일반적으로 데이터 분석 보고서는 세 가지 유형으로 나눌 수 있습니다. 이는 '모델' 보고서, '연구' 보고서, '업계 연구' 보고서입니다.
2. '모델' 보고서 아이디어
'모델' 보고서는 일반적으로 영향 관계 연구, 조절 효과, 매개 효과 또는 차이 관계 연구와 같은 학술 연구에 사용됩니다. 실험적 연구 등 그 핵심은 '모델'에 있습니다. 모델 프레임워크는 구체적인 아이디어를 명확하게 보여줄 수 있습니다. 모델 프레임워크를 기반으로 실제 상황과 결합하여 모델 프레임워크를 특정 분석 프레임워크로 변환합니다. 그런 다음 특정 보고서 작성을 진행하십시오.
2.1 모델 프레임워크 분석
모델 프레임워크는 '모델 클래스' 보고서의 핵심입니다. 예를 들어 다음 그림은 일반적인 모델 프레임워크입니다.
모델 프레임워크는 직관적입니다. '휴대폰 구매의도에 영향을 미치는 요인에 관한 연구'의 내용을 살펴보면, 연구에는 제품, 판촉, 채널, 가격, 개인화 서비스, 개인정보 보호 등 6가지 핵심 영향 요인이 있습니다. 영향을 받는 요인인 종속변수 Y는 구매의도입니다. 모델 프레임워크는 전체 연구의 핵심이므로 처음부터 아이디어를 명확히 해야 합니다. 아이디어를 바탕으로 그에 상응하는 데이터 수집이 이루어지고, 최종적으로는 데이터를 기반으로 분석이 이루어지게 됩니다.
예를 들어 이런 모델 프레임워크가 있으면 데이터에는 6가지 요소가 포함되어야 하고, 샘플의 구매 의도를 나타내려면 별도의 데이터도 있어야 한다고 자연스럽게 생각할 수 있습니다. 연구변수를 측정하는 방법(그림의 6요인 + 1구매의도). 설문지를 사용하는 경우에는 일반적으로 척도자료를 사용하는데, 이때 연구변수는 4~7개의 척도 질문에 대응하여 나중에 불합리한 항목을 삭제하는 등의 문제가 발생할 경우 일정한 완충 간격을 두는 것이 가장 좋다. . 데이터 소스가 기업 데이터인 경우 실제 데이터를 기반으로 할 수 있습니다.
다음으로 상대적으로 더 복잡한 모델을 살펴보겠습니다.
위 그림에는 추가 성별과 추가 화살표가 있습니다. 이 모델의 의미는 다음과 같습니다. 6가지 요인이 구매에 미치는 영향 의지의 효과, 이 효과는 성별에 의해 간섭됩니다(즉, 조절효과). 화살표가 하나만 더 있는 것 같지만 이는 완전히 다른 모델이고, 이후의 분석 프레임워크도 완전히 다릅니다.
특별 팁:
'모델 클래스' 연구에 집중한다면 먼저 모델 프레임워크를 나열해야 합니다. 모델 프레임워크는 전체의 핵심이자 영혼입니다. 연구. 모든 연구와 분석은 모델 프레임워크를 기반으로 합니다.
2.2 데이터 분석 사고 프레임
위의 모델 프레임워크를 바탕으로 구체적인 데이터 분석을 위한 사고 프레임은 무엇이어야 합니까? 즉, 모델 프레임워크를 구축한 후 이제 분석적 사고 프레임워크를 구체적으로 살펴보고 모델 프레임워크를 통해 휴대폰 구매 의도에 대한 6가지 요소의 영향을 연구하고 설문지를 사용하여 데이터를 수집할 것입니다. 설문지에는 표본 배경 정보나 표본 특성, 휴대폰 구매 의도에 영향을 미치는 6가지 요인 및 태도에 대한 질문이 포함됩니다. 이때 분석 아이디어는 아래 그림에서 확인할 수 있다.
분석 아이디어 측면에서는 먼저 데이터 수집 배경과 표본 특성을 분석한다. 그러면 '지표 분류 분석'이 포함될 수 있습니다. 예를 들어 모델 프레임워크에는 6가지 요인이 있으며, 6가지 요인을 측정하기 위해 30개의 척도 질문이 사용됩니다. 그렇다면 이 30가지 척도 질문은 반드시 6가지 요인으로 나누어져야 한다고 예상되는 것일까요? 이는 내 전문 분야에서 예상되는 일이지만, '모델형' 연구의 논리는 매우 강하고, 내가 기대했던 것과는 달리 주로 탐색적 요인 분석을 사용하고 연구 방법을 통해 '지표 분류'를 하게 됩니다. , 어쩌면 30개 척도 질문을 5개 요인으로 나누는 것이 더 적합할 수도 있고, 아마도 7개 요인이 더 적합할 수도 있습니다. 연구방법과 자신의 전문지식을 결합하여 최종적으로 과학적 지표분류를 획득하게 됩니다.
동시에 데이터의 품질이 보장되는지, 신뢰성과 타당성이 기준에 부합하는지 여부도 함께 고려해야 한다. 데이터 품질이 보장된 후에는 연구변수, 즉 6가지 요인(및 구매의도)에 대한 기술분석을 실시합니다.
다음 단계는 변수 간의 기억관계, 즉 상관분석, 회귀분석 등을 활용한 모델 가정의 검증이다.
연구 변수에 대해 성별이나 교육 배경이 다른 집단의 태도 차이를 연구하는 등 데이터 정보를 더 깊이 파고들 수도 있습니다. 등.
2.3 보고 아이디어 프레임워크
모델 프레임워크, 분석 아이디어 프레임워크 및 분석 방법의 사용을 확인한 후 구체적인 보고 아이디어를 나열할 수 있습니다. 아래 그림과 유사합니다.
3. '모델' 보고서 작성
이전 부분에서는 모델 프레임워크, 데이터 분석 프레임워크(및 분석 방법), 보고서 프레임워크에 대해 설명했습니다. 섹션에서는 보고서의 구체적인 작성 방법을 설명합니다. 보고서를 작성하기 전에 일반적으로 데이터를 정리해야 합니다(예: 제목이 너무 길어 단순화해야 함, 데이터를 병합해야 함, 데이터를 코딩하거나 데이터 레이블을 설정해야 함 등). 동시에 보고서를 작성할 때 일부 논리 및 사양 지침이 포함됩니다. 자세한 설명은 다음과 같습니다.
3.1 데이터 정리
데이터 보고서를 작성할 때 첫 번째 단계는 데이터에 대해 필요한 정리를 수행하는 것입니다. 다음과 같은 처리가 가능합니다:
잘못된 샘플 처리,
예외 데이터 처리,
데이터 제목 수정; 설정;
데이터 라벨 설정
연구 변수 설정
기타
3.2 보고서 작성 논리
모델 연구 보고서의 작성 사양은 일반적으로 다음 세 가지 논리를 순서대로 포함합니다.
예를 들어 상관 분석을 사용하여 상관 관계를 연구할 때 일반적으로 다음과 같은 이론적 지식을 간략하게 설명할 필요가 있습니다. '상관분석'은 최소한 그에 대한 판단기준 등을 기술할 필요가 있다. 그렇다면 자신의 데이터 결과는 무엇입니까? 데이터 결과로 결론은 무엇입니까? 물론, 데이터 결과는 SPSSAU에서 출력한 표준화된 테이블이며, 분석 제안 및 지능형 분석을 참조하여 결론을 작성할 수 있습니다.
'모델형' 연구 보고서는 일반적으로 이론을 먼저 설명(판단 기준 등 포함)한 다음 SPSSAU의 표준화된 형식(즉, 사실이 무엇인지)을 얻습니다. ), 이론과 사실을 바탕으로 전제하에 어떤 결론을 얻었으며, 이 결론이 후속 분석에 얼마나 도움이 되는지 알아보겠습니다.
또한, '모델형' 연구보고서는 '총점 총점'이나 '이전에서 다음으로의 연결' 논리를 폭넓게 활용하게 됩니다. 예를 들어 먼저 관련 분석에 대한 전반적인 설명을 제공하고 이를 세 부분으로 나누고 마지막으로 네 번째 부분이 총점입니다. 먼저 상관분석을 수행한 후, 데이터에는 상관분석이 있으므로 다음 부분에서는 선형회귀분석을 수행한다.
보고서를 작성할 때 '왜'와 같은 논리를 사용하세요. 보고서 작성의 각 부분에는 그에 상응하는 이유가 있어야 합니다. 먼저 이유가 있어야 결과가 나옵니다.
이론이란 무엇인가?
사실은 무엇입니까?
결론은 무엇입니까?
4. 특정 분석 양식의 사용에 대해
SPSSAU를 사용하여 분석 보고서를 작성할 때 일반적으로 출력 양식을 직접 붙여넣어 사용할 수 있습니다. 예를 들어 관련 분석의 표준 형식은 다음과 같습니다.