1
第一讲量化研究与统计分析
1-1、量化研究的基本概念
1-2、量表分析步骤
1-3、量表的编码
1-4、复选题及其它方式的数据建文件
1-1、量化研究的基本概念
一、概述
社会科学领域研究的二个主要范畴：
1、量的资料(quantitative data)分析
2、质的研究(qualitative research)。
量的数据分析，受到信息科学进步的影响，数据的处理更为简易也较为客观，因而社会科学中多数研究论文仍倾向于量的研究。
量的研究主要采取逻辑实证主义的论点，重视变量间因果关系或变量间的相关，重视的是假设演绎取向法，强调受试取样的代表性，以使研究结果能有效推论到样本的母群体。
二、量化研究的方法
（一）、量化研究的统计方法
1．描述统计学(descriptive statistics)
2．推论统计学(inferential statistics)
目的：为了解整个研究母群体的特性。在社会科学领域中，由于母群体数目大多过于庞大，在时间、人力、物力、财力等考虑上，无法全部抽取母群体作为统计分析的对象，因而只能以随机或其它抽样的方式，抽取母群体中具代表性的样本作为研究分析的对象，再根据样本统计分析结果，推论到整个母群的性质。如：研究新课标施行后，我国中学生的学习情况，只能以部分学生的学习情况去推断全国学生的学习情况。
缺点：在推论统计学中，由于是根据样本特性再推论到整个母群属性，因而可能包含取样误差与推论误差存在，也就是此研究推论会有可能犯错的机率(probability)。
（二）、量化研究的设计方法：
1.调查法：分访问调查及问卷调查法；
2.实验法：分真正实验设计与准实验设计法；
量化研究的主要特征，皆要经由观察、测验、量表、问卷以取得研究实施的数据资料，作为假设验证的基础，因而如何搜集有效度的资料，如何配合研究目的与研究架构，选用合适的统计方法，以作为支持或否定原假设的证据资料，就显得格外重要。
（三）、量化研究的步骤：选题—设计问卷、调查—分析数据—给出结论1.选择与定义问题
研究问题必须是可以检验的假设，或研究者领域所感兴趣、有价值或重要性的问题，问题可以经过资料搜集、分析来加以检验或回答。量化研究问题可能是研究者感兴趣的主题；或有价值性的问题；或研究者认为是社会科学领域中重要的问题，此部份可以由相关文献的研究分析，挖掘相关研究的主题。制定研究主题后，要拟定研究架构，草拟研究问题及要检验的研究假设，并对重要的关键词，给予完整的概念性定义及操作型定义。
2.执行研究的程序
完整的实施程序包括样本或受试者的选择，测量工具的改进，数据的搜集。执行研究的程序就是决定抽样的方式，预试及正式问卷各抽取多少受试者，发展、编制或修订研究的测量工具，研究工具是否要先经专家效度检验？
3.资料分析
资料分析通常包括一个以上统计技巧的应用。数据分析的结果可提供研究者检验研究假设或回答研究问题。数据分析要根据检验的研究假设及变量性质，选用合适而正确的统计方法，包括预试问卷的信效度
检验及正式问卷的统计应用分析等。在数据分析时，研究者要避免“垃圾进、垃圾出”的现象，首要的是正确统计方法的选用与数据结果的客观解释。
4.结果分析与结论
结论的呈现主要根据数据分析的结果，结论应该与最初拟定的假设或研究问题有关，研究结论也要指出研究假设是否得到支持。研究的结论要根据研究主要结果而来，重视客观性及实证性，进而再根据研究结论提出研究的具体建议及研究限制所在，以作为未来研究者的参考。
根据学者Bryman 与 Cramer，(1997)二人的观点，完整量化的研究历程，如下图１所示：
图1 研究的完整程序 (数据源：Bryman & Cramer ，1997，p.3)
（四）、注意的问题：
1.常用的抽样方法有三种(Gay ，1992)：
（1）随机抽样(random sampling)：依据机率理论，以随机原则方式从母
群体中抽取一定比例的受试者，使用方法如抽签法、随机随机数表抽样等。
（2）分层随机抽样(stratified random sampling)：研究设计中，如果
受试者母群间的差异很大(异质性很高)，或某些样本点很少，为顾及小群体的样本点也能被抽取，应采用分层随机取样较为适宜。 分层随机抽样的图示如下：
（3）整群抽样法(cluster sampling)：如果样本所属的母群体很大或涵
括的地理位置很广，则采用整群抽样法较为简宜。整群抽样法是以一个群组(cluster)或一个团体为抽取单位，而不以个人为取样单位，因而整群抽样法时，抽取的样本点是一个群组、一个群组，群组与群
母 群 体 总 数
组间的特征非常接近，同构型很高；而群组内彼此成员的差异较大，异质性高。在社会科学领域中，整群抽样的群组如班级、学校、组别、部门、学区等。
总之，样本选取时，最重要的是样本要有代表性，才能从受试样本群推论到其母群的性质，受试样本要有代表性。
2.取样的样本要多少：
在研究设计中，受试者的数目要多大才算具有代表性，多少个样本才算“够大”(large enough)，这个议题，社会科学研究领域中，似乎无一致结论。
学者Gay(1992)对于样本数多少，则提出以下之看法：
（1）描述研究(descriptive research)时，样本数最少占母群体的10%，如果母群体较小，则最小的样本数最好为母群体的20%。
（2）相关研究(correlational studies)的目的在于探究变项间有无关系存在，受试者至少须在30人以上。
（3）因果比较研究(causal-comparative studies)与许多实验研究，各组的人数至少要有30位。
（4）如果实验研究设计得宜，有严密的实验控制，每组受试者至少在15人以上，但权威学者还是认为每组受试者最少应有30人，最为适宜。
3.变量属性的界定：
不同变量属性，所适用的统计方法也不同。
数据分析的变量属性的分类中，多采纳学者Stevens(1946、1951)的观点，Stevens的看法中，乃根据测量量表或测量水平的基准，将变量属性类别划分成以下几种：
（1）名义变量(nominal variable)或称类别变量(categorical variable)
主要在于分类对象，把对象转变为间断类别，变量主要属性只是用来辨识事物或表示事物的类别而已，如性别、种族、学校大小、教师职务、教师性别、学生年级等。名义变量无法陈述事物与事物之间的差异大小或形式，它属于间断变量的一种。
（2）次序变量(ordinal variable)
变量除具有分类特性外，又具有等级排序关系。变量间根据某个准则，可将对象由最高至最低作有规则的排序，变量主要属性在于可用数值表示对象间之优劣、多少、高低、次序等。次序变量与名义变量不同之处在于次序变量有“方向次序”存在。统计学上的中位数与百分等级等统计方法也属于次序变量。
（3）等距／比率变量(interval/ratio variable)
等距变量除可表示对象类别及比较大小次序外，对象类别间距离是相等的，因而变量间有“可加性”(additivity)。如果对象类别间存有绝对的零点(logical zero points)，则称为比率变量，比率变量间有”可乘性”(multiplicativity)，二者均属连续变量(continuous variables)。
研究者在变量属性确认方面，要能正确区分连续变量(包括等距变量与比率变量)与间断变量（包含类别变量与次序变量)，方能选用正确的统计方法。
4.变量性质与适用时机
通常因变量为连续变量时，可进行参数统计，如平均数差异检验的ｔ检验、方差分析、共变量分析、回归分析、多变量分析、典型相关等。另外一种常见的情形，是研究的样本数很少，或研究分析的变量为间断变量，则此时最好采用“非参数统计法”。
（五）、量表编制原则
在社会科学领域中，常用的李克特式的多选项量表(multiple-item
scales)，严格说起来，量表之变量性质是一种次序变量，但次序变量与名义变量均属“离散变量”（discrete variable），离散变量无法求其平均数、或进行相关、回归等统计分析，因而无法验证相关的研究假设，所以多数研究者在编制多选项量表时，皆把量表视为等距变量来设计。
李克特量表 (Likert-type scale)填答方式，通常以四至六点量表法，为多数研究者与学者采用，其中以五点量表法的内部一致性较佳。常用的选项名称如：
为了使评定量表各选项上的差距相等，在问卷编制上可采用两极端的方式来编制问卷或直接把数字填上，让受试者填答，如：
非常满意非常不满意我对于在职训练讲师之授课方式感到□□□□□
或
非常满意非常不满意我对于在职训练讲师之授课方式感到５４３２１
非常同意非常不同意我认为参加在职训练能增进工作效率□□□□□
或
非常同意非常不同意我认为参加在职训练能增进工作效率５４３２１
此外，在社会科学领域中，另一个常见的变量为“二分变量”
(dichotomous variables)，此变量被视为名义变量或次序变量，均属于离散变量，对象属性只分为二大类别，如“男”、“女”；“及格”、“不及格”等。如果离散变量有三大类或三个水平时，则称为“三分变量”(trichotomous variable)，如包含三个类别以上或三个水平以上的离散变量，又称为“多分变量”(multichotomous variable)。在统计研究上，高层次的连续变量可以区分为低层次的二分变量或三分变量或多分变量。
1-2、量表分析步骤
在问卷调查法(questionnaire survey)或实验研究法(experimental method)中，研究或调查工具编制甚为重要，问卷如果编制或选用得宜，则研究才更具可靠性与价值性。本章先说明问卷信效度分析的简要步骤，各步骤的操作方法则分别于以后各章节详细说明。
问卷信效度分析的步骤：
一、编拟预试问卷
在预试问卷的编制或修订上，应根据研究目的、相关文献资料与研究架构等方面加以考虑，如果有类似的研究工具，可根据研究当时的实际情形，加以修订、增删；如果是自己重新编制问卷，问卷内容应依据研究架构的层面，加以编制。在编制问卷时，应注意：
1. 如果问卷的题项内容过于敏感，应在问卷中穿插数题「测谎题」，以
探知填答者是否据实填答。
2. 态度量表通常采用的是李克特式量表(Likert-type Scale)法，量表
填答方式以五点量表最可靠。
3. 预试问卷题项数最好是将来所需正式题项总数的3-4倍，在某些特定
内容范围中，至少要约为正式量表题项数的1.5 倍。
二、预试
预试问卷编拟完后，应实施预试，预试对象的性质应与将来正式问卷要抽取的对象性质相同，预试对象人数以问卷中包括最多题项的“分量表”的３－５倍人数为原则，如调查预试问卷中，包括三种分量表，每种分量表包含的题项分别为40题、35题、25题，则预试对象，最好在120位至200位中间。再根据学者Gay与Airasion(2000)的观点，样本的大小应根据研究的种类来决定，如：
1. 描述性研究：样本人数至少应有总体人数的10%，如果总体较小时，则
样本人数至少要有20%左右。
2. 相关研究时：样本人数至少应有30人，始能确定有无相关存在。
3. 实验研究与事后反馈研究：每组人数至少应有30人。
4. 如果实验研究设计得宜，有严密的实验控制，每组受试者至少在15人
以上，但其他权威学者还是认为每组人数至少应有30人最为适合。
三、整理问卷与编号
问卷回收后，应一份一份检查筛选，对于数据不全或不诚实填答的问卷，应考虑将之删除；对于填答时皆填同一性答案者，是否删除，研究者应考虑问卷题项本身的内容与描述，自行审慎判断。
筛选完后的问卷应加以编号，以便将来核对数据之用；之后再给予各变量、各题项一个不同代码，并依问卷内容，有顺序的键入计算机。
四、项目分析（各题项高低分组受试者给分的均值检验）
项目分析即在求出每一个题项的“决断值”(critical ratio；简称CR值)，其求法是将所有受试者在预试量表的得分总和依高低排列，得分前25%至33%者为高分组，得分后25%至33%者为低分组，求出高低二组受试者在每题得分平均数差异的显著性检验(多数数据分析时，均以测验总分
最高的27%及最低的27%，作为高低分组界限)，如果题项的CR 值达显者水平(α<0.05或α<0.01)，即表示这个题项能鉴别不同受试者的反应程度，此为题项是否删除首应考虑的判断准则。
五、因素分析（主成分分析或因子分析）
项目分析完后，为检验量表的建构效度(construct validity) ，应进行因素分析。所谓建构效度系指态度量表能测量理论的概念或特质之程度，即根据受试者实际的测验分数，经统计检验结果能解释受试者的心理特质有多少。因素分析目的即在找出量表潜在的结构，减少题项的数目，使之变为一组较少而彼此相关较大的变量，此种因素分析方法，是一种“探索性的因素分析”(exploratory factor analysis)。
六、信度分析
因素分析完后，继续要进行分析的是量表各层面与总量表的信度考验。所谓信度(reliability)，就是量表的可靠性或稳定性，即测验工具所得到结果的一致性或稳定性。一般而言，二次或二个测验之结果愈是一致，则误差愈小，所得的信度愈高。在态度量表法常用检验信度的方法为L. J. Cronbach 所创的α系数，其公式为：
)S S 1(1K K 2
2i ∑--=α 其中K 为量表所包括的总题数。
2S 为测验量表总分的变异量。 2i S 为每个测验题项总分的变异量。
α系数值界于0至１之间，α出现０或１两个极端值的机率甚低，但究竟α系数要多大，才算有高的信度？一般来说，α系数值如果在0.60至0.65之间最好不要；α系数值界于0.65至0.70间是最小可接受值；α系数值界于在0.70至0.80之间相当好；α系数值界于在0.80至0.90之间非常好。
另外，亦可求出量表的折半信度(split-half reliability)，所谓折半信度是将量表的题目分成两半计分，根据受试者在两半题项上所得的分数，计算二者的相关系数。
七、再测信度
如果要继续求出量表的再测信度(test-retest reliability)，要以正式量表对同一组受试者前后测验二次，根据受试者前后二次测验分数得分，求其积差相关系数。再测信度又称稳定系数(coefficient of stability) ，反应量表的稳定与一致性程度，一般而言，间隔时间愈长，稳定系数愈低。再测信度间隔时间通常以星期或月为单位，较常用者为间隔二星期或一个月。
将以上量表编制建构的流程图，整理如下：
再测信度积差相关
法
1-3、量表的编码
以“学生生活经验调查表”为例说明，题号代号编码时应注意：
1. 题号代号不能重复。
2. 同一量表的题号最好有相同的标识符，如A1至A20为量表一；B1至B25
为量表二；C1至C24为量表三（为父母影响历程量表）；D1至D19为量表四（教师行为量表）。
3. 名义或类别变量的变量代码最好与其意义内涵有关，以三至五个英文
字简写代表最好。如学生性别为SSEX、教师性别为TSEX、年龄为AGE、年级为YEAR、教育程度为EDU、工作类别为JOB、家庭结构为STRU、学校历史为HIST等。
4. 变量代码不要用中文字，如要加注部份变量的中文说明，可于SPSS操
作中更改。
原始问卷中，第一部份父母影响历程量表中的第一题至第八题均为反向题。
本问卷中，父母影响历程与教师行为量表前还有二份量表，因篇幅关系省略，因而父母影响历程量表２４题的编码为c1、c2...c23、c24；而教师行为量表的十九题之变项编码为d1、d2、d3......d18、d19。此为单选题的编码，每个题项均占一栏；如果是复选题，则每个“选项”各占一栏，每个选项均单独成一个变量，如第一题为复选题，内有五个选项，则变项编码为a11、a12、a13、a14、a15，其中a1代表第一题，第三个数字为题项中选项编号。
1-4、复选题及其它方式的数据建文件
第一题为复选题，内有七个选项，在建文件时应分别建立七个变量，如：
其中A11代表第一题第一个选项，A17代表第一题第七个选项，如果第二题也是复选题，内有四个选项可以勾选，则编码时，最好编成A21、A22、A23、A24，这样在数据建文件上较为方便。
复选题有勾选者输入１，没有勾选者输入０，将来统计时只要执行【分析】/【描述性统计】/【频数分析】程序，即可得知各选项被勾选的次数与有效百分比多少。
此种有等级重要性之题项，在变量编码时与复选题相同，内有多少个选项，就要设定多少个变量，如例题中有七个选项，要编成七个码，统计时，只要执行【分析】/【描述性统计】/【描述性统计量】程序，求出各变量的平均数大小即可，平均数愈小者代表第一重要；次小者代表第二重要。
本章主要内容：
一、概述：量化研究；质的研究。
二、量化研究的方法
（一）、量化研究的统计方法：1．描述统计学；2．推论统计学。（二）、量化研究的设计方法：1.调查法；2.实验法。
（三）、量化研究的步骤：选题—设计问卷、调查—分析数据—给出结论。（四）、注意的问题：
1.常用的抽样方法：随机抽样；分层随机抽样；整群抽样法。
2.取样的样本要多少。
3.变量属性的界定：连续变量；离散变量。
4.变量性质与适用的统计方法。
（五）、量表编制原则：李克特五点量表法。
三、量表分析步骤
编拟预试问卷--预试--整理问卷与编号--项目分析--因素分析--信度分析--再测信度
四、量表的编码及数据文件的建立：单选题；复选题。
传播学定量研究方法 第一章总汇 第一节序论 一．研究对象： 1．媒介本身①②各种媒介的关系 2．媒介的使用（和使用媒介的人） 3．媒介的社会效果 4．研究媒介的发展和新的传播技术和方法 二．研究的发展阶段 1．皮下注射论（魔弹论，一战时期）：过分夸大传播的效果 2．有限传播：20世纪中期 3．使用与满足 4．趋势研究 唯实，实证人文唯名 定量（孔德）定性（狄尔泰） 社会规律：有规律无规律 如何认识社会现象：客观检验主管体验 如何分析解释客观解释主观理解 社会现象静态定量分析动态定性分析 三．科学研究方法的特性 1．规律性 2．实践性 3．经验性 4．解释性 5．认知性 第二节科学研究的基本过程： 一．类型： 1．归纳推理：从经验观察出发，通过对大量客观现象描述，概括出现象的共同特征或一般属性，由此来坚定理论，来说明观察到的各种具体现象或 事物之间必然本质的联系 局限：①结论可能错误②很难建立起一种具有普遍意义高度概括的理论
2．演绎推理：从一般理论或普遍法则出发，依据这一理论，推导出一些具体的理论，然后将它们应用于具体的现象或事物，并在应用过程中对理论 进行检验 依据形式逻辑的推论，演绎三段论：大前提、小前提、结论 大前提：所有P，都是S；小前提：P；结论：所以S 局限：①大前提可能是错的，结论也可能是错的②由单纯的演绎推理，也不可能发现一般理论中的错误 结论：一般将演绎推理与观察相结合 作用：①可以一般原理或理论假设来指导科学研究 ②由抽象的理论推导具体的未知的现象 ③在理论建设中，演绎法可以论证或反驳某种理论 二．科学研究的一般过程 1．假设演绎法（试错法）：为解答问题而提出的尝试性假说或由该理论假说可以 推导出一些研究假设，然后通过大量观察来检验假说2．定量研究的基本步骤：①题材选择②研究目的和假设③研究的理论依据 ④研究的具体方法⑤样本和抽样设计⑥收集资料的方法 ⑦工具的确定和设计⑧资料的登陆和分配 ⑨资料的分拆方法过程⑩撰写研究报告 3．选题：①－⑥准备阶段：确定研究的类型和调查方式 研究具体化，操作化；制定调查方案 选题的基本原则：必要性：理论价值，社会上需要解决的问题 创造性：创新性，独创性 可行性：解答这一课题已具备科学条件 提出的问题能够由科学来解答 研究已具备了很多社会条件和主观条件 研究的课题要与研究目的和所要解答的实际问题相 适应要与研究力量和能力相适应
统计分析方法有哪几种？下面天互数据将详细阐述，并介绍一些常用的统计分析软件。 一、指标对比分析法指标对比分析法 统计分析的八种方法一、指标对比分析法指标对比分析法，又称比较分析法，是统计分析中最常用的方法。是通过有关的指标对比来反映事物数量上差异和变化的方法,有比较才能鉴别。 指标分析对比分析方法可分为静态比较和动态比较分析。静态比较是同一时间条件下不同总体指标比较，如不同部门、不同地区、不同国家的比较，也叫横向比较；动态比较是同一总体条件不同时期指标数值的比较，也叫纵向比较。 二、分组分析法指标对比分析法 分组分析法指标对比分析法对比，但组成统计总体的各单位具有多种特征，这就使得在同一总体范围内的各单位之间产生了许多差别，统计分析不仅要对总体数量特征和数量关系进行分析，还要深入总体的内部进行分组分析。分组分析法就是根据统计分析的目的要求，把所研究的总体按照一个或者几个标志划分为若干个部分，加以整理，进行观察、分析，以揭示其内在的联系和规律性。 统计分组法的关键问题在于正确选择分组标值和划分各组界限。 三、时间数列及动态分析法 时间数列。是将同一指标在时间上变化和发展的一系列数值，按时间先后顺序排列，就形成时间数列，又称动态数列。它能反映社会经济现象的发展变动情况，通过时间数列的编制和分析，可以找出动态变化规律，为预测未来的发展趋势提供依据。时间数列可分为绝对数时间数列、相对数时间数列、平均数时间数列。 时间数列速度指标。根据绝对数时间数列可以计算的速度指标：有发展速度、增长速度、平均发展速度、平均增长速度。 动态分析法。在统计分析中，如果只有孤立的一个时期指标值，是很难作出判断的。如果编制了时间数列，就可以进行动态分析，反映其发展水平和速度的变化规律。
计量资料的统计描述方法 怎样表达一组数据？ 描述计量资料的常用指标— A 、描述平均水平（中心位置）: 均数X 、中位数和百分位数、几何均数G 、众数（mode ） B 、描述数据的分散程度: 标准差、四分位数间距、 变异系数、方差、全距 (一)均数mean 和标准差standard deviation 1. (算术)均数X 均数是描述一组计量资料平均水平或集中趋势的指标。 *直接计算公式： 应用条件：适用于对称分布，特别是正态分布资料。 2. 中位数（median ）M 和百分位数（percentile ） A.中位数M 是将一组观察值从小到大排序后，居于中间位置的那个值或两个中间值的平均值。 应用条件： 12n X X X X X n n +++== ∑L
用于任何分布类型，包括偏态资料、两端数据无界限的资料。 计算： n 为奇数时-- n 为偶数时-- 9人数据：12，13，14， 14， 15， 15， 15， 17, 19天 B.百分位数 是将N 个观察值从小到大依次排列，再分成100等份，对应于X%位的数值即为第X 百分位数。中位数是第百分50位数。 四分位数间距（quartile range ） =第25百分位数(P25)～第75百分位数(P75)。 四分位数间距用于描述偏态资料的分散程度（代替标准差S ），包含了全部观察值的一半。 ) (天1552 19===+X X M 88451 22221415214.5() M X X X X ?? ==== ???＋如果只调查了前八位中学生，则： ＋（＋）（＋）天
百分位数计算(频数表法)： X L ：第X 百分位数所在组段下限 L Σf ：小于X L 各组段的累计频数 X i ：第X 百分位数所在组段组距 n ：总例数f x :所在组段频数 注：有的教材X= r ; L f ∑=C 例：求频数表的第25、第75百分位数(四分位数间距) 组段 频数f 累积频数∑f 56～ 2 2 59～ 5 7 62～ 12 19 ∑f 25 L 2565～ 15 34 P 25在此 68～ 25 59 71～ 26 85∑f 75 L 7574～ 19 104 P 75在此 77～ 15 119 80～ 10 129 83～85 1 130 合计 130 ① 确定Px 所在组段： P 25所在的组段：n X %=130×25%=32.5, 65～组最终的累积频数=34，32.5落在65～组段内；
量化研究学习书单 重要说明： 1、这里所列的书籍，专指定量研究学习，侧重应用，定性研究的大量好书，暂不列入。 2、方法论为各学科所共通，此书单所列书目，对包括新闻传播学在内的所有社会科学学生掌握定量研究方法都有帮助。 3、研究方法的学习与运用，有相当的难度。为了使中国学生便于理解和阅读，这里所列的绝大部分都是中文书，且为近期出版，容易找到。事实上，英文世界，有大量更好的学习书籍，请感兴趣者通过其他途径查找阅读。 4、方法论的书，都是“工具书”，看一遍或几遍远远不够，要放在案头，像字典一样，遇到具体的问题，常读常新。每次阅读，你都能有新的理解和收获。 5、如果能把书目中所列的大部分书都读通读精，完成一篇比较优秀的定量研究博士论文，在方法论上已经游刃有余。但学海无边，方法会不断出新，更深入、专业的分析手段，请感兴趣者日后自行查找。 6、台湾地区的研究方法和论文写作指导书，无论是数量还是质量上，远高于大陆。所以这里特别列出了一些台湾地区的书目，如有机会阅读，对你的帮助肯定很大很大。 7、量化研究入门容易，学好很难。在最后特别列出了“值得学习的定量研究论文集”，看看高手的量化研究论文是怎么写的，是如何从构思到步步深入的。每篇都值得新手反复研读，模仿，你的水平定会提高。 8、量化研究要学好，理论、方法技术、分析软件，三者缺一不可。这里所列书目，以方法技术为主，部分涉及分析软件，侧重实用性。理论书，请根据具体的研究选题，自行查阅。 9、读书也要看“品牌”，品牌是质量的保证。量化研究学习领域，个人认为，比较好的作者品牌是：台湾学者邱皓政、吴明隆、温福星等；海外学者谢宇、边燕杰、侯杰泰等；国内学者徐淑英、郭志刚、风笑天、仇立平、温忠麟等；比较好的出版社品牌是：大陆的重庆大学出版社“万卷方法”系列；格致出版社的“格致定量”系列；台湾的五南图书出版公司、三民书局、心理出版社等。另外，大陆的社科文献出版社，经常会出版一些优秀的定量研究专著。 10、目前市面上量化研究的书也很多，但说实话，好书不多，中文的好书更少，手把手教你学习的好书，则少之又少。这里所列书目，每本我都认真研读过数遍，都是我自认为觉得对研究入门、研究进阶、研究深入很有帮助的好书。但受制于我的阅读量和阅读范围，仅为一家之言，特此说明。 基础篇： 1.陈国明：《传播研究方法》，复旦大学出版社，2011年版。 2.邱皓政：《量化研究与统计分析》，重庆大学出版社，2009年版。 3.仇立平：《社会研究方法》，重庆大学出版社，2008年版。
大数据思维在统计分析中的运用研究 摘要：统计分析在各时期发展中都具有重要地位，其主要核心目的就是促进时代发展。而经济社会快速发展，还需对统计分析模式不断创新。本文主要分析大数据思维在统计分析中的运用研究关键词：大数据思维；统计分析；运用 引言 通过大数据思维与统计分析融合，为统计分析创建发展平台，以大数据思维信息化、广泛性等特点，实时获取社会信息，并且还可以把获取到的信息数据按照类别储存、管理。大数据管理平台自身就能够容乃海量信息，满足统计分析工作信息数据储存要求，其以统计分析结果为基础，时刻掌握各时代发展情况，从而全面提升统计分析工作质量与效率。 1、对大数据的认知与理解 大数据，指无法在一定时间范围内使用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样性的信息资产。在大数据时代，企业资产不再仅仅局限于人员、财力、物质，数据作为新型企业资产，已经成为企业快速发展最为核心的竞争因素，在企业的发展中发挥着举足轻重的作用。大数据基于自身数据量大、数据多样性、处理速度快等特点将构建新的经济增长模式，激发各行各业经济增长的巨大潜力。目前，我国烟草行业存在
庞大的数据资源，但对数据的挖掘，更多集中在商业领域的物流运输、精准营销等，大数据深度挖掘仍然处于起步阶段，并未发挥出大数据应有的作用。卷烟生产企业数据量庞大，数据结构复杂，但是这部分数据很少纳入大数据分析和应用，更多的是基于小样本数据进行统计分析，还没有应用到企业各环节并成系统地构建。基于上述，通过数据驱动管理，清除管理死角，提升生产制造管理水平，构建生产组织大数据分析决策系统，已然是管理工作的核心。 2、统计分析中应用大数据思维的重要性 2.1解决各项限制因素影响问题 统计分析工作开展，通过搜集与分析各类信息数据，及具体工作提供重要信息数据。在以往发展过程中，统计分析工作模式是单一化的，需要在指定时间、要求等条件下，才能对具体信息数据进行搜集、整理、分析等，从而影响整体工作效率。针对大数据思维应用，借助大数据技术，可以使统计分析工作不再受时间、空间及各项因素限制与影响，还可以根据具体工作要求随时开展统计分析工作。同时，还可针对各时期信息数据详细分析，扩大统计分析工作影响范围，满足信息数据实时传输要求，有效解决各项限制因素影响问题。 2.2突出统计分析特点 统计分析工作在以往开展过程中，主要是以文本方式体现具体信息数据，不仅需要大量人力，而且还无法提升工作效率。随着时代快速发展，为确保统计分析工作顺利开展与实施，还需对其工作
第二章 计量资料的统计描述 一、教学大纲要求 （一）掌握内容 1. 频数分布表与频数分布图 （1）频数表的编制。 （2）频数分布的类型。 （3）频数分布表的用途。 2. 描述数据分布集中趋势的指标 掌握其意义、用途及计算方法。算术均数、几何均数、中位数。 3. 描述数据分布离散程度的指标 掌握其意义、用途及计算方法。极差、四分位数间距、方差、标准差、变异系数。 （二）熟悉内容 连续型变量的频数分布图：等距分组、不等距分组。 二、 教学内容精要 计量资料又称为测量资料，它是测量每个观察单位某项指标值的大小所得的资料，一般均有计量单位。常用描述定量资料分布规律的统计方法有两种：一类是用统计图表，主要是频数分布表（图）；另一类是选用适当的统计指标。 （一）频数分布表的编制 频数表（frequency table ）用来表示一批数据各观察值或在不同取值区间的出现的频繁程度（频数）。对于离散数据，每一个观察值即对应一个频数，如某医院某年度一日内死亡0，1，2，…20个病人的天数。如描述某学校学生性别分布情况，男、女生的人数即为各自的频数。对于散布区间很大的离散数据和连续型数据，数据散布区间由若干组段组成，每个组段对应一个频数。制作连续型数据频数表一般步骤如下： 1.求数据的极差（range ）。 min max X X R -= （2-1） 2.根据极差选定适当“组段”数（通常8—10个）。 确定组段和组距。每个组段都有下限L 和上限U ，数据χ归组统一定为L ≤χ12种考核指标量化方法
12种考核指标量化方法——助力考核扎实落地 1．统计结果量化方法 统计结果量化是指按照任务完成后的状况，直接给出数字化的任务结果，如产量、销售额、次数、频率、利润率等量化指标。 以会计核算工作考核量化指标——“会计核算出错次数”为例 考核事项考核指标评分标准考核频率 会计核算正确，为其他财会工作提供有效依据会计核算 出错次数 差错次数不超过×次，每超出×次，扣×分， 出现×次差错该项得分为0 月度 2．目标达成情况量化方法 目标达成情况量化是指将完成任务后的结果与事先期望目标进行比较，得出可衡量的目标与实际差异结果的方法，量化指标包括计划达成率、目标实现率、落实率等。 以生产计划完成率为例： 考核事项考核指标评分标准考核频率 生产目标产值实现情况生产计划完成率 ，完成率目标值为××%，每低出×个百分点减×分， 完成率低于××%时，该项得分为0 月度/ 季度/ 年度 3．频率量化方法 频率量化方法是指是根据完成任务的频次或行为表现的频次计算出结果的方法，其包括及时性、出错次数、完成次数、周转速度等量化指标。 以报告上交及时性为例： 考核事项考核指标评分标准考核频率 工作报告按时上交情况报告上交及时性 未及时上交次数不超过×次，每超出×次扣×分， 出现×次未及时上交，该项得分为0 季度/ 年度/ 项目 4．余额控制量化方法 余额控制量化是完成任务后余下的额度所代表的工作价值的一种计量方法，如预算余额控制率、应收账款余额控制率。 以预算余额控制率为例： 考核事项考核指标评分标准考核频率 预算执行情况，预算余额控制预算余额控制率 （A） 预算余额不为负数时，该项得分为满分，预算余额为 负数时， 季度/ 年度/ 项目 5．分段赋值量化方法 分段赋值量化是指将不同程度水平的任务达成或行为表现情况进行区间赋值，通过对应区间直接找出考核结果分值的一种计量方法。 以“生产计划完成率”为例： 考核事项考核指标评分标准考核频率 生产目标产值实现情况生产计划完成（1）A≥ %，本项得满分月度/
23 种定量研究方法，你会几种？ 量化研究方法2019-12-28 文章作者| 乔晓春 首先 我们对前面介绍的方法进行简单的归纳。我们把研究方法分为三个层面，即方法论、一般方法和特殊方法。 在一般方法层面又分为定量研究和定性研究方法，而定量研究方法所涵盖的内容最多，也是社会科学研究中使用最为广泛的方法，规范的定性研究方法在中国使用得并不多。这主要是因为中国学者对定性研究有自己的理解，甚至把理论研究、思辨研究都称为定性研究，这是错误的。 ?研究方法的三个层次 下面 给出23种具体定量研究方法的名称： 01. 社会科学应用统计学原理 02. 社会测量方法 03. 实验设计方法 04. 抽样调查方法 05. 应用线性回归模型 06. 分类数据分析 07. 生存分析（或事件史分析） 08. 空间数据分析 09. 多元数据分析 10. 分层分析 11. 纵向分析 12. 路径分析 13. 结构方程模型 14. 项目评估方法 15. 系统动态学 16. 贝叶斯方法 17. 队列分析 18. 随机过程或马尔科夫链 19. 系统仿真方法 20. 文献分析方法 21. 内容分析方法 22. 势分析方法 23. 复杂调查数据分析方法
在一般方法中的定性研究方法中，给出了下面几种方法： 1. 叙述研究 2. 现象学 3. 扎根理论 4. 民族志 5. 案例研究 6. 焦点组讨论 上面所列的研究方法课程，并不是可以随便想学哪一门课就可以学哪一门课的，它们之间具有内在逻辑联系。要想系统学习社会科学研究方法，需要遵循这种内在的逻辑顺序，否则会影响对内容的理解。 学习社会科学研究方法，第一门课应该是“研究设计和研究方法”。学习这门课，可以对社会科学研究的基本思路、原理、过程、各类方法等有基本的、全面的理解。在这门课中还会介绍一些简单的、与社会测量有关的内容，包括实验设计、问卷设计、抽样设计等。学完这门课以后，有人喜欢继续学习定量研究方法，也有人可能会喜欢学习定性研究方法，那么就可以开始学习第二个层次的课程。目前，国内社会科学领域均把定性研究方法作为独立的一门课。尽管这属于一类方法，其中还有很多具体的研究方法，但目前还很少有学校把每一种具体方法设置为一门课。学习定性研究方法，通常不需要任何前修课，但最好能够有过一些研究的经历，并掌握一定的社会科学理论。 对从来没有学过定量分析方法特别是统计学方法的人来说，最好从统计学基础课开始学。“社会科学应用统计学原理”被称为应用统计学或定量研究方法的第一门课。它将介绍统计学的基本概念、原理，以及针对单变量和双变量的描述、解释和推断方法。学完了解决单变量和双变量问题的方法以后，就将学习多变量问题的方法。针对多变量问题，最重要也是最基础的一门课就是“应用线性回归模型”。这门课是所有多变量分析模型或回归分析模型的基础，换句话说，如果这门课没有学或没有学好，会影响后续很多定量研究方法课程的学习。 我们通常认为，“研究设计和研究方法”“社会科学应用统计学”和“应用线性回归模型”这三门课是社会科学研究最基础性的课程。“基础”的含义是，它们是社会科学学者必备的常识性的知识和基本的方法，同时也是进一步学习其他方法的基础。说得严重一些就是，不掌握这些基础性知识就不具备从事社会科学研究的资格。 然而，要想把研究做得更好，还需要掌握更多的研究方法，并进一步学习后续课程。这些课程一方面介绍如何收集能够反映客观实际的数据，比如抽样调查方法。另一方面介绍不同类型、不同结构数据所使用的不同分析方法，比如针对分类变量用分类数据分析方法，针对纵向数据使用生存分析（也叫事件史分析）或纵向分析方法，针对空间数据使用空间分析方法或地理信息系统方法，针对多变量关系使用多变量分析方法，以及针对复杂因果关系结构通常使用路径分析或结构方程模型，等等。 社会科学领域的学生或学者尽管非常渴望学习研究方法，但经常会担心自己数学基础不好，怕学不懂。这种担心是不必要的。一方面是因为我们并不是专门研究方法，而是要应用方法，所以学习的重点是如何使用现成的研究方法。尽管在教学过程中会涉及方法的某些原理，但通常在讲解原理时，教师不应该过多地纠缠数学推导，而是要讲思路。另一方面是因为中国学生的数学基础可以说是世界上最好的，既然其他国家的学生能学，中国人肯定能学而且会学得更好。
大学生考试成绩的量化分析 摘要：本文以某某大学化学化工学院2009级高等代数成绩为样本，结合概率论理论基础及统计学原理，探讨学生成绩的整理、成绩分布曲线的描绘以及怎样研究分布曲线所包含的“教”与“学”两方面的信息的方法。 关键词：正态分布频数直方图数字特征值优度检验偏度
一、引言 目前，考试仍然是高校教学过程中不可或缺的组成部分，对教与学双方而言，考试均起着检查工作成果进而评价绩效、查漏补缺的重要作用。考试是反馈教学信息，检测和评价教学质量，调控教学过程的重要手段。大学生在校期间的考试成绩可从多个层面折射出学生学习努力的程度、教师教学的效果、试卷的质量和学校教学管理水平等。 正态分布是连续随机变量概率分布的一种，对于一门课程的考核从掌握参照的角度来说，如果命题设计的合理，学生分数一般服从或近似服从正态分布。当然并不是所有考试都要求其分布为正态分布，这要根据考试的目的和性质等因素来决定。 对于大学成绩，已经不再是诸如各种竞赛性测验和择优录取的升学测验等选拔性的测验，而是一种成就测验，即合格水平测验。从而，目的在于考核学生是否达到了预定的教学目标和要求，反映了学生的学习功效。此时，不要求学生成绩呈现正态分布，反而希望学生成绩的分布能呈现负偏态分布。从学校的教育目的的角度来看，合格水平测验具有普遍意义、更重要的测验。因此，学生成绩测验呈现负偏态分布时，说明教学恰恰是成功的教学。 本文对某某大学化学化工学院2009级高等代数成绩加以统计，运用英国统计学家K.Pearson提出的2 检验方法进行了实证分析，得到合理的结论。 二、学生成绩分布直方图、成绩分布曲线 在刚得到数据时，各种数据信息是杂乱无章的，本文通过对数据进行由低到高分组分类得到各组的频数，求出各组的比例，然后编制出频数直方图，并求出数字特征。 某某大学化学化工学院2009级高等代数成绩表（百分制）
大数据时代人力资源数据统计分析研究 摘要：大数据环境下，具备大数据处理能力的企业也不断增多。大数据时代的到来和发展对企业经营管理活动而言，尤其是针对企业人力资源管理活动产生了巨大的影响。各企业需要重视顺应时代发展潮流，积极引进并合理应用大数据，有助于推动人力资源管理及企业发展。基于此，本篇文章对大数据时代人力资源数据统计分进行研究，以供参考。 关键词：大数据；人力资源；数据分析 引言 大数据技术能够精准筛选并处理海量数据，有效将数据转化为信息知识。对于企业来说想要跟紧时代步伐则需要对大数据特点进行充分掌握，才能促进企业得到良性长远的发展。现阶段大数据技术已经实现了在各行各业中的充分应用，怎样应用大数据技术展开人力资源管理工作成为现阶段企业的关注重点，同时也是企业重点探究的内容。企业需要在人力资源管理中运用大数据便捷且高效的特点，从而为人力资源管理工作的深入展开提供支持。因此，在未来发展中人力资源管理将有效与信息网络技术进行结合，这有助于提高人力资源管理的效率与质量。 一、大数据概述 大数据的出现和发展推动了物联网及云计算等技术的发展，人类对各类新兴技术的依赖程度越来越高。大数据主要是指在短时间内难以收集、管理和处理的数据收集。它是一种具有高增长率、海量性和多样化特点的信息资源，需要依靠新兴的处理模式来发挥优秀的优化能力和强大的决策能力。主要特点包括：价值高、数量大、精准性等，现阶段在诸多领域中均具有广泛应用，未来发展前景优良。 二、人力资源数据统计分析系统 人力资源数据统计分析系统是指在其他系统正常运行的条件下，对公司的员工进行年龄、能力、职称、教育和工作经历等方面的全方位的了解，从而对员工进行相关系统的分析。以此为根据来进行企业的人力资源管理，企业的相关工作做好调整和完善的准备工作。 三、现阶段我国企业人力资源管理工作中存在的问题 （一）缺乏先进管理理念。 现阶段大数据技术的深入发展很大程度上促进了其他行业变革，企业为了能够实现更好的发展必须要与时俱进，结合大数据时代特征实施针对性措施促进企业变革，尤其是人力资源管理工作。当前很多企业在运营发展中仍然使用传统管理理念，通过管理者展开管理工作，这种模式对虽然能够起到一定效果与作用，但是却无法与新时代发展需求相适应。在激烈市场竞争中，传统管理理念不能促进企业优势的充分发挥，从而降低了企业的综合实力与整体竞争力。所以，企业发展中必须要确保管理者能够更新自身管理理念，对大数据时代下人力资源管理的必要性与重要性给予充分认识，从而推动企业进一步发展。 （二）缺乏长效人力资源战略规划 在大数据时代，实现长效稳定发展是企业的核心目标，因此很多企业都有意识制定长期发展计划。但是该计划仅仅停留在经营模式、市场分析和品牌战略方面，企业往往忽略了要实现该远期计划所需的人力资源储备。这就导致了很多企业在临时需要人的时候才要求人力资源部门人员紧急招聘，无论是效率还是质量
量化研究与质化研究 一、概念上的区别 1、量化研究：运用心理测量、心理实验、心理调查等方法获得数量化的研究资料，并运用数学、统计等方法对资料进行分析，以获得研究结论的方法。 2、质化研究：运用历史回顾、文献分析、访问、观察、参与经验等方法获得研究资料，并用非量化的方法，主要是个人的经验，对资料进行分析，以获得研究结论的方法。 二、研究目标：控制预测取向与意义理解取向 1、量化研究：着眼于代表一般性的群体，探求心理与行为的普遍模式和一般规律，从而对行为进行控制和预测。 2、质化研究：着眼于研究特殊的个体，旨在揭示个体独特心理和行为特征，从而描述和解释特定研究情境中人们的经验，理解社会以及人们日常生活的意义。 三、研究对象：客观实在取向和主观唯心取向 1、量化研究：（1）以实证主义作为其哲学基础，强调事物是客观存在于人类之外的、不依赖于人的主观意识而独立存在。（2）客观现象是可以被认识的，人们可以通过经验的方法感知客观世界，把握客观世界的规律。（3）因此，量化研究的对象是一些事实、变量和固定不变的客观事物，研究者通过经验的、数量化的方法发现研究对象运动变化的规律。研究者和研究对象是主体和客体的关系，彼此独立分离。 2、质化研究：以现象学、释义学、建构主义为哲学基础，认为社会科学不像自然科学那样客观化、理性化，社会学科的研究对象是人及人类的主观意识，带有主观性，事件伴随事件、地点而变化，因此，人们不能独立地认识现实，现实也不能被完全了解，都要受到社会、历史、经济、文化等因素的影响和制约。研究者和研究对象之间是主题与主题的关系，彼此影响，密切联系。 四：研究方法：经验证实取向与解释建构取向 1、量化研究：（1）量化研究预先假定一个独立的实在，再用实验、测量等方法进行验证，借助于可靠的数据，从外部观察者的立场来观察研究社会生活实践，是一个演绎推理的过程。（2）具体方法上，量化研究是按照统计学的原则随机取样，抽取出代表一般性的普通样本。在数据收集方面，一般用观察法、量表法、问卷法和实验法来搜集数据，这些方法在实施之前都已经设计好，不允许随意改动。实验过程中有严格的控制。数据分析通过专门的分析手段，如统计学方法、计算机软件等，研究者可以利用他们解释数据并预测因果或相关关系。 2、质化研究：（1）质化研究的前提是研究者根据自己已有的知识、兴趣、主观价值判断来选择研究问题，研究者进入被研究者的立场，描述、分析人类社会中的文化和行为，研究者认为自身就是研究内容的一部分，强调观察到的世界是由研究者构建出来的，承认自己在知识建构中的核心地位。（2）具体方法上，质化研究多采用目的性取样，抽取出典型的样本；数据搜集方面，质化研究者根据自身丰富的经验和直觉判断决定如何对被试样本进行访谈和调查，并借助于文献、实物寻找出所要研究问题的相关材料。在数据解释方面，质化研究者依赖研究者个人的主观认知建构，包括直觉和推理，用日常语言进行描述，不受任何外在标准的束缚。 五、关系 1、二者实际上是相辅相成，互相促进的。最终目标都是为了解释、预测和控制。 2、研究过程中，质化研究也会采用一些数量化的手段，借助数据来进行判断、推理，形成结论。量化研究的假设部分和研究结论部分一般也是质化性质的，离不开质化的研究思维和方法。
应用T 检验方法进行数据统计分析的研究 T 检验是在正态分布条件下，当方差未知时，以T 分布为依据时对总体均值作检验的方法，属于参数检验的范畴。t 检验是用t 分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。在统计假设检验中，当总体的标准差未知时，需要用样本标准差来代理总体的标准差，统计量不再服从标准正态分布，而服从于另一种概率分布，称为Ｔ分布。 本文交代Ｔ检验方法应用的基本思想、发生的条件、操作步骤，T 检验的目的和意义。并通过对学生成绩T 检验的实例引入，判断了科目对学生的分数有无显著性影响，进而向大家介绍一种统计学方法T 检验。以便让大家对T 检验有所掌握了解，如何使用T 检验方法分析相关数据。 选题的目的和意义 众所周知，在教育中，成绩可以反映出学生在最近的学习情况，但是不能只看单次的考试来评价一个学生，所以我们要科学，合理的分析成绩来发现学生的不足，然后共同努力弥补。 Ｔ检验分析实例 （1）相关样本，容量小于30的T 检验 同一批学生在实验前后进行两次测试得到两次成绩，若把这两次成绩看成两个样本的话，则这两个样本之间相互不是独立的，称为相关样本。 在五年级（3）班进行《语文口头作文对语文成绩影响的实验研究》，每节课用10分钟的时间让学生进行口头小作文比赛，实验前进行一次语文成绩测试，随机抽取10名学生语文成绩（实验前成绩）记录如表，一个学期后用同样难度的试题又进行测试记录这10名学生的语文成绩（实验后成绩）记录如表。 后五年级（3）班随机抽取10名学生语文成绩有无显著性差异。 样本1（实验前）成绩总和∑X 1=710 样本2（实验后）成绩总和∑X 2=795 d =∣2X -1X ∣=∣ n X X 21 ∑∑-∣=∣10795710-∣=8.5 样本1（实验前）和样本2（实验后）第i 个学生成绩差：d=X2-X1 ∑d 2=∑-）（X X 122=1267 （∑d ）2=85
计量资料的统计描述方法 怎样表达一组数据？ 描述计量资料的常用指标— A、描述平均水平（中心位置）: 均数X、中位数和百分位数、几何均数G、众数（mode） B、描述数据的分散程度: 标准差、四分位数间距、变异系数、方差、全距 (一)均数mean和标准差standard deviation 1. (算术)均数X 均数是描述一组计量资料平均水平或集中趋势的指标。 *直接计算公式： 应用条件：适用于对称分布，特别是正态分布资料。 2. 中位数（median）M和百分位数（percentile） A.中位数M 是将一组观察值从小到大排序后，居于中间位置的那个值或两个中间值的平均值。 应用条件： 用于任何分布类型，包括偏态资料、两端数据无界限的资料。 计算： n为奇数时-- n为偶数时-- 9人数据：12，13，14， 14， 15， 15， 15， 17, 19天 B.百分位数 是将N个观察值从小到大依次排列，再分成100等份，对应于X%位的数
值即为第X 百分位数。中位数是第百分50位数。 四分位数间距（quartile range ） = 第25百分位数(P25)～第75百分位数(P75)。 四分位数间距用于描述偏态资料的分散程度（代替标准差S ），包含了全部观察值的一半。 百分位数计算(频数表法)： X L ：第X 百分位数所在组段下限 L Σf ：小于X L 各组段的累计频数 X i ：第X 百分位数所在组段组距 n ：总例数 f x :所在组段频数 注：有的教材X= r ; L f =C 例：求频数表的第25、第75百分位数(四分位数间距) 组段 频数f 累积频数∑f 56～ 2 2 59～ 5 7 62～ 12 19 ∑f 25 L 25 65～ 15 34 P 25在此 68～ 25 59 71～ 26 85 ∑f 75 L 75 74～ 19 104 P 75在此 77～ 15 119 80～ 10 129 83～85 1 130 合 计 130 ① 确定Px 所在组段： P 25所在的组段：n X %=130×25%=32.5, 65～组最终的累积频数=34，32.5落在65～组段内； P 75所在的组段：n X %=130×75%=97.5, 此值落在74～组段 ② 确定Px 所在组段的X L 、X i 、f x 、L Σf ③ P 25＝65+3x[(130x25%－19)/15]＝65.90 P 75＝74+3x[(130x75%－85)/19]＝74.66
质性研究方法与量化研究方法之初步比较 马爱平 （汉语言文学院，2008级，学号2008110027，sh560915-1@https://www.doczj.com/doc/4b11076791.html,） 摘要：量化研究与质性研究是社会科学研究领域中的两大基本研究模式。长期以来,量化研究一直受到学者们的重视,应用也非常广泛,但是由于量化研究本身存在着不足并且在应用中存在许多问题,使得人们开始反思这一牢固的研究传统。20世纪50年代以来,质性研究开始崛起,并取得了一系列重大进展,其应用层面也日益广泛起来。我们应该全面认识到这两种研究方法的各自优缺点，以便在实践中更好的利用它。 关键词：质性研究量化研究特点后现代主义 自九月十八日教育科学研究方法（质的）开课以来，4个月的学习让我对质性研究有了初步的了解，这对于工科出身的我（本科学的是土木工程专业）来说有着非常重大的意义。刘老师讲课有些东西让自己内心某些模糊的想法变得清晰起来，有些给了我发人深思的启示，还有些知识远远超出我理解的范围但却能指引我树立目标并向着它前进。本文的出发点是顺着刘老师的讲课和沙龙所讲的内容结合自己的理解，并查阅一些期刊文章将自己一些及其浅薄的认识笼统地梳理一下，总结一下对本门课程内容的简单理解。 一、什么是质性研究 质性研究英文写法是qualitative research。在台湾、香港、新加坡等地，有人将其译为“质性研究”、“质化研究”、“定质研究”等。[1]对什么是质的研究方法，有学者作出以下的定义：“质的研究是以研究者本人作为研究工具，在自然情境下采用多种资料收集方法对社会现象进行整体性探究，使用归纳法分析资料和形成理论，通过与研究对象互动对其行为和意义建构获得解释性理解的一种活动”。[2] 质性研究不是一种研究方法，而是许多种不同研究方法的统称，他们都不同于量化研究，因而可以大致归为一类。在社会学和教育学领域中常常使用此种方法。
1 第一讲量化研究与统计分析 1-1、量化研究的基本概念 1-2、量表分析步骤 1-3、量表的编码 1-4、复选题及其它方式的数据建文件
1-1、量化研究的基本概念 一、概述 社会科学领域研究的二个主要范畴： 1、量的资料(quantitative data)分析 2、质的研究(qualitative research)。 量的数据分析，受到信息科学进步的影响，数据的处理更为简易也较为客观，因而社会科学中多数研究论文仍倾向于量的研究。 量的研究主要采取逻辑实证主义的论点，重视变量间因果关系或变量间的相关，重视的是假设演绎取向法，强调受试取样的代表性，以使研究结果能有效推论到样本的母群体。 二、量化研究的方法 （一）、量化研究的统计方法 1．描述统计学(descriptive statistics) 2．推论统计学(inferential statistics) 目的：为了解整个研究母群体的特性。在社会科学领域中，由于母群体数目大多过于庞大，在时间、人力、物力、财力等考虑上，无法全部抽取母群体作为统计分析的对象，因而只能以随机或其它抽样的方式，抽取母群体中具代表性的样本作为研究分析的对象，再根据样本统计分析结果，推论到整个母群的性质。如：研究新课标施行后，我国中学生的学习情况，只能以部分学生的学习情况去推断全国学生的学习情况。 缺点：在推论统计学中，由于是根据样本特性再推论到整个母群属性，因而可能包含取样误差与推论误差存在，也就是此研究推论会有可能犯错的机率(probability)。
（二）、量化研究的设计方法： 1.调查法：分访问调查及问卷调查法； 2.实验法：分真正实验设计与准实验设计法； 量化研究的主要特征，皆要经由观察、测验、量表、问卷以取得研究实施的数据资料，作为假设验证的基础，因而如何搜集有效度的资料，如何配合研究目的与研究架构，选用合适的统计方法，以作为支持或否定原假设的证据资料，就显得格外重要。 （三）、量化研究的步骤：选题—设计问卷、调查—分析数据—给出结论1.选择与定义问题 研究问题必须是可以检验的假设，或研究者领域所感兴趣、有价值或重要性的问题，问题可以经过资料搜集、分析来加以检验或回答。量化研究问题可能是研究者感兴趣的主题；或有价值性的问题；或研究者认为是社会科学领域中重要的问题，此部份可以由相关文献的研究分析，挖掘相关研究的主题。制定研究主题后，要拟定研究架构，草拟研究问题及要检验的研究假设，并对重要的关键词，给予完整的概念性定义及操作型定义。 2.执行研究的程序 完整的实施程序包括样本或受试者的选择，测量工具的改进，数据的搜集。执行研究的程序就是决定抽样的方式，预试及正式问卷各抽取多少受试者，发展、编制或修订研究的测量工具，研究工具是否要先经专家效度检验？ 3.资料分析 资料分析通常包括一个以上统计技巧的应用。数据分析的结果可提供研究者检验研究假设或回答研究问题。数据分析要根据检验的研究假设及变量性质，选用合适而正确的统计方法，包括预试问卷的信效度
人体测量数据统计分析与研究 菲菲洋洋 (**安全科学与工程学院，辽宁省阜新市123000) 摘要：人体身高数据在机械设备研发，服装设计等方面有很重要的作用，因此有必要对人体的有关参数进行研究，本文运用人体测量学、数据处理等知识，结合文献调查法、数据统计分析法，调查了安全学院100名男生的身高，对测量获得的数据进行统计、方差计算，同时对所获得的数据进行分析，分析与国家标准的差异、分地区分析人体尺寸的变化、不同地区平均身高上的差异，以及是否符合原国家标准的规定、分析差异存在原因。 关键词：人体测量数据；人体测量学；调查法；数据分析 引言 为了使各种与人有关的机械、设备、产品等能够在安全的前提下高效率的工作，实现人机的最优结合，并使人在使用时处于安全、舒适的状态和无害、宜人的环境之中，现代设计必须充分考虑人体的各种人机学参数，因此有必要对人体的有关参数进行研究。近10年来 ,我国经济迅猛发展 ,人们的生活水平大幅度提高，人们的身体状况是也发生了相应改变，为了更好的了解学生身体状况变化情况 ,本设计对100名学生的身高进行调查，对测试结果内容的分析与探讨,找出存在的主要问题。 1 人体测量的基本知识 1.1 人体测量学 人体测量是一门新兴学科，它所涉及的是一个特定的群体而非个人，选择样本必须考虑有代表性的群体，测量的结果要经过数据统计处理，以反映该群体的形态差异与差异程度。它是通过测量各部位尺寸来确定个体之间和群体之间在人体尺寸上的差别。用以研究人的形态特征，从而为各种安全设计、工业设计和工程设计提供人体测量数据[1]。 1.2 人体测量的主要方法 普通测量法、摄影法、三维数学测量法 1.3人体测量的基本术语 (1)被测者姿势 a立姿 指被测者挺胸直立，头部以眼耳平面定位，眼睛平视前方，肩部放松，上肢自然下垂，手指直，手掌朝向体侧，手指轻贴大腿侧面，自然伸直，左、右足后跟并拢，两足前段分开大致成450夹角，体重均匀分布于两足。 b坐姿 被测者挺胸坐在被调节到肋骨头高度的平面上，头部以眼耳平面定位，眼睛平视前方，左、右大腿大致平行，膝弯曲大致成900，足平放在地面上，手轻放在大腿上。 （2）测量基准面。人体测量基准面是由3个互相垂直的轴来决定的。
量化研究与质化研究:对立及其超越 来源：自然辨证法研究作者：叶浩生 质化研究(qualitativeresearch,也译定性研究)作为社会科学领域一种新的研究范式近 年来引起了各个学科领域的重视。心理学领域同样为质化研究的新颖模式所吸引。临 床心理学、社会心理学、教育心理学等学科领域的专家出版了大量的论文和着作,论述传统量化研究(quantitativere-search,也译定量研究)的弊端和质化研究的优势,其势头 之猛,以至有许多学者称质化研究的兴起是心理学的，范式革命或地壳的巨变。在本文中,我们从质化研究和量化研究的对立特征开始谈起,分析这两种研究范式的哲学根基, 并就超越和整合这两种对立的范式提出我们的见解。 1量化与质化研究的对立 科学心理学建立以来,一直以经验自然科学为楷模,强调客观、量化的研究方法。事实上,实验心理学的建立者、德国心理学家冯特就是利用了心理物理学的实验和量化的方法,奠定了科学心理学的方法论基础,使得心理学摆脱了哲学的母体,成为一门独立的学科。因此,科学心理学建立之日起,就表现了对量化方法的偏爱。非量化的方法,如现象学的 方法、释义学的方法因其主观色彩一直受到心理学家的排斥,“在大多数条件下,质化方 法被看作是同量化方法竞争的、另类的范式……量化研究倾向于使用严格的、可靠的 数据,视社会世界外在于观察者;而与此相对照的是,质化方法使用更为丰富的数据,把社 会世界视为观察者的建构”。 量化研究与质化研究在诸多方面展现出截然对立的品质: 在科学观方面,量化研究更贴近了经验自然科学,力图以使用量化方法的物理学、化学为理想的模型。德国古典哲学家康德曾经主张心理学不能成为科学,究其根源在于心理现象不能量化,因此心理学永远无法成为物理学那样的精确科学。冯特从实验生理学和心理物理学的数量化方法中获得启发,突破康德的预言,改造了传统的哲学心理学,使之成 为实验心理学。在冯特的心目中,实验心理学就是一门自然科学,使用的方法是客观和数量化的方法,同其他自然科学别无二致。在心理学的发展过程中,心理学家之所以坚持量化的方法,在很大程度上就是因为要贴近自然科学,实现心理学作为一门“科学”的理想。质化研究与量化研究的自然科学倾向相反,它体现的是人文科学的精神,“旨在为以人为 本的科学研究提供内在的思想依据……”质化研究所体现的科学观是狄尔泰的精神科学。狄尔泰曾经指出,自然科学的研究对象是没有内在体验的“物质”,人文科学研究的是具有内在体验、有血有肉、感情丰富的人。两者的研究对象不同。所以自然科学研究 采取的是客观、量化的方法,排除研究者个人的价值和体验,而人文科学由于研究的是经验中的主体,无法剥离主体的体验,因此只能采取定性的描述。“我们说明自然,但我们理 解心灵”。这种研究模式曾经影响了布伦塔诺的意动心理学和其他人文倾向的心理学家。
大数据与统计学分析方法比较 基于理念分析和比较研究方法，对大数据的分析方法和传统统计学分析方法的关联性和差异进行了对比分析，从方法的基本思想、量化形式、数据来源、分析范式、分析方法、分析视角等角度揭示了两种社会科学分析方法存在的联系与差异。 随着信息技术的日益发展与普及，信息以及数据在社会经济发展过程中发挥的作用越来越重要。现如今，“大数据”时代已经来临，于是如何更有效地利用数据快速做出科学决策也已成为众多企业甚至是国家所共同关注的焦点问题。在数据处理和分析方法方面，《统计学》以及在其基础上发展而来的实证统计方法是当前的主流，这些方法可以帮助数据持有者从大量的数据中挖掘有价值的信息，并为其相关决策提供理论支撑和方法支持。然而，传统的实证统计方法在最新出现的大数据情境下，却呈现出了诸多缺陷，例如传统数据收集方法无法实现大规模(甚至是总体)数据的收集，传统统计方法和分析软件无法处理大规模数据，等等。于是，在将传统统计学方法应用于最新的大数据情境和问题之前，需要首先明确大数据所要求的处理方法与传统的统计学处理方法存在哪些关联和区别，然后才能够决定是否可以应用既有统计学理论和方法来处理某些大数据问题。 1大数据的界定
根据一位美国学者的研究，大数据可以被定义为：it means data that’s too big，too fast，or too hard for existing tools to process。也就是说，该学者认为：在关于大数据的所有定义中，他倾向于将之定义为那类“太大”、“太快”，或现存工具“太难”处理的数据。一般而言，大数据的特征可以概括为四个V：一是量大(Volume);二是流动性大(Velocity)，典型的如微博;三是种类多(Variety)，多样性，有结构化数据，也有半结构化和非结构化数据;四是价值大(Value)，这些大规模数据可以为持有企业或者组织创造出巨大的商业或社会价值。 Victor在其最新著作《大数据时代——生活、工作与思维的大变革》中指出，大数据时代，思维方式要发生3个变革：第一，要分析与事物相关的所有数据，而不是依靠分析少量数据样本;要总体，不要样本。第二，要乐于接受数据的纷繁复杂，而不再追求精确性。第三，不再探求难以捉摸的因果关系，应该更加注重相关关系。这些变革反映出了大数据处理方式与传统统计学分析方法的很多关联以及主要不同。因此，下面我们分别针对两者的联系和区别进行讨论。 2大数据与统计学分析方法的联系 从18世纪中叶至今，统计学已经经历了两百多年的发展历程，不论是基础理论还是社会应用都极其坚实而丰富。大数据作为一种新兴的事物规律认知和挖掘思维，也将会对人类的价值体系、知识体系