步驟七:資料處理與呈現
不論科學研究或業界實證,透過 #資料分享 才能促進知識交流與技術進步,然而很少人可以清楚闡述資料分享的正確作法。
美國約翰霍普金斯大學的學者建議分享下列資料:
(1) 原始資料 (raw data) (2) 整理過的乾淨資料 (tidy data) (3) 資料說明 (code book) (4) 使用說明文件 (instructions)
from DSP 智庫驅動 https://goo.gl/aQMyAS & peerj.com https://goo.gl/wyVzW8
MUMU
一、整理資料
Excel
善用函式
daverage()
if()
vlookup()
等等
Google SpreadSheet 也有幾乎相同的函式
Rstudio
二、分析資料
Excel
自幹統計(可參考傻瓜也會跑統計)
分析工具箱
Google 試算表
Gpower
用來計算效果量、受試者數量的好幫手
JASP
目標是取代 SPSS,不過目前能使用的統計方式還沒有很多,但 T 檢定和 ANOVA 卻綽綽有餘了 (但交互作用的事後比較功能好像還沒實現)
BTW,JASP 背後的語言好像是 R 的樣子(不確定)
MatLab
沒用過,理工科常拿來用的計算機(?)
Octave
MatLab 的開源版本
Python
Rlang
我在寫論文的沒使用到。在 t 檢定以及 anova 變異數分析應該是夠用的。
可學習的資源
SAS
就算是業界也常被使用的統計軟體
SPSS
我在寫論文的主力之一。我用來跑重複測量 ANOVA
參考資料
WinAnova
陳學志、還有其他老師開發的統計軟體,主要用來跑 Anova 用的,也是我寫論文的主力之一
三、呈現資料
Excel
Word
插入圖表
Last updated