协方差分析比方差分析多了定量协变量，先扣掉它的线性影响再比组间差别，前提多出斜率同质性。用 150 位患者的演示数据说明区别，并读校正后边际均值。
方差分析和t检验的区别和联系：只有两组时两者结论一致，三组以上两两做 t 检验会让假阳性概率超过 5%。用 128 位患者的两组演示数据读 F 与 t 的关系，三组的情形链到 180 人的结果解读篇。
逻辑回归和线性回归的区别，首先取决于因变量的类型：数值用线性，二分类用逻辑。用 255 例的演示数据展示逻辑回归的读法，并说明与线性回归的对照；本页只运行了逻辑回归，没有线性回归的结果。
逐步检验法看 c、a、b 三段是否显著，Bootstrap 直接看 a×b 的置信区间是否含 0。用 212 份演示数据把两种判据并排读一遍；这份数据里两者结论一致，没有分歧案例，所以重点放在两者回答的问题有何不同。
论文里调节效应怎么写：模型 1 到 3 的层次回归三线表、交互项系数与置信区间、ΔR² 与简单斜率各放哪里，给出可照抄的结果句。用 212 份演示数据的真实结果，逐个标明数字出处。
调节回答「在什么条件下更强」，中介回答「经由什么传导」。本页用演示数据实际跑的是调节一侧的结果，中介一侧只说明判据并指向对应文章，并给出按问题选模型的对照表。
按步骤走一遍主成分分析：特征根怎么来、怎么定保留几个成分，再到共同度与成分得分的算法。用 3 个指标、15 行的演示数据示范，并注明样本太少的局限。
主成分分析追求压缩总方差，因子分析假定背后有看不见的构念。这是一份选择指南：对照两者的目的、本站两个模块的报告差异与论文写法。
问卷调查数据分析报告要先交代样本构成，再逐章展开。用 128 份演示问卷的三个变量，给出可照抄的开头句、章节与表格清单、样本构成表的写法，并提醒定序变量的累计百分比容易排错。
用一份 8 题、200 份的满意度问卷演示数据，从放题、看 α 与置信区间、逐题 CITC 诊断到写进论文，完整走一遍信度分析，附三线表要素与可照抄的结果句。
问卷的信效度结果怎么写进论文？用一份 180 份问卷的演示数据，给出效度分析结果表的标准格式、可照抄的结果句，以及每个数字来自报告的哪一张卡。
样本量依据要写清检验方法、α、功效与效应量。本站「单因素方差(ANOVA)功效」只反映现有数据，不能输入目标效应量，所以用最小可检出效应量写法，并说明观测效应量算出的样本量为何不宜当事前依据。
p 小于 0.05 只说明差异在统计上显著，不说明差多大。以本站独立样本 t 检验的演示输出为例，逐项读懂均值差、置信区间、t 值与效应量。
双因素重复测量方差分析有一个组内因素（时间）和一个组间因素（组别）。用 76 名被试的演示数据，说明组别×时间交互怎么读，以及偏 η² 与广义 η² 的分母为何不同。
两个分类变量是否有关联，用列联表加卡方检验。对照四种场景：一个分组变量扫一批单选题、问卷交叉表、检验加效应量与逐格残差、2×2 暴露结局表，并用 300 位被调查者的数据读一次结果。
方差分析的前提条件有三条：观测独立、残差近似正态、各组方差齐。用 128 位患者的演示数据示范 Shapiro-Wilk 与 Levene 的读法，并对照经典 F 与 Welch F 看前提通过时两者的差别。
当两个中介变量有先后顺序时，用链式中介分析逐段估计路径，再看整条链的间接效应区间。用 250 份演示数据走完数据排列、路径读法与论文写法。
用一份 300 人的吸烟与疾病严重程度演示数据，逐项读懂 SPSS 卡方检验的结果：χ² 与自由度、p 值、期望频数条件、残差定位与 Cramér's V，并给出论文可用的结果句。
列联表卡方检验怎么做：放变量、读交叉表的列百分比、用图表下拉框切到行百分比，再看卡方、Cramér's V 和逐格残差。用 255 位被调查者的演示数据走完一遍。
用一份服务满意度的演示数据走完探索性因子分析：先看 KMO 与 Bartlett 检验，再用平行分析定因子数，最后读 varimax 旋转后的载荷，并给出可照抄的结果句式。
照着 12 题、204 份演示数据的因子分析报告，写出论文里的载荷表与方差解释表：每个数字出自哪张卡，写表时常见的错误，以及可照抄的结果句式。
完全中介还是部分中介，要看间接效应的 Bootstrap 区间和控制中介后的直接效应。用 212 份演示数据的真实结果，逐项说明判断规则、占比读法与论文写法。
用一份 250 人的组织行为演示数据走完平行中介模型：路径系数怎么读，Bootstrap 置信区间怎样判定两条中介路径，以及占比为什么只能作参考。
调节效应图画的是三条简单斜率线：调节变量取低、均值、高时，X 对 Y 的斜率各是多少。用 212 份演示数据的真实结果，说明三条线怎么读，以及 Johnson-Neyman 区域怎么补充。
从主成分得分到综合得分与名次：权重来自方差解释率。用 3 个指标、13 行的演示数据走一遍，并推算保留 2 个成分时的权重，说明排名的稳健性与小样本的局限。
问卷数据分析应按信效度、差异、相关、回归的顺序推进。本文用 150 份问卷的演示数据示范效度这一步：KMO 刚过 0.6、两个题项的 MSA 低于 0.5 时，为什么要先处理再往下做。
重复测量方差分析的适用条件有被试独立、各条件近似正态和球形度。用 90 名被试 3 次测量的演示数据，读 Mauchly 球形检验、三个 ε 和主体内效应检验表的四行。
通过模拟供应商评价资料说明判断矩阵与层次合成。把局部权重、方案综合权重和一致性证据分开，并说明如何保留专家判断理由、修订记录及群体评价的计算口径。
用治疗方案、评分与年龄的模拟数据，逐项核对共同斜率模型的假设。区分斜率检验、残差诊断和设计条件，明确原始均值图与调整后边际均值分别能支持哪一种陈述。
方差分析的效应量应注明分母和模型。结合单因素模拟数据解读η²、偏η²与ω²，说明何时二者相同、何时无法混用，并给出包含区间的论文写法。
用模拟临床分组资料讲清 Table 1 的描述方式、检验选择与表注。追溯每行的有效人数和百分比分母，区分基线差异与调整后的关联，并说明随机研究和观察性研究中的解释边界。
把风险模型的预测概率与随访结局对照，可以区分整体偏移、局部失准和检验未显著。本例用完整的二分类演示表，逐项核对分箱频数、校准斜率、截距与误差指标，说明哪些结论还需要独立验证。
卡方拟合优度检验怎么做，关键是先确定期望分布。用血型模拟数据说明独立个案排表、均等比例设定、整体检验与逐类别校正，避免把总体偏离写成每个类别都显著。
从模拟问卷的全部题项出发，解释未旋转因子提取、首因子方差占比和区间的读法。将事后诊断与问卷设计中的程序控制连起来，给出谨慎且可追溯的共同方法偏差表述。
用专家对题项相关性的模拟评分，区分题项与量表层面的内容效度证据。说明评分表如何排列、缺失评分如何理解，以及如何把指数与文字修改意见写进同一份修订记录。
对应分析图把两个分类变量的交叉表画成一张图，以低维坐标展示交叉表的关联结构。用职业与学历的演示数据，说明惯量分解、cos² 和调整残差怎么读，以及行点与列点的距离为何不能直接解读。
用随机抽取的随访演示资料，区分随访时长中位数与中位生存时间，按组读取生存率及区间。结合删失、比例风险诊断与限制平均生存时间，说明曲线比较应怎样写入论文。
用模拟随访资料的随机子样本，读取调整后的风险比、区间、参照组与比例风险诊断。重点区分最终模型中的显著关联和变量筛选规则，说明多因素报告如何保留不显著项及不可估结果。
生存模型的结果表需要说明比较基准、瞬时风险比和随访信息。本例使用抽样后的模拟队列，整理系数、区间及原始显著性，并保留比例风险诊断的警示，区分模型关联、累积风险与因果解释。
用模拟的单自变量资料比较线性、二次与指数曲线。解释为什么要统一到原尺度评估，怎样结合曲线两端与残差判断模型，并给出带变量单位和外推范围的论文写法。
描述性统计分析先把变量的基本面摆清楚，报告中的分布诊断另作解释。用 150 份演示数据说明怎样选变量、怎样读均值标准差与偏度峰度，以及偏态变量为什么要改报中位数与四分位距。
描述性统计包括样本与缺失、集中趋势、离散程度、分布形态、百分位数与离群识别五类内容。用 128 份演示数据逐类说明每个指标回答什么问题，以及哪些指标放在一起读才不会误判。
三线表是论文统计结果常用的版式。说明三线表的顶线、栏目线与底线怎样排，在本站报告里找到主结果表，并导出 Word 后如何核对格式。
判别分析在已知分组的前提下，用几个定量指标的线性组合把各组分开。用 240 例、三个客户分层的演示数据，说明判别函数、Wilks' Λ、结构矩阵和三种分类准确率各自怎么读。
重复测量需要在每个对象内部排序，整体检验与两两比较也有不同的原假设。本例从模拟评分的平均秩、校正检验和原始量纲出发，说明效应量、变化方向与近似条件应怎样并列记录。