software: jamovi

The jamovi project (2024). jamovi (Version 2.5.4) [Computer Software]. Retrieved from https://www.jamovi.org

official website：https://www.jamovi.org/

Github： https://github.com/jamovi

softpededia：https://www.softpedia.com/get/Science-CAD/jamovi.shtml

jamovi is a free, open-source data analysis application that bridges the gap between the freedom and power of R and the accessibility of SPSS.

 jamovi是一个开源免费、操作简单的统计分析软件，兼容R软件，替代SPSS等软件。

下列关于jamovi的简介来自http://www.obhrm.net/index.php/Jamovi

jamovi是在R语言基础上开发出来的免费开源统计分析软件，其操作与界面与SPSS非常相似。jamovi的特点如下：

1、开源软件。jamovi属于开源软件，全球任何人均可以下载使用，用jamovi进行统计分析，是免费用正版软件进行统计分析。

2、轻巧型软件。Windows版jamovi程序总共不到250M，属于特别轻巧的统计分析程序。

3、操作简单、方便。jamovi的操作界面类似于SPSS，使用非常方便。

4、保存结果的同时保存分析过程。他人在拿到结果的同时，能看到分析的过程，并重现所有的分析过程。

5、可以进行多种统计分析。jamovi本身包括t检验、ANOVA, 相关与回归分析，因子分析（包括探索性因子分析与验证性因子分析）等基本统计分析，是本科生与硕士研究生学习统计分析的极佳工具。

6、可扩充性。jamovi可以加载模块（Modules），加载（Modules）后可以实现更多的统计分析，包括元分析、功效分析（Power analysis）、中介与调节模型分析、贝叶斯方法等。

7、动态生成报告。在统计分析时，动态呈现对应的统计分析结果。

8、自动生成三横线表格，可以直接复制粘贴到WORD和Excel中，稍加编辑就是可用来报告的表格。

9、与R无缝对接。加载Rj模块后，可以在jamovi中用R进行统计分析；jamovi在R中有一个包 - jmv，加载该包，可以在R中运行并实现jamovi的全部功能。jmv包的网址：https://cran.r-project.org/web/packages/jmv/index.html

学习资源：

https://www.rensvandeschoot.com/tutorials/jamovi-for-beginners/

知乎上的介绍文章

https://zhuanlan.zhihu.com/p/32284386

2.2 books

Navarro DJ and Foxcroft DR (2019). learning statistics with jamovi: a tutorial for psychology students and other beginners. (Version 0.70). DOI: 10.24384/hgc3-7p15

https://www.learnstatswithjamovi.com/

2.3 online courses

linkedin learning(lynda）

https://www.lynda.com/jamovi-tutorials/Introduction-jamovi/5016725-2.html?org=rlq

jamovi is a free, open-source data analysis application that bridges the gap between the freedom and power of R and the accessibility of SPSS. In this course, learn how to do data analysis that's both fast and friendly with jamovi. Instructor Barton Poulson demonstrates how to install jamovi and third-party modules, import and wrangle data, create visualizations based on ggplot2, and analyze data using advanced methods. Plus, see how to share your work with unified files and collaborate with the Open Science Framework (OSF).