数据分析实践案例：老年人健康生活方式影响因素分析

研究背景

我们希望研究影响老年人健康生活方式的因素，包括饮食习惯（Diet）、运动频率（Exercise）、社会支持（SocialSupport）和心理状态（MentalHealth）等，并验证数据的可靠性和有效性。最终目标是分析这些因素如何影响综合的健康生活方式得分（HealthyLifestyle）。

数据变量

以下是数据集的变量说明案例：

• Age（年龄）：连续变量，单位为岁，例如 65、72。
  

• Gender（性别）：分类变量，0 = 女（Female），1 = 男（Male）。
  

• Diet（饮食习惯）：量表得分，1-5 分，5 表示最健康。
  

• Exercise（运动频率）：量表得分，1-5 分，5 表示最频繁。
  

• SocialSupport（社会支持）：量表得分，1-5 分，5 表示支持最强。
  

• MentalHealth（心理状态）：量表得分，1-5 分，5 表示最好。
  

• HealthyLifestyle（健康生活方式得分）：因变量，综合得分，1-20 分。

数据准备和实验条件

1. 从上一节课同学们收集的数据中，挑选一个组的数据进行分析。

分析下载数据：

下载问卷数据：

选择序列（编号）excel格式

• 样本量：大于100 。
  

• 数据：各组从问卷星或腾讯问卷平台导出序列（编号）数据和原始数据，csv格式，。
  

• 保存格式：保存为 .csv 文件，例如 第1组.csv，通过电子教室软件提交给老师。

2.确保计算机已安装JASP软件，若未安装，请从下列链接下载安装。

JASP 软件介绍

JASP（Jeffreys’ Amazing Statistics Program）是一款由阿姆斯特丹大学支持的免费开源统计分析软件，旨在为用户提供简单易用的统计工具。它以直观的图形用户界面（GUI）为特色，特别适合心理学、社会科学等领域的学生和研究人员。JASP 不仅支持传统的频数主义统计方法（如 t 检验、ANOVA 和回归分析），还特别强调贝叶斯统计方法的集成，这使其在现代科学研究中独具优势。自 2014 年首次发布以来，JASP 不断更新，功能日益完善，逐渐成为 SPSS 等商业软件的有力替代品。

与 SPSS 的对比

SPSS（Statistical Package for the Social Sciences）是由 IBM 开发的一款老牌商业统计软件，自 1968 年以来广泛应用于学术和行业数据分析。相比之下，JASP 作为一个新兴工具，在多个方面展现出与 SPSS 的差异：

成本

• SPSS：商业软件，需购买许可证，价格较高，尤其是对个人用户或预算有限的学生而言，成本可能成为负担。

• JASP：完全免费，开源性质意味着无需任何费用即可使用全部功能，且可在 Windows、Mac 和 Linux 等多个平台运行。

用户界面

• SPSS：界面较为传统，菜单复杂且选项繁多，对于新手来说学习曲线较陡，操作可能不够直观。

• JASP：拥有现代化的设计，界面简洁直观，分析选项一目了然，用户只需几次点击即可完成复杂分析，适合初学者。

功能覆盖

• SPSS：功能全面，支持大量统计方法，但缺乏对贝叶斯统计的内置支持，且某些现代分析（如元分析）需要额外插件或手动操作。

• JASP：涵盖常见统计分析（如描述统计、t 检验、回归等），并内置贝叶斯方法、元分析和结构方程模型（SEM）等高级功能，部分功能甚至超越 SPSS。

输出格式

• SPSS：输出表格格式较繁琐，需手动调整以符合 APA（美国心理学会）出版标准，增加了后期处理的工作量。

• JASP：默认生成 APA 格式的表格和图形，结果可直接复制粘贴到学术报告中，极大简化了报告撰写过程。

数据同步与可重复性

• SPSS：分析步骤需通过菜单或语法手动重复，数据更新后需重新运行整个流程，可重复性较弱。

• JASP：支持实时计算和数据同步，修改数据后结果自动更新，且分析步骤集成在输出中，便于研究的可重复性和透明性。

JASP 的优点

免费且开源

JASP 无需任何费用，消除了经济门槛，同时开源特性允许用户和开发者持续改进软件，保持其与时俱进。

易用性

简洁的界面和直观的操作设计使得 JASP 特别适合统计学初学者，用户无需编程知识即可完成复杂分析。

贝叶斯统计支持

与 SPSS 不同，JASP 内置贝叶斯分析工具，提供更丰富的统计推断选择，符合现代科学研究趋势。

APA 格式输出

默认生成符合 APA 标准的表格和图形，节省了研究人员格式调整的时间，提升了工作效率。

实时更新与动态交互

数据和分析结果实时同步，用户可随时调整参数并立即查看变化，增强了分析的灵活性和直观性。

跨平台兼容

JASP 支持多种操作系统，无需担心兼容性问题，安装和使用过程简单，无需复杂的许可激活。
软件下载 ：
JASP-0.19.3.0-Windows.msi

3. 导入数据到 JASP

1. 打开 JASP 0.19.3。
   

2. 点击左上角 File（文件） > Open（打开）。
   

3. 选择 ElderlyHealth.csv 文件，点击 Open（打开）。
   

4. 数据加载后，界面会显示表格，确认变量名称和数据无误。

分析步骤

1. 描述性统计（Descriptive Statistics）

目标：了解数据的分布特征，如平均值、标准差等。

操作步骤

1. 在 JASP 主界面，点击顶部菜单 Descriptive Statistics（描述性统计）。
   

2. 在左侧变量列表中，将以下变量拖到右侧 Variables（变量） 框中：

   • Age（年龄）

   • Gender（性别）

   • Diet（饮食习惯）

   • Exercise（运动频率）

   • SocialSupport（社会支持）

   • MentalHealth（心理状态）

   • HealthyLifestyle（健康生活方式得分）
     

3. 在下方选项中勾选：

   • Frequency Tables（频率表）：适用于 Gender（性别）等分类变量。

   • Mean（均值）：计算平均值。

   • Std. Deviation（标准差）：测量数据离散程度。

   • Minimum（最小值） 和 Maximum（最大值）：查看数据范围。

   • Skewness（偏度） 和 Kurtosis（峰度）：检查分布是否正态。
     

4. 点击 OK（确定） 运行分析。
   

输出解读

• Age（年龄）：均值可能是 68.5，标准差 4.2，表示年龄分布较集中。
  

• Gender（性别）：频率表显示男女比例，例如 60% 女性 (0)，40% 男性 (1)。
  

• HealthyLifestyle（健康生活方式得分）：均值 12.3，标准差 3.1，表示得分中等且有一定差异。
  

• Skewness（偏度） 和 Kurtosis（峰度）：接近 0 表示数据接近正态分布，若偏离较大（如 > 1 或 < -1），分布可能不正态。

2. 信度分析（Reliability Analysis）

目标：检查量表（Diet, Exercise, SocialSupport, MentalHealth）的内部一致性。

操作步骤

1. 点击顶部菜单可靠性分析---> Reliability（信度）。
   

2. 将以下变量拖到右侧 Variables（变量） 框中：

   • Diet（饮食习惯）

   • Exercise（运动频率）

   • SocialSupport（社会支持）

   • MentalHealth（心理状态）
     

3. 在选项中选择 Cronbach’s α（克朗巴赫α系数），保持默认设置。
   

4. 点击 OK（确定） 运行。
   

输出解读

• Cronbach’s α：

  • >0.7：信度良好。

  • 0.6-0.7：信度可接受。

  • < 0.6：信度较差，可能需要调整量表。
    

• Item-rest correlation（项目剩余相关性）：如果 α 偏低，检查每个变量的值，若某项 < 0.3，可考虑删除。
  

• 示例：α = 0.82，表示量表一致性很好。

3. 效度分析（Validity Analysis）

目标：验证量表是否有效测量健康生活方式（通过相关分析检查收敛效度）。

操作步骤

1. 点击顶部菜单 Correlation（相关性）。
   

2. 将以下变量拖到右侧 Variables（变量） 框中：

   • Diet（饮食习惯）

   • Exercise（运动频率）

   • SocialSupport（社会支持）

   • MentalHealth（心理状态）

   • HealthyLifestyle（健康生活方式得分）
     

3. 在选项中选择：

   • Pearson（皮尔逊相关系数）：默认方法。

   • 勾选 Report significance（报告显著性）：显示 p 值。
     

4. 点击 OK（确定） 运行。

输出解读

• 相关系数 r：

  • r > 0.3 且 p < 0.05：变量与 HealthyLifestyle 有显著正相关，效度较好。

  • r < 0.1：相关性弱，可能不适合纳入量表。
    

• 示例：

  • Diet 与 HealthyLifestyle：r = 0.45, p < 0.01，正相关显著。

  • Exercise 与 HealthyLifestyle：r = 0.50, p < 0.001，效度很好。

4. 影响因素分析（Regression Analysis）

目标：探究哪些变量显著影响健康生活方式得分。

操作步骤

1. 点击顶部菜单 Regression（回归） > Linear Regression（线性回归）。
   

2. 将 HealthyLifestyle（健康生活方式得分） 拖到 Dependent Variable（因变量） 框中。
   

3. 将以下变量拖到 Covariates（协变量/自变量） 框中：

   • Age（年龄）

   • Gender（性别）

   • Diet（饮食习惯）

   • Exercise（运动频率）

   • SocialSupport（社会支持）

   • MentalHealth（心理状态）
     

4. 在选项中勾选：

   • R squared（R平方）：显示模型解释力。

   • Coefficients（回归系数）：

     • 勾选 Standardized（标准化系数）：便于比较各变量影响大小。

     • 勾选 Significance（显著性）：显示 p 值。
       

5. 点击 OK（确定） 运行。

输出解读

• R²（R平方）：例如 R² = 0.50，表示模型解释了 50% 的健康生活方式变异。
  

• 回归系数表：

  • β（标准化系数）：表示影响大小和方向。

  • p 值：< 0.05 表示显著影响。
    

• 示例：

  • Exercise：β = 0.35, p = 0.001，运动频率显著正向影响。

  • SocialSupport：β = 0.28, p = 0.02，社会支持也有显著影响。

  • Age：β = -0.10, p = 0.15，未达显著水平。

结果整理与报告

示例报告

1. 描述性统计：

   • 平均年龄 68.5 岁（标准差 4.2），健康生活方式得分均值 12.3（标准差 3.1），性别比例 60% 女性。
     

2. 信度：

   • Cronbach’s α = 0.82，量表信度良好。
     

3. 效度：

   • Diet (r = 0.45, p < 0.01)、Exercise (r = 0.50, p < 0.001) 与 HealthyLifestyle 显著相关，效度较好。
     

4. 影响因素：

   • 回归模型 R² = 0.50，Exercise (β = 0.35, p < 0.01) 和 SocialSupport (β = 0.28, p < 0.05) 是显著预测因子。

输出保存

• 在 JASP 中，点击顶部 Export（导出） > Export results（导出结果），保存为 .html 文件，方便整理报告。

注意事项

1. 软件版本：确保使用 JASP 0.19.3，界面可能因版本差异略有不同。
   

2. 数据检查：导入数据后，确认无缺失值或异常值（如 Age = 150）。
   

3. 正态性：若偏度和峰度偏离较大，可在回归前勾选 Assumption checks（假设检验） 检查正态性。