完整案例 · 模拟数据
短视频使用与睡眠质量的关联
一份问卷研究的完整流程
最后更新：2026-10-31 · 约 20 分钟读完 · 数据可下载、数字可复算
关于数据来源：这是模拟数据
本案例的 220 行数据由固定随机种子生成，仅用于演示分析流程， 不代表任何真实人群或真实调查。页面、CSV 文件和报告段落都按模拟数据标注； 请勿把它当作“某高校调查”引用。
一、研究问题与假设
研究问题：在某高校在读本科生中，短视频依赖程度与睡眠质量之间是否存在关联？ 进一步看，日均使用时长是否也与睡眠质量相关，控制年龄、性别和年级后关联是否仍然存在？
- H0：依赖程度与睡眠质量的总体相关系数 ρ = 0。
- H1：二者存在负向关联（ρ 小于 0）。
- 补充问题：男女睡眠质量是否存在差异；年龄是否与睡眠质量相关。
- 表述边界：横断面自评问卷，只讨论关联，不使用“影响”“导致”。
变量角色：睡眠质量均分为因变量；依赖均分与日均使用时长为核心自变量； 年龄、性别、年级为协变量；性别同时用于补充的组间比较。 完整的变量定义见下一节的数据字典。
二、设计与样本
设计为一次性自填问卷的横断面研究，以便利抽样在某高校招募本科生，连续两周发放。 纳入标准为 18 岁及以上、过去一个月有使用短视频；排除正在接受睡眠障碍治疗、 关键变量缺失或作答明显异常的记录。
样本量按相关 r = 0.20、α = .05、双侧、power = .80 用 Fisher z 估算，约需 194 人。这个数可以在站内 样本量估算的“相关分析”设计里直接复算：填入 r = 0.20，其余取默认值，就得到 194。 实际收集 220 份，预留无效问卷空间，最终有效 218 份。
这个设计能回答什么
三、测量与数据字典
依赖量表 5 题、睡眠质量量表 4 题，均为 1–5 级计分。依赖分数越高表示依赖越强； 睡眠分数越高表示主观睡眠质量越好。两套量表在案例中都按正向计分处理； 真实研究如果含反向题，应先反向再合成。模拟数据没有设置注意力检查字段， 真实问卷建议加入并记录剔除规则。
| 字段 | 含义 | 类型 | 编码 |
|---|---|---|---|
| id | 被试编号 | 字符串 | S001–S220 |
| age | 年龄 | 连续 | 周岁 |
| gender | 性别 | 二分类 | 0=男，1=女 |
| grade | 年级 | 有序 | 1=大一 … 4=大四 |
| hours | 日均使用时长 | 连续 | 小时，1 位小数 |
| dep1–dep5 | 依赖量表 | 有序 1–5 | 越高越依赖 |
| sleep1–sleep4 | 睡眠质量量表 | 有序 1–5 | 越高睡眠越好 |
完整的数据字典模板可从研究模板下载；案例 CSV 的列名与上表一致，缺失值留空。
为演示“删题”这个真实决策，依赖量表第 5 题被预设为与其余题项关系较弱； 这不是为了制造完美结果，而是为了让读者看到信度分析如何影响后续分析。
四、数据清洗记录
缺失值
原始 220 行中，S037 与 S142 各缺 1 个睡眠题项： S037 缺 sleep3，S142 缺 sleep2。缺失比例约 0.9%，分散在不同题项，且没有证据表明缺失与结局系统相关， 因此采用整行删除（listwise），保留 218 行。没有把缺失填成 0，也没有把缺失当作一个类别。
异常值
日均使用时长的 Q1 = 2.1、Q3 = 4.1、IQR = 2.0，IQR 法上下界为 -0.9 与 7.1 小时。检测到两个点：S088 报告 14.2 小时（极端异常），S041 报告 7.7 小时（轻度偏离）。 回查后未发现录入错误，主分析保留两者，另做剔除极端值的敏感性分析。
敏感性分析
主分析（n = 218）依赖与睡眠的相关为 r = -0.685， 剔除极端值后（n = 217）为 r = -0.694； 同时剔除两个异常点后（n = 216）为 r = -0.688。 分层回归的 ΔR² 从 0.533 变为 0.534， 依赖系数从 b = -0.438 变为 b = -0.39。 方向和量级稳定，因此主分析保留全部有效样本。
五、描述统计与信效度
清洗后 218 人：男生 87 人（39.9%），女生 131 人（60.1%）； 年级分布为大一 43 人、大二 65 人、 大三 64 人、大四 46 人。
| 变量 | M | SD | 说明 |
|---|---|---|---|
| 年龄 | 20.92 | 1.7 | 周岁 |
| 日均使用时长 | 3.16 | 1.635 | 小时，右偏 |
| 依赖均分 | 2.99 | 0.876 | 4 题均分，1–5 |
| 睡眠质量均分 | 3.52 | 0.811 | 4 题均分，1–5 |
信度与删题决策
依赖量表 5 题时 Cronbach’s α = 0.802，第 5 题的校正项总计相关仅 0.155，删除后 α 升至 0.895。 结合题项内容判断，删除第 5 题不会削弱“依赖”的核心含义，因此后续分析使用 4 题均分。 睡眠量表的 α = 0.904，保留全部题项。
这一步是案例的第一个回退点：如果删题后构念覆盖明显受损，应重新考虑题项而不是只追求高 α。 案例把删题写进方法部分，后续所有相关与回归都使用 4 题依赖分。
六、相关分析与组间比较
主检验使用 Pearson 相关。睡眠与依赖均分的 Shapiro-Wilk W 分别为 0.98 和 0.99；两者的 p 值都小于 .001， 但在 n = 218 时该检验对轻微偏离很敏感，结合 W 值、偏度与 Q-Q 图判断近似正态。 使用时长 W = 0.91，右偏明显，因此额外用异常值敏感性分析检查稳健性。 主结果为： r = -0.685，95% CI [-0.75, -0.608]， p < 0.001。
| 变量对 | r | 95% CI | p |
|---|---|---|---|
| 依赖 × 睡眠 | -0.685 | [-0.75, -0.608] | < .001 |
| 使用时长 × 睡眠 | -0.64 | [-0.713, -0.555] | < .001 |
| 年龄 × 睡眠 | -0.053 | [-0.184, 0.081] | 0.44 |
性别差异用 Welch t 检验：男生 M = 3.618，女生 M = 3.45， 均值差 0.167，t(179.45) = 1.485， p = 0.139，95% CI [-0.055, 0.39]。 未观察到统计学显著差异，不能据此说男女睡眠质量相同。
年龄与睡眠的相关很弱且不显著（r = -0.053，p = 0.44）， 因此年龄只作为控制变量，不作为核心解释变量。
七、分层回归
为控制年龄、性别和年级，案例做了两层回归。第一块只放控制变量： R² = 0.013，F(3, 214) = 0.94，p = 0.421， 整体未达到统计学显著。 第二块加入日均使用时长与依赖均分：ΔR² = 0.533， F(2, 212) = 124.511，p < 0.001。
最终模型 R² = 0.546，调整后 R² = 0.535， F(5, 212) = 51.022，p < 0.001。 依赖与使用时长的非标准化系数分别为 b = -0.438 与 b = -0.164； 控制变量系数为年龄 b = 0.006、性别 b = -0.172、 年级 b = 0.014。
系数是 b，不是 β
简单回归的结果也一并列出，便于对照：依赖 → 睡眠 b = -0.634， 95% CI [-0.725, -0.544]， R² = 0.47；使用时长 → 睡眠 b = -0.318， 95% CI [-0.369, -0.267]， R² = 0.41。
八、最终 APA 报告
下面是一份可直接改写的结果段草稿。它只报告站内工具实际输出的量； 分层回归的块级结果来自分层回归工具，若需要系数标准误与 95% CI， 用“多元回归与诊断”对同一模型再拟合一次，不要把两套未对齐的数字混写在一段里。
方法与结果段（模拟数据）
方法。 本研究采用横断面问卷设计，以便利抽样在某高校招募本科生。 共收集 220 份问卷，剔除关键睡眠题项缺失的 2 份后， 有效样本 218 份。依赖量表 5 题、睡眠质量量表 4 题，均按 1–5 级计分； 信度分析后删除依赖量表第 5 题，以 4 题均分进入分析。年级按 1–4 序数编码， 作为连续协变量粗略控制其线性趋势。缺失值采用整行删除； 日均使用时长的极端值保留，并做剔除敏感性分析。分析使用 Sig 统计在线计算器完成 （访问日期：2026-10-31）。
结果。 样本年龄 M = 20.92， SD = 1.7；男生 87 人，女生 131 人。 睡眠质量 M = 3.52，SD = 0.811； 依赖 M = 2.99，SD = 0.876。 依赖与睡眠质量呈统计学显著负相关，r = -0.685， 95% CI [-0.75, -0.608]， p < 0.001。分层回归第一块（年龄、性别、年级）R² = 0.013， F(3, 214) = 0.94，p = 0.421；第二块加入使用时长与依赖后 ΔR² = 0.533，F(2, 212) = 124.511， p < 0.001。最终模型 R² = 0.546，调整后 R² = 0.535， F(5, 212) = 51.022，p < 0.001。依赖与使用时长的非标准化系数分别为 b = -0.438 与 b = -0.164。 独立样本 Welch t 检验未观察到男女睡眠质量的统计学显著差异， t(179.45) = 1.485，p = 0.139， 均值差 = 0.167，95% CI [-0.055, 0.39]。
局限。 横断面设计无法判断时间顺序，便利样本限制外推， 睡眠质量为自评指标；年级按 1–4 序数进入回归，只作为粗略的线性控制； 模拟问卷未设置注意力检查字段；数据为模拟数据，仅用于演示分析流程。 结果提示依赖与睡眠质量存在负向关联，但不能据此推断因果，也不能直接用于干预承诺。
九、局限与复盘
这个案例刻意保留了两个真实决策点和一个不显著结果，而不是把所有假设都做成显著：
- 决策点 1：依赖量表第 5 题校正项总计相关仅 0.155，删除后 α 从 0.802 升到 0.895；后续分析改用 4 题均分，并写进方法。
- 决策点 2：日均使用时长存在 14.2 小时的极端值，主分析保留，另做剔除敏感性分析；相关与 ΔR² 方向稳定。
- 不显著结果：性别 Welch t 检验 p = 0.139，年龄与睡眠相关 p = 0.44；按“未观察到统计学显著差异”报告，不强行解释。
如果重来一次，优先改三件事：用概率抽样或至少分层抽样提高代表性；增加纵向追踪， 至少能确定使用行为与睡眠的先后顺序；加入客观睡眠指标（如可穿戴设备），减少自评偏差。 这些改动会显著增加成本，但能把“关联”推进到更可靠的证据层级。
案例不是模板答案
十、自己跑一遍
CSV 保留原始状态：220 行、含 2 个缺失值和异常值。建议按以下顺序操作， 每一步都能在站内找到对应工具。
- 下载 CSV， 用数据处理选择整行删除，确认剩余 218 行。
- 用描述性统计选择 age、hours、dep1–dep5、sleep1–sleep4，核对均值与标准差。
- 用异常值检测对 hours 选 IQR 法，应看到 14.2 与 7.7 两个点。
- 用信度分析分别输入 dep1–dep5 与 dep1–dep4，比较 α = 0.802 与 0.895。
- 用相关分析计算依赖 4 题均分与睡眠 4 题均分的 Pearson 相关，应得到 r ≈ -0.685。
- 用分层回归第一块放 age、gender、grade，第二块放 hours 与依赖均分，因变量选睡眠均分。
工具输出的数字应与本页一致；如果不一致，先检查缺失值处理和列选择， 再检查是否误把 dep5 计入了依赖均分。