问卷数据分析的顺序

问卷数据一般按六步分析：频数分析、信度分析、相关分析、差异检验、回归分析、中介效应。学校要求报告效度的，效度分析放在信度之后。

下文的数字都来自统计工作台的示例项目“大学生学习投入调查”：320 名大一到大四的学生，三个量表分别是数字化学习支持 5 题、学业自我效能 4 题、学习投入 6 题。

频数分析：样本构成

论文的“样本基本情况”一节先报告人数和比例。示例问卷 320 人中，男生 149 人，占 46.6%；女生 171 人，占 53.4%。年级从大一到大四依次为 71、77、89、83 人。

样本基本情况

变量	类别	频数	百分比（%）
性别	男	149	46.6
	女	171	53.4
年级	大一	71	22.2
	大二	77	24.1
	大三	89	27.8
	大四	83	25.9

量表均分、年龄这类连续变量另做描述统计，列出 N、最小值、最大值、均值和标准差。示例问卷里有 6 人没填年龄，年龄的有效值是 314，表里照实写 314。

信度分析：每个量表各做一次

三个量表各算一次 Cronbach's α：数字化学习支持 0.847，学业自我效能 0.812，学习投入 0.869。量表里有反向题的，先反向计分再算：学习投入量表的“上课时我经常走神”“我只想应付考试”就是反向题。

表里除了总的 α，还逐题列出校正的项总计相关（CITC）和删除该题后的 α。下表是学习投入量表：6 题的 CITC 在 0.633 到 0.714 之间，都大于 0.3；删除任何一题后 α 都没有明显提高，题项都可以保留。

信度分析

题项	校正的项总计相关（CITC）	删除该题后的 α
学习时我会全神贯注	0.714	0.839
我愿意花额外时间钻研课程内容	0.633	0.853
上课时我经常走神	0.662	0.848
我会主动和老师同学讨论问题	0.689	0.843
我只想应付考试	0.638	0.852
学习让我感到充实	0.669	0.847

Cronbach's α = 0.869，题项数 = 6，N = 320。

变量	M	SD	1	2	3
1. 数字化学习支持	3.26	0.84	1
2. 学业自我效能	3.25	0.88	0.480***	1
3. 学习投入	3.25	0.85	0.500***	0.497***	1

差异检验：性别用 t 检验，年级用方差分析

两组比较用独立样本 t 检验。男生的学习投入均值为 3.22，女生为 3.28，t(318) = -0.618，p = 0.537，差异不显著。

不同性别的差异检验

变量	男（M ± SD）	女（M ± SD）	t	p
学习投入	3.22 ± 0.82	3.28 ± 0.87	-0.618	0.537

三组及以上比较用单因素方差分析。大一到大四的均值依次为 3.09、3.21、3.38、3.29，F(3, 316) = 1.588，p = 0.192，η² = 0.015，差异也不显著。

不同年级的方差分析

变量	大一（M ± SD）	大二（M ± SD）	大三（M ± SD）	大四（M ± SD）	F	p
学习投入	3.09 ± 0.84	3.21 ± 0.91	3.38 ± 0.87	3.29 ± 0.75	1.588	0.192

回归分析：先放控制变量，再放自变量

因变量是学习投入，用分层回归。模型 1 只放性别和年级两个控制变量，R² 为 0.010；模型 2 再放入数字化学习支持和学业自我效能，R² 升到 0.342，ΔR² 为 0.332，p < 0.001。

学习投入的回归分析

变量	模型 1	模型 2
性别	0.031（0.55）	0.012（0.26）
年级	0.094（1.68）	0.077（1.67）
数字化学习支持		0.336***（6.44）
学业自我效能		0.335***（6.43）
N	320	320
R²	0.010	0.342
调整后 R²	0.004	0.334
ΔR²	0.010	0.332***
F	1.599	40.947***
最大 VIF	1.002	1.302

表中为标准化系数 β，括号内为 t 值；* p < 0.05，** p < 0.01，*** p < 0.001。因变量：学习投入。

表中是标准化系数 β，括号里是 t 值。数字化学习支持的 β 为 0.336，学业自我效能为 0.335，p 都小于 0.001。共线性看最大 VIF，模型 2 为 1.302，小于 5；Durbin-Watson 值为 1.942，接近 2。这两项写在正文或表注里。

中介效应：看间接效应的置信区间

检验学业自我效能在数字化学习支持和学习投入之间的中介作用，用 PROCESS 模型 4，性别、年级作为协变量。论文里一般放两张表：三个模型的回归表和 Bootstrap 效应分解表。

中介效应的回归分析

变量	模型 1：学习投入	模型 2：学业自我效能	模型 3：学习投入
数字化学习支持	0.500***（10.22）	0.502***（9.71）	0.338***（6.44）
学业自我效能			0.322***（6.43）
性别	0.028（0.34）	0.025（0.28）	0.020（0.26）
年级	0.056（1.51）	-0.008（-0.20）	0.059（1.67）
常数项	1.428***（6.45）	1.588***（6.79）	0.917***（4.11）
R²	0.256	0.231	0.342
F	36.202***	31.575***	40.947***

表中为非标准化系数，括号内为 t 值；* p < 0.05，** p < 0.01，*** p < 0.001。

中介效应分解（Bootstrap）

效应	效应值	Boot SE	Boot LLCI	Boot ULCI	效应占比
总效应	0.500	0.049	0.404	0.596	100%
直接效应	0.338	0.053	0.235	0.442	67.62%
间接效应	0.162	0.028	0.106	0.218	32.38%

Bootstrap 抽样 5000 次，95% 百分位置信区间；总效应、直接效应的标准误与区间为 OLS 估计。

结论看效应分解表：间接效应为 0.162，95% 置信区间为 [0.106, 0.218]，不包含 0，中介效应显著，占总效应的 32.38%；直接效应 0.338 仍然显著，属于部分中介。Bootstrap 抽样 5000 次。

把结果写成句子

每张表后面要有一段文字，把表里的数字写成句子，例如：

学习投入在男、女两组之间没有显著差异，t(318) = -0.618，p = 0.537。
数字化学习支持对学习投入有显著的正向影响（β = 0.336，t = 6.437，p < 0.001）。
间接效应为 0.162，95% Bootstrap 置信区间为 [0.106, 0.218]，不包含 0，学业自我效能的中介效应显著。

统计工作台每项结果旁都有这样一段“结果解读”，由程序按结果套模板生成，数字和表格一致。写进论文前，按自己的研究假设调整措辞。