1.3 数据分析软件

本节目标

读完本节后，你能根据研究问题、数据结构、团队能力和复现要求选择分析软件，并建立一套从原始数据到表图与报告都可追踪的项目流程。

1.3.1 先选工作流，再选软件

不存在对所有研究都“最强”的软件。选择时先回答四个问题：

主要模型是什么，软件能否直接估计并提供所需诊断？
数据有多大、是否需要清洗、文本处理或自动化？
合作者、导师和审稿人需要读取什么格式？
半年后能否从原始数据重新生成同一份结果？

工具	适合	优势	主要边界
SPSS	常规描述、差异、回归与教学	图形界面直观，社会科学团队常见	只保留点击记录难以审计；高级模型依模块和许可而异
jamovi / JASP	入门教学、常用检验、快速复核	免费、图形界面、输出清晰	模块覆盖和细节控制有限；复杂流程仍需代码
R	统计建模、可视化、可复现报告	统计生态完整，包与文档丰富	包版本、公式接口和数据类型需要主动管理
Python	数据清洗、自动化、文本、机器学习	通用编程生态，易接入数据管道	传统统计流程分散在多个包；默认输出未必包含完整推断信息
Stata	面板、调查、因果推断与计量工作流	命令体系稳定，结果管理成熟	商业许可；部分扩展命令需单独安装和记录版本

一个常见且实际的组合是：用 SPSS、jamovi 或 JASP 学会读输出；用 R 完成统计建模和作图；数据工程、文本或自动化任务再引入 Python。团队已有稳定的 Stata 工作流时，不必为了“更流行”强行迁移。

1.3.2 图形界面也要留下可重放记录

点击菜单本身不是问题，无法知道点过什么才是问题。

SPSS 分析对话框尽量点击 Paste 保存 syntax，再运行语法；
jamovi 与 JASP 保存完整项目文件，同时记录软件与模块版本；
R、Python 与 Stata 把清洗、模型、表格和图形写进脚本；
不把复制到 Word 的最终表格当作唯一分析记录。

理想交付物不是“一个能打开的输出文件”，而是从只读原始数据到最终结果的完整路径。

1.3.3 建立最小可复现项目

推荐从下面的结构起步：

text

project/
  README.md          # 研究问题、运行顺序、软件版本
  data-raw/          # 原始数据，只读，不手工覆盖
  data-derived/      # 脚本生成的分析数据
  code/              # 清洗、分析、作图脚本
  output/            # 脚本生成的表、图与模型摘要
  docs/              # 代码本、预注册、报告草稿

最低规则有六条：

原始数据只读；清洗结果写入新文件；
每个变量在代码本中说明含义、取值、缺失编码和单位；
运行顺序写进 README 或单一入口脚本；
随机抽样、模拟和随机初始化显式设置随机种子；
记录软件、包、模块和操作系统版本；
表格与图形由脚本生成，不在导出后静默手改数值。

文件名使用稳定、可排序的规则，如 01_import、02_clean、03_model。路径使用项目相对路径，不写只在自己电脑成立的盘符和用户名。

1.3.4 环境与版本如何锁定

同一段代码在包版本变化后可能出现不同默认值、警告或输出格式。版本记录至少包括：

R：R 版本、包版本；项目可用 renv 保存依赖快照；
Python：Python 版本与环境依赖；可用 conda、venv 配合锁定的依赖文件；
Stata：Stata 版本，并在 do-file 中使用适当的 version 声明；
SPSS：产品版本、扩展模块，以及生成输出所用的 syntax；
jamovi / JASP：应用版本、模块名称与版本。

环境文件不是装饰。换一台电脑或交给合作者时，应实际从空环境恢复一次。若依赖外部软件、私有数据或手工步骤，README 要写清获取方式和不可复现部分。

1.3.5 任何软件都不能替代统计判断

按按钮前，先写出分析对象：

要素	必须回答
研究问题	比较、关联、预测、测量还是因果效应？
变量	结果、预测变量、处理、协变量各是什么类型？
观测结构	独立、配对、重复测量、嵌套、聚类还是时间序列？
估计目标	均值差、标准化差、相关、回归系数、比值比还是其他量？
假设与边界	模型依赖哪些分布、独立性、线性、测量或设计条件？
不确定性	标准误、置信/可信区间与样本量依据是什么？
诊断	缺失、异常、残差、影响点、收敛和敏感性如何检查？