《研究中的数据分析和阐释课件.ppt》由会员分享，可在线阅读，更多相关《研究中的数据分析和阐释课件.ppt（26页珍藏版）》请在三一办公上搜索。
1、研究中的数据分析和阐释Data Analysis in Research,2,研究中数据分析的特点,微观层面上的分析解决研究的实际问题强调统计方法的应用注重结论对研究的意义很多情况下, 完整的数据分析是定性数据分析和定量数据分析的结合,3,定量和定性研究结合,定性,定量,.严密的事实: 定量研究可提供可靠和有可比性的数据,.深度的理解 研究对象的想法和感情: 定性方法提供充足的诊断和洞察,用定量和定性相结合的研究方法来达成目标,研究最有效的支持,4,分析和解释不是调查研究中某个阶段的独立过程，它应该贯穿在整个研究过程的始终。研究目的包括了研究发现，结论和建议。你决不应该偏离这个目标。” (Ro
2、ddy Glen),一、数据分析的基本方法,一、基本数据分析方法确定分析框架准备出表格式数据查错和清理关于数据加权关于追加样本,7,数据分析准备,3个准备工作,准备分析框架,准备数据出表格式,检查原始数据,8,确定分析框架,9,数据处理过程:综述,手工查错编辑,抄码,编码,统计出表,电脑查错与编辑,数据分析,制作码表,数据输入,10,数据处理过程:出表,出表主要包括两种结果：频数分布表（Frequency Tables）和交叉表（Cross tabulations）。频数分布表是对单变量而言的，它研究的是一个变量的各水平发生频率的分布状况；交叉表则是针对两个或两个以上的变量而言，它就是将一些变
3、量与另一些变量进行交叉分析，以表格形式展示数据间关系的过程。统计表中的要素统计指标（Criterion）：分析中关注的项目，一般置于表的左侧，叫做SIDE分组指标（Predictor）：用以把样本分成子群的变量，一般置于表的顶端，叫做TOP基数（BASE）：用于计算百分比、平均数的样本量行百分比（Row Percentage）与列百分比（Column Percentage）统计检验结果通常以在数字旁边标注字母表示,11,数据处理过程:分析数据表示例 (列百分比),12,数据处理过程:分析数据表示例（行百分比）,13,出 表 格 式,14,出表格式的详细说明,项目信息数据格式显著性检验交叉分类
4、数据制表,包括项目号和项目名称，并在每页上显著标明出来如果有不同地区或小组的几套表，清晰标出来标明日期可以有效区分哪套表是最近的页码号非常有用,15,项目信息数据格式显著性检验交叉分类 数据制表,哪些文件格式是必需的？如SPSS / Quanvert要求一个CSV文件 以便在excel中操作简易如果使用了某个模型, 要求使用具体的数据格式如果你有数字答案，要求频率分布表,出表格式的详细说明,16,项目信息数据格式显著性检验交叉分类 数据制表,如果一张纸上两个数字标上星号，很容易看出来比较困难是的是计算你需要的统计检验如果你要求，你可以拥有适合你的表格的显著性检验,出表格式的详细说明,17,项目
5、信息数据格式显著性检验交叉分类 数据制表,你想看哪个变量？比较哪些群体？思考哪些群体需要组合成更大的基数数量？思考数据将如何制图不要忘记变量的交叉分类,出表格式的详细说明,18,项目信息数据格式显著性检验交叉分类 数据制表,你想出什么样的表格？（是否真正需要甄别和过滤方面的问题）你需要出平均值吗？交叉表 (前测和后测)Nets (开放题 / 品牌）平均提及次数,出表格式的详细说明,19,数据表中的信息,交叉分类,列显著性检验,项目名称,基数说明,列百分比,均值,项目号等,侧表头,问题和题号,表头,20,数据检查,问卷,实地访问,数据输入,查错编辑,数据处理,出表,因为.错误可以发生在各个环节数
6、据从实地收集回来后不会是100%干净的和合乎逻辑的但我们要提交的结果必须是正确无误的我们要对数据质量负最终的责任,21,数据检查,如果有些数据让你感到惊讶.如果有些数据与你要讲的故事不吻合如果有些数据和常识不符.,!这些数据可能是错的!,22,怎样进行数据检查？,有很多的东西要检查：标题与内容是否一致？实际访问样本数是否与设计样本数相一致基数定义是否正确是否所有的配额要求都满足是否所有的样本都符合事先确定的甄别条件每个被访者是否回答了所有应该回答的问题跳问顺序是否被正确执行单选和复选是否被正确执行（单选题百分比之和等于100%，复选题百分比之和大于100% ）表头定义是否正确（名称与取值是否相
7、符）“不知道”、“拒绝回答”、“其他”的比例是否过高,23,怎样进行数据检查？,有很多的东西要检查：数据前后是否一致均值、top 2 box, bottom 2 box 等统计量的计算是否正确追加样本是否符合规定要求多组（Multiple-cell）设计的项目中，各组样本间是否结构一致加权值是否被正确使用,24,如何减少错误:从数据处理到分析,清晰的数据处理说明清晰的分析框架查错 / 检查TOPLINE,数据处理,分析,检查和决定如何处理异常值查表SPSS/excel 原始数据查错,25,关于数据加权,加权（Weighting）的目的是为了使我们在项目中选取的样本更好地反应总体的结构当人口背景
8、资料对一种产品的认知或消费有显著影响时，加权显得尤为重要通常有三种加权方法因数加权（Factor Weighting）：赋予每个群中的样本一个因数目标加权（Target Weighting）：给定目标值，把样本结果投射到总体边缘加权（Rim Weighting）：给定多个人口特征指标上的目标值，来修正样本结构,26,关于追加样本 (Boost samples),研究者可能对总样本中的子群感兴趣，但是这部分群体在总样本中的发生率比较小因而,随机抽样后，这个子群的样本数量不足在这种情况下，需要对这些子群的样本进行追加，从而使研究分析有足够大的基数,往主体样本中增加追加样本会使主体样本结构发生偏斜，从而影响样本的代表性,因此，需要对追加样本进行加权，使子群在总样本中占有正确的比例,
