- 怎么开始
- 导入一份脱敏 CSV，核对变量类型后，先做描述统计和数据分布检查。
- 检查什么
- 核对缺失值、分组、变量尺度和选择的检验设置。
- 使用条件
- 图形界面降低操作门槛，统计方法的适用性仍需要你判断。
收藏保存在当前浏览器，换设备不会同步。
任务专题 03 · 4 个精选工具
让数据分析有据可查
从整理变量到选择统计方法，再到保存分析过程。按你的操作习惯挑选入口。
适合谁有实验或调查数据，需要完成统计、探索和可视化的研究者
目标产出分析设置、结果表、图表与可追溯记录
可以这样开始
先用小样本跑通- 01
整理数据与研究问题
保留原始数据，注明变量类型、单位、缺失值和分组规则。先写出想回答的问题，再选方法。
- 02
选择操作方式
偏好图形界面可看 jamovi 或 JASP；需要可视化工作流可看 Orange；已有 R 与 MCP 环境可看 r-stats-mcp。
- 03
保存设置并复核
检查方法假设、样本量和异常值处理；同时报告效应量及不确定性。保存文件与设置，确认结果可重现。
按你的条件选择
来源已核对 · 尚未逐项实测- 怎么开始
- 导入样本数据，按研究问题选择分析，并保存项目文件。
- 检查什么
- 确认模型假设、先验设置（如适用）和结果解释。
- 使用条件
- 不同分析的解释方式不同，不宜只根据显著性判断结论。
收藏保存在当前浏览器，换设备不会同步。
- 怎么开始
- 先连接数据导入、查看和可视化组件，再逐步加入模型与评估。
- 检查什么
- 核对训练与测试划分，避免目标信息泄漏。
- 使用条件
- 工作流可视化不意味着评估自动可靠，需要正确设计验证方案。
收藏保存在当前浏览器，换设备不会同步。
- 怎么开始
- 按文档配置 R 会话与 MCP，先用示例数据运行一个简单分析。
- 检查什么
- 检查实际执行的代码、输入变量和输出，保存软件版本。
- 使用条件
- 需要 R 和 MCP 环境；自动生成的分析需由使用者审核。
收藏保存在当前浏览器，换设备不会同步。
完成后，核对这几项
- 原始数据与清洗后数据分别保存
- 方法与研究设计相符
- 分析设置和软件版本有记录
- 关键结果可重现
编辑整理于 2026 年 9 月 11 日。上手建议依据各工具的项目文档，不代表本站已逐一完成安装或效果测试。具体配置以工具详情中的项目来源为准。