研究设计已直接集成在数据生成配置中;选择组别来源时会读取当前问卷题目或 Excel 列,无需再打开第二个弹窗。
配置说明
单选题: 配置各选项占比,总和应为 100%
多选题: 配置每个选项独立被选中的概率,总和可以超过 100%
量表题: 优先设置目标均值、维度、因子载荷和反向计分
矩阵题: 按每一行分别配置;矩阵量表配均值,矩阵单选/多选配逐行占比
填空题: 支持 AI 内容池、手动答案池,以及“其他/请注明”联动补填
地区级联题: 建议同步配置第一层占比与省/市组合池
数值 / 日期 / 时间 / 排序: 应配置对应范围、分布或排序偏好,不适合简单套单选占比
检查配置
查看结果
生成整卷填空答案
先生成同一受访者整行基础答案,再结合前题、跳题和人工锁定内容逐题生成所有普通文本填空;逐行语义复核通过后才导出,不自动提交问卷。
生成全部填空候选池
随机高分分布
随机正态分布
随机低分分布
维度定义
智能识别
量表题归一维度
矩阵量表各成维度
一键清空所有维度
添加维度
查看维度配置说明
智能识别: 自动根据题目内容识别维度分组、反向计分等。
默认规则: 矩阵量表通常按“一个矩阵量表 = 一个维度”处理,其所有行会自动归到同一维度。
一键操作: “量表题归一维度”把全部量表题合并为单个维度;“矩阵量表各成维度”让每个矩阵量表各成一个维度;“一键清空所有维度”清空全部维度及题目归属(均会覆盖当前配置)。
手动配置: 点击“添加维度”创建维度,然后为每个维度选择包含的量表题。
启用二阶模型分析
适用于智能填写、智能生成和 Excel 回填;先在“维度设置”中建立小维度,再在此归组为大维度。
启用
高级配置管理
清空受访者属性、逻辑规则、相关性、回归/SEM/中介/调节/差异模型及分析开关,不影响题目占比和维度题项归属。
一键展开
一键折叠
一键清空高级配置
效度分析没有单独开关:勾选 EFA/CFA 后,系统会在分析结果中生成结构效度、聚敛效度和区分效度;信度结果由“信度分析”生成。若未配置维度和量表题,这些指标没有可计算的测量对象。
Excel 数据分析模式只配置需要执行的分析模型与方法;不会使用生成数据的取值范围、目标均值或目标阈值。
固定规则:优先使用你手动配置的回归模型;如果已开启回归但未手动配置,系统会按维度角色自动匹配 自变量(`predictor`) → 因变量(`outcome`) ,并自动附带控制变量(`control`)。
偏度/峰度适合问卷量表的近似正态判断;阈值越宽松,通过越容易,但仍需结合研究场景解释。
配置 Cronbach's α 系数的输出标准及目标阈值。
默认使用主成分分析法提取,并采用最大方差法(Varimax)正交旋转,使旋转后成分矩阵清晰、载荷易于解释;Promax 仅作为斜交旋转高级选项。
二阶模块独立运行:配置或估计失败只会记录二阶错误,不会中断原有一阶数据、信效度、CFA/SEM、中介或调节分析。建议样本量至少 300;复杂二阶 SEM/中介/调节建议至少 400。
大维度与小维度可视化分组
添加大维度
请先配置小维度层级。
展示编码自动遵循 A→AA/AB/AC→AA1/AA2/AA3;内部维度 ID 保持不变,三种数据模式共用同一结构协议。
高级:导入/导出原始 JSON
该区域用于专家批量导入;常规配置请使用上方表单。JSON 格式错误时前端阻止提交,后端仍按二阶隔离机制处理。
建议将基础题/人口学变量导入为受访者属性(如性别、年龄、学历、地区)。后续可用于差异分析分组、回归控制变量,并可设置其对维度的影响。
基础题可先导入“受访者属性”;量表题和矩阵量表行会在解析后直接出现在规则选择器中。例如“职业=学生”时限制年龄范围,或“满意度=5”时限制后续量表题取值。系统会在生成、评分与修复阶段统一应用这些规则。
生成优先策略
平衡模式
优先占比/均值命中
优先分析结果
优先信度稳定
优先相关/路径结构
如果当前配置太苛刻,系统会给出“优先分析结果/优先信度/优先结构”的折中建议,并可直接重试或下载当前最佳结果。显式占比会先按当前样本量折算成精确计数,再严格校验;若百分比无法整除样本量,会采用最近可实现的整数方案。
全部差异影响强度
无显著性(None)
弱(Weak)
中(Medium)
强(Strong)
先选择强度,再点“一键设置强度”。无显著性不制造组间差异;弱/中/强逐级增大目标均值间距。
每条路径明确选择“用哪道基础题分组”和“影响哪个维度”。拖动已选分组可设置目标均值从小到大的顺序;2 组自动使用 t 检验,3 组及以上自动使用 ANOVA。Agent 只会保留可执行路径,不再强行写入冲突配置。
设置维度之间的相关方向、强度和显著性。若与结构路径方向冲突,显式选择的相关显著性目标将同步直接路径方向并给出校正说明。
支持线性、二元逻辑和多项逻辑回归。二分类因变量需设置事件类别;三分类及以上需设置参照类别、重点结果类别和类别占比;预测变量可使用维度、题目或属性。
SEM 结构路径与控制变量在此分别配置;控制变量会作为观测协变量进入指定潜变量的结构方程。回归、中介、调节分别在各自面板独立配置。
当前 SEM 结构路径数:0
暂无 SEM 结构路径配置
SEM 控制变量(基础题 / 受访者属性)
全部显著(P<0.05)
添加控制变量
模拟生成新增控制变量默认“期望显著(P<0.05)”,已有配置保持原选择,可点“全部显著”统一修改;已有数据分析新增项默认仅报告。控制目标默认选择唯一的结构路径因变量,多目标时须自行选择。分类题按参考组哑编码。选“高显著”或“显著”时,模拟生成先对已绑定的受访者属性注入行级效应,再由最终 ML 模型逐个非参照类别验收;选“不显著”时不主动注入效应。达不到所选 P 值或方向即只保留预览,不会标为达标数据;不修改估计值或 P 值。多分类变量的单项检验不等于整题联合检验。真实调查数据不能按显著性筛选。当前仅支持 ML / Listwise / Bootstrap=0。
估计方法
ML
MLR
WLSMV
Bootstrap次数
缺失值处理
Listwise
FIML
通用调节模型: X 可为自变量或中介变量;当 X=中介变量、Y=因变量时表示二阶段调节(M→Y 受 W 调节),当 Y=中介变量时表示一阶段调节(X→M 受 W 调节)。X/W/Y 必须是三个不同维度。