Меню
Главная
Авторизация/Регистрация
 
Главная arrow Педагогика arrow Аспирант вуза: технологии научного творчества и педагогической деятельности

Анализ результатов исследования

Методы анализа результатов исследования специфичны в зависимости от отрасли науки, по которой выполняется диссертационная работа, масштабов проведенного исследования, специфики собранного материала, методов сбора информации и т.д.

Для выбора методов анализа результатов исследования аспирант должен изучить специальную литературу, посвященную данной проблеме. Автор этой книги приводит наиболее распространенные методы анализа, которые позволят создать у аспиранта общее представление и направят его в нужное направление.

Для работы с полученной в ходе исследования информацией можно использовать статистические методы анализа результатов исследования. Рассмотрим основные показатели, значение которых можно определить с помощью этих методов анализа.

Среднее (средняя арифметическая величина) — частное от деления суммы всех значений признака на их число. Характеризует какую- либо совокупность в целом. Используется только для характеристики интервальных и порядковых шкал.

Дисперсия — величина, равная среднему значению квадрата отклонений отдельных значений признаков от средней. Используется только для характеристики интервальных и порядковых шкал.

Среднее линейное отклонение — величина, равная среднему значению модуля отклонений отдельных значений признаков от средней. Используется только для характеристики интервальных и порядковых шкал.

Среднее квадратическое отклонение — величина, равная квадратному корню из дисперсии. Это мера разброса измеренных величин. Используется только для характеристики интервальных и порядковых шкал.

Коэффициент вариации — отношение среднего квадратического отклонения к среднему арифметическому. Используется только для характеристики метрических шкал.

Минимальное значение — наименьшее значение переменной, встретившееся в массиве данных.

Максимальное значение — наибольшее значение переменной, встретившееся в массиве данных.

Медиана — значение переменной у той единицы совокупности, которая расположена в середине ранжированного ряда частотного распределения. Отсекает половину ряда распределения. Используется только для характеристики метрических шкал.

Мода — наиболее часто встречающееся значение переменной, т.е. значение, с которым наиболее вероятно можно встретиться в массиве.

Частота — численное значение признака (количество ответов респондентов). Используется для всех видов шкал.

Валидный процент — доля численного значения признака от общей численности совокупности. Используется для всех видов шкал.

Для анализа результатов исследования можно использовать описание корреляционных связей между изучаемыми переменными. Корреляция представляет собой меру зависимости переменных. Существует несколько коэффициентов корреляции, указывающих на тесноту связи между исследуемыми переменными. Коэффициенты корреляции изменяются в пределах от +1 до -1. Если коэффициент корреляции равен -1, то переменные имеют строгую отрицательную зависимость (чем выше, тем ниже); если коэффициент корреляции равен +1, то переменные имеют строгую положительную зависимость (чем выше, тем выше). Следует отметить, что если коэффициент равен нулю, то связь между переменными отсутствует. Наиболее известными и часто применяемыми коэффициентами корреляции являются:

  • • коэффициент корреляции Пирсона;
  • • коэффициент корреляции Спирмена;
  • • коэффициент корреляции Крамера;
  • • коэффициент корреляции Фи.

Проверка выдвинутых исследовательских гипотез производится с помощью корреляционного, дисперсионного или факторного анализа; вследствие этого выдвинутая гипотеза подтверждается или отвергается, что в любом случае свидетельствует о полученном результате.

Дисперсионный анализ. С помощью дисперсионного анализа исследуют влияние одной или нескольких независимых переменных на одну зависимую переменную или на несколько зависимых переменных. Метод статистического анализа позволяет определить достоверность гипотезы о различиях в средних значениях на основании сравнения дисперсий (отклонений) распределений (например, можно проверить гипотезу о различиях двух групп потребителей, выделенных при помощи кластеризации). В отличие от корреляционного анализа дисперсионный анализ не дает возможности оценить тесноту связи между переменными.

Регрессионный анализ. Статистический метод установления зависимости между независимыми и зависимыми переменными. Регрессионный анализ на основе построенного уравнения регрессии определяет вклад каждой независимой переменной в изменение изучаемой (прогнозируемой) зависимой переменной величины.

Факторный анализ. Совокупность методов, которые на основе существующих связей признаков (или объектов) позволяют выявлять латентные (или скрытые) обобщающие характеристики изучаемых явлений и процессов. Главными целями факторного анализа являются сокращение числа переменных и определение структуры взаимосвязей между переменными, т.е. классификация переменных. При сокращении числа переменных итоговая переменная включает в себя наиболее существенные черты объединяемых переменных. Классификация подразумевает выделение нескольких новых факторов из переменных, связанных друг с другом.

Результаты полевых исследований представляют собой значительные массивы переменных, которые достаточно сложны для обработки вручную. В настоящее время в арсенале исследователей имеется множество программных пакетов, позволяющих оптимизировать и упростить процедуру анализа. Наибольшее распространение получили такие пакеты, как Vortex, SPSS, Statistica.

Программа «Vortex» предназначена:

• для ввода первичной информации, собранной в ходе прикладного маркетингового или социологического исследования;

  • • обработки и анализа этой информации;
  • • представления полученных результатов анализа в виде таблиц, текстов, графиков и диаграмм с возможностью их переноса в Microsoft Word и другие приложения Windows/NT.

Возможности анализа информации:

  • • программа Vortex позволяет производить описательную статистику изучаемых переменных (расчет статистических показателей: среднее, мода, медиана, квартили, дисперсия, среднеквадратическое отклонение, коэффициент вариации, скос, эксцесс и др.);
  • • производить сегментирование респондентов по нескольким признакам, а также описание выделенных групп;
  • • проводить корреляционный анализ, позволяющий выявить зависимости изучаемых факторов, влияющих на результат (расчет для таблиц двухмерного распределения коэффициентов корреляции Пирсона, Гамма, Лямбда, Крамера, Юла, Фишера, критериев X-квадрат, Стьюдента, определение статистической значимости). SPSS для Windows — это модульный, полностью интегрированный, обладающий всеми необходимыми возможностями программный продукт, предназначенный для всех этапов аналитического процесса: планирования, сбора данных, доступа к данным и управления данными, анализа, создания отчетов и распространения результатов. SPSS для Windows — это лучшее программное обеспечение, позволяющее решать бизнес-проблемы и исследовательские задачи, используя статистические методы.

Программное обеспечение SPSS позволяет проводить частотный анализ, описательную статистику, корреляционный, дисперсионный, кластерный, факторный, а также регрессионный анализ.

При помощи аналитических возможностей программы SPSS можно получить следующие данные:

  • • наиболее выгодные сегменты рынка;
  • • стратегии позиционирования товаров/услуг относительно аналогичных товаров/услуг конкурентов;
  • • оценка качества товара/услуги клиентами;
  • • перспективы развития, новые возможности для роста;
  • • подтверждение или опровержение исследовательских гипотез. Statistica — это универсальная интегрированная система, предназначенная для статистического анализа и визуализации данных, управления базами данных и разработки пользовательских приложений, содержащая широкий набор процедур анализа для применения в научных исследованиях, технике, бизнесе; это современный пакет статистического анализа, в котором реализованы все новейшие компьютерные и математические методы анализа данных. Опыт свидетельствует о том, что возможность доступа к новым, нетрадиционным методам анализа данных (a Statistica предоставляет такие возможности) помогает находить новые способы проверки рабочих гипотез и исследования данных.

Программное обеспечение Statistica позволяет проводить следующие процедуры обработки статистических данных:

  • • описательные статистики;
  • • анализ многомерных таблиц;
  • • многомерная регрессия;
  • • дискриминантный анализ;
  • • анализ соответствий;
  • • кластерный анализ;
  • • факторный анализ;
  • • дисперсионный анализ и др.
 
Посмотреть оригинал
Если Вы заметили ошибку в тексте выделите слово и нажмите Shift + Enter
< Пред   СОДЕРЖАНИЕ ОРИГИНАЛ   След >
 

Популярные страницы