作者:新風學術網
數據處理和初步分析是根據待論證的論點,將實驗觀察等原始數據或二次數據進行統計學處理,並用相應文字或圖表表達,供在定量分析中應用。分析方法介紹是這一節的重點內容。學位論文常用到多元回歸和線性結構方程等統計分析方法,介紹這些方法的目的是要反映自己的研究的個性,不能照搬教科書上已有的內容。
如用多元回歸方法,需要說明的內容有:自變量選擇的根據和過程,是用的逐項加入法還是逐項減入法,或者是用因子分析法,以及這些方法運用的過程;每個(組)變量對因變量解釋度的貢獻大小;對各回歸係數統計檢驗的方法;回歸方程求解的計算機軟體名稱。
如用線性結構方程方法,需要說明的內容有:反映研究問題涉及的變量及變量結構的概念模型;包含各潛變量(名義變量)和顯變量(操作變量)及相互關聯的結構方程模型;問卷中,各問項一致性的檢驗方法;各路徑係數和回歸權重的統計檢驗方法;結構方程模型擬合度的判斷方法。
各種複雜的統計學運算,都有相應的計算機軟體。論文要說明使用的是何種軟體,如果在求解方法等方面有改進之處,也應該寫上,這雖不屬於新論點範圍,也算論證過程的貢獻。
有的學位論文,在介紹多元回歸時,將最小二乘法求回歸係數的原理說一遍;使用因子分析方法時,將主成分分析的原理從頭道來;採用結構方程模型,便敘述結構方程模型的來由和基本原理及建模方法,等等。這些內容屬於書本上已有的知識,大可不必寫在論文裡面,否則反而衝淡了自已的研究內容,評閱專家看過這些內容,不會加分,反而可能減分。有個別論文只介紹分析方法,卻不見後續內容,如用一節的篇幅來說明「囚徒困境」的原理,卻沒有針對本研究問題而構建的博弈模型,這就更不可取。
數據分析結果有可能支持也可能不支持原定的假設,不支持的結果同樣有價值,起到證偽的作用。根據不支持的分析結果反過來修改原假設,也是常見的事。