描述性统计

这个方法是做什么的

把一批数值变量的基本面一次摆清楚：样本量与缺失、集中趋势（均值、中位数）、离散程度（标准差、四分位距、变异系数）、分布形态（偏度、峰度）、百分位数，以及按 1.5 倍四分位距规则识别出的离群观测。

它不做任何假设检验，所以没有「显著 / 不显著」的结论。报告里出现的正态性检验只是分布体检，用来提示你该报均值还是中位数。

均值的 95% 置信区间不是「95% 的个体落在这个范围内」。 它描述的是总体均值的不确定性，样本越大它越窄——样本到十万时它可能只有零点几个单位宽，而个体取值照样散得很开。要描述「个体大致落在哪个范围」，看第四张卡的 P2.5~P97.5，那个区间不随样本量收窄。这两个区间被混用，是描述统计里最常见的错误。
置信区间也不是「真值有 95% 的概率落在里面」。 严格的说法是：这套计算程序在反复抽样中，有 95% 的时候产生的区间会罩住真正的总体均值。对手上这一个具体区间而言，它要么罩住了、要么没罩住，不存在概率。口头沟通可以松一点，写进论文时不要写成前一种表述。
偏态数据报「均值±标准差」会误导。 月收入这类右偏变量，少数高收入者会把均值拉到远高于大多数人的水平，此时均值代表不了「典型的人」，应该报中位数与四分位距。第四张卡的形态判定会直接告诉你哪些变量显著偏态。
落在 1.5 倍四分位距栅栏外的点不等于「错误数据」。 那只是画箱线图的一条约定俗成的规则；右偏分布里天然就会有一批点落在栅栏外。删不删要看它是不是录入错误、或者根本不属于你的研究总体，不能因为被标出来就删——随手删掉等于人为把分布削成正态，后面所有分析都跟着失真。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。