從這裡開始
統計分析
影像分析
分子與濕實驗
認知與行為
探索文章
專題
系列
免費瀏覽器端世代／資料集探查台：敘述統計、雙變項檢定、自動產生的 Table 1，以及相關矩陣熱圖。
世代資料的描述與分組比較
您的資料只在瀏覽器本機處理，不會傳送至伺服器。
世代資料探查台（Cohort Explorer）是一個通用的資料探索工作台，適用於任何表格式研究資料——病人世代、動物實驗、樣本登錄，或任何「每列一位受試者」的資料集。上傳 CSV 或貼上資料後，工具會自動判斷每一欄的型態（連續、類別、二元或文字），並開放四個分析分頁：敘述統計、雙變項檢定、自動排版的 Table 1，以及成對相關矩陣熱圖。
它的設計初衷，是回答研究者打開一份新資料集時最先想問的問題：每個變項長什麼樣子？有沒有兩個變項彼此相關？分組之間的基線特徵有什麼差異？哪些變項會聚在一起？
敘述統計分頁一次摘要一個欄位。連續變項提供 n、平均值、標準差、中位數、IQR、缺失值數量與直方圖；類別與二元變項則提供含次數與百分比的次數分配表。這是在跑任何推論檢定之前，發現偏態、離群值或異常高缺失率的第一站。
依你選擇的兩個變項型態，雙變項檢定分頁會自動挑選適當的檢定方法：
每一項結果都包含檢定統計量、自由度（如適用）、p 值與效果量，讓你能直接從探索走到可寫入報告的統計數字。
幾乎每一篇臨床或流行病學論文的開頭都是Table 1：依分組變項（如治療組別、暴露狀態或診斷）呈現世代的基線特徵。手動製作這張表，代表每一列都要重新計算摘要統計與正確的組間檢定——繁瑣且容易出錯。
Table 1 分頁將此流程自動化：選擇分組變項與要納入的觀察變項，工具即會依組別計算連續變項的平均值（標準差）或中位數（IQR），以及類別變項的 n（%），並為每一列自動配對統計上適當的檢定（連續變項用 t 檢定/ANOVA/Mann-Whitney/Kruskal-Wallis，類別變項用卡方/費雪精確檢定）。
總熱圖分頁針對你選擇的所有連續與二元變項，計算完整的成對相關矩陣（預設 Spearman，亦可切換 Pearson）。儲存格依相關強度與方向上色，你也可以設定最小 |rho| 門檻，遮罩掉微弱的關聯，讓矩陣只呈現真正值得注意的結構。這是在跑迴歸前快速發現共線性、找出候選干擾因子，或找出值得在雙變項檢定分頁進一步檢視的變項群組的快速方法。
一次探索多組變項配對，會提高偽陽性出現的機率：10 個變項兩兩配對即產生 45 組成對比較，在 alpha = 0.05 下，光靠機率就預期會有約 2 組「顯著」結果。請將熱圖與雙變項分頁視為產生假說的工具，而非取代事先登錄的主要分析與（必要時）多重比較校正。
任何以「每列一位受試者（病人、動物、樣本）、每欄一個變項」形式排列的表格資料——人口學特徵、暴露因子、檢驗數值或結果變項皆可。上傳 CSV 或直接貼上資料，工具會自動判斷每一欄是連續變項、類別變項、二元變項還是文字欄位。
Table 1 是臨床與流行病學論文中標準的基線特徵表：依分組變項（如治療組別或暴露狀態）將世代中的各變項摘要呈現（連續變項用平均值/標準差或中位數/IQR，類別變項用 n/百分比），並為每一列選用適當的組間檢定。
預設對每一對變項計算 Spearman's rho（對非常態與順序資料較穩健），若切換方法則改用 Pearson's r，均以成對完整觀測值計算。低於你設定的樣本數或 |rho| 門檻的儲存格會被遮罩，避免稀疏或微弱的關聯干擾矩陣判讀。
不會。資料解析、敘述統計、假設檢定、Table 1 產生與相關矩陣運算全部在瀏覽器端以 JavaScript 完成，不會上傳至任何伺服器，適合處理去識別化但仍屬敏感的研究資料。
自動統計分析會讀懂每一欄的角色，產生 Table 1，並依你的研究問題選出邏輯斯迴歸、存活分析或 ROC 等方法，每一步都會先請你確認。
所有工具的版本紀錄集中列於編年史。