[課堂心得]9/24 & 10/1量化研究與統計分析-問卷調查+資料描述與製圖(精華整理)

圖片來自：Rochester Public Utilities(RPU)的blog

一切的開始都在於「研究」！
先搞清楚要做什麼研究，才能開始執行行動

• 是理論性研究？還是實證性研究？
• 要分析的資料來源是第一手(自己蒐集)？還是第二手(引用)
• 是強調共通性(General case)的定量研究(nomothetic)？
  還是強調特定個案(具代表性)的定性研究(idiographic)？
  但實際上無論是哪一種我們都希望可以用來做一般化的推論

三大取向研究(並不互斥)

1. 因果性：究竟哪些原因(變數)造成哪些我們感興趣的結果，
   如描述現象(如得票率)、關係研究(變數間關連)與原因調查(變數影響力)等研究
2. 探索性：發覺初步的研究領域，通常樣本小、主觀選擇(如立意抽樣)，如次級資料、專家訪談、個案等方法
3. 結論性：需求明確、幫助決策的研究取向，需要大樣本、客觀選擇(產生有效的母體推論)，如敘述研究(橫斷or貫時)、因果研究(同上原因調查, causal research)等

一些基本概念建立之後，接下來就正式進入「調查」的世界!

其實，調查研究的過程簡單來說就是三個步驟：
問問題、拿答案、分析它～(看起來很容易)
不過就像上一段說的，一切都依據研究目的來設計

「但是研究方法這麼多種，為什麼要選擇調查法呢？」

 
所以在應用之前要先瞭解調查法(問卷法)的特性

• 目前現有資訊不足以回答欲研究之問題
• 需要方便快速的工具(較於訪談、實驗or觀察)
• 贊助者資源供應時，有人力也有經費(這是必備)
• 需要有決策輔助時（如需求界定、意見決定、描述行為等）

決定進行調查法之後，就要開始規劃啦～
寶煖老師提供一系列的步驟如下

1. 初步規劃：投入資源、訴求對象
2. 陳述問題：明確的研究目的
3. 界定對象：謹慎定義研究對象，確保他可提供所需資訊
4. 資料蒐集：決定最適合對象的資料蒐集方式(紙本or電子)
5. 建立專案：以專案進行資源、時程的分配以及資料剖析(依目的將資訊進行分群-增加樣本代表性)
6. 取得許可：進行調查前，必須先開通研究對象的同意、允許
7. 研擬問題：符合研究問題與目的的問題（可清楚理解）
8. 設計問卷：建立清楚完整的填答說明（可清楚理解）
9. 選擇樣本：計畫如何接觸研究對象、需要多少對象
10. 研擬封面：邀請詞簡短而有誠意，說服所參與的受試者
11. 進行前測：找出用字淺詞、填答說明的盲點、確定Coding與分析的過程沒有問題
12. 即時修正：利用前測結果修正問卷
13. 正式發放：寄送、回收與跟催(提醒通知)
14. 資料分析：謹慎建檔、檢查品質、適時備份
15. 提出決策：善用結果所提供之資訊並考量問卷以外的資料來源
16. 撰寫報告：沒啥好說的

問卷設計之細節(這邊特地談一些瑣事) 既然今天要來問人家問題，就要決定兩件事 問題：由文獻分析、類似研究或焦點團體法來找出研究對象們對研究主題的看法與理解程度(如觀點、特定名詞) 選項：固定or開放、adjective(喜歡程度) or behavior(有沒有經歷過) checklist、分類清單(多選形式)、排序選項(如依照喜好1-5)、Fixed-Sum(如給你100去把選項配分數) 、Sematic Differential Scale(二元尺度-透過兩個對立的極端詞在中間數個刻度中勾選)、評量刻度(如李克計量表) 製作問卷常犯錯誤整理 一題藏兩題：一次問兩件事，大忌！ 很愛問細節：如某年某月某日的天氣或那天在幹嘛之類的 贅字與口語：設計完請自己念一念 讓人家看無：配合受試對象的閱讀能力(如兒童或外行人) 都讓人家猜：承上，有模糊的字詞，請改成明確具體的東西 引導式問題：問題出現一些怪異的因果邏輯，讓人難以回答 如：你授課時會使用多媒體教材來幫助教學多元化嗎？ (強迫回答者接受 使用多媒體教材=教學多元 的原則) 好文法I-愛用縮寫字： 你很熟可能很自然地用，但不是你要填問卷 好文法II-雙重否定： 幾乎不行、難以不去、避免無法...ect 一個好的問卷少不了的東西 避免無效：1/3或1/2設計反向問題(怕被勾整排) 可以用「隨機」或「間隔」插入題目群中 明確的Coding：翻成「過錄」，將問卷所觀察的紀錄轉為數字或文字給電腦讀取的過程 建立CodeBook：過濾編碼簿，詳細交代每個問題及其所對應到的每個選項意義與值 剩下各種如跳題、多選題之類的實例就不詳細談了 那種東西還是直接去看書比較快！ 老話一句～永遠記得考慮受試者填問卷時的適用情形！

簡單談完問卷調查之後，接著要從「怎麼看待資料」開始學起
身為一個研究者必須「看懂資料」才行！
換句話說，就是依拿到資料就可以判斷其意義
這需要建立一套資料的呈現與描述的背景知識
而這也是寶煖老師一開始上課就希望我們做到的

數字會說話的！
所以理論上我們可以從所蒐集到的資料中得到一些訊息
但是如何從一堆資料中洞察先機呢？這需要一些小訣竅
像是最簡單且琅琅上口的「平均數、最大最小值」
就是最基本的敘述統計啦~

最起初的資料判別方式就是根據資料特性

• 連續資料
  可以檢查其 集中趨勢(平均數、中位數、眾數)、分散性(標準差、四分位差、全距)與分佈(最大值、最小值)
  一般來說，使用平均數是大多可接受的作法
  但中位數、眾數往往可以凸顯平均數所彰顯不到的資訊
  同樣地，資料集中、分佈情況也應適時地加以描述
  才能呈現資料內容，也就是數字真正的含意
  換句話說，即使平均數一樣，真實資料的「模樣」卻有上百種!
• 類別資料
  比較少東西可以分析，通常只有分佈可討論(個數、百分比)
  一般來說，除非分類項目繁多，不然只需要在正文中摘錄即可
  不需要多做圖表，因為意義並不大

至於這些什麼數、什麼值的，有哪些特性與優缺點就不多說了~
好像以前國高中都有大致有學過麻 哈哈
而如果意欲把連續型的資料以類別的方式呈現時
應注意其分類點、切割原因（一般來說，會損失一些資訊）

而我們討論常常在報章雜誌上看的到、感覺很有說服力的「百分比」
百分比通常躲了很多資訊，所以...
應該先注意其背後的真實的分母與分子數
樣本到底是大還是小？同樣都是20％，1/5 or 2000/100000
這都意味著這個調查的可信程度~

最後製圖的部分，我就逐一介紹其特性與需注意事項吧

1. line graphs：線型圖，主要以XY軸呈現，重點是「趨勢線」要加粗！並且在縮放圖形時。記得只能「拉對角」，不能拉長寬
   否則會失真、造成視覺上的誤導
2. Bar charts：長條圖，呈現時注意根據資料的相對大小排列，
   簡單說就是不要高高低低。與直方圖不同在於「間隔」！
   另外在展示上，除非是群組或堆疊型的長條圖，不然都無須圖例!
3. Pie charts：圓餅圖，呈現項目最好在5或6個以內，
   而各區塊應依大小、依序以12點鐘順時方向排列呈現
   且以由淺至深呈現為佳！
4. Pictographs：象形圖，就是把長條改成以圖形化而已（少見）
5. Histographs：直方圖，連續性資料的常見呈現方式，
   與長條圖不同在於水平軸上的條塊是相連的！
   值得一提的是，每個資料群組間的間距(?~?)
   不等距->等距，必須謹慎設計，避免視覺誤導！
6. Stemplots：莖葉圖，兼具次數分配與長條圖的特色(如下圖)
   
   
7. Scattergraphs：散佈圖，在二維的平面上放一堆點點～
   可以有效地用來呈現兩兩變項之間的關連(距離、集散等)
   當然，統計上可以用來呈現回歸、相互關連
8. Time graphs：時間為水平軸！根據時間特性，簡單易懂的資料起伏呈現方式

這就是這兩週的內容回顧...應該沒有漏什麼啦！