我们先回顾上周的内容。上周萜妹说希望能用通俗的语言，帮助小可爱们搭建数据分析的框架，并且告诉小可爱们要做成什么样，为什么要这么做，以及怎么做。

萜妹把需要做的数据分析分为了三个大类，分别是：数据有效性分析、样本基本描述、数据具体分析。

注：以上为至少要完成的操作，面对特殊情况的额外操作，这里未提及。如无特殊情况，完成上述操作即可。

上周介绍了数据有效性，那我们这周接着继续吧~

描述性分析

【步骤目标】

描述被试的基本分布情况，并计算所有变量的均值与标准差。

来源：参考文献[1]

首先，它能让读者比较清晰的知道被试的特征。因为这些人口统计学变量对数据结果肯定有影响的。

性别、年龄、学历和工作年限是最有可能影响结果的人口统计学变量，所以这四个基本都会控制，其他的就结合自己的研究再加~

另外，均值和标准差也是数据的基本指标。尤其是标准差，可以帮助我们判断数据的质量，如果标准差过大，那结果可能就有很大的误差。

【具体操作 / 数据解读 / 判断标准】

使用软件：SPSS

频率：【分析】-【描述统计】-【频率】；

均值/标准差：【分析】-【描述统计】-【频率】；

这数据就没什么好解读的了，计算出来在合适的地方汇报就好~

这其实不完全属于数据基础分析，它也可以用来验证假设，尤其是在实验法之中。

萜妹把它放在这里是因为，萜妹在写心理学的毕业论文时，导师让我使用它来检验人口统计学变量是否对结果有影响。虽然一般使用问卷法的期刊论文都不会有这个部分，但是毕业论文它还是很有用的（既能做一些验证，又能凑字数）。

另外就是，毕业论文其实也不都是做高大上或者是复杂模型，有的学弟学妹就是基于简单的分类变量（比如年龄、性别等等）来分析。相比于，仅仅用频率来描述，加上这个步骤可能会让文章看起来更有质量一点（也更好毕业一点），所以萜妹还是决定介绍它~

计算出相应的指标，在文中进行描述或制成表格。

（注：萜妹找了好久才找到有在期刊中画了表格的文章，所以两种检验各找到一篇我就放弃了。但是这些表格绝对不是唯一的模板，小可爱们还可以自行探索。）

单因素方差分析的语言描述，来源：参考文献[2]

单因素方差分析的表格

独立样本T检验的语言描述

独立样本T检验的表格，来源：参考文献[3]

检验分类变量对结果是否有影响。独立样本T检验只能用于二分变量，单因素方差检验则没有限制。

做实验中常用它们来检验操作是不是有效的。

问卷操作中，也有可以用到的地方。

比如，你要研究的是公务员balabala，但是你的被试既有公务员又有企业员工，那么就可以使用【行业】对结果变量进行独立样本T检验，如果二者对结果变量没有差异，就能说明你的操作是可接受的。
再比如，你想知道东部、中部、西部的朋友吃辣水平会不会不一样，就可以用方差检验。如果不显著，就是水平一样，显著的话还可以看具体哪里更能吃辣。