为了在文献综述 (Literature Review) 中识别统计结果，请重点关注实证论文的“结果 (Results)”和“方法论 (Methodology)”部分，以便系统地提取 p 值 (p-values)、效应量 (effect sizes) 和样本量 (sample sizes) 等关键指标。
在撰写定量文献综述时，仅仅总结作者写出的结论是不够的。你需要报告实际的实证发现，以便在多项研究之间比较数据、评估证据的强度，并识别趋势或矛盾之处。
去哪里寻找统计数据
在长达20页的期刊文章中寻找正确的数据可能感觉像大海捞针。请将注意力集中在以下特定区域：
- 摘要 (The Abstract)： 从这里开始，获取主要发现和整体统计显著性 (statistical significance) 的高层次总结。
- 结果部分 (The Results Section)： 这是核心区域。寻找与标准统计符号（例如 t、F、r 或 p 值）配对的数据叙述性描述。
- 图表 (Tables and Figures)： 研究人员通常会将他们最重要的描述性统计 (descriptive statistics) 和推断性统计 (inferential statistics) 浓缩成图表和汇总表。务必检查附录，因为补充数据经常隐藏在那里。
需要提取的关键统计指标
在浏览文章时，你不需要记下每一个数字。请留意以下关键数据点：
- 样本量 (Sample Size, N)： 告诉你研究的规模、统计功效 (statistical power) 和可靠性。
- P 值 (P-values)： 指示统计显著性（通常 p < 0.05），表明结果是否可能是由偶然因素引起的。
- 效应量 (Effect Size)： 显示研究发现的实际幅度或强度（例如 Cohen's d，Pearson's r）。这对于比较不同研究之间的实际影响至关重要。
- 置信区间 (Confidence Intervals, CI)： 提供真实总体参数可能落入的范围，比单独的 p 值提供更多的背景信息。
如何简化提取过程
阅读密集的统计术语可能会让人感到不知所措且耗时。如果你在寻找确切的指标时遇到困难，可以使用 WisPaper 的 Scholar QA 针对论文的方法论直接提问，并立即获得追溯到包含统计结果的确切页面和段落的答案。
一旦你确定了相关数据，请立即将其整理到文献综述矩阵 (literature review matrix) 中。创建一个简单的电子表格，跟踪作者、年份、变量、方法论和关键统计发现。通过标准化记录这些指标的方式，在起草综述时，综合实证证据和发现研究空白就会变得容易得多。