oTree 数据导出与清洗：从后台 CSV 到 R、Python 和 Stata

oTree 数据导出与清洗：从后台 CSV 到 R、Python 和 Stata

分类： OTree 入门系列
标签： OTree入门数据导出

实验写完只是第一步，真正做研究还要把数据导出来分析。很多 oTree 初学者在这里会遇到两个问题：导出的列太多，不知道哪些能用；或者关键变量没有导出，回头才发现代码里没有存字段。

一、先理解 oTree 导出的数据

oTree 后台可以导出 session 数据。导出的 CSV 通常包含参与者信息、app、round、player 字段、group 字段等。

你在 Player、Group、Subsession 中定义的 models.*Field()，才会稳定进入数据表。

例如：

class Player(BasePlayer):
    contribution = models.CurrencyField()
    treatment = models.StringField()
    age = models.IntegerField()

这些变量会比临时 Python 变量更适合后续分析。

二、写实验时就要想导出

不要等实验结束才想“我需要哪些变量”。建议开工前列一个分析变量表：

  • participant code
  • round number
  • treatment
  • group id
  • role
  • decision
  • payoff
  • reaction time 或 timeout
  • demographic controls

只要统计分析需要，就应该存成字段。

三、变量命名要清楚

建议使用英文小写加下划线：

risk_choice = models.IntegerField()
belief_estimate = models.FloatField()
treatment_group = models.StringField()

避免使用太短的名字，比如 x、a1。也不要频繁改变量名，否则旧数据和新数据很难合并。

四、清洗数据的基本步骤

拿到 CSV 后，通常先做这些事：

  1. 删除测试 session 或 demo 数据。
  2. 检查参与者是否完整完成实验。
  3. 检查 treatment/control 人数。
  4. 检查关键变量是否有缺失。
  5. 检查每个参与者的轮数是否正确。
  6. 生成分析需要的新变量。

不要直接把原始 CSV 改到看不出来源。更好的做法是保留 raw data，另存 cleaned data，并记录清洗脚本。

五、Python 清洗示例

import pandas as pd

df = pd.read_csv('all_apps_wide.csv')

df = df[df['participant._is_bot'] == 0]
df = df.dropna(subset=['public_goods.1.player.contribution'])

df['is_treatment'] = df['public_goods.1.player.treatment'] == 'treatment'

df.to_csv('cleaned_otree_data.csv', index=False)

实际列名会根据 app 名、轮次和字段名变化。清洗时先打印 df.columns，确认列名再写脚本。

六、R 清洗示例

library(readr)
library(dplyr)

df <- read_csv("all_apps_wide.csv")

cleaned <- df %>%
  filter(participant._is_bot == 0) %>%
  filter(!is.na(public_goods.1.player.contribution)) %>%
  mutate(is_treatment = public_goods.1.player.treatment == "treatment")

write_csv(cleaned, "cleaned_otree_data.csv")

如果列名里有点号，R 一般可以处理，但复杂时建议重命名成更短的分析变量。

七、Stata 使用建议

Stata 对变量名长度和特殊字符更敏感。导入后建议先重命名关键变量：

import delimited "all_apps_wide.csv", clear
rename public_goods_1_player_contribution contribution
rename public_goods_1_player_treatment treatment
save "cleaned_otree_data.dta", replace

如果导入后变量名被 Stata 自动改写，要以实际导入结果为准。

八、上线前的数据测试

正式收数据前，至少跑一次完整测试 session，然后导出数据检查：

  • 每个关键变量是否存在？
  • treatment 是否正确记录？
  • 多轮数据是否每轮都有？
  • 退出或超时参与者如何识别？
  • payoff 是否和页面展示一致？

数据导出不是实验结束后的杂活，而是实验设计的一部分。能不能分析，往往取决于你写代码时有没有把该存的变量存下来。

评论