研究生入学第一周就该装好的7个免费科研软件(附下载)

作者/G

刚开始科研的同学，老师一般都会从推荐读文献开始，但是有的时候读了半年的文献，你都不知道参考文献如何引用。也并不知道时间是要预先注册的，要是早知道这些工具软件，就能省很多时间。

下面7个软件全部免费，能顶替SPSS、EndNote、Prism这些收费软件，从算样本量到发预印本都覆盖了，文末有下载地址汇总，建议先收藏。

顺序按一个课题从头到尾走一遍排的，开题前算人数、写预注册，数据回来做统计、画图，写论文管文献、发预印本，做生物力学的再加一个仿真软件。

G*Power 算样本量

收费的样本量软件不少，G*Power免费（Faul等，2009），杜塞尔多夫大学心理学系维护，Mac和Windows都能装。

图1：G*Power官网，下载入口在页面下方。

打开后左上角Test family选t tests，Statistical test选两独立样本均值差，Type of power analysis选A priori。右边填效应量d、α、功效，点Calculate。

双尾，α=0.05，功效0.8，d=0.5，每组要64人。

效应量小一点，d=0.2，每组要394人。

反过来选Post hoc，每组只有10人、d=0.5，功效是0.185。真实存在中等效应，十次实验大概八次测不出来。

三组以上比较，Test family换成F tests，效应量填f。设计选错了，算出来的人数差得很远。

效应量不知道填什么，点Determine，敲前人论文的均值和标准差。示例：A组纵跳45 cm，SD 6，B组40 cm，SD 8，两组人数相同，d=0.71。

Journal of Sports Sciences现在要求原创论文单独写一段事前样本量估算，软件、版本和每个输入值的依据都要交代（Abt等，2020）。

JASP 做统计

替代SPSS。SPSS是IBM的收费软件，学生用的GradPack版本也要按月付费，JASP是阿姆斯特丹大学团队做的开源软件，界面长得像，不用写代码。

图2：JASP在GitHub上的源码仓库，官网是jasp-stats.org。

把CSV拖进去，顶上点T-Tests，左边勾变量，右边结果实时出。Power模块默认不显示，从右上角加号里勾出来，能画功效曲线（Abt等，2025）。和SPSS比，它的结果表默认按APA格式排，效应量和置信区间勾一下就出来，复制进Word基本不用重排。

每组20人在运动科学里不算少了，可d=0.5时功效只有33.8%。

一次独立样本t检验报出来长什么样，用一组模拟的示例数据看。每组20人，A组44.42±4.44，B组41.26±5.40，结果是t(38)=2.02，p=0.051，Cohen's d=0.64，BF10=1.50。

p刚好在0.05上面一点。BF10是1.50，两边都没什么支持。

这种结果写讨论时，别直接写两组没有差异，更准确的写法是本研究样本量下的功效不足以检测中等及以下的效应。

JASP里勾上Bayesian，p值和BF10能放在一起看。

分析做完存成.jasp文件，数据、分析设置和结果都在里面，发给导师或合作者，对方装上JASP打开就能看到同样的结果，也能自己改设置重跑。

R 和 ggplot2

替代SPSS做统计，也替代Prism作图，Prism官网个人版Standard订阅每年260美元，R和ggplot2都免费。

R要写代码，门槛高一些，好处是可复现，脚本存下来，审稿人要什么都能重跑。算样本量用自带的power.t.test：

...
power.t.test(delta = 0.5, sd = 1, power = 0.8)# n = 63.76576  (每组)power.t.test(n = 10, delta = 0.5, sd = 1)# power = 0.1838375

63.77向上取整，每组64人，跟GPower一致。每组10人的功效R默认给0.184，加上strict=TRUE把双尾都算进去是0.185，跟GPower的数对上了。

power.t.test也可以直接填原始单位。还是前面那个示例，两组差5 cm，合并标准差7.07 cm，写成delta = 5, sd = 7.07，算出每组32.4人，取整33人。

想一次看多个样本量，套一个sapply，d=0.5时每组10、20、30、50、64人的双尾功效分别是0.185、0.338、0.478、0.697、0.801：

...
n = c(10, 20, 30, 50, 64)sapply(n, function(k)  power.t.test(n = k, delta = 0.5, sd = 1, strict = TRUE)$power)

每组从50人加到64人，功效才从0.697爬到0.801，越往后每多一点功效要多招的人越多。

作图用ggplot2，每个受试者一个点，再叠均值和95%置信区间：

...
library(ggplot2)ggplot(df, aes(group, jump_height)) +  geom_jitter(width = 0.1) +  stat_summary(fun.data = mean_cl_normal, colour = "red")

比起柱状图加误差线，离群点和组内分布一眼能看到。

Zotero 管文献

替代EndNote，EndNote官网上EndNote 2025完整版275美元一次性买断。Zotero开源免费，Mac、Windows、Linux、iOS、Android都有。

图3：Zotero官网首页。

浏览器装Zotero Connector，在期刊页面点一下图标，条目和PDF一起进库。Word里多出一个Zotero选项卡，插引用、出参考文献都在那里。改投别的期刊，在文档设置里换引文样式，全文跟着变，JSAMS、MSSE、Sports Medicine的样式官方库里都有。

从数据库导出的文献多了会有重复，左侧栏的Duplicate Items里能看到重复条目，选中点合并就行。

免费账户云同步300MB，只存条目够用，PDF多的话放本地。

OSF 预注册

开放科学中心的平台，免费。研究开始前把假设、样本量、主要结局指标、分析方法写下来，提交注册后打上时间戳，之后不能改。

图4：开放科学中心的预注册介绍页。

前面G*Power算出来的每组64人、d=0.5、α=0.05、功效0.8，就是预注册样本量那一栏要填的东西。

投稿时附上链接，审稿人能看到你是事先定好的还是做完数据再找的结果。

不会写的话，OSF有现成模板，照着填就行。不会写的话，OSF有现成模板，照着填就行。步骤是先在osf.io建项目，传方案文档，进Registrations标签新建注册，选模板，一项项填完提交。注册可以设成延期公开，论文发表前别人看不到内容。数据、代码、实验材料也能放进同一个项目，生成DOI，论文里写数据可得性声明时直接引用。

SportRxiv 发预印本

运动科学自己的预印本服务器，作者和读者都不收钱，STORK运营，托管在渥太华大学。

图5：SportRxiv首页。

投上去先过一道审核，只查领域和作者真实性，不做同行评审，一般3到5个工作日上线，每篇有自己的DOI，论文还在审稿时别人就能看到、能引用。已经被期刊接收的论文，也可以把作者终稿放上来，读者免费看全文。

投稿要先在网站注册登录，按提示填题目、摘要、作者、关键词，上传PDF。

STORK还办了期刊Communications in Kinesiology，接收注册报告，先审研究方案，方案通过后不管结果阳性阴性都发表。跟OSF预注册连起来用，开题时的方案就能直接走这条路。

OpenSim 肌肉骨骼仿真

替代AnyBody这类收费的商业仿真软件。OpenSim是斯坦福Delp实验室开发的开源软件，SimTK项目页截图时显示下载962093次。

图6：SimTK上的OpenSim项目页。

导入动捕和测力台数据，按缩放模型、逆运动学、逆动力学、静态优化的顺序跑，能拿到关节角度、关节力矩和肌肉力估计。肌肉力实验室里没法直接测，只能这样算。

第一次用，先拿软件自带的步态示例模型和数据把这几步完整跑一遍，熟悉了再换成自己的数据。受试者多了，一个个点界面太慢，OpenSim提供Python和MATLAB的脚本接口，可以写个循环批量跑。结果是随时间变化的曲线，要做统计可以接第66期写过的spm1d。

7个工具下载地址汇总

• GPower：算样本量，替代收费样本量软件，psychologie.hhu.de搜GPower
• JASP：统计分析，替代SPSS，jasp-stats.org
• R+ggplot2：统计和作图，替代SPSS、Prism，r-project.org
• Zotero：文献管理，替代EndNote，zotero.org
• OSF：预注册、存数据，osf.io/prereg
• SportRxiv：发预印本，sportrxiv.org
• OpenSim：肌肉骨骼仿真，替代AnyBody等，simtk.org/projects/opensim

样本量算出来多少，全看你填的效应量，效应量估高了，人数就会偏少。

参考文献

Abt, G., Boreham, C., Davison, G., Jackson, R., Nevill, A., Wallace, E., & Williams, M. (2020). Power, precision, and sample size estimation in sport and exercise science research. Journal of Sports Sciences, 38(17), 1933-1935.

Abt, G., Boreham, C., Davison, G., Jackson, R., Jobson, S., Wallace, E., & Williams, M. (2025). Sample size estimation revisited. Journal of Sports Sciences, 43(21), 2511-2516.

Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, 41(4), 1149-1160.