问卷考试系统设计（七）：数据统计、可视化与系列总结

mumu — Fri, 01 May 2026 00:00:00 +0000

数据采集只是起点。问卷系统真正产生价值的时刻，是数据沉淀之后，研究者打开统计面板，看到分组差异、趋势变化和数据质量。这篇聚焦数据统计分析、多格式导出、隐私脱敏、大屏可视化，以及常模的建立过程。

统计分析要区分离线口径和实时看板，避免把探索性分析塞进在线请求：

flowchart LR A["答卷清洗"] --> B["维度分汇总"] B --> C["描述统计"] C --> D["显著性检验"] D --> E["常模构建"] E --> F["离线导出"] B --> G["实时指标聚合"] G --> H["WebSocket 推送"] H --> I["大屏看板"] E --> J["常模版本"] J --> K["评分引擎读取"]

一、描述性统计

拿到一批量表分数，第一件事是看整体面貌：

        
        
        
    
public DescriptiveStats descriptive(List<Double> scores) {
    DoubleSummaryStatistics stats = scores.stream()
        .mapToDouble(Double::doubleValue)
        .summaryStatistics();

    double mean = stats.getAverage();
    double std = Math.sqrt(
        scores.stream()
            .mapToDouble(v -> Math.pow(v - mean, 2))
            .average().orElse(0.0)
    );
    List<Double> sorted = scores.stream().sorted().collect(Collectors.toList());
    double median = sorted.size() % 2 == 0
        ? (sorted.get(sorted.size() / 2 - 1) + sorted.get(sorted.size() / 2)) / 2.0
        : sorted.get(sorted.size() / 2);

    return new DescriptiveStats(mean, std, median, stats.getMin(), stats.getMax(),
        stats.getCount());
}

均值、标准差、中位数、极值，这几个数字能快速告诉研究者数据有没有异常、分布偏不偏。对于问卷系统这个体量的数据（通常几万条以内），纯 Java Stream 基本够用。

数据统计 - tag - 沐木

问卷考试系统设计（七）：数据统计、可视化与系列总结

一、描述性统计