资源介绍
视频数量：39个
总时长：5小时5分
课程介绍：
Jamovi数据分析实战：从入门到精通
你有没有过这样的经历：手头有一堆调查数据，想知道不同性别的人对某件事的看法有没有差异，或者想搞清楚某个因素是不是真的影响了另一个变量，但打开SPSS看到密密麻麻的菜单和按钮就头大？或者你觉得R语言太难学，Excel又做不了像样的统计分析？
Jamovi就是为解决这个问题而生的。它是一款免费、开源、界面直观的统计软件，特别适合那些不想被编程和复杂操作界面劝退，但又需要做正经数据分析的人。这门课程会带你从零开始，一步步掌握用Jamovi做数据分析的全套流程。
一、统计基础：别急着动手，先搞清楚概念
很多数据分析课程一上来就让学员点击各种按钮，结果分析做完了，也不知道自己在干什么。这门课不一样，它先把统计的基本概念讲清楚。
课程一开始会带你了解测量水平的概念，也就是名义变量、顺序变量、等距变量和等比变量之间的区别。这个概念看起来抽象，但它决定了你后续能用什么分析方法。比如你不能用平均值去描述一个性别变量，但你可以计算它的频率分布。
接下来会用三节课的篇幅讲解假设检验的完整逻辑：什么是零假设和备择假设，P值到底是什么意思，为什么我们不能直接接受零假设。这部分内容用生活中的例子来解释，比如判断新药是否真的有效、两种教学方法有没有差别等等。搞清楚这些，你以后看论文里的统计结果就不会一头雾水。
二、认识Jamovi：从界面到数据准备
理论基础打好了，接下来正式进入Jamovi的世界。课程会带你下载安装这个软件，然后熟悉它的界面布局：变量窗口、数据窗口、输出窗口各有什么作用，怎么在它们之间切换。
数据准备是做分析前最容易被忽略、但其实最关键的环节。课程用大量篇幅教你处理原始数据：
怎么把Excel文件导入Jamovi，怎么手动录入和编辑数据。怎么用Compute命令创建新变量，比如把多个量表题目的得分求平均值。怎么对连续变量进行分组，比如把年龄分成青年、中年、老年几个组别。怎么把多个类别合并成一个。怎么筛选出符合特定条件的子集，比如只分析北京地区的受访者。怎么处理缺失值，以及怎么给李克特量表的题目编码。
每一个操作都配有真实的数据集，比如体育活动与压力数据、社交网络使用数据、员工数据、医院信息系统数据等。这些数据集涵盖了社会科学、心理学、健康研究等多个领域，让你练手的同时也熟悉不同类型的研究数据长什么样。
三、初步分析：数据清洗和描述统计
拿到数据之后，在做复杂的统计检验之前，先要做初步分析。课程会教你数据分析的标准步骤，以及数据清洗的基本原则。
数据清洗部分会讲解怎么在Jamovi中检查异常值、处理重复数据、修正错误输入。很多人觉得这一步很无聊，但经验丰富的分析师都知道，数据清洗往往占整个分析过程一半以上的时间。
可靠性分析是社会科学研究里经常用到的方法。比如你设计了一个心理幸福感量表，包含十个题目，怎么知道这十个题目是否在测量同一个东西？课程会教你计算Cronbach's alpha系数，以及怎么基于多个题目计算量表的综合得分。
描述统计部分会详细介绍均值、中位数、标准差、四分位数等统计量的含义和适用场景，以及怎么用Jamovi快速生成这些统计量。对于问卷中常见的多选题（比如"你通过哪些渠道获取信息？"），课程还专门讲解了多选题的分析方法。
四、数据可视化：让数据说话
数字看多了容易头晕，一张好的图表能让人瞬间抓住要点。课程用专门一章来讲数据可视化。
从数据可视化的基本原则讲起：什么类型的变量适合用什么样的图表，图标题、坐标轴标签、图例该怎么设置。然后逐一演示Jamovi中各种常用图表的制作方法：直方图展示数据的分布形态、箱线图比较不同组别的差异、柱状图展示分类变量的频数、折线图展示数据随时间的变化趋势、散点图探索两个变量之间的关系。
每个图表都配有实战案例，比如用职业倦怠数据制作一组图表，让你看到不同图表适合回答什么样的问题。
五、相关性分析：变量之间有没有关系？
当你想要知道两个变量之间是否存在关联时，就需要用到相关性分析。课程从相关分析的基本原理讲起，区分正相关、负相关和零相关，以及相关系数的大小如何解释。
Pearson相关分析适用于两个连续变量之间的线性关系，课程用一个社交网络使用数据演示完整操作，包括怎么看输出的相关系数矩阵、显著性水平。偏相关分析则帮你控制第三个变量的影响，看两个变量之间是否还存在真实关联。此外，课程还介绍了卡方独立性检验，用于分析两个分类变量之间的关系，比如性别和是否吸烟有没有关联。
六、T检验：比较两组平均值
T检验是最常用的统计方法之一，用来比较两组的平均值是否存在显著差异。课程先讲解T检验的适用条件和基本原理，然后用三个实战案例分别演示：
独立样本T检验比较两个独立组的均值，比如比较男性和女性的工作满意度有没有差别。配对样本T检验比较同一组人在两个时间点或两种条件下的差异，比如培训前后的绩效变化。单样本T检验把一组数据的均值和一个已知的标准值进行比较，比如某班级学生的平均分是否显著高于全国平均水平。
每个案例都配有完整的数据集和分析结果文档，让你能照着做一遍。
七、方差分析：比较多组平均值
当你要比较三组或更多组的平均值时，T检验就不够用了，这时需要用方差分析。课程从方差分析的基本原理讲起，然后逐个演示各种类型：
单因素组间方差分析比较多个独立组，比如比较三种不同教学方法的效果。双因素组间方差分析同时考察两个因素的主效应和交互作用，比如比较教学方法和学生性别对成绩的共同影响。单因素重复测量方差分析处理同一组人在多个条件下的数据，比如比较同一组人在四种不同情绪状态下的反应时间。混合设计方差分析则结合了组间和组内两个因素，适合更复杂的实验设计。
每个案例都用贴近生活的话题展开，比如自尊数据、危险感知数据、数学恐惧数据，让统计方法不再抽象。
八、线性回归分析：预测和解释
课程最后进入线性回归分析，这是数据分析中最强大的工具之一。
回归分析不仅能告诉你变量之间有没有关系，还能告诉你关系有多强、方向如何，以及一个变量能在多大程度上预测另一个变量。课程先讲解回归分析的基本原理和适用条件，然后详细演示多元线性回归在Jamovi中的完整操作流程。
用一个睡眠质量数据集，你会学到怎么选择自变量和因变量，怎么解读回归系数和模型的整体显著性，怎么判断模型是否存在多重共线性问题，怎么根据标准化系数比较不同自变量的相对重要性。
学完整个课程，你将能够独立完成一个完整的数据分析项目：从读取数据、数据清洗、描述统计、可视化展示，到选择合适的统计检验方法做出推断，再到用回归分析回答更深入的研究问题。整个过程都在Jamovi这个免费工具里完成，不需要任何编程基础。
如果你是在校学生需要完成毕业论文的定量分析部分，如果你是市场调研人员需要处理问卷数据，如果你是研究人员需要分析实验数据，又或者你只是对数据分析感兴趣想学一门实用技能，这门课程都适合你。