Psych-Statistics: A Practical Guide for Data Analysis

Author

Alieen

Published

April 22, 2026

Psych-Stats-R-2: A practical guide for data analysis

Alieen

你在学习r的时候是否遇到了困难？面对一堆公式和概念，却不知道如何用代码实现？

这个项目正是为你准备的。我和你有过同样的困扰。我花了两周的时间，把学习过程中踩过的坑、跑通过的代码整理成册。这里没有晦涩的数学推导，只有能跑、能用、能解释的统计方法。

📖 你将学到什么

本指南覆盖了心理统计（二）的全部内容，从非参数检验到多元回归，共分为四个部分（等）：

📊 第一部分：非参数检验

当你面对不服从正态分布的数据、样本量较小、或是顺序变量时，非参数检验是更稳健的选择。这部分涵盖了： * Chi-square (卡方), Binomial (二项), Runs (游程) 检验 * Mann-Whitney U, Wilcoxon T, Kruskal-Wallis 等秩和检验 * 及相关非参数分析方法

📈 第二部分：各类方差分析 (ANOVA)

ANOVA 是你分析多组数据差异的必备工具。我们将从最基础的单因素 ANOVA 开始，逐步深入到： * 带有协变量的 ANCOVA (协方差分析) * 节省被试的拉丁方设计 (Latin Square) * 层级数据适用的嵌套 ANOVA (Nested ANOVA) * 以及处理多个因变量的 MANOVA (多元方差分析)

📉 第三部分：逻辑回归 (Logistic Regression)

当你的研究结果是一个二分类变量时（例如：通过/失败、患病/健康），线性回归就不再适用。在这部分，你将学会： * 如何构建和解释二元逻辑回归模型 * 如何进行模型比较，并评估模型拟合优度 * 如何解读优势比 (Odds Ratio)

📐 第四部分：多元线性回归 (Multiple Linear Regression)

现实世界的现象总是受到多种因素的共同影响。多元线性回归正是用于探索这种复杂关系的核心方法。这部分将带你： * 从数据准备与清洗开始 * 完成模型构建、假设检验与诊断 * 最终通过交叉验证评估模型的预测力

其他内容在持续更新中…

🚀 如何使用这本指南

  1. 准备环境：确保你已经安装了 R 和 RStudio。
  2. 下载项目：访问我的 GitHub 仓库，根据说明克隆或下载整个项目。
  3. 开始学习：按照左侧导航栏的顺序，从上到下依次学习。强烈建议你打开对应的 .qmd 文件，亲手运行每一行代码。改改参数，看看结果会发生什么变化，这是掌握 R 语言最快的方式。

💡 为什么这个项目与众不同

  • 源于学生，服务学生：这个项目的起点是我踩过的坑。因此，你看到的每个例子、每段解释，都力求从学习者的角度出发。
  • 聚焦实践，代码可跑：本指南最大的价值在于，所有代码块都是完整的、可执行的。理论最终都要落回到代码上，这里的每一行代码都为你准备好了。
  • 开放与共享：这个项目遵循 MIT 许可证，你可以自由地使用、分享甚至修改它。知识因分享而伟大。

🙋‍♀️ 贡献与反馈

这个项目是一个活着的文档，它还在持续成长。

如果你在学习过程中发现任何错误、有任何改进的建议，或者单纯想分享你的想法，都欢迎通过以下方式联系： * GitHub Issues: 在 项目仓库 提交一个 issue。 * Pull Requests: 如果你有具体的修改意见，欢迎直接提交 PR。

让我们一起，让统计学习变得更友好一些。