数据分析是什么：定义、流程与方法对照

一个定义，两种理解

广义的数据分析包括商业数据分析（BI 报表、用户行为分析、运营指标）与统计数据分析（假设检验、建模推断）两大世界。本站聚焦后者——学生与科研人员面对的"我的数据能不能支持我的结论"。两者的方法内核相通，但纪律差别大：商业分析允许探索性看图找感觉，统计研究必须先定假设再检验，顺序反了就是"先射箭后画靶"。

四步流程里，第二步最被低估

收集不说了，问卷平台代劳。清洗是被严重低估的一步：无效问卷怎么判（作答时长低于多少算乱答、反向题与正向题矛盾的处理）、缺失值怎么办（缺失比例、缺失机制 MCAR/MAR/MNAR 决定删除还是插补）、极端值怎么处理（3 个标准差截尾还是 Winsorize）。清洗标准不统一，同一条数据两个人能跑出不同结论。我们的自动引擎把清洗规则标准化：问卷数据默认按作答时长与规律性作答双重标准剔除，规则全部写进报告可追溯。

方法对照表：研究问题 → 统计方法

你想回答的问题	数据形态	对应方法
样本长什么样	任意	频数、均值、标准差（描述统计）
两组有没有差别	连续因变量	独立样本 t 检验（非正态用 Mann-Whitney U）
三组以上有没有差别	连续因变量	单因素方差分析（事后 LSD/Scheffé）
两类别的分布有关联吗	分类变量	卡方检验（小样本 Fisher 精确）
两个变量一起变吗	连续变量	Pearson 相关（非正态 Spearman）
X 能预测 Y 吗（控制其他变量）	连续因变量	多元线性回归
Y 发生与否跟 X 有关吗	二分类因变量	Logistic 回归
X 通过 M 影响 Y 吗	连续变量链	中介效应（PROCESS Model 4）
量表测得准吗	多题项量表	Cronbach α + 因子分析（信效度）

这张表覆盖了论文数据分析的绝大多数场景。方法选完后对应的操作，SPSS 用户见SPSS是什么软件，面板计量用户见Stata和SPSS的区别。

三个最容易犯的统计错误

错误一：跳过前置检查。t 检验前不做正态性检验、方差分析前不查方差齐性，方法错配直接导致 p 值失真。规范流程是前置检查 → 参数/非参数分岔 → 事后检验，一步不省。

错误二：把相关当因果。"X 与 Y 显著相关"只能说明共变，不能说明 X 导致 Y。因果结论需要研究设计支持（随机分组、时间先后、控制混杂），这是研究设计课的核心内容，统计方法补不了设计缺陷。

错误三：只报 p 值不报效应量。大样本下微不足道的差异也会显著，p<0.05 只回答"有没有"，效应量（Cohen's d、R²）才回答"有多大"。2026 年主流期刊已普遍要求同时报告两者。

自己动手还是找工具找人

决策逻辑三问：方法在不在你能力圈内？样本量和数据质量过没过关？deadline 还有多远？三关全过，自己动手；过一两关，用在线数据分析工具自动跑（守门规则会拦住方法错配）；时间和方法双缺，直接走数据分析代做。无论哪条路，上文那张方法对照表都值得存在手机里——它是所有分析起点的地图。