PsyMetric 是我自己开发的一个科研数据分析平台。

平时做研究，经常要整理问卷数据、跑统计分析，再把结果写进论文或报告。我自己一直在做心理与教育测量相关的研究，这些事情做得比较多，平时也会根据分析任务使用不同的软件。

之前就想过，能不能做一个用起来比较顺手的数据分析平台，把常用统计方法、心理测量分析和报告整理功能放到一起。后来陆续开发了数据分析模块，也加入了 AI 结果解释和讨论、研究报告构建等功能，慢慢有了现在的 PsyMetric。

目前平台已经上线。 这篇文章结合一份模拟问卷数据，介绍一下它现在能做什么，以及各个功能实际是什么样子。

01｜先看一下目前有哪些功能

PsyMetric 的功能主要分成五个部分：数据与项目管理、常用统计分析、心理与教育测量、AI 辅助分析，以及报告构建。

功能之间可以衔接使用。例如，导入同一份问卷数据后，可以先检查变量和数据分布，再做题项分析或模型分析。运行得到的表格、图形和解释，也可以继续放进报告里整理。

下面用昨天录制的一次操作演示，介绍几个主要模块。

02｜导入数据，开始分析

这次演示用的是500 行、12 列的模拟问卷数据，包括10道 Likert 题目和2个人口学变量。导入后，先确认变量名称、题目编码和数据范围，再选择需要的分析方法。

做问卷研究时，反向题、缺失值和变量编码都需要提前核对。这些事情仍然要由研究者自己把关。平台提供的是数据管理和分析入口，不能代替数据清理。

03｜常用统计分析与图表

平时处理问卷，我一般会先看描述统计，了解每个变量的取值和分布，再决定是否进行相关、差异比较或进一步建模。

PsyMetric 里可以查看描述统计表、统计指标以及对应的图形结果，也提供其他常用统计分析与建模模块。分析完成后，相关结果可以留在当前项目中继续查看。

像均值、标准差、极值、直方图和箱线图这些内容，虽然常见，但检查数据时都很实用。具体采用哪些方法，还是要根据研究问题、数据类型和统计假设来判断。

04｜量表研究中的 CTT 和 IRT

这是我开发 PsyMetric 时比较重视的一部分。心理学、教育学的问卷与测验研究，经常涉及题目质量、信度和测量模型，和一般的数据描述不太一样。

在经典测量理论（CTT）模块，可以查看题项分析结果及信度相关指标。做量表开发或修订时，可以把这些结果和题目内容放在一起考虑。

平台也提供项目反应理论（IRT）分析，可以设置模型、查看模型拟合与参数，并检查题项曲线、测验信息等结果。

IRT 模型需要与题目的计分方式、研究目的和数据条件匹配。分析结果中出现异常参数或拟合问题时，也要结合局部依赖、样本和模型设定继续检查。

05｜结合分析结果使用 AI

我还把 AI 解释和 AI 讨论加到了平台中。分析结束后，可以就当前结果生成一段解释，也可以继续提出问题，比如某个模型指标是什么意思、还有哪些地方需要留意。

AI 讨论可以结合当前分析结果展开，这样提问时不必每次重新整理一遍表格和参数。

另一种用法是生成结构化解释，之后再根据报告需要调整文字。

这部分主要是帮忙理解和整理信息。AI 生成的解释仍然需要核对，尤其是模型假设、参数含义和研究结论，不能直接当作正式结果使用。

06｜把分析结果整理进报告

分析结束后，我通常还需要挑选统计表、图形，修改标题，整理解释，再放进 Word。这部分也做进了 PsyMetric。

报告构建页面分为三个区域：左边是分析素材，中间是报告内容，右边是解释与导出设置。 可以按章节添加已经生成的统计表、图形和文字，再调整顺序。

整理好后，可以导出 Word 文档继续编辑。这个功能对需要交付课题报告、监测报告或者整理研究结果的用户，会比较方便。

导出以后仍然要检查数据、表格标题、图片清晰度和文字表述。尤其是正式研究报告，自动生成的内容还需要人工审阅。

07｜适合哪些研究任务

目前这些功能主要面向需要处理问卷和量化数据的社科研究场景。

• 研究生和课题组
  ：整理问卷数据，完成常用统计分析和结果汇总。
• 心理与教育测量研究者
  ：分析题项表现、信度，以及 IRT 相关结果。
• 教育评估和监测工作
  ：把不同模块的结果整理成可继续修改的报告。

如果研究中需要编写复杂模型、定制估计方法，或者严格的代码级复现，R、Python 等工具依然更合适。PsyMetric 可以作为日常分析和报告整理的另一种选择。

08｜现在可以体验

PsyMetric 目前已经开放使用，功能也还在继续完善。文章里展示的是一次从导入数据到 Word 报告的实际操作过程。

感兴趣的话，可以到官网看看具体界面：

PsyMetric 官网：psymetriclab.com