Volodina-vasilisa.ru

Антикризисное мышление
2 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Количественные методы анализа данных

Методы количественного анализа данных

Анализ данных начинается с перевода «сырых» данных в осмысленную информацию и включает их введение в компьютер, проверку на предмет ошибок, кодирование, представление в матричной форме (табулирование). Все это называется преобразованием исходных данных.

Далее проводится статистический анализ. Выделяют пять основных видов статистического анализа, используемых при проведении исследований:

1. Дескриптивный анализ, в основе которого лежит использование таких статистических мер, как средняя величина, мода, среднее квадратическое отклонение, размах или амплитуда вариации.

2. Выводной анализ, заключающийся в использовании статистических процедур (например, проверка гипотез) с целью обобщения полученных результатов на всю исследуемую совокупность.

3. Анализ различий, используемый для сравнения результатов исследования нескольких групп (объектов) для определения степени реального отличия в их поведении, реакции на одни и те же воздействия и т.п.

4. Анализ связей, направленный на определение систематических связей переменных, их направленности, силы и т.п.

5. Предсказательный анализ, используемый в целях прогнозирования развития событий в будущем, например путем анализа временных рядов.

Обработка данных психологических исследований – отдельный раздел экспериментальной психологии, тесно связанный с математической статистикой и логикой. Обработка данных направлена на решение следующих задач:

• упорядочивание полученного материала;

• обнаружение и ликвидация ошибок, недочетов, пробелов в сведениях;

• выявление скрытых от непосредственного восприятия тенденций, закономерностей и связей;

• обнаружение новых фактов, которые не ожидались и не были замечены в ходе эмпирического процесса;

• выяснение уровня достоверности, надежности и точности собранных данных и получение на их базе научно обоснованных результатов.

Различают количественную и качественную обработку данных. Количественная обработка – это работа с измеренными характеристиками изучаемого объекта, его «объективированными» свойствами. Качественная обработка представляет собой способ проникновения в сущность объекта путем выявления его неизмеряемых свойств.

Количественная обработка направлена в основном на формальное, внешнее изучение объекта, качественная – преимущественно на содержательное, внутреннее его изучение. В количественном исследовании доминирует аналитическая составляющая познания, что отражено и в названиях количественных методов обработки эмпирического материала: корреляционный анализ, факторный анализ и т. д. Реализуется количественная обработка с помощью математико-статистических методов.

В качественной обработке преобладают синтетические способы познания. Обобщение проводится на следующем этапе исследовательского процесса – интерпретационном. При качественной обработке данных главное заключается в соответствующем представлении сведений об изучаемом явлении, обеспечивающем дальнейшее его теоретическое изучение. Обычно результатом качественной обработки является интегрированное представление о множестве свойств объекта или множестве объектов в форме классификаций и типологий. Качественная обработка в значительной мере апеллирует к методам логики.

Противопоставление друг другу качественной и количественной обработки довольно условно. Количественный анализ без последующей качественной обработки бессмыслен, так как сам по себе не приводит к приращению знаний, а качественное изучение объекта без базовых количественных данных в научном познании невозможно. Без количественных данных научное познание – чисто умозрительная процедура.

Единство количественной и качественной обработки наглядно представлено во многих методах обработки данных: факторном и таксономическом анализе, шкалировании, классификации и др. Наиболее распространены такие приемы количественной обработки, как классификация, типологизация, систематизация, периодизация, казуистика.

Качественная обработка естественным образом выливается в описание и объяснение изучаемых явлений, что составляет уже следующий уровень их изучения, осуществляемый на стадии интерпретации результатов. Количественная же обработка полностью относится к этапу обработки данных

Все методы количественной обработки принято подразделять на первичные и вторичные.

Первичная статистическая обработка нацелена на упорядочивание информации об объекте и предмете изучения. На этой стадии «сырые» сведения группируются по тем или иным критериям, заносятся в сводные таблицы. Первично обработанные данные, представленные в удобной форме, дают исследователю в первом приближении понятие о характере всей совокупности данных в целом: об их однородности – неоднородности, компактности – разбросанности, четкости – размытости и т. д. Эта информация хорошо считывается с наглядных форм представления данных и дает сведения об их распределении.

В ходе применения первичных методов статистической обработки получаются показатели, непосредственно связанные с производимыми в исследовании измерениями.

К основным методам первичной статистической обработки относятся: вычисление мер центральной тенденции и мер разброса (изменчивости) данных.

Первичный статистический анализ всей совокупности полученных в исследовании данных дает возможность охарактеризовать ее в предельно сжатом виде и ответить на два главных вопроса: 1) какое значение наиболее характерно для выборки; 2) велик ли разброс данных относительно этого характерного значения, т. е. какова «размытость» данных. Для решения первого вопроса вычисляются меры центральной тенденции, для решения второго – меры изменчивости (или разброса). Эти статистические показатели используются в отношении количественных данных, представленных в порядковой, интервальной или пропорциональной шкале.

Меры центральной тенденции – это величины, вокруг которых группируются остальные данные. Данные величины являются как бы обобщающими всю выборку показателями, что, во-первых, позволяет судить по ним обо всей выборке, а во-вторых, дает возможность сравнивать разные выборки, разные серии между собой. К мерам центральной тенденции в обработке результатов психологических исследований относятся: выборочное среднее, медиана, мода.

Выборочное среднее (М) – это результат деления суммы всех значений (X) на их количество (N).

Медиана (Me) – это значение, выше и ниже которого количество отличающихся значений одинаково, т. е. это центральное значение в последовательном ряду данных. Медиана не обязательно должна совпадать с конкретным значением. Совпадение происходит в случае нечетного числа значений (ответов), несовпадение – при четном их числе. В последнем случае медиана вычисляется как среднее арифметическое двух центральных значений в упорядоченном ряду.

Мода (Мо) – это значение, наиболее часто встречающееся в выборке, т. е. значение с наибольшей частотой. Если все значения в группе встречаются одинаково часто, то считается, что моды нет. Если два соседних значения имеют одинаковую частоту и больше частоты любого другого значения, мода есть среднее этих двух значений. Если то же самое относится к двум несмежным значениям, то существует две моды, а группа оценок является бимодальной.

Обычно выборочное среднее применяется при стремлении к наибольшей точности в определении центральной тенденции. Медиана вычисляется в том случае, когда в серии есть «нетипичные» данные, резко влияющие на среднее. Мода используется в ситуациях, когда не нужна высокая точность, но важна быстрота определения меры центральной тенденции.

Вычисление всех трех показателей производится также для оценки распределения данных. При нормальном распределении значения выборочного среднего, медианы и моды одинаковы или очень близки.

Меры разброса (изменчивости) – это статистические показатели, характеризующие различия между отдельными значениями выборки. Они позволяют судить о степени однородности полученного множества, его компактности, а косвенно и о надежности полученных данных и вытекающих из них результатов. Наиболее используемые в психологических исследованиях показатели: среднее отклонение, дисперсия, стандартное отклонение.

Размах (Р) – это интервал между максимальным и минимальным значениями признака. Определяется легко и быстро, но чувствителен к случайностям, особенно при малом числе данных.

Среднее отклонение (МД) – это среднеарифметическое разницы (по абсолютной величине) между каждым значением в выборке и ее средним.

Читать еще:  Теоретические аспекты анализа хозяйственной деятельности предприятия

где d = |Х – М |, М – среднее выборки, X – конкретное значение, N – число значений.

Множество всех конкретных отклонений от среднего характеризует изменчивость данных, но если не взять их по абсолютной величине, то их сумма будет равна нулю и мы не получим информации об их изменчивости. Среднее отклонение показывает степень скученности данных вокруг выборочного среднего. Кстати, иногда при определении этой характеристики выборки вместо среднего (М) берут иные меры центральной тенденции – моду или медиану.

Дисперсия (D) характеризует отклонения от средней величины в данной выборке. Вычисление дисперсии позляет избежать нулевой суммы конкретных разниц (d = Х – М) не через их абсолютные величины, а через их возведение в квадрат:

где d = |Х – М|, М – среднее выборки, X – конкретное значение, N – число значений.

Стандартное отклонение (б). Из-за возведения в квадрат отдельных отклонений d при вычислении дисперсии полученная величина оказывается далекой от первоначальных отклонений и потому не дает о них наглядного представления. Чтобы этого избежать и получить характеристику, сопоставимую со средним отклонением, проделывают обратную математическую операцию – из дисперсии извлекают квадратный корень. Его положительное значение и принимается за меру изменчивости, именуемую среднеквадратическим, или стандартным, отклонением:

где d = |Х– М|, М – среднее выборки, X– конкретное значение, N – число значений.

МД, D и ? применимы для интервальных и пропорционных данных. Для порядковых данных в качестве меры изменчивости обычно берут полуквартильное отклонение (Q), именуемое еще полуквартильным коэффициентом. Вычисляется этот показатель следующим образом. Вся область распределения данных делится на четыре равные части. Если отсчитывать наблюдения начиная от минимальной величины на измерительной шкале, то первая четверть шкалы называется первым квартилем, а точка, отделяющая его от остальной части шкалы, обозначается символом Qv Вторые 25 % распределения – второй квартиль, а соответствующая точка на шкале – Q2. Между третьей и четвертой четвертями распределения расположена точка Q3. Полуквартильный коэффициент определяется как половина интервала между первым и третьим квартилями:

При симметричном распределении точка Q2 совпадет с медианой (а следовательно, и со средним), и тогда можно вычислить коэффициент Q для характеристики разброса данных относительно середины распределения. При несимметричном распределении этого недостаточно. Тогда дополнительно вычисляют коэффициенты для левого и правого участков:

Количественный анализ данных

При изучении работы компании аналитики выделяют два типа информации: количественный анализ данных и качественный. Чем один метод отличается от другого и в чем сильная сторона количественного бизнес-анализа данных?

Вопрос терминологии

Сначала разберемся с терминами. Количественный бизнес-анализа данных — это вся информация, которая выражена в цифровом значении. Сюда, например, можно отнести:

  • количество пользователей заходящих на сайт;
  • время, которое они провели на страницах сайта;
  • объем совершенных покупок;
  • средний чек и так далее.

Качественные данные — это вся информация выраженная описаниями, допустим: цвет, запах, качество обслуживания. Обратите внимание, качественные данные в большинстве случаев конвертируются в количественные. Обращение в контактный центр пользователи могут оценивать по пятибальной шкале, таким образом анализ сделает вывод о качестве сервиса.
big data для анализа больших данных, можно сказать, — это математическое изучение информации. Собирая разные цифры, компании открываются безграничные возможности. Допустим, статистический анализ, позволяет сегментировать аудиторию, чтобы показывать ей релевантные товары в интернет-магазине. Скорее всего, вы уже пытаетесь реализовать нечто подобное, если у вас большой ассортимент, но количественный анализ данных позволяет нам сегментировать аудиторию еще глубже. Например, выявить закономерности во времени суток наибольшей активности разных групп пользователей.

Но забираясь вглубь количественного анализа данных стоит иметь в виду, что, скорее всего, после построения гипотез, которые вы сформулируете, вам потребуется настроить машинное обучение. Этот инструмент автоматизирует процесс поступления данных и изменения алгоритма рекомендаций на сайте. Тем не менее, такие прогнозы будут максимально точными, а значит, результаты и инвестиции в разработку подобных программ будет оправданным.

Методы проведения анализа

Перед тем как приступить к анализу количественных данных, нужно понять, в какой среде изучать информацию. Как это ни парадоксально прозвучит, но, собрав много цифр, их нужно конвертировать в графику, точнее графики. Чем больше информации, тем сложнее выявлять закономерности. Значит, для анализа количественных данных потребуется инструмент визуализации цифр.

Tableau — тот самый инструменты визуализации данных, который способен создавать графики, таблицы и схемы, можно сказать, «на лету». Возможности Tableau ограничены исключительно фантазией бизнес-аналитика. Таким образом, основной задачей маркетолога или директора компании станет генерация вопросов к хранилищам данных. Что вы хотите узнать при анализе количественных данных? Tableau визуализирует данные и сделает понятным любой отчет, вопрос лишь в том, о чем спрашивать?

Представители компаний говорят о том, что отчетность отделов, которые делались раньше табличными методами по 6-8 часов, с помощью Tableau собираются за 10 минут!

  • Узнать больше о Tableau можно в разделе Обучение — прочитайте нашу Базу знаний.
  • Или просто напишите нам — и мы проведем вам презентацию и расскажем о продукте подробнее.
  • Или изучайте Tableau самостоятельно — скачайте бесплатную версию и получите обучающие материалы:

Количественный и качественный анализ

Понятия количественные и качественные методы в психологии

Определяя методы как пути познания, С.Л. Рубинштейн отмечал, что методология должна быть осознанной и не превращаться в форму, механически накладываемую на конкретное содержание науки. Рассмотрим вопрос, насколько осознаны пути познания в психологии и как исследователи понимают и определяют количественные и качественные методы.

В качестве основных психологических методов С.Л. Рубинштейн в «Основах общей психологии» называет наблюдение, эксперимент, приемы изучения продуктов деятельности. В данном перечне не находится места количественным методам.

В 70-е годы в отечественной психологии распространение получила вторая классификация методов психологического исследования, созданная Б.Г. Ананьевым.

Он выделяет следующие группы методов:

  1. Организационные;
  2. Эмпирические;
  3. Методы обработки данных;
  4. Интерпретационные методы.

Количественные и качественные методы были отнесены к методам обработки данных. Количественные методы он определяет как математико-статистические приемы обработки психологической информации, а качественные методы – это описание тех случаев, которые наиболее полно отражают типы и варианты психических явлений и являются исключением общих правил.

Классификацию Б.Г. Ананьева подверг критике представитель ярославской школы В.Н. Дружинин, предложив свою классификацию.

Попробуй обратиться за помощью к преподавателям

По аналогии с другими науками он выделяет три класса методов в психологии:

  1. Эмпирические;
  2. Теоретические;
  3. Интерпретационные.

Качественные и количественные методы отдельно в классификации тоже не оговариваются, но предполагается, что они помещены в раздел эмпирических методов, что отличается от классификации Б.Г. Ананьева. Существенно дополнил классификацию Б.Г. Ананьева представитель ленинградской школы психологов В.В. Никандров. Он относит количественные и качественные методы к неэмпирическим методам в соответствии с критерием «этапности психологического процесса». Автор под неэмпирическими методами понимает «научно-исследовательские приемы психологической работы вне контакта исследователя и индивида.

Помимо сохранившихся отличий в классификациях С.Л. Рубинштейна и Б.Г. Ананьева, существуют терминологические разночтения в понимании количественных и качественных методов.

Не дается точного определения этих методов в работах В.В. Никандрова. Качественные методы он определяет функционально, с точки зрения результата и называет их:

  1. Классификация;
  2. Типологизация;
  3. Систематизация;
  4. Периодизация;
  5. Психологическая казуистика.
Читать еще:  Анализ динамики активов

Количественный метод он подменяет определением количественной обработки, которая направлена в основном на формальное, внешнее изучение объекта. В качестве синонимов В.В. Никандров употребляет такие выражения как количественные методы, количественная обработка, количественное исследование. К основным количественным методам автор относит методы первичной и вторичной обработки.

Таким образом, проблема терминологической неточности является достаточно актуальной и приобретает новое звучание, когда исследователи стремятся отнести количественные методы к новым научным разделам «Психометрия» и «Математическая психология».

Причины терминологических расхождений

Можно назвать целый ряд причин, в результате которых нет строгого определения количественных и качественных методов в психологии:

  • Количественные методы в рамках отечественной традиции не получили однозначно строгого определения и классификации, а это говорит о методологическом плюрализме;
  • Количественные и качественные методы в традиции ленинградской школы рассматриваются как неэмпирический этап исследования. Московская школа трактует эти методы как эмпирические и возводит их до статуса методологического подхода;
  • В терминологическом смешении понятий количественные, формальные, квантативные, математико-статистические, наблюдается конвенционализм, который сложился в психологическом обществе относительно определения этих количественных и качественных методов;
  • Заимствование из американской традиции деления всех методов на количественные и качественные методы. Количественные методы, точнее исследования, подразумевают выражение и измерение результатов в количественных показателях. Качественные методы рассматриваются как «гуманитарные» исследования;
  • Определение однозначного места и соотношение количественных и качественных методов, скорее всего, приводит к тому, что количественные методы подчиняются качественным методам;
  • Современная теория метода уходит от классификации методов только на одном основании и строгом определении процедуры метода. Методологи выделяют в теории три направления:
    1. Совершенствование традиционной эмпирической модели;
    2. Критика эмпирической количественной модели;
    3. Анализ и апробация альтернативных исследовательских моделей.
  • Разные направления развития теории метода обнаруживают тенденцию тяготения исследователей к качественным методам.

Количественные методы

Цель практической психологии заключается не в установлении закономерностей, а в понимании и описании проблем, поэтому она использует как качественные, так и количественные методы.

Количественные методы представляют собой приемы обработки цифровой информации, потому что носят математический характер. Такие количественные методы как категоризованное наблюдение, тестирование, анализ документов и даже эксперимент дают возможность получения информации для диагностики проблемы. Эффективность работы определяется на завершающем этапе. Основная часть работы – беседы, тренинги, игры, дискуссии – проводится с помощью качественных методов. Из количественных методов наибольшей популярностью пользуется тестирование.

Количественные методы имеют широкое применение в научных исследованиях и в социальных науках, например, при проверке статистических гипотез. К количественным методам прибегают для обработки результатов массовых опросов общественного мнения. Для создания тестов психологи применяют аппарат математической статистики.

Методы количественного анализа делятся на две группы:

  1. Методы статистического описания. Как правило, они направлены на получение количественных характеристик;
  2. Методы статистического вывода. Дают возможность полученные результаты корректно распространять на все явление, делать заключение общего характера.

С помощью количественных методов выявляются устойчивые тенденции и строятся их объяснения.

Недостатки количественного метода контроля связаны с его ограниченностью. Эти методы оценки знаний в сфере преподавания психологии могут быть использованы только для промежуточного контроля, проверки знаний терминологии, хрестоматийных экспериментальных исследований или теоретических концепций.

Качественные методы

Повышенный интерес и популярность, качественные методы приобретают только в последнее время, что связано с запросами практики. В прикладной психологии сфера применения качественных методов очень широка:

  • Социальная психология осуществляет гуманитарную экспертизу социальных программ – пенсионная реформа, реформа образования, здравоохранения – с помощью качественных методов;
  • Политическая психология. Качественные методы здесь необходимы для построения адекватной и эффективной избирательной кампании, формирования позитивного имиджа политиков, партий, всей системы государственного управления. Важными здесь будут не только количественные показатели рейтинга доверия, но и причины этого рейтинга, пути его изменения и др.
  • При помощи качественных методов психология средств массовой коммуникации Исследует степень доверия тем или иным печатным изданиям, конкретным журналистам, программам.

Решающую роль в развитии качественных методов в психологии, таким образом, сыграла необходимость диалога психологической науки с различными сферами практической деятельности.

Качественные методы ориентируются на анализ информации, которая в основном представлена в словесной форме, поэтому возникает необходимость эту словесную информацию сжать, т.е. получить её в более компактном виде. В этом случае выступает кодирование, как основной прием сжатия.

Кодирование предполагает выделение смысловых сегментов текста, их категоризацию и реорганизацию.

Примерами сжатия информации являются схемы, таблицы, диаграммы. Таким образом, кодирование и наглядное представление информации являются основными приемами качественного анализа.

Задай вопрос специалистам и получи
ответ уже через 15 минут!

Полезные статьи → Статистические методы анализа данных для решения практических задач (часть вторая)

Опрос сотрудников, клиентов, потребителей – не просто сбор информации, это полноценное исследование. А целью всякого исследования является научно- обоснованная интерпретация изученных фактов. Первичный материал необходимо обработать, а именно упорядочить и проанализировать.

Анализ данных исследования – ключевой этап. Он представляет собой совокупность приемов и методов, направленных на то, чтобы проверить, насколько были верны предположения и гипотезы, а также ответить на заданные вопросы. Данный этап является, пожалуй, наиболее сложным с точки зрения интеллектуальных усилий и профессиональной квалификации, однако позволяет получить максимум полезной информации из собранных данных.

Методы анализа данных многообразны. Выбор конкретного метода анализа данных зависит, в первую очередь, от того, на какие вопросы мы хотим получить ответ.

Можно выделить два класса процедур анализа данных:

  • одномерные (дескриптивные) и
  • многомерные.

Многомерные типы анализа данных

Многомерный анализ данных позволяет одновременно исследовать взаимоотношения двух и более переменных и проверять гипотезы о причинных связях между ними.

Техники многомерного анализа разнообразны. Мы рассмотрим следующие:

  1. Факторный анализ
  2. Кластерный анализ

Факторный анализ

Суть факторного анализа, состоит в том, чтобы имея большое число параметров, выделить малое число макропараметров, которыми и будут определяться различия между измеряемыми параметрами. Это позволит оптимизировать структуру анализируемых данных.

Применение факторного анализа преследует две цели:

  • сокращение числа переменных;
  • классификация данных.

Факторный анализ довольно полезен на практике. Приведем несколько примеров.

Перед вами стоит задача исследовать имидж компании. Клиенту предлагается оценить данную компанию по целому ряду критериев, общее число которых может превышать несколько десятков. Применение факторного анализа в данном случае позволяет снизить общее количество переменных путем распределения их в обобщенные пучки факторов, например, «материальные условия компании», «взаимодействие с персоналом», «удобство обслуживания».

Еще одним случаем применения данного метода может служить составление социально-психологических портретов потребителей. Респонденту необходимо выразить степень своего согласия/несогласия с перечнем высказываний о стиле жизни. В итоге, можно выделить, например, целевые группы потребителей: «новаторы», «прогрессисты» и «консерваторы».

Актуальным примером исследования в сфере банковского дела, может послужить, изучение уровня доверия клиента к банку, которое можно описать следующими факторами:

— надежность сделок (включающий такие параметры, как сохранность средств, возможность беспрепятственного их перевода);

— обслуживание клиентов (профессионализм сотрудников, их благожелательность) и

— качество обслуживания (точность выполнение операций, отсутствие ошибок) и др.

Читать еще:  Осуществление анализа возможных последствий планируемых реформ

Кластерный анализ

Кластерный анализ (от англ. сluster – сгусток, пучок, гроздь) – это один из способов классификации объектов. Он позволяет рассматривать достаточно большой объем информации, сжимая его и делая компактными и наглядными.

Термин «кластерный анализ» был введен в 1939 году английским ученым Р. Трионом, предложившим соответствующий метод, который сводился к поиску групп с тесно коррелирующим признаком в каждой из них.

Целью кластерного анализа является выделение сравнительно небольшого числа групп объектов, как можно более схожих между собой внутри группы, и как можно более отличающихся в разных группах. В настоящее время разработано достаточно большое число алгоритмов кластерного анализа. Однако, попробуем объяснить его суть, не прибегая к строгому теоретизированию.

Допустим, вы планируете провести опрос потребителей, (а все потребители разные), и вам, соответственно, необходимы различные стратегии для их привлечения. Для решения данной задачи мы предлагаем сегментировать клиентов, прибегнув к методу кластеризации. Для этого выполняем следующие шаги:

  1. формируем выборку и проводим опрос клиентов,
  2. определяем переменные (характеристики), по которым будем оценивать респондентов в выборке,
  3. вычисляем значения меры сходства и различия между ответами респондентов,
  4. выбираем метод кластеризации (т.е. правила объединения респондентов в группы),
  5. определяем оптимальное число кластеров (групп).

В результате получаем таблицу следующего содержания:

Информация, представленная в таблице, позволяет нам составить портрет клиентов каждого кластера, которые впоследствии необходимо учитывать при составлении стратегии успешного продвижения продукта на рынке.

Кластерный анализ хорошо зарекомендовал себя, и на сегодняшний день применяется в различных прикладных областях:

  • В социологии: разделение респондентов на различные социально-демографические группы.
  • В маркетинге: сегментация рынка по группам потребителей, группировка конкурентов по факторам конкурентоспособности.
  • В менеджменте: выделение групп сотрудников с разным уровнем мотивации, выявление мотивирующих/демотивирующих факторов в организации, классификация конкурентоспособных отраслей и поставщиков, и др.
  • В медицине — классификация симптомов, признаков заболеваний, пациентов, препаратов для успешной терапии.
  • А также психиатрии, биологии, экологии, информатике и т.д.

Рассмотренные методики относятся к анализу данных, полученных в ходе проведения количественных исследований.

По вопросам расчета индексов:

Телефон: +7 (383) 203-49-99

Начало (часть первая) и продолжение (часть третья) статьи «Статистические методы анализа данных для решения практических задач».

Качественный анализ и количественный анализ 2020

Качественный и количественный анализ — два фундаментальных метода сбора и интерпретации данных в исследованиях. Эти методы могут использоваться независимо или одновременно, поскольку все они имеют одни и те же цели. У них есть некоторые ошибки, и поэтому одновременное использование их может компенсировать ошибки, которые каждый из них имеет, а затем дает качественные результаты.

Более того, в количественном и качественном анализе имеются совпадения. В этой статье раскрываются ключевые различия между этими двумя методами анализа исследований.

Что такое количественный анализ?

Количественный анализ часто связан с численным анализом, когда данные собираются, классифицируются, а затем вычисляются для определенных результатов с использованием набора статистических методов. Данные выбираются случайным образом в больших образцах и затем анализируются. Преимущество количественного анализа результатов может быть применено в общей популяции с использованием моделей исследований, разработанных в образце. Это является недостатком качественного анализа данных из-за ограниченного обобщения результатов.

Количественный анализ носит более объективный характер. Он стремится понять возникновение событий, а затем описать их с использованием статистических методов. Однако более ясность может быть получена путем одновременного использования качественных и количественных методов. Количественный анализ обычно оставляет случайные и скудные события в результатах исследований, тогда как качественный анализ их рассматривает.

Количественный анализ обычно касается измеряемых величин, таких как вес, длина, температура, скорость, ширина и многое другое. Данные могут быть выражены в табличной форме или в любом графическом представлении с использованием графиков или диаграмм. Количественные данные можно классифицировать как непрерывные или дискретные, и их часто получают с помощью обследований, наблюдений, экспериментов или интервью.

Однако в количественном анализе имеются ограничения. Например, может быть сложно выявить относительно новые концепции, используя количественный анализ, и именно там, где качественный анализ входит в уравнение, чтобы выяснить «почему» возникает определенное явление. Вот почему методы часто используются одновременно.

Что такое качественный анализ?

Качественный анализ связан с анализом данных, которые не могут быть количественно определены. Этот тип данных касается понимания и понимания свойств и атрибутов объектов (участников). Качественный анализ может получить более глубокое понимание «почему» происходит определенное явление. Анализ может использоваться в сочетании с количественным анализом или предшествующим ему.

В отличие от количественного анализа, который ограничен определенными правилами или цифрами классификации, анализ качественных данных может быть широким и многогранным. И это субъективно, описательно, нестатистическое и исследовательское по своей природе.

Поскольку качественный анализ стремится получить более глубокое понимание, исследователь должен быть хорошо округлен с учетом каких-либо физических свойств или атрибутов, на которых основано исследование. Часто исследователь может иметь отношения с участниками, где раскрываются их характеристики. В количественном анализе характеристики объектов часто не раскрываются. Типичные проанализированные данные качественно включают цвет, пол, национальность, вкус, внешний вид и многое другое, пока данные не могут быть вычислены. Такие данные получены с помощью интервью или наблюдений.

В качественном анализе есть ограничения. Например, он не может быть использован для обобщения населения. Небольшие образцы используются в неструктурированном подходе, и они не являются репрезентативными для общей популяции, поэтому этот метод не может быть использован для обобщения всей популяции. Вот где количественный анализ в фактор.

Основные различия между качественным и количественным анализом

Определение качественного и количественного анализа

Анализ качественных данных основан на классификации объектов (участников) в соответствии со свойствами и атрибутами, тогда как количественный анализ основан на классификации данных на основе вычислимых значений. Качественный анализ субъективен, тогда как количественный является объективным.

Сбор данных для качественного и количественного анализа

В качественном анализе данные собираются небольшими нерепрезентативными образцами неструктурированным способом. Типичные собранные данные включают цвет, расу, религию, национальность и многое другое. В количественном анализе, с другой стороны, данные собираются в больших репрезентативных выборках, которые могут обобщать всю популяцию.

Методология исследования, связанная с качественным и количественным анализом

Методика качественного анализа является исследовательской, где анализ стремится получить более глубокое понимание того, почему происходит определенное явление. Методология количественного анализа может быть убедительна, например, сколько или сколько раз происходит определенное явление, а не почему это происходит.

Результаты исследований

В качественном анализе результаты исследований специфичны для изучаемых объектов и не применимы к общей популяции, тогда как в количественном анализе результаты могут быть применимы для населения в целом.

Метод сбора данных

В качественном анализе исследователи часто задают открытые вопросы, проводят собеседования и наблюдения, тогда как в количественном анализе исследователи проводят измерения, проводят опросы, эксперименты и наблюдения.

Цель качественного и количественного анализа

Качественный анализ направлен на более глубокое понимание социальных взаимодействий, в то время как количественный анализ направлен на проверку гипотез и даже дает будущие прогнозы

Ссылка на основную публикацию
Adblock
detector