展开知识库目录

AI 写的 R、Python 或 SPSS 代码能跑但结果错怎么办:先写分析规格

AI 生成的分析代码能运行,只证明语法和当前数据没有立即报错。先冻结分析规格、字段字典和脱敏小样本,再要求分步检查、已知结果重算和环境记录。

先看“代码能跑”的假安全感

AI 把 9 当成真实评分、把参考组设反,最后仍生成了一张漂亮显著性表

数据字典规定满意度 1–5,数字 9 代表拒答;分组字段 0 是干预、1 是对照。学生只把 CSV 和一句‘比较两组满意度’交给 AI。代码顺利运行,却把 9 纳入均值,把 1 自动当成参考组,还对同一参与者的重复测量按独立样本处理。输出格式完整,但回答的已不是原来的统计问题。

AI 不知道字段的研究含义,也不会因为代码成功退出就自动发现设计错误。正确顺序是先由研究者和统计责任人写分析规格,再提供最小可复现、已脱敏的数据结构;代码必须分成导入、校验、变换、分析和导出,并用人工可算的小样本和另一条可信路径交叉验证。

  • 写出软件无关的分析规格
  • 让代码主动暴露字段和样本问题
  • 交付可复现、可审查的分析包
先写规格再选语言

R、Python 和 SPSS 可以换,研究口径不能跟着工具漂移

分析规格字段必须写到什么程度缺失时会怎样错
研究问题与目标估计比较对象、结局、时间、目标人群和效应尺度自动选择一个方便的检验,却回答了别的问题
数据身份文件版本、主键、一人多行规则、分析单位把重复测量当独立样本或重复计数
变量定义类型、单位、编码、参考组、派生公式和时间点参考方向、单位或类别被静默改写
缺失与排除特殊编码、缺失类型、完整案例或插补计划、排除原因把 9/999 当真值,或不同模型使用不同样本
统计方法模型、协变量、聚类/重复、假设检查和敏感性分析套用默认模型并忽略设计结构
输出规范描述统计、效应量、区间、样本量、精度和图表单位只返回 p 值或无法与正文对账
复现信息语言、版本、包、随机种子、命令、警告和会话信息同一脚本换环境后结果变化却无法解释
只在允许的数据环境中使用

让 AI 先生成检查,再生成分析;遇到未知项必须停下来

可复制使用

让 AI 先生成检查,再生成分析;遇到未知项必须停下来

你要生成的是可审查的分析脚本,不是直接给研究结论。不要猜测任何字段含义、缺失编码、参考组或统计方法。

语言与版本:{R / Python / SPSS 及版本}
数据文件:{脱敏小样本文件名;不得包含未经批准的真实敏感数据}
数据版本与哈希:{填写}
分析单位与主键:{例如 participant_id;每人多行规则}
字段字典:
{字段名 | 含义 | 类型 | 单位 | 编码 | 缺失值 | 时间点}

研究问题:{填写}
主要结局:{填写}
比较组与参考组:{填写}
目标估计或效应尺度:{填写}
协变量及纳入理由:{填写}
缺失处理:{填写}
重复测量 / 聚类结构:{填写}
预设排除:{填写}
假设检查与敏感性分析:{填写}
输出要求:{每组 N、描述统计、效应量、95% 区间、p 值、图表和机器可读结果}

按以下文件或代码段输出:
1. 01_import_validate:读取后打印行列数、主键重复、类型、类别水平、范围和缺失;任何不符合字典的值立即停止。
2. 02_transform:所有派生变量单独创建,保留原字段并打印变换前后对照。
3. 03_analysis:只实现我明确指定的方法;注释每个模型回答什么。
4. 04_diagnostics:输出假设检查、警告和实际分析样本流转。
5. 05_export:从结果对象导出表和图,不手工抄数字。
6. reproducibility:记录版本、依赖、随机种子、运行命令和会话信息。

若规格不足以唯一确定代码,在开头列出缺失项并停止,不要用常见默认值补齐。

统计方法本身仍需由具备相应能力的人确认。提示词只能约束交付过程,不能证明分析正确。

代码生成后分层验收

先证明数据读对,再证明变量算对,最后才讨论模型结果

  1. 01

    人工核对导入摘要

    对照原始文件检查行列数、主键、字段类型、类别水平、范围和特殊缺失值。任何静默转换先修复,不继续跑模型。

  2. 02

    逐个核对派生变量

    抽取正常、边界和缺失记录,手工计算派生值;保留原字段、公式、单位和时间点。

  3. 03

    用可手算的小数据测试

    构造几行能够预知均值、差值、分组和缺失结果的数据,检查参考方向、分母和排除规则。不要只用真实大表测试。

  4. 04

    检查模型实际使用的样本

    输出每一步纳入、排除和缺失数量,按组列出最终 N;确认重复测量、聚类和权重确实进入方法。

  5. 05

    与独立路径交叉验证

    对关键结果使用成熟软件、另一段独立实现或统计人员复算。只比较最终 p 值不够,还要比较 N、估计、标准误和区间。

  6. 06

    保存完整分析包

    固定输入版本、脚本、环境、日志、警告、结果对象和导出文件。论文数字必须从这些对象生成,不在 Word 或图片里手工修正。

这些情况必须停止

能输出结果不代表可以进入论文

本篇依据

可复现信息和统计责任不能外包给代码生成器