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!

2020-11-29 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

  • 定性研究數據的敏捷量化分析 - 人人都是產品經理
    用戶調研得來的數據該如何處理?筆者在本文給出了敏捷量化分析方法,可供同學們參考並交流。上一篇文章講了B端用戶調研的一些靈活方法,當收集到用戶調研的數據之後,接下來就是做問題的整理、分析和優化了。實際工作中,用戶調研階段可能會已經花費了較長的時間,出於對時間成本、工作進度、問題時效性等多方面的考慮,總是希望能儘快的輸出一個用戶調研數據結果,給產品的迭代優化提出改進方向和計劃。本問將會講一種簡單迅速的處理用戶調研問題優先級的量化方法。
  • 從質性研究到大數據方法:超越與回歸
    內容提要:社會學質性研究方法和量化分析方法分別源於兩種不同傳統,演變為方法論的分離和對立。大數據的興起或許會給解決這種「兩張皮」的現狀帶來機遇。從質性研究方法、傳統量化分析方法到大數據方法,研究工具的變化某種程度上見證了研究對象——社會本體的變遷。
  • 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%。
  • 數據分析小白學習指南
    對於某些人來說,這是分析來自特定域的信息的過程,例如網站分析。對於其他公司,它正在將BI功能的廣度應用於特定的內容區域(例如,銷售,服務,供應鏈等)。特別是,BI供應商使用「分析」綽號將其產品與競爭對手區分開。越來越多地使用「分析」來描述統計和數據分析,以進行聚類,細分,評分並預測最有可能發生的情況。無論用例如何,「分析」都已深入到業務領域。
  • 數據分析能力的核心是思維
    大多數人錯誤地理解了數據分析,把數據分析能力提升的關鍵放在了方法和工具;對於業務人而言,數據分析的核心思路是,得到兩個變量之間的「量化關係」,用以解釋現象;數據分析的步驟,感知問題、提出假說、選擇表徵、收集數據、分析驗證;提出假說和選擇表徵是很多業務人數據分析做不下去的原因。
  • 分析零距離 數據可視化產品選型指南
    【IT168 專稿】導讀:大數據的核心不是「大」,也不是「數據」,而是蘊含在其中的商業價值。作為挖掘數據背後潛在價值的重要手段,商業智能和分析平臺成為大數據部署中的關鍵環節。然而,獲取價值的難點並不在於數據分析應用的部署,而在於專業數據分析人才的缺乏。
  • 數據分析:創建統一的公有基因組數據平臺
    這已經阻礙了科研人員的工作,尤其是當研究工作涉及到現有的數據信息時。為了充分利用雲計算技術所提供的便利,我們敦促NIH和其他科研資助機構在常用的雲平臺中免費提供基因組數據。這樣全球數以千計的科研人員就不用浪費自己的時間和金錢將數據轉移到自己熟悉的雲平臺,只要從這個統一的數據平臺進行存儲和分析就可以了。
  • 大數據分析平臺搭建架構圖
    最基礎的大數據分析平臺有上述的幾層架構,如果是數據量龐大的企業,會需要架構更加複雜的分析平臺。 通過數據平臺和BI應用建設,他們可以搭建統一的大數據共享和分析平臺,對各類業務進行前瞻性預測分析,並為集團各層次用戶提供統一的決策分析支持,提升數據共享與流轉能力。搭建一套成熟的大數據分析平臺是一項複雜的工作,因此選擇一個合適的BI工具顯得尤為重要。
  • 如何在業務中利用數據分析方式的技術指南?
    在數據量大,時間短的情況下,知道如何收集、管理、組織和了解所有這些可能有助於商業發展的信息對於數據分析人員來說確實是一個不小的挑戰。 所以本篇文章就針對如何挖掘數據分析的潛力,理解它的意義,以及怎麼用它來增強你的商業實踐,來探討數據分析的方法與技巧,展示如何在真實世界中進行數據分析。首先簡單解釋一下什麼是數據分析?
  • 數據分析教程(一):如何看懂數據分析?
    現在說分析數據,好像已經成了網際網路那個從業者的口頭禪,做產品的,運營的,市場的口口聲聲都在說數據怎麼樣,但是了解數據的真正含義,讀懂數據的人確實不多。之前跟一個之前在國內最大的數字商品交易平臺的同事大哥在一起好好地聊了下,很有收穫。數據分析教程(二):怎麼用數據?
  • Gartner力推,這家公司開發了世界上首個聽得懂中文的AI數據分析平臺
    面對過去BI(Business Intelligence,商務智能)的耗時長、成本高等難題,2017年,世界知名的調研機構Gartner就曾預言過解法——「AI增強分析是數據分析的未來,它更簡單、更便宜、效果更好,讓我們前所未有地靠近『數據分析公民化』。」
  • 什麼是數據分析的漏鬥模型?
    本文主要談談漏鬥模型的本質、漏鬥模型案例分析以及如何繪製漏鬥模型。漏鬥模型關於漏鬥模型,我認為本質是分解和量化。為什麼這麼說,這裡以營銷漏鬥模型舉慄。百科給出的解釋:營銷漏鬥模型指的是營銷過程中,將非潛在客戶逐步變為客戶的轉化量化模型。
  • 辦公必備的大數據分析利器,數據分析工具推薦
    說到數據分析,很多小夥伴可能第一時間聯想到複雜的算法,龐大的數據,甚至是讓人眼花繚亂的代碼。但實際上,運營做數據分析並不需要懂這些,關鍵是你對業務流程的理解,以及用數據解決問題的思維。本文將介紹在一些領域被高頻率使用,且不可缺少的大數據分析利器,使用尚可的數據分析工具。
  • Python視頻教程網課編程零基礎入門數據分析網絡爬蟲全套Python...
    3-06數據分類 3-07異常值分析 3-08對比分析 3-09結構分析 3-10分布分析 3-11 satisfaction level的分析 3-13numberproject的分析 3-14averagemonthlyhours的分析 3-15timespendcompany
  • 大數據信息分析的方法與工具
    那麼大數據給我們帶來了什麼好處呢?大數據最大的好處在於能夠讓我們從這些數據中分析出很多智能的、深入的、有價值的信息。因此,信息分析以事物、現象、數據、信息之間存在的因果關係或相關關係為基礎。   信息分析方法主要源於邏輯學方法、系統分析方法、圖書情報學方法(如文獻計量學方法、引文分析法)、社會學方法、統計學方法、數學方法等,一般分為哲學方法、一般方法、具體方法三個層次,具體分析方法通常又分為定性方法、定量方法和半定量方法三大類。
  • 辦公必備的大數據分析利器,值得推薦數據分析工具
    說到數據分析,很多小夥伴可能第一時間聯想到複雜的算法,龐大的數據,甚至是讓人眼花繚亂的代碼。但實際上,運營做數據分析並不需要懂這些,關鍵是你對業務流程的理解,以及用數據解決問題的思維。本文將介紹在一些領域被高頻率使用,且不可缺少的大數據分析利器,使用尚可的數據分析工具。
  • 數據分析基礎思維之:指標思維
    在數據分析工作中,數據必須呈現的是事實而不能是觀點,這樣才能保證每個人接收到的信息是相同的。而想要保持穩定的事實能力,指標思維是不可忽略的一個關鍵點。你知道要量化什麼,就說明你清楚了自己更看重什麼,你對自己業務的理解往往也就更加清晰了。如何量化指標?日常的分析工作中,除了這些基礎指標,還會遇到一些特定的業務問題,需要用數據分析解決。比如業務想對比用戶對兩款產品的喜愛程度,或者衡量APP的穩定性。這種情況下我們該怎麼辦?
  • 研究開發GWAS數據網絡分析平臺
    繼成功開發基於通路的全基因組關聯研究(GWAS)數據網絡分析平臺i-GSEA4GWAS之後,中國科學院心理健康重點實驗室王晶研究員和張昆林助理研究員等研究者又開發了網絡分析平臺
  • 競爭對手的數據分析方法
    確定了你的競爭對手並收集到足夠數據後,我們就要對他們進行深度分析了。競爭對手分析路徑競爭對手分析共分為10個步驟,如圖1是分析路線圖。這個分析路線圖側重於企業前端即營運端的分析。
  • 短視頻運營者必備五大數據分析平臺
    飛瓜數據 飛瓜數據是一家專業的短視頻熱門視頻、商品及帳號數據分析平臺,採用大數據追蹤短視頻的流量趨勢,為受眾提供熱門視頻、音樂、爆款商品以及優質帳號排行,幫助帳號運營者完成帳號內容定位、粉絲增長、粉絲畫像及流量變現。是一個非常適合專業的抖音營銷者和抖音代運營從業者的數據分析平臺。