spss 数据预处理填补数据之后
如何检验数据合理，确保插入数据合理
之后还有那些步骤
9你的论文有这样的问题或错误？
9.1导读
心理学实证论文中，需要涉及数据的统计分析，在这过程中容易出现一些错误。主要涉及抽样、研究变量的选择、信度和统计分析等方面。
9.2解析
(1)抽样方面
① 有偏样本的使用。不少研究都是为了图方便，采用方便抽样的方式，这样的样本显然是存在偏差的，不符合随机性原则。
② 没有注意被试的回应倾向带来的偏差。网络调查、电话调查、信件调查等方式，被试可以决定自己要不要回应调查，显然，主动回应的被试和不回应的被试样本是有偏差的。
(2)研究变量
仅考虑外显变量，而不考虑或不深入研究潜变量（特质或者抽象的心理因素）。例如研究教学方法对考试成绩的影响，显然影响考试成绩的因素又不少，有些是非常重要的，例如成就动机，如果不研究这些，那我们的结论会大打折扣。
(3)量表内部一致性信度
我们经常用 α 内部一致性系数来衡量一个量表是可靠的，即信度高，但只有当量表各个题目都存在某种内在关联，反映共同的东西时才适合使用内部一致性信度。如果某个量表由一些分散的分量表组成，总分没有实际意义时，内部一致性信度也很高，但实际上各分量表之间没有多大关联。此外，当一些无关的题目堆积在一起形成某个问卷时，内部一致性信度也比较高，但显然内部没有实质性联系。α 系数很高，不代表量表测量的是单一维度的构念。
(4)统计分析
① 单因素多水平，或者多因素设计时，采用 t 检验来分析，正确的应该用方差分析。
② 当方差分析发现交互效应显著时，没有进一步分析简单效应。
③ 相关分析时，用比较高的显著性水平来说明变量之间关系密切，例如相关系数只有 0.12， 显著性水平 p<0.001，实际上二者的关系很微弱。而即便相关系数很高，也不能说明二者相关性很强，因为这种高相关可能来自某些共同因素的共同影响。
④ 回归分析中，单纯从回归分析表中自变量的显著性水平来说明影响力大，而实际上我们应该看测定系数、β 值等。
⑤ 在讨论部分过多引用他人研究的具体数据结果，甚至包括显著性水平，其实没有必要，
引用主要结论就行。