標量,會自動生成評價體系如下所示。

3 根據自己的需要,刪除不參與分析的變量所在的列、設置計分等級、是否反向計分。 說明:a.系統默認是1-4分評價體系,但可以修改【有效值(最大)或最小】,調整指標體系的數值範圍即可,以期滿足自己的研究需要。在此以大家常用的李克特五分量表為例,如某個變量設置最低分為1,最高分5,則說明此變量為1-5級計分。【缺失值標記】功能會將1,2,3,4,5以外的值(如空格,666,999,2019等)作為缺失值,標記為NA。

b.如果是反向計分,填「是」,否則填「否」。設置後,【刪除缺失並反向】功能會對反向計分題進行反轉,如在5級計分中,1反轉為5,2反轉為4,3反轉為3,4反轉為2,5反轉為1。

舉例:這個很重要!如修改D變量(D列數據)為反向計分,E為5級計分。軟體會自動完成數據的置換,一如SPSS的數據置換功能一樣~

(2)缺失值處理

設置變量完畢後,點擊【缺失值處理】按鈕,有【缺失值標記】和【刪除缺失並反向】兩個按鈕。

點擊【缺失值標記】按鈕,生成【缺失值標記】工作表。工作表中包括了ABDE變量,變量中的無效值被標記成NA。

點擊【刪除缺失並反向】按鈕,生成【DATA】工作表。工作表中包括了ABDE變量,並且缺失個案已經刪除、設置反向計分的變量已反向計分。

【DATA】工作表中的數據即為清理好的數據,可以直接用於下一步的分析。

(3)長寬數據互轉

【長寬數據互轉】用來形成不同的數據排列方式,以簡化和適應不同的分析功能。先來看【長轉寬】。下圖是長數據,有一個分組變量和一個指標變量。

點擊【長寬數據互轉】中的【長數據轉寬數據】,可將不同的組放在不同的列中。

點擊【長寬數據互轉】中的【寬數據轉長數據】,可將上面的數據轉成之前的長數據,放在【長數據】工作表中。

(4)數據匹配

匹配窗口功能用來對縱向數據進行匹配。方法(以匹配3次數據為例):

1 將三次數據分別放在三個不同的工作表中,並用T1,T2,T3分別對工作表進行命名。各工作表中匹配變量需要放在首列,並且匹配變量的變量名要相同。

2 點擊【數據匹配】按鈕顯示匹配窗口,在窗口中勾選T1,T2,T3複選框,確定。

匹配成功後會生成一張名為T123的工作表,用來保存匹配結果。

具體匹配細節可通過結果窗口查看。

在之前命名為T1,T2,T3的工作表中,會把空單元格或重複單元格的的匹配號底色標黃。由於這些個案不能唯一識別,因此將不參與匹配。

使用注意事項:在匹配窗口中至少勾選兩次時間點的數據。有相對應的以T1,T2,T3,T4,T5命名的工作表,匹配變量放在每個工作表的首列,匹配變量名需相同,如都是「姓名」或「學號」。

描述統計功能說明

(1)頻數統計

當錄好一批數據,因為各種情況,除了我們要使用的有效數據外,還有一些無效數據。比如,數據缺失時,我們將其標記為99,或者空值;在錄數據時,原來的4,錯錄成了44;或者在錄5的時候,錯錄成9。這些無效的數據雖然少,但也是我們分析數據前首先要考慮的。首先我們要了解這些有效值、無效值在每個變量上有多少個,此時【頻數統計】功能就派上用場了。方法:

1 放入數據

點擊【頻數統計】按鈕後生成【頻數統計】工作表。可以看到有9,99,空值這些無效值。

可以對照上面兩張圖,自行檢測一下是否準確

(2)項目分析

在修訂量表時,常需要進行項目分析,項目分析的一個常見內容是題總相關。方法:

1.放入數據

2.點擊【項目分析】按鈕,結果呈現在【項目分析】工作表中,表格中列出各變量的平均數、標準差、偏度、峰度、以及帶有顯著性標記的刪除項目題總相關和總題相關。

再經過三線表的修飾後,得到下圖。刪掉不要的變量,稍加修改,即可直接用於論文當中。

(3)相關矩陣

為方便看變量之間的相關關係,在很多中介調節的文章中結果部分都要求報告相關矩陣。方法:

1 放入需要分析相關關係的變量

點擊【相關矩陣】按鈕,結果呈現在【相關矩陣】工作表中,左邊是變量的平均值、標準差、相關係數,右邊是相關係數的顯著性p值。

將光標定位到相關矩陣中的單元格,單擊【三線表】按鈕。得到下圖中最終的表。

信度功能說明

(1)Alpha係數1 將某個量表所包括的題目放在工作表

2 點擊「alpha係數」按鈕後,即可在結果窗口中看到alpha係數的值,如下圖:

(2)組合信度CR

1 將項目標準化負荷錄入工作表中行或列的連續單元格中,如下圖:

光標定位到數據區域,點擊【組合信度】,結果將會呈現在結果窗口中,如下圖:

(3)平均方差抽取量AVE

方法同【組合信度】

差異檢驗功能說明

(1) levene方差齊性檢驗

在進行一些分析(如獨立樣本t檢驗,方差分析等)時,需要事先對每個組的方差齊性進行檢驗。方法齊性檢驗的方法很多,其中levene方差齊性檢驗使用廣泛。【levene方差齊性檢驗】功能計算基於均值的levene方差齊性檢驗結果。方法:

1 先放入數據,每列一組

2 點擊【levene方差齊性檢驗】按鈕,得到下面的結果。可以看到結果為方差非齊性。

結果與SPSS中報告的一致,如果有必要,以後再增加基於中位數的結果。

(2) 獨立樣本t檢驗

方法:

1 放入數據

2 點擊【獨立樣本t檢驗】,得到下面的結果

(3)配對樣本t檢驗

和SPSS一樣,配對樣本t檢驗中使用寬數據,每個組的數據放在一列中,如下圖:

結果如下圖

是不是很簡單,有沒有很意外~-~是不是很贊??

哇哇,篇幅太長了,為了讓各位童鞋更好地應用,已經是第三天在籌劃這份文案了,有感有收穫的小夥伴,一定要點個讚支持一下咯~

通用功能說明

(1)結果窗口

結果窗口如下圖,是一個結果存放窗口,很多分析的結果會存放在該窗口中。

(2)模擬數據

【模擬數據】可快速生成數據,用來進行分析,方便快速上手。

(3)複製到Word

將活動單元格的區域複製已經打開的Word光標處,或者新建的Word中。

這個複製功能,和上個圖表中的數據是一樣的~自動複製到word中。

寫在最後

這款基於Excel的插件免費使用,也歡迎大家廣泛傳播,積極分享給身邊的好友。贈人玫瑰,自己手裡也要留一支,獎勵一下愛學習的自己~

在插件開發過程中難免有不足的地方,大家有什麼想法和使用體驗,可以添加QQ群(849063127)交流學習。

軟體很好,可不要貪杯喲(應該頭一個)學習使我快樂···話說,插件資源也為大家備好了~-~

日常工作學習必備推薦:

Office2016軟體資源及安裝教程詳解

PDF神器丨一定要知道的Adobe Acrobat DC,Word & PDF格式互換神器

層次分析法(AHP)研究方法與步驟分解,及案例詳解

別人通宵做的Excel可視化,我半小時搞定!(建議收藏)

關注「雄安學術」進入公眾號後臺,

回復關鍵詞 「心理學」 ,即刻奉上寶貴的資源~

如果您也喜愛,歡迎分享一下 ~

相關焦點

  • 以量化分析拓展文化社會學研究
    以量化分析拓展文化社會學研究 2018年11月14日 07:12 來源:中國社會科學網-中國社會科學報 作者:胡安寧 字號 所屬學科:社會學關鍵詞:文化社會學;學者;因果研究
  • 《企業經營數據分析》給傳統企業管理者的數據分析指南
    >給傳統企業管理者的數據分析指南——做管理,必須懂數據分析「大數據之重要都已經成為了社會共識,而在這個浪潮中,傳統企業似乎成為了「落後分子」。畢竟,巧婦難為無米之炊,沒有這麼大潛力也不會有如此的成果。基於為傳統企業管理者服務的目的,本書的主要內容及目標包括以下幾點:    1.
  • 數據分析新手指南
    今天,小編給大家帶來了一份學習指南,通過一篇文章,幫助大家快速了解如何進行數據分析。以及如何利用SPSSAU管理和分析你的數據,以提高數據分析的效率。目錄1.(3)數據標籤與編碼數據上傳至SPSSAU,需要先對數據進行簡單處理。比如給分類數據設置標籤,規範標題(變量)名稱等,如果存在反向題、跳轉題或者重新對數據分組,都要先處理再分析。
  • 大數據分析:從感性決策到理性決策 | 網際網路數據資訊網-199IT |...
    自人類有史以來,從未像現在這樣積累如此多的數據,也從未如此繁重的數據分析工作。
  • 大數據分析工具採購指南
    對比供應商工具連接大數據架構的方式,其中包括存儲在Hadoop的分布式數據,以及各種橫向擴展存儲中存儲的文件(例如,MongoDB或Apache Cassandra等NoSQL數據)。與現有平臺組件的互操作性。如果要在一些傳統數據管理和BI技術中混搭分析方法,那麼這一點非常重要。例如,許多分析工具支持通過傳統的SQL查詢去調用分析模型。
  • 量化交易之《Python數據分析》
    窗口函數(矩形窗、三角形窗、布萊克曼窗口bartlett window, 漢寧窗hanning window、巴特萊特窗)、協整(通過檢測兩個序列之間線性關係的殘差穩定性-ADF檢測)、自相關性、自回歸模型(ARMA模型)、生成周期信號(希爾伯特-黃變換)、傅立葉變換、譜分析、濾波(中值濾波器median filter 計算滾動窗口中數據的中值, wiener濾波器 通過統計數值來刪除噪音,detrend
  • 大數據分析平臺的可視化數據探索趨勢
    以「大數據分析」為關鍵詞去進行搜索,你可以在大多數條目中看到「數據分析平臺」和「可視化」的概念。在發展受到局限時,人類喜歡並擅長於去使用工具和製造工具。人類對圖形信息的攝取效率遠大於單純的文字數字。4、 基於搜索的智能探索方式「基於搜索和可視化的數據探索分析功能將作為新型BI和分析平臺的組件融合到下一代的數據分析產品中。」
  • 新計算社會學:大數據時代的社會學研究
    新計算社會學:大數據時代的社會學研究 2016年04月05日 09:35 來源:《社會學研究》 作者:羅瑋 羅教講 字號 內容摘要:內容提要:本文在全面解讀、分析新計算社會學現有研究成果的基礎上
  • 從公眾平臺分析,淺談怎麼做數據分析
    前言:不知道有多少產品經理的童鞋平常工作會負責數據分析的內容?又有多少負責數據分析內容的童鞋有去了解數據分析?——前者我有;後者,反正我是沒有。最近由於跟公眾平臺用戶分析內容頻繁的接觸,天天對著數據晃啊晃的,某個瞬間突然想起雖然跟數據打了這麼多年的交道,但自己好像連「數據分析」是什麼也懵懵懂懂,頓時細思恐極,於是萌生了好好總結一下的想法。數據分析有什麼意義?
  • 可視化數據分析的價值是什麼?
    一個完善的企業級數據分析平臺的價值是不可估量的,由於其數據來源於各個業務系統,所以其價值有時很容易和業務系統的價值混淆在一起,無法很好的量化。接下來小編給大家具體介紹一下datafocus可視化數據分析的價值是什麼?
  • 數據分析的方法論
    數據是一個絕對客觀且能夠通過可量化指標來評估產品的改進方向成功與否的工具,所以作為一名產品經理,必須養成數據思維習慣,掌握數據分析方法論。在產品迭代發展的過程中,通過數據驅動以保證產品按照更好的方向發展。
  • python數據分析專題 (7):python數據分析模塊
    也就是這些python的擴展包讓python可以做數據分析,主要包括numpy,scipy,pandas,matplotlib,scikit-learn等等諸多強大的模塊,在結合上ipython交互工具 ,以及python強大的爬蟲數據獲取能力,字符串處理能力,讓python成為完整的數據分析工具。
  • 大數據分析四大分析要素
    數據特徵:變異性和規律性,變異性是指不同事件量化的數據不同,具有差異性,正是因為數據變異性,數據分析才有必要;規律性是指包羅萬象的數據中,數據是有規律可尋的,從而得出有價值的結論,正是因為規律性數據分析才有價值。
  • 數據收集及數據分析工具介紹
    而在數據時代的今天,傳感器極大地改變了人工觀察記錄這種數據採集的場景,特別是溫度和溼度等容易量化測量的客觀指標。雖然人類主觀意識類的數據依然需要通過問卷調查的方式進行獲取,不過作者相信不久的將來人類的意念也將伴隨科學技術的進步而能夠被量化,到時人類只需在腦中思考,不需表示就能將腦中的意念量化記錄下來。
  • 詳解—澳洲信息系統、商業分析、數據分析、統計
    其核心是數據挖掘和數據分析,與現在的網際網路及大數據(BigData)相聯,主要是利用高深的技術、模型和算法進行數據挖掘和商業分析,服務的公司都是像IBM、Google、百度、騰訊、阿里這樣的網際網路公司。
  • 數據分析必讀乾貨:簡單而實用的3大分析方法
    本文主要講解日常數據分析中,最常用的三大數據分析方法。內容雖然簡單,但是其中充滿了大量的細節方面的實用技巧。 如表3-4所示,假設現在店鋪流量同比下降8%(流量下降是平臺趨勢),客單價保持不變的情況下,要想實現店鋪銷售業績的上升,唯有提升轉化率。 因此,我們通過表3-4的模擬推算,可以得知,當轉化率提升21%,到達0.35%時(0.35%轉化率被認為是行業的平均值),業績會提升11%。
  • Instagram數據分析平臺推薦
    Instagram是宣傳業務的重要平臺之一,但很多人開始運營Instagram後,不知道運營是否成功,也不知道該用什麼標準來衡量效果。作為一個成熟的、全球性的社交平臺,市面上有很多提供Instagram數據監控的工具,本篇就介紹七款部分功能免費的工具。
  • 數據分析技術:數據關聯性分析綜述
    基礎準備數據關聯性分析的主要技術包括:相關性分析、回歸分析、交叉表卡方分析等。
  • 深入淺出數據分析書單
    精益數據分析強烈推薦想要做網際網路數據分析的同學讀下這本,書中涵蓋數據指標、商業模式、數據分析框架以及數據分析模型。一本書讀懂大數據客戶分析專門做客戶分析的書籍,作者具有六西格碼數據分析師的專業背景,也是客戶體驗量化分析的開拓者。
  • 一篇超詳細的數據分析工作指南
    那麼,怎麼才能做好一次好的數據分析工作呢?本文詳細闡述了數據分析的前置工作,將由兩個方面詮釋作者對數據分析準備工作的理解。首先,「數據指標定義」和「數據收集」這兩個東西本身有關係嗎?——有的。數據指標的定義決定了數據收集的範圍和目的,而數據收集的維度要和數據指標息息相關。