定量分析2020年秋天，我也修读了不少量化研究有关课程

Hello大家好，我是芈奥。

2020年秋天，芈奥正式开始了研究生阶段的学习，目标是成为一名专注量化研究的传播学子~ 在研究生的第一个学期，我也修读了不少量化研究有关的课程。今天和大家分享的内容主要来自社会科学研究方法（量化）课程，在此也算是对一个学期的学习进行一个系统的整理。

今天开始，我会不定期为大家分享一些我在课堂上学到的实用技巧，希望可以对屏幕前做量化研究或者数据分析的你有所帮助哦！

首先，我们来聊聊进行一次量化研究的基本步骤。

翻开一篇社会科学领域的量化研究论文，你会发现，文献基本上都是由以下几个部分组成——摘要、介绍（引言）、文献综述、研究假设或研究问题、研究方法（包括抽样方法、模型、数据处理与分析等）、研究结论、讨论与结论。

事实上，量化研究还可以细分为不同的研究方法。例如，你可以选择用调查法，亲自制作并发放问卷，并对回收的数据进行处理。你也可以选择用一些已经公开数据研究你所想要探究的问题。你还可以用内容分析法，对想要研究的文本内容进行编码。对我来说，通常要经历的步骤是这样的：

1、从日常生活或者理论与文献中发现研究问题

2、建立一个初步的研究模型

3、针对研究问题与研究模型设计问卷或收集数据

4、进行数据处理、分析与检验假设

5、撰写论文

接下来为大家普及一些数据相关的概念。

比如，在收集数据之前定量分析，你要先了解自己需要的是哪个类型的数据。从时间维度上看，我们接触到的绝大多数数据都是横截面数据（cross-sectional research），也就是在一个时间节点下收集到的数据。比如你要发问卷，通常都是这个问卷用一次就好了，几乎不可能有机会和资源在两年后让同一批做问卷的人再做一次同样的问卷，因此这样搜集到的数据就是横截面数据。

另一种数据类型叫作纵向研究（longitudinal research）数据或者时间序列数据（time series data），就是你对同一个个体在不同时间节点收集到的数据，比如最近20年我国的GDP数据。

还有一种比较复杂的面板数据（panel data），综合了截面数据和时间序列数据两个维度。比如我们如果有条件进行追踪研究，那么收集到的就属于面板数据，因为这是针对不同个体，在不同时间上面的数据。面板数据可以被我们进行量化研究提供更为丰富的信息，但通常获取成本比较高。

实证研究中还有一对非常重要的概念，叫做信度（reliability）和效度（validity）。粗糙解释一下，信度就是指你的题目出的是否可信，比如同一个人反复做你的问卷会不会产生不同的结果。而效度指的是题目在多大程度上能够说明你所要研究的问题或概念，说白了就是你测得准不准。

接下来和大家分享一些自己常用的公开数据网站：

1、国家统计局网站

网址：/index.htm

这里有涉及我国各地区及全国范围的非常全面的数据，包括工业、农业、对外贸易、价格指数、教科文卫等等。而且在这里还能找到月度、季度、年度数据和普查数据，能满足对宏观数据的多种需求~

2、中国综合社会调查（CGSS）

CGSS是一个始于2003年的，包括社会、家庭、个人等多个层次的全国性数据收集网站，有很多公开的数据可供使用。这些数据基本上是来自调查员自己进行抽样、调查、整理的数据。

3、中国家庭追踪调查（CFPS）

网址：/cfps/

CFPS由北京大学中国社会科学调查中心实施，重点关注中国居民的经济和非经济福利，包含调查问卷、编码表和数据。

4、类似的微观数据网站还有CHIP/CHARLS/CHFS/CLDS/CMDS等，大家有需求都可以去了解一下~

接下来和大家分享一些用SPSS进行数据初步分析整理的方法，主要包括信度检验、正态性检验和相关性分析。

这里我使用的是从CGSS上面下载的2017年家户调查数据，一共有一万两千多个有效样本。需要说明的是，在这里呢，我只是用这个数据进行简单的示范，并不代表我所选择的变量确实存在严格的统计学意义。

1、信度检验

首先是对题目信度的检验：

上期视频中提到，信度和效度都是我们在研究中非常重要的概念，信度粗糙点讲就是你的题目是否具有可信性，比如同一个对象前后几次做你的题目，结果是不是都一样，或者测量同一个变量或者概念的几个题目分差是不是合理。对信度的检验通常使用克隆巴赫α，具体操作如下：

分析——刻度——可靠性分析

将需要检验的题目放入“项”中，“模型”处选择“Alpha”。

检验结果为克隆巴赫α，一般在0.7-1之间为信度可靠。

2、正态性检验

在进行t检验或者回归分析等绝大多数进一步的数据处理之前，我们常常会默认我们所要研究问题的总体是符合正态分布的。因此，在进行这些数据处理分析之前，我们要先对样本数据进行正态性检验。

如果是进行粗略一点的检验的话，我们可以通过图示法定量分析，比如，绘制直方图或核密度图并且和正态曲线进行对比，或者绘制Q-Q图或P-P图。也可以对样本数据的峰度和偏度进行计算，并用峰/偏度除以各自的标准误获得峰/偏度系数，就可以进行检验了。

不过上述几种方法都比较粗糙，如果需要更精确的检验，可以采用K-S检验

操作：分析——非参数检验——旧对话框——单样本K-S

并在对话框的“检验分布”下选择“正态”。如果显著性大于0.05，就可以认为样本是符合正态分布的了。

3、相关性分析

相关性分析是量化研究中非常重要、也非常基础的检验，它关注的是两个变量之间的相互影响或共变的程度。

最常见的相关性分析方法叫做皮尔逊相关，它的主要操作步骤如下：

分析——相关——双变量，在对话框中选择“皮尔逊”

以数据中的“身高”“体重”两个变量为例，通过相关性分析可以发现，二者存在显著的正相关关系（p

今天和大家分享的内容主要就是这些啦！下一期文章我会和大家讲解进阶一点的操作——如何用SPSS进行t检验、方差分析和卡方检验。有需求的宝宝们记得关注我哦！