数据不符合正态分布还能用t检验吗？

样本较小且明显偏态时，建议改用非参数检验，两组比较可用曼惠特尼检验，多组比较可用克鲁斯卡尔沃利斯检验。

问卷数据用什么方法分析？五类研究问题对应五条路径

问卷数据收回来的那一刻，很多人会陷入另一种焦虑：数据这么多，到底该跑什么分析？打开SPSS，看着一堆菜单，点哪个都心虚，生怕被答辩老师问到“为什么用这个检验”而答不上来。

其实方法不是随便挑的，由研究问题决定。把常见问题归为五类，每类对应一条路径，对号入座即可。

问题是“有多少、什么水平、怎样分布”，比如大学生每月学习时间的大致区间。第一步就是描述性统计：频数、百分比、均值、标准差，把样本面貌呈现出来。几乎所有问卷研究都要做，它也是后续所有分析的基础，先看清数据长什么样，才能判断后面该不该继续。

问题是“不同群体有没有差别”，比如男女生的焦虑水平是否不同。两组比较用t检验，三组及以上用方差分析。要先检查数据是否满足正态分布和方差齐性；样本小且明显不正态时，改用非参数检验。用了参数检验却不检验前提，是答辩时最容易被抓的地方。

问题是“两个变量有没有关系、关系多强”。皮尔逊相关适用于连续且近似正态的数据，斯皮尔曼相关适用于等级数据或不满足正态的数据。系数绝对值越大关系越强，正负表示方向。注意相关不等于因果。

问题是“一个变量能否预测另一个、影响多大”。因变量连续用线性回归，二分类用逻辑回归。回归比相关多一步，能控制其他变量，回答“其他条件不变时，某变量每变化一个单位，因变量平均变化多少”。

问题不止是“有没有影响”，而是“通过什么路径”“在什么条件下更强”。中介分析回答影响怎样传递，比如社会支持是否通过降低焦虑影响成绩；调节分析回答不同条件下强度是否不同。这类分析现在多借助PROCESS插件完成。

第一，数据类型：各变量的测量尺度是定类、定序、定距还是定比，决定了能跑哪些方法。第二，样本量：回归、结构方程等对样本量有最低要求，太小则结果不稳定。

拿到数据先别急着点软件，把研究问题写下来，判断它属于哪一类，方法自然就出来了。选完再回头核对数据前提，答辩时才有底气讲清为什么这样做。