量化方法Skill quantitative-methods

量化方法技能专注于使用R、Stata、SPSS或Python等统计工具,为社会科学研究提供严谨的数据分析解决方案。核心能力包括回归建模、假设检验、功效分析和稳健性检验,旨在帮助研究者设计定量研究、分析调查数据、验证假设并构建预测模型。该技能强调最佳实践,如预注册分析、假设检查和代码文档化,确保分析结果的可靠性和可重复性。

数据分析 2 次安装 7 次浏览 更新于 2/25/2026

name: quantitative-methods description: 使用R、Stata、SPSS或Python设计和执行包括回归建模、假设检验、功效分析和稳健性检验在内的统计分析 allowed-tools:

  • Read
  • Write
  • Edit
  • Grep
  • Glob
  • Bash

量化方法技能

使用现代分析工具为社会科学研究设计和执行严谨的统计分析。

概述

量化方法技能能够使用R、Stata、SPSS或Python为严谨的定量社会科学研究设计和执行统计分析,包括回归建模、假设检验、功效分析和稳健性检验。

能力

回归分析

  • 线性回归建模
  • 逻辑回归和多项回归
  • 面板数据方法
  • 时间序列分析
  • 分层/多级建模

假设检验

  • 参数检验
  • 非参数替代方法
  • 多重比较校正
  • 效应量估计
  • 置信区间构建

功效分析

  • 样本量确定
  • 效应量设定
  • 功效计算
  • 设计优化
  • 敏感性分析

稳健性检验

  • 设定检验
  • 异常值分析
  • 假设验证
  • 替代估计量
  • 敏感性分析

工具熟练度

  • R/RStudio工作流
  • Stata编程
  • SPSS程序
  • Python(statsmodels, scipy)
  • 输出可视化

使用指南

何时使用

  • 设计定量研究
  • 分析调查数据
  • 检验假设
  • 构建预测模型
  • 验证发现

最佳实践

  • 预注册分析
  • 检查假设
  • 完整报告
  • 进行稳健性检验
  • 记录代码

集成点

  • 因果推断方法技能
  • 调查设计与管理技能
  • 心理测量评估技能
  • 混合方法集成技能

参考文献

  • 统计分析流程
  • 实验设计流程
  • 多级/分层建模流程
  • 定量研究方法专家代理