jamovi是一款新興的專(zhuān)業(yè)數(shù)據(jù)統(tǒng)計(jì)分析軟件,，免費(fèi),、開(kāi)源、集SPSS分析模塊界面化特點(diǎn)和R軟件強(qiáng)大程序編輯功能為一體,，由軟件工程師Jonathon Love,、Damian Dropmann和 Ravi Selker領(lǐng)銜開(kāi)發(fā)，其最初開(kāi)發(fā)是面向心理學(xué)的,，但是隨著發(fā)展也逐漸應(yīng)用到其他學(xué)科中,。jamovi適用于多種操作系統(tǒng)及應(yīng)用平臺(tái)，具有友好的“一鍵式”界面操作菜單,，涵蓋數(shù)據(jù)準(zhǔn)備,、數(shù)據(jù)管理、統(tǒng)計(jì)分析,、報(bào)表制作,、圖形繪制等多種功能。目前，jamovi在國(guó)外已被廣泛使用,，但在國(guó)內(nèi)還應(yīng)用較少,。

使用jamovi對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，只需要通過(guò)選擇菜單,、填寫(xiě)對(duì)話框和點(diǎn)擊按鈕等簡(jiǎn)單操作即可完成,，免去了復(fù)雜的程序編輯環(huán)節(jié)。分析過(guò)程,，不僅可以同步得到標(biāo)準(zhǔn)數(shù)字圖表,，還可產(chǎn)生美觀、高清的統(tǒng)計(jì)圖,；這些結(jié)果均可被便捷地導(dǎo)出,、復(fù)制或粘貼。jamovi可以實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)編輯與管理,，相應(yīng)的統(tǒng)計(jì)分析結(jié)果也會(huì)在輸出窗口及時(shí)更新，極大地提高了工作效率,。目前,，常用的醫(yī)學(xué)統(tǒng)計(jì)分析方法在jamovi中都已被模塊化，用戶(hù)可靈活地選擇加載和啟用,。jamovi另一個(gè)重要的功能就是可以有效地銜接R語(yǔ)言,，通過(guò)Rj Editor實(shí)現(xiàn)所有R軟件的數(shù)據(jù)處理功能。

下圖就是jamovi的容貌,，是不是長(zhǎng)得很簡(jiǎn)潔,？

圖2 jamovi主頁(yè)面

(一) 免費(fèi),、開(kāi)源

你的確沒(méi)有聽(tīng)錯(cuò),，免費(fèi)！重要的事情說(shuō)三遍,，免費(fèi),、不收錢(qián)、free,！jamovi軟件免費(fèi),、開(kāi)源，可以在多平臺(tái)下載使用,，是一款不用付費(fèi)就能使用的正版統(tǒng)計(jì)軟件,。使用過(guò)主流統(tǒng)計(jì)軟件的人，應(yīng)該都經(jīng)歷過(guò)在網(wǎng)上到處搜破解版的經(jīng)歷(富豪此處飄過(guò)),，時(shí)不時(shí)還給你報(bào)個(gè)錯(cuò),、限制個(gè)功能啥的，我想單憑這個(gè)優(yōu)點(diǎn)就有足夠的理由讓大家對(duì)jamovi奔走相告,。話說(shuō)“為眾人抱薪者,，不可使其凍斃于風(fēng)雪”,！哦，不對(duì),，應(yīng)該是“酒好不怕巷子深”,，相信越來(lái)越多的人都會(huì)來(lái)品嘗這款美酒。

(二) 友好的操作界面

這個(gè)或許是jamovi最為靚麗的優(yōu)點(diǎn)了,。jamovi的整個(gè)頁(yè)面就只有三個(gè)視圖欄：“主菜單欄”,、“操作視圖欄”和“結(jié)果視圖欄”。避免模塊之間的套疊和疊加是研發(fā)人員設(shè)計(jì)這款軟件的重要初衷,。

圖3 jamovi操作頁(yè)面

所有分析操作只需要從“主菜單欄”選擇相應(yīng)的分析方法,，然后在左邊“操作視圖欄”勾選相應(yīng)的選項(xiàng)，其結(jié)果就會(huì)實(shí)時(shí)更新顯示在右邊的“結(jié)果視圖欄”,。千萬(wàn)不要忽略“實(shí)時(shí)更新”四個(gè)字,，這對(duì)眾多非統(tǒng)計(jì)學(xué)人員來(lái)說(shuō)真的太重要了，在jamovi中只要點(diǎn)擊任何“操作視圖欄”的選項(xiàng),，其相應(yīng)的分析結(jié)果就會(huì)立刻呈現(xiàn)在右邊的“結(jié)果視圖欄”,，取消選項(xiàng)，結(jié)果也會(huì)隨之消失,！因此,，使用jamovi進(jìn)行數(shù)據(jù)分析根本不存在復(fù)雜的操作和繁多的參數(shù)設(shè)置，初學(xué)者只要多點(diǎn)幾次選項(xiàng)就能明白這個(gè)參數(shù)的意義(結(jié)果就在右邊難道還不夠直接嗎,？)

如果說(shuō)的還不夠清楚,，那再看看視頻吧！

(三) 靈活安裝模塊,，避免“模塊災(zāi)難”

初看jamovi的分析方法，感覺(jué)有點(diǎn)少啊(圖4),，貌似不夠用呢,！其實(shí)這個(gè)“主菜單欄”上面的幾個(gè)方法只是人家的展覽架，放了幾個(gè)常用的展品而已,，更多的寶貝在人家的百寶箱里,，看到了右邊的“Modules(模塊加載)”了嗎？這個(gè)就是百寶箱的入口,，進(jìn)入以后點(diǎn)擊“jamovi library(模塊圖書(shū)館)”,，就進(jìn)入了百寶箱內(nèi)部(圖5)。那么里面到底有多少方法呢,？目前是40多類(lèi)方法,，注意是類(lèi)不是種。什么意思？如下面“ANOVA(方差分析)”模塊就是一個(gè)類(lèi),，里面包括了“One-Way ANOVA(單因素方差分析)”,、“ANOVA(多因素方差分析)”、“Repeated Measures ANOVA(重復(fù)測(cè)量的方差分析)”,、“ANCOVA(單因素協(xié)方差分析)”,、“MNCOVA(多因素協(xié)方差分析)”、“Kruskal-Wallis H檢驗(yàn)”,、“Friedman檢驗(yàn)”等多種分析方法(圖6),。此外，jamovi模塊圖書(shū)館中的方法類(lèi)別還在隨時(shí)不斷補(bǔ)充更新,，今后會(huì)越來(lái)越多,。你還會(huì)覺(jué)得方法不夠用嗎？

圖4 jamovi主菜單欄默認(rèn)列出的方法 

圖5 jamovi的模塊圖書(shū)館 

圖6 “ANOVA(方差分析)”模塊包括的分析方法

其實(shí),，這就是jamovi的另一個(gè)優(yōu)點(diǎn)：可擴(kuò)充性,。在主菜單欄包含了常用的統(tǒng)計(jì)分析模塊，若想實(shí)現(xiàn)更多的統(tǒng)計(jì)分析如元分析,、功效分析,、中介與調(diào)節(jié)模型分析、貝葉斯方法等可通過(guò)加載模塊(Modules)的方式實(shí)現(xiàn)方法擴(kuò)充,，這種方式很好地規(guī)避了過(guò)多的模塊使得主菜單或模塊列表過(guò)于擁擠，造成分析模塊的選擇和操作的不便,。如果你是一個(gè)方法學(xué)的追逐者,，還是覺(jué)得這些方法不夠用怎么辦呢？沒(méi)有關(guān)系,，看jamovi的下一個(gè)優(yōu)點(diǎn),。

(四) 集成R的龐大功能

這個(gè)功能就要從jamovi的“無(wú)敵金身”說(shuō)起。jamovi其實(shí)是基于R語(yǔ)言開(kāi)發(fā)的一款開(kāi)源,、免費(fèi)統(tǒng)計(jì)分析軟件,，只要R語(yǔ)言能實(shí)現(xiàn)的，通過(guò)jamovi就能實(shí)現(xiàn),。jamovi中許多模塊與R語(yǔ)言程序包的功能幾乎完全相同,。換言之，在加載了相應(yīng)模塊后,，可以通過(guò)菜單式的操作,，得到R語(yǔ)言級(jí)的分析結(jié)果，間接體驗(yàn)R的功能,。每個(gè)分析結(jié)果下面的“References(參考文獻(xiàn))”就是R源代碼的來(lái)源,，要想深入剖析，點(diǎn)擊查看即可(圖7)。

圖7 jamovi中每種方法的源代碼文獻(xiàn)

此外,，在jamovi中,，還可以通過(guò)兩種方式直接體驗(yàn)R語(yǔ)言。即jamovi自帶的版本(jamovi R)和我們已經(jīng)安裝的R語(yǔ)言(System R)(圖8),。jamovi R可以滿足基本需求,，System R可以調(diào)用在自己的R中已安裝過(guò)的程序包(需要先安裝R語(yǔ)言，并安裝程序包：jmvconnect),。Rj Editor帶有基礎(chǔ)函數(shù)提示功能,，鍵入函數(shù)的前幾個(gè)字母后，便會(huì)關(guān)聯(lián)出多個(gè)函數(shù)供用戶(hù)選擇,，這能幫助初學(xué)者快速找到想用的函數(shù)(圖9),。其分析結(jié)果就像RStudio一樣，動(dòng)態(tài)顯示在右邊的“結(jié)果視圖欄”(圖10),。 

圖8 jamovi中R操作過(guò)程 

圖9 jamovi中Rj Editor函數(shù)關(guān)聯(lián)功能 

圖10 jamovi中Rj Editor分析結(jié)果頁(yè)面

(五) 分析操作最簡(jiǎn)化

jamovi充分考慮了每種統(tǒng)計(jì)方法的分析思路和實(shí)現(xiàn)流程,，將操作步驟進(jìn)行精簡(jiǎn)，使用者只需要用最少的操作步驟就可實(shí)現(xiàn)分析目的,。參數(shù)設(shè)置頁(yè)面都清晰地列在左側(cè)的“操作視圖欄”,，不存在任何模塊重疊，操作流程非常簡(jiǎn)單,。下面就看兩個(gè)例子吧,！

比如兩獨(dú)立樣本t檢驗(yàn)，先判斷適用條件(正態(tài)性和方差齊性),，只需要點(diǎn)擊左側(cè)“Assumption Checks(假設(shè)檢驗(yàn)條件判斷)”下的“Normality test(正態(tài)性檢驗(yàn))”就可在右邊顯示正態(tài)性檢驗(yàn)的結(jié)果,；點(diǎn)擊“Homogeneity test(方差齊性檢驗(yàn))”就可在右邊顯示方差齊性檢驗(yàn)的結(jié)果；點(diǎn)擊“Q-Q plot(繪制Q-Q圖)”就可在右邊顯示Q-Q圖(圖11—圖12),。然后進(jìn)行假設(shè)檢驗(yàn),，在“Tests(假設(shè)檢驗(yàn))”下提供了“Student’s (學(xué)生t檢驗(yàn)，即獨(dú)立樣本t檢驗(yàn))”以及方差不齊的校正t檢驗(yàn)(Welch’s t)和非參數(shù)檢驗(yàn)(Mann-Whitney U檢驗(yàn))結(jié)果,。只需要點(diǎn)擊相應(yīng)選項(xiàng),，就可在右邊顯示對(duì)應(yīng)的分析結(jié)果(圖13)。此外,，點(diǎn)擊“Additional Statistics(附加分析)”下的“Mean difference (均數(shù)差)”及“95% Confidence Interval (95%可信區(qū)間,，95%CI)”就可在右邊顯示兩組數(shù)據(jù)的均數(shù)差及95%CI；點(diǎn)擊“Effect Size (效應(yīng)量)”及“95% Confidence Interval (95%可信區(qū)間)” 就可在右邊顯示效應(yīng)量Cohen’s d(科恩d值)及其95%CI(圖14),。

圖11 jamovi中兩獨(dú)立樣本t檢驗(yàn)時(shí)正態(tài)性和方差齊性檢驗(yàn) 

圖12 jamovi中兩獨(dú)立樣本t檢驗(yàn)時(shí)繪制Q-Q圖

圖13 jamovi中兩獨(dú)立樣本t檢驗(yàn)時(shí)進(jìn)行統(tǒng)計(jì)學(xué)推斷和替代分析方法選擇 

圖14 jamovi中兩獨(dú)立樣本t檢驗(yàn)時(shí)計(jì)算均數(shù)差,、效應(yīng)量及其95%可信區(qū)間

以上這些分析在實(shí)際操作過(guò)程中只需要幾十秒鐘時(shí)間，來(lái)看看這個(gè)視頻,。

如果說(shuō)兩獨(dú)立樣本t檢驗(yàn)尚未體現(xiàn)出jamovi操作最簡(jiǎn)化特點(diǎn),，那么回歸分析過(guò)程絕對(duì)會(huì)讓你對(duì)jamovi愛(ài)不釋手。

大家是否還記得在SPSS中進(jìn)行多重線性回歸分析時(shí)啞變量設(shè)置的步驟呢,？首先需要通過(guò)“Transform(轉(zhuǎn)換)”—“Create Dummy Variables(創(chuàng)建虛擬變量)”過(guò)程產(chǎn)生n個(gè)啞變量(n為變量的水平數(shù))(圖15—圖16,，以Income“收入水平”為例)，然后在多重線性回歸分析時(shí)啞變量需要同進(jìn)同出模型(即將“Income_2”和“Income_3”同時(shí)選入模型,，此時(shí)“Income_1”是參照水平)(圖17),。而在jamovi中進(jìn)行多重線性回歸分析時(shí)啞變量可以直接選擇，非常簡(jiǎn)單(圖18),。我們?cè)傧胂朐赟PSS中進(jìn)行l(wèi)ogistic回歸分析時(shí)啞變量的設(shè)置,，是不是只能選擇第一個(gè)水平和最后一個(gè)水平為參照？而在jamovi中可以想選哪個(gè)選哪個(gè)(圖18),，不一定要選擇第一個(gè)和最后一個(gè),。

圖15 SPSS中對(duì)“Inconme(收入水平)”生成啞變量 

圖16 SPSS中對(duì)“Inconme(收入水平)”生成了n個(gè)啞變量

圖17 SPSS中進(jìn)行多重線性回歸分析時(shí)啞變量需要同進(jìn)同出模型 

圖18 jamovi中進(jìn)行多重線性回歸分析時(shí)啞變量可以直接選擇 

那我們?cè)賮?lái)看看回歸分析過(guò)程中另一個(gè)重要的環(huán)節(jié)：自變量篩選，這個(gè)問(wèn)題一直是大家討論的熱點(diǎn),。在SPSS中進(jìn)行多重線性回歸分析時(shí),，提供了“Enter(輸入法)”、“Stepwise(逐步法)”,、“Remove(移除法)”,、“Backward(后退法)”、“Forward(前進(jìn)法)”五種自變量篩選方法(圖19),；在logistic回歸分析時(shí)提供了“Enter(輸入法)”,、“Forward: Conditional(向前條件法)”、“Forward: LR(向前LR法)”,、“Forward: Wald(向前Wald法)”,、“Backward: Conditional(向后條件法)”、“Backward: LR(后向后LR法)”,、“Backward: Wald(向后Wald法)”七種自變量篩選方法(圖20)。這么多方法,，到底應(yīng)該使用哪種自變量篩選方法并沒(méi)有定論,，實(shí)際數(shù)據(jù)分析過(guò)程中，我們往往會(huì)碰到尷尬的情況就是不同的分析方法計(jì)算出來(lái)的結(jié)果卻不一致,。在jamovi中完全沒(méi)有這些煩惱,，“Omnibus ANOVA Test (整體方差分析)”功能會(huì)自動(dòng)檢驗(yàn)每個(gè)自變量在模型中是否有統(tǒng)計(jì)學(xué)意義，即是否應(yīng)被納入模型(圖21),；“Model Comparisons (模型比較)”功能也會(huì)列出每個(gè)模型新增一個(gè)自變量后與上一個(gè)模型相比決定系數(shù)的差異 (ΔR2)是否有統(tǒng)計(jì)學(xué)意義,，也即表示新加入的變量是否有統(tǒng)計(jì)學(xué)意義(圖22)。 

 圖19 SPSS中進(jìn)行多重線性回歸分析時(shí)自變量篩選方法 

圖20 SPSS中進(jìn)行l(wèi)ogistic回歸分析時(shí)自變量篩選方法 

圖21 jamovi中進(jìn)行回歸分析時(shí)“Omnibus ANOVA Test (整體方差分析)”功能會(huì)自動(dòng)檢驗(yàn)每個(gè)自變量在模型中是否有統(tǒng)計(jì)學(xué)意義 

圖22 jamovi中進(jìn)行回歸分析時(shí)“Model Comparisons (模型比較)”功能會(huì)檢驗(yàn)新加入的變量是否有統(tǒng)計(jì)學(xué)意義

(六) 重視方法的適用條件

jamovi充分考慮了每種統(tǒng)計(jì)方法的適用條件,，并且將適用條件判斷研發(fā)了一個(gè)單獨(dú)的模塊“Assumption Checks(假設(shè)檢驗(yàn)條件判斷)”嵌入每種方法的操作界面,。哪怕你只是一個(gè)統(tǒng)計(jì)學(xué)的初學(xué)者,，在jamovi中也不必?fù)?dān)心忘記判斷適用條件或者不知道判斷哪幾個(gè)條件的問(wèn)題，比如：

兩獨(dú)立樣本t檢驗(yàn)時(shí)需要使用的“Normality test(正態(tài)性檢驗(yàn))”和“Homogeneity test (方差齊性檢驗(yàn))”(圖23),。 

圖23 jamovi中開(kāi)展兩獨(dú)立樣本t檢驗(yàn)時(shí)的“Assumption Checks(假設(shè)檢驗(yàn)條件判斷)”

重復(fù)測(cè)量方差分析中需要使用的“Sphericity tests (球形度檢驗(yàn))”,、 “Homogeneity test (方差齊性檢驗(yàn))”和“Q-Q plot(Q-Q圖判斷正態(tài)性)”(圖24)。 

圖24 jamovi中開(kāi)展重復(fù)測(cè)量方差分析時(shí)的“Assumption Checks(假設(shè)檢驗(yàn)條件判斷)”

線性回歸分析時(shí)需要使用的“Autocorrelation test (自相關(guān)檢驗(yàn))”,、“Collinearity statistics (共線性診斷)”,、“Normality test (正態(tài)性檢驗(yàn))”和“Q-Q plot of residuals (殘差Q-Q圖)”、方差齊性檢驗(yàn)的“Residuals plots(殘差圖)”,、異常值檢測(cè)的“Cook’s distance (庫(kù)克距離)”計(jì)算(圖25),。

 圖25 jamovi中開(kāi)展線性回歸分析時(shí)的“Assumption Checks(假設(shè)檢驗(yàn)條件判斷)”

主成分分析時(shí)需要使用的“Bartlett’s test of sphericity (Bartlett球形度檢驗(yàn))”和“KMO measure of sampling adequacy (KMO抽樣適合性檢驗(yàn))”(圖26)。 

圖26 jamovi中開(kāi)展主成分分析時(shí)的“Assumption Checks(假設(shè)檢驗(yàn)條件判斷)”

(七) 重視效應(yīng)量的計(jì)算

效應(yīng)量是個(gè)啥,，是不是還沒(méi)聽(tīng)說(shuō)過(guò)?這并不能怪你,，因?yàn)槠綍r(shí)大家都不太重視它，其實(shí)它是一個(gè)非常重要的指標(biāo),。效應(yīng)量是指由于因素引起的差別,，是衡量處理效應(yīng)大小的指標(biāo)。與顯著性檢驗(yàn)不同,，效應(yīng)量不受樣本量的影響,。

你是否遇到過(guò)這種情況：當(dāng)樣本量較大時(shí)，很容易出現(xiàn)P<0.05的情況,，哪怕此時(shí)組間的實(shí)際差別很小,。是的，這種現(xiàn)象非常常見(jiàn),，這也說(shuō)明P值并不那么可靠,，當(dāng)樣本量較大時(shí)，很有必要報(bào)告效應(yīng)量的大小,。二項(xiàng)logistic回歸分析時(shí)的OR值,、Cox回歸分析時(shí)的HR值其實(shí)就是效應(yīng)量，但統(tǒng)計(jì)學(xué)分析過(guò)程中的效應(yīng)量遠(yuǎn)遠(yuǎn)不止這么幾個(gè),。

jamovi很重視效應(yīng)量的計(jì)算(其實(shí)大家也越來(lái)越重視了),，幾乎每種差異性分析或者關(guān)聯(lián)分析方法中均設(shè)置了計(jì)算“Effect size(效應(yīng)量)”及95%可信區(qū)間的選項(xiàng)(圖27)。比如：

在t檢驗(yàn)中,，報(bào)告的是Cohen's d (科恩d值)效應(yīng)量,；判斷標(biāo)準(zhǔn)為：絕對(duì)值<0.2為極小效應(yīng)，0.2~0.5為中等效應(yīng),，0.5~0.8為較高效應(yīng),，≥0.8為高效應(yīng)。

在方差分析中,，報(bào)告的是η2,、η2p和ω2效應(yīng)量,；η2與η2p效應(yīng)量<0.01為極小效應(yīng)，0.01~0.06為小效應(yīng),，0.06~0.14為中等效應(yīng),，>0.14為大效應(yīng)。與η2p相比,，ω2還考慮了抽樣誤差,，可以提供更加準(zhǔn)確的總體效應(yīng)量估計(jì)。

二分類(lèi)變量之間的關(guān)聯(lián)程度報(bào)告的是φ系數(shù)(phi coefficient),、Cramer V系數(shù)(Cramer’s V coefficient)和Pearson列聯(lián)系數(shù)(Contingency coefficient)效應(yīng)量,。多分類(lèi)變量或者等級(jí)變量之間的關(guān)聯(lián)程度報(bào)告的是Cramer V系數(shù)和列聯(lián)系數(shù)。這三個(gè)系數(shù)越接近0,，說(shuō)明關(guān)聯(lián)性越弱,；越接近1，說(shuō)明關(guān)聯(lián)性越強(qiáng),。當(dāng)系數(shù)<0.1時(shí)為極弱相關(guān),，0.1~0.3時(shí)為弱相關(guān)，0.3~0.5時(shí)為中等相關(guān),，>0.5時(shí)為強(qiáng)相關(guān),。

單樣本W(wǎng)ilcoxon符號(hào)秩檢驗(yàn)、Mann-Whitney U檢驗(yàn)和配對(duì)樣本W(wǎng)ilcoxon符號(hào)秩檢驗(yàn)報(bào)告的是Rank biserial correlation (秩二列相關(guān)系數(shù))效應(yīng)量,，Kruskal-Wallis H檢驗(yàn)報(bào)告的是ε2效應(yīng)量,。

相關(guān)性分析報(bào)告的是Pearson相關(guān)系數(shù)、Spearman相關(guān)系數(shù)和Kendall’s Tau-b相關(guān)系數(shù),，當(dāng)0.9</r/<1,，為高度相關(guān)；當(dāng)0.7</r/<0.9,，為強(qiáng)相關(guān),；0.4</r/<0.7，為中度相關(guān),；0.2</r/<0.4,，為弱相關(guān)性；0</r/<0.2,，為極弱相關(guān)或無(wú)相關(guān)性。

線性回歸分析報(bào)告的是Estimate(非標(biāo)準(zhǔn)化回歸系數(shù))及Stand. Estimate (標(biāo)準(zhǔn)化回歸系數(shù)),，logistic回歸分析報(bào)告的是Estimate(回歸系數(shù))及Odds ratio (OR值),，Cox回歸分析報(bào)告的是Hazard Ratio(HR值)。

圖27 jamovi中常用統(tǒng)計(jì)分析方法報(bào)告的效應(yīng)量

說(shuō)了這么多,，那么jamovi如何下載和安裝呢,？

jamovi軟件可以從jamovi官網(wǎng)中免費(fèi)下載，官方網(wǎng)址為：https://www./ ,。打開(kāi)網(wǎng)址進(jìn)入官網(wǎng)首頁(yè)后,，選擇右上角“download”(圖28)，進(jìn)入下載頁(yè)面,。 

圖28 jamovi官網(wǎng)頁(yè)面

下載頁(yè)面中提供了不同系統(tǒng),、不同版本的jamovi軟件。Windows系統(tǒng)(只支持64位操作系統(tǒng)),、MacOS系統(tǒng),、Linux系統(tǒng)、ChromeOS系統(tǒng)都支持jamovi的安裝,。下載頁(yè)面中current,、solid、legacy分別表示最新版,、穩(wěn)定版,、舊版本，使用者可以根據(jù)需要自行選擇,。當(dāng)前比較穩(wěn)定的版本是1.6.23,，建議安裝此本版本。如果希望嘗試新功能的,，可以安裝更高版本,，目前最新版本為2.0.0。

軟件安裝這個(gè)就不必再浪費(fèi)大家的時(shí)間了,，直接點(diǎn)擊“Install (安裝)”一鍵式完成(圖29),，連“下一步”都不用點(diǎn)擊！就是這么簡(jiǎn)單,。 

圖29 jamovi安裝