[怡璇] 1/7 量化資料分析

(一) 學習的認知面 量化資料分析的三大概念：
1. 整理原始數據：問題上的答案，記錄的表格。

• Codebook: raw data(原始資料)
• Coding book: 整理過的資料

2. 量化資料分析：研究者做一些事情將這些原始資料，變成能夠看到它們在假設上所陳述的為何，包含描述統計與推論統計。
3. 解釋數據：可以解釋或是給與理論一些有意義的結果。

• 樣本數：最少不少於30個樣本，每個cell裡面至少要有五個樣本。
• 離散數：樣本離平均數的距離。
• 單變項分析：包含次數分配、集中量數(眾數、中位數與平均數)、離散趨勢
• 雙變項分析：比較兩個變項之間的相關性，相關或是相異(t檢定、卡方檢定、多元迴歸等)。
• 描述量化研究之假設時，須以「….在統計上有顯著相關」呈現。
• 編碼簿中的錯誤資料以N(null)呈現。

(二) 學習的感受面

對於這一次量化資料分析的課程，學習的過程中讓我感到有些挫折，也許是因為還沒有修習統計的相關課程，導致很多分析方法或工具看不懂或聽不懂。經過量化研究的小組報告之後，對於這一些統計上的專有名詞是有一些印象，但是要深入去了解數據的分析方法時卻又疑惑不斷，真不知是數學能力不夠好或是邏輯理解能力不足，雖然聽完老師的解說後，還是無法形成具體能理解的概念，我想自己需要再多看看一些量化的文獻或是下學期學好統計了。