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

Last updated