选择统计检验工具
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Stat Tree 是一个面向研究项目的数据分析辅助网站，核心是交互式 Statistics Decision Tree：用户根据研究目标、假设类型、变量数量、变量类型和分类变量取值数等问题，逐步定位合适的统计检验。它并非传统意义上的直播课程或训练营，更像是研究方法课程配套发展出来的在线学习与决策工具。
正文显示，Stat Tree 覆盖 30 多种参数、非参数、双变量和多变量统计检验，并提供描述统计、正态性检验、异常值检测、效应量计算、功效分析等演示。其突出特点是跨平台脚本：Julia、Python、R、SAS、SPSS、Stata，基础部分还涉及 Excel。演示页面包含代码、输出、解释以及 APA 风格结果写法，适合边做研究边查用。授课形式主要是网页交互、脚本示例、视频演示和转录文本，未见直播、录播课程体系或 1v1 辅导安排。
项目由 H. Paul LeBlanc III, Ph.D. 创建，背景与 UT San Antonio 的本科和研究生研究方法课程开发有关，并曾获得 NSF i-Corps 资助。正文提到其本科研究方法课程获得 Quality Matters 认证，但这不是 Stat Tree 向学习者颁发的证书。网站未披露价格、订阅方案、支付方式或账号权限，因此定价与商业模式无法判断。
优点是路径化选择统计检验，降低非统计专业学生的决策门槛；多软件代码和输出并列呈现，实用性强；参考文献和版本迭代记录较完整，并重视无障碍和移动端体验。局限在于内容主要为英文，对中国学生有语言门槛；它更像工具型资源，不能替代系统统计课程；服务支持仅看到邮箱，未见社区、助教或答疑机制。
它适合社会科学、传播学、教育研究等领域中需要做假设检验、论文数据分析或学习统计软件操作的学生和研究者。中国访问情况正文未提供，支付方式也未知；若访问不稳定，可参考 Laerd Statistics、Statology、DataNovia、LibreTexts Statistics、UCLA 统计教程等替代资源。
本测评基于公开资料整理,不构成购买建议,请以 stat-tree.com 官网实际信息为准。
适合科研学生快速选择统计方法。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。