研究假設怎麼寫：H0 / H1 可檢驗假設改寫提示詞（方向性、變量、統計檢驗對應）
寫開題報告或論文的研究假設時用：貼入研究問題和你的猜想，AI 把口語化猜想改寫成規範的零假設與備擇假設，標明變量與方向，並對應到合適的統計檢驗，指出哪些說法無法被檢驗。
通用大模型 對話模型通用
請你擔任量化研究方法課的助教，幫我把研究假設寫規範。 研究問題：[研究問題] 我的猜想（可以很口語）：[我的猜想] 研究設計：[研究設計]（如：橫斷面問卷、兩組隨機對照、前後測、二手面板數據） 主要變量及測量方式：[變量與測量] 樣本概況：[樣本概況] 請完成： 1. 識別變量：列出自變量、因變量、可能的調節變量 / 中介變量 / 控制變量，標註測量層次（定類、定序、定距、定比）。 2. 改寫假設：為每個猜想寫出 - 研究假設（文字版，用於論文正文，如「H1：……正向預測……」）； - 統計假設（H0 與 H1 的符號或文字表述）； - 方向性：單側還是雙側，並說明理由（沒有充分理論依據時建議雙側）。 3. 對應檢驗：給出最匹配的統計方法（如獨立樣本 t 檢驗、卡方、相關、多元迴歸、方差分析），以及使用前要檢查的前提假設。 4. 檢查問題：指出我的猜想裏不可檢驗、含糊或同時包含兩個命題的表述（「雙管假設」），並拆分改寫。 5. 用一句話提醒我：假設應在收集數據之前確定，事後根據結果改假設屬於不當做法。 輸出格式：先給變量表，再按 H1、H2…… 逐條輸出「研究假設 / 統計假設 / 方向 / 檢驗方法 / 前提檢查」，最後列「需要我補充的資訊」。 不要假設我已經有數據結果，也不要編造任何顯著性結論。
高亮處換成你自己的內容：[研究問題]、[我的猜想]、[研究設計]、[變量與測量]、[樣本概況]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[我的猜想] 可以一次寫 2–4 條，比如「壓力大的人睡得差，運動多的人好一點」——這其實包含主效應和調節效應兩個假設，AI 會幫你拆開。[變量與測量] 一定寫清怎麼測（量表總分、是/否、分鐘數），否則它無法判斷用 t 檢驗還是卡方。[研究設計] 決定能不能寫因果性措辭：橫斷面數據只能寫「相關」「預測」，不能寫「導致」。
常見問題與調整：
- 假設寫成「A 對 B 有影響」→ 追問：「請明確方向（正向/負向），並說明理論依據從哪類文獻來。」
- 推薦了過於複雜的模型 → 追問：「按我的樣本量和變量數，給出最簡單且合適的檢驗方案。」
- 想做中介/調節時，可以接着用本站「中介效應與調節效應分析提示詞」。
研究假設要基於理論和已有文獻，AI 給的理論依據需自己查證原文。
示例輸出
示例，僅供參考（研究問題：大學生學業壓力與睡眠質素的關係；橫斷面問卷）
H1（研究假設）：學業壓力正向預測睡眠質素量表得分（得分越高代表睡眠越差）。
統計假設：H0：β₁ = 0；H1：β₁ ≠ 0（雙側）。
檢驗方法：多元線性迴歸，控制性別、年級；前提檢查：殘差正態性、共線性（VIF）、異方差。
拆分提醒：「壓力大的人睡得差，運動多的人好一點」包含 H1（主效應）與 H2（每週運動時長調節壓力與睡眠的關係），需分別寫。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～