一、把兴趣改写成可检验问题
一个可检验问题通常包含四个要素：对象（研究谁）、变量（看什么）、关系（比较、关联还是预测）、范围（时间、地点、样本边界）。四者缺一，后面的设计和分析就容易漂移。
从“想研究”到“能检验”
太宽：我想研究短视频对大学生的影响。
可检验：在 2026 年秋季学期就读于某高校的本科生中，短视频依赖程度与过去一个月的睡眠质量之间是否存在关联？
仍然含糊：短视频使用与睡眠。
更具体：日均使用时长、依赖量表得分分别与睡眠质量均分呈何种方向、多大强度的关联？
“影响”是一个很强的词。它要求设计能排除替代解释，通常需要实验或严谨的因果推断。 横断面问卷、方便样本和自评量表，一般只支持“关联”的表述。这一步先把词用准，后面写讨论时才不会越界。
二、判断问题类型
三、列变量清单
变量清单不是把问卷题号抄一遍，而是标明每个变量在分析里的角色和类型。 类型决定了能用的方法：连续变量可以做均值比较和回归，分类变量通常进卡方或 logistic 模型， 有序变量不要当连续变量随便处理。
| 角色 | 变量 | 类型 | 编码 / 单位 |
|---|---|---|---|
| 因变量 | 睡眠质量均分 | 连续（1–5） | 4 题均分，越高越好 |
| 核心自变量 | 短视频依赖均分 | 连续（1–5） | 保留题均分，越高越依赖 |
| 核心自变量 | 日均使用时长 | 连续（小时） | 过去一周日均，保留 1 位小数 |
| 协变量 | 年龄 / 性别 / 年级 | 连续 / 二分类 / 有序 | 周岁；0=男 1=女；1–4 |
性别既作为协变量进入分层回归，也用于男女两组的 Welch t 检验；同一变量在不同分析中承担不同角色， 但编码保持一致。多题量表的均分在案例中按连续变量处理，这是常见做法；单题有序变量不应直接这样用。 年级按 1–4 的序数编码进入回归，只作为粗略的线性控制；如果年级效应不是线性的， 更稳妥的做法是设为分类变量（3 个哑变量）。案例为演示流程保留这一简化，并在局限里说明。
一个变量只留一个定义
四、写 H0 / H1 与操作化定义
原假设与备择假设
H0 通常写“没有关联 / 没有差异”，H1 写你真正关心的方向。以案例为例：
- H0：短视频依赖程度与睡眠质量均分的总体相关系数 ρ = 0。
- H1：二者存在负向关联，即 ρ 小于 0。
- 同时预设：若男女睡眠质量存在差异，则只作为补充分析，不作为主假设。
方向性假设要在看数据之前写。看完结果再补方向，容易把“事后发现”包装成“事先预测”。 如果确实没有理论依据，就用双侧检验，并在报告里说明。
操作化定义
操作化就是回答：这个概念具体怎么测、分数怎么算、什么单位、缺失怎么记。 案例里的定义是：依赖量表 5 题、睡眠量表 4 题，均为 1–5 级计分，取均分； 日均使用时长按小时记录；年龄按周岁；性别编码为 0/1；年级为 1–4。
定义写得足够具体，别人才能复算，你自己两周后也才知道当时怎么处理的反向题和缺失值。