社会研究方法/定量研究
在研究人员进行实验和/或调查后，他/她所获得的信息被称为定量数据。这种信息是可衡量的，并侧重于数值，与描述性更强的定性数据不同。收集到定量数据后，研究人员会对研究结果进行分析。
- 定量分析
- 对观察结果进行数值表示和处理，以便描述和解释这些观察结果所反映的现象。
研究人员使用编码过程来分析他们的发现。在进行调查时，一些数据是数值的，而其他数据必须从定性转换为定量。
- 编码
- 将原始数据转换为适合机器处理和分析的标准化形式的过程。
编码是指将一组数据分配数值，以简化分析，并可用于量化显性内容和隐性内容。在调查研究中，显性内容和隐性内容之间的区别非常重要。
显性内容是指有形的或具体的表面内容（数据），与隐性内容相区别，隐性内容是指这些信息背后的潜在含义。
显性内容的优点是易于测试和可靠，缺点是有效性。隐性内容是交流的潜在含义，与显性内容相区别。隐性内容的优点是它被设计为完美地挖掘交流的潜在含义，其缺点是可靠性和特异性。
为了使编码数据易于理解和管理，需要创建一个代码簿。这本书解释了编码过程，并充当数据集中定位变量的指南。代码簿还描述了每个代码的含义。这些代码簿有两个目的，首先，它们是编码过程的指南。其次，代码簿充当研究中定位变量的指南。
定量编码的例子
- 一项调查在 1-9 的范围内对回复进行排名，并让受访者选择九个选项中的一个。
- 其他变量，例如性别或政治倾向，必须分配一个数值才能进行定量分析
- 例如：男性=1；女性=2 或者 民主党=1；共和党=2；无党派=3
- 由于年龄已经用数字表示，研究人员可以选择不为这些数据开发编码系统。
编码在分析数据中是必要的，因为必须能够将原始数据转换为有意义的信息。
一旦数据被正确编码，它就可以被分析。一种分析类型是单变量数据分析，其中一个变量（例如性别、种族或社会经济地位）被单独分析，以便更好地描述。
有许多不同的方法可以分析这些数据，包括
- 频率分布：计算样本中数据收集的次数。
- 平均值：表示数据总体趋势的术语。
- 均值：数据总和除以数据点数。
- 中位数：如果数据按降序或升序排列，则是数据中的“中间数”。
- 众数：出现频率最高的数据点。
- 均值：数据总和除以数据点数。
- 离散度或方差：衡量数据围绕中心值（例如均值）的范围。
- 标准差：也衡量围绕均值的离散度；但是以一种样本的 68% 将落在均值正负一个标准差范围内的形式。
技术先进的程序（如 Microsoft Excel）能够从一组数据中计算均值、中位数、众数、方差和标准差。这是分析一组数据非常方便且简单的方法。
- 正态分布图通常用作图表来显示标准差和方差。
如果很大一部分值的紧密聚集在均值附近，则表示标准差低；而如果值在所有可能值的范围内广泛分布，则表示标准差高。简而言之，低离散度和标准差表明值彼此相当接近，变化量相对较小。
- 连续变量是指其属性形成稳定进展的变量。
- 离散变量是指其属性彼此分离的变量。
因此，连续变量（如高度）可以具有无限个可能的值，而离散变量（如年份）只能具有特定的值（2010 或 2011，但不能为 2010.5）。Microsoft Excel 也可以轻松计算这两个值。
单变量分析可以用图表或图形直观地描述。在构建图表或图形时，最好保持简单，以便更好地理解。
- 双变量分析
- 同时分析两个变量，目的是确定它们之间的经验关系。
双变量分析侧重于变量之间的关系，而不是组的比较。双变量分析探讨了自变量和因变量之间的统计关联。它的目的是通常是解释性的，而不仅仅是描述性的。
双变量分析的结果通常以列联表的形式呈现，列联表是为了揭示自变量对因变量的影响而构建的。
- 列联表
- 一种以百分比分布形式展示变量之间关系的格式
如何构建和解读双变量表
- 根据自变量的属性将个案分为不同的组别
- 用因变量的属性描述子组
- 通过比较自变量子组在因变量特定属性上的差异来解读表格
- 多元分析
- 对多个变量之间同时关系的分析。它使用自变量、中介变量和先导变量来检验和解释因变量的变异。
- 中介变量在时间顺序上或作为因果机制位于自变量和因变量之间。
- 先导变量位于自变量之前。
多元表可以根据更复杂的子组描述创建，遵循与双变量表类似的框架。这是由于使用了多个自变量，并且因变量依赖于这些自变量来显示任何关系。
- 例如参加宾果比赛。假设之前认为老年人通常会参加这种游戏，我们可以根据年龄将参与者分成几组。当年龄差异被分解成不同的子组时，年龄差异将成为我们的自变量，并会显示出与因变量（参加宾果比赛）的关系。
为了展示数据，通常使用表格而不是条形图等，因为展示多个自变量会很复杂。这些表格也有助于排除意见，找到真实的事实和数据。
定量数据分析的一个问题是存在偏差的可能性。研究人员倾向于偏爱某个发现是很常见的。为了帮助消除这种偏差，在研究之前制定详细的假设是有益的。通过记录可能无法证明你的假设正确的结论，对于研究类似主题的其他研究人员来说，了解你的结果是有益的，因为它可以帮助他们进行研究。如果研究过程正确，并且在表格中适当展示，则可以在研究有争议的主题时收集和展示数据，而不会有任何偏差。
在进行定量分析时，需要记住一些有用的研究技巧
- 使用百分比进行比较是一个好主意，并为因变量的每个类别创建这些百分比
- 应重新编码变量，以便进行想要进行的比较，并且可以以不同的方式进行这种重新编码。
- 选择一个具有足够解释力的自变量，以使其有意义。