论文统计分析：可复现的工作流程

从研究问题、设计和测量过程中选择分析,而不是从偏好软件包中选择。 确定人口、结果、比较和估计,在审查结果之前。 确定样品和研究设计可以支持哪些结论。

准备一个数据词典,并安全地保存原始数据集。 记录单位、编码公约、缺值规则和排除标准。 从分析数据中分开识别器,并遵循批准的伦理和数据管理安排。 永远不要将参与者的信息放在公共例子或开放的存储库中。

在应用模型之前描述数据。 检查分布、异常值以及缺陷的数量和模式。 软件警告应该导致调查;它不是删除不舒服的观察的原因。 文件证明了纠正,并保持可重复的轨道。

选择适合结果和设计的方法和诊断。 国家假设,并使用相关证据来评估它们。 报告效应估计和不确定性,以及任何假设测试。 只有一个小P值不会确定实际意义、原因或精心设计的研究。

在 R 中,保存脚本和包版本;在 SPSS 中,保存合成以及输出。 将表和数字链接到文档分析,而不是手动编辑结果。 区分计划分析与探索检查,并诚实地描述多种比较和敏感性分析。

论文应该解释什么是做得足够好,以便一个有知识的读者来评估它。 寻找合格的方法评论,当设计复杂或后果重要时。 学术支持应该加强自己的理解和研究完整性,而不是制造数据、结果或作文。