第七章 数据分析的定性方法.doc

第七章 数据分析的定性方法 数据分析是指对你所见、所闻、所读到的信息进行组织以便更好地理解所获信息。通过分析浙西数据，你可以描述状态、进行解释、提出假设、构建理论，并将你的结论与其他结论进行观念。而要实现这一目标，必须首先对所收集的资料进行分类、汇总、建模和解释。 学习目标： 重述定性与定量数据分析方法的区别； 理解项目研究过程中三个阶段上所采用的定性数据分析方法； 了解并应用若干定性数据分析方法； 讨论各种可用于定性数据分析的计算机程序。 7.1 引言 定性数据分析方法的发展，由原来的操作上的不严谨性而受到批判，如今的广泛运用。 7.2 定性与定量数据分析的异同 回顾： 定性分析与定量分析的异同 不同点 定性分析 定量分析 以文本为基础进行分析，确定主题和主旨 利用统计公式，进行数字分析 归纳的方法 演绎的方法 根据经验性数据及证据构建理论 验证假设 分析始于数据收集 分析在收集完毕后（编码进行较早） 分析立足于客观事实并保持所收集数据的原始状态，例如录音和映像 数据分析是事实的抽象化，并用数字和统计的方法进行描述。 相同点 分析包括对经验性数据（文字）的推论 分析包括对经验性数据（数据）的推论 读者可以通过研究设计确定分析方法 读者可以通过研究设计确定分析方法 对比经验性数据，确定相同点和不同点 对比经验性数据，特别是对变量方差进行对比 分析力求准确无误 分析力求准确无误 数据收集过程中——制定备忘录，思考基本概念单位或基本概念类型 分析过程中采用的方法——内容分析（content analysis）、持续比较分析(constant comparative analysis)、构建矩阵(matrix building)、绘制图表(mapping)、渐进法(successine approximation)、域分析(domain analysis)、分类构架(taxonomy building)、识别理想型(ideal type identification)、构建事件结构和创建模型(event-structure building and modeling )。 定量研究对数据及研究程序的要求——简明、清晰： 使读者确信并能够证明报告中的结论 利用数据进行二次分析 使得研究大体上能够被重复 更容易发现欺骗或疏忽 7.3 定性分析 概念：把数据按照主题、概念或特征加以分类，进行分析。研究人员提出新概念、规范概念性定义并研究概念之间的关系。 麦尔斯和哈伯曼（1994）提出，数据分析包括三个方面：筛选数据、展示数据和归纳或证明结论。 （1）筛选数据：指大量的数据进行提炼，按现有类别、主题和概念分门别类。 （2）展示数据：指上述的类别、主题和概念以表意的形式加以呈现。 方法包括：图示法、分类法、矩阵法和对大量数据中持续反复出现的主题、主旨、相互关系和程序进行可视的（文本性的）描述。 （3）归纳或证明结论：通过不断地在数据间进行对比，定性的“理论”得以构建。 定性的“理论”的解释：a 一种“宏大理论”，对主要构件予以简洁描述的理论框架。 b 一副“地图”，用以对某一个案的相关背景加以概括。 c 对事件模式的一种预测。 对定性数据的筛选、展示和结论的归纳、证明方法加以总结，研究人员可以采用以下方法：备忘录、编码、内容分析、持续比较分析、渐进法、域分析、理想型法、事件结构分析、矩阵法、分类法、类型法、概念树、思维导图、草根理论分析和变焦模型法。 7.3.1 备忘录 目的：为了确定新的研究方向或数据收集、分析方法所作的观察、思考或评论。 注意：表明日期、标注想法产生的情境或环境。 7.3.2 编码 是指研究过程中为所编辑的描述性信息或推断性信息的指定意义单元所添加的标签或标记。 图7-1 描述性、解释性、模型性编码举例 种类：（1）描述性编码：用于对所分析资料的各部分加注标题。 （2）解释性编码：用于更深层次分析并作出推论。 （3）模型性编码：用于超越解释性编码之上更深一层的分析之中，用于标注主题、进展和关系。 阶段：（斯特劳斯——Strauss） （1）开放式编码，应用于分析的最初阶段——也就是数据收集阶段。研究人员对数据回顾并找到反复出现的词语、主题或概念。——初步编码 （2）轴心式编码，对最初的开发式编码进行编码，是指研究人员通过寻找开发式编码之间的关系进行更深层次的分析。 （3）选择式编码，对建立在其他编码基础之上的编码进行检验。 概念： （1）开放式编码：对数据进行分解、检验、对比。概念化和范畴化的过