第七章 数据分析的定性方法
定性分析方法
定性分析方法定性分析方法是一种研究和分析事物特征、性质、特点等非数量化的方法。
在社会科学、心理学、教育学等领域，定性分析方法被广泛运用，以揭示事物的内在规律和特征。
本文将介绍定性分析方法的基本概念、应用范围和具体步骤。
首先，定性分析方法是指通过对事物的质性特征进行分析和研究的方法。
与定量分析方法相对应，定性分析方法更注重对事物的特征、性质、特点等非数量化的方面进行深入挖掘和分析。
在社会科学领域，定性分析方法常常用于对人类行为、社会现象、文化特征等进行研究，以揭示其内在规律和特征。
定性分析方法的应用范围非常广泛。
在社会学领域，研究者常常运用定性分析方法对社会群体的行为、态度、观念等进行深入挖掘和分析，以揭示其内在的规律和特征。
在心理学领域，定性分析方法常常用于对个体的情感、态度、行为等进行深入研究和分析，以揭示其内在的心理特征。
在教育学领域，定性分析方法常常用于对教育现象、教学方法、学生学习态度等进行深入研究和分析，以揭示其内在的规律和特征。
具体来说，定性分析方法包括以下几个步骤。
首先，确定研究对象和研究目的，明确要研究的问题和内容。
其次，收集相关的文献资料和数据，对研究对象进行深入了解和分析。
然后，运用适当的研究方法和技术，对研究对象进行观察、访谈、分析等，获取相关的信息和数据。
最后，对所获得的信息和数据进行整理、分析和解释，得出结论和发现。
总之，定性分析方法是一种研究和分析事物特征、性质、特点等非数量化的方法，具有广泛的应用范围和重要的研究意义。
通过深入挖掘和分析事物的内在规律和特征，定性分析方法有助于揭示事物的本质和规律，为人们更好地认识和理解事物提供了重要的方法和手段。
统计师如何进行定量和定性分析
统计师如何进行定量和定性分析定量和定性分析是统计学中两种重要的研究方法，它们分别用于处理数量化和非数量化数据。
对统计师而言，熟练掌握这两种分析方法是必要的，本文将介绍统计师如何进行定量和定性分析。
一、定量分析定量分析是通过数量化数据来进行研究和分析的方法。
统计师在进行定量分析时，需要遵循以下步骤：1. 数据收集：首先，统计师需要收集与研究对象相关的数字数据。
这些数据可以来自各种渠道，包括调查问卷、实验记录、行业数据等。
2. 数据清洗：收集到的数据往往包含错误、重复或缺失值。
统计师需要对数据进行清洗，确保数据的准确性和完整性。
清洗过程可以包括删除异常值、填补缺失值等。
3. 数据探索：统计师可以使用统计图表和描述性统计来对数据进行探索。
通过分析数据的分布、中心趋势和离散程度等指标，可以对数据有更深入的了解。
4. 假设检验：在定量分析中，统计师通常需要进行假设检验来验证某个假设是否成立。
通过设置显著性水平和选择适当的检验方法，可以进行统计推断，并做出结论。
5. 数据建模：根据研究目的，统计师可以建立数学模型，利用回归分析、时间序列分析等方法进行数据建模。
这样可以对数据进行预测和解释，得到更深入的结论。
二、定性分析定性分析是通过非数量化数据来进行研究和分析的方法。
它主要依赖于主观判断和解释。
统计师在进行定性分析时，可以采取以下步骤：1. 数据收集：与定量分析类似，统计师也需要收集与研究对象相关的数据。
但这里的数据主要包括文本、图片、音频、视频等非数量化的信息。
2. 数据整理：统计师需要对收集到的数据进行整理和分类，以便后续的分析。
这可能包括对文本进行编码、摘录关键信息等操作。
3. 数据解释：在定性分析中，统计师需要通过对数据的解释和理解，揭示潜在的模式、主题或结构。
这可以通过对数据的比较、归纳和分类等方法实现。
4. 文本分析：在处理大量文本数据时，统计师可以使用文本挖掘和内容分析技术。
这些技术可以帮助统计师从海量文本中提取有意义的信息，并进行进一步的分析。
第七章空间数据的统计分析方法
第七章空间数据的统计分析方法空间数据的统计分析方法是指利用统计学的方法对空间数据进行分析和解释的技术和方法。
在空间数据分析中，空间自相关性分析、空间插值、空间聚类以及地图分析等都是常见的统计分析方法。
本章将介绍空间数据的统计分析方法。
1. 空间自相关性分析：空间自相关性是指空间上相邻区域之间的相似程度。
空间自相关性分析可以通过计算空间数据的空间自相关指标来评估空间数据的空间分布特征。
常用的空间自相关指标包括Moran's I指数和Geary's C指数等。
Moran's I指数可以衡量空间数据的聚集程度和离散程度，范围为-1到1，正值表示正相关，负值表示负相关，0表示无相关。
Geary's C指数则可以衡量空间数据的相似度，范围也为0到1，值越接近1表示越相似。
2.空间插值：空间插值是指根据已知的地点数据推断未知地点数据的值。
在地理信息系统中，常见的空间插值方法有逆距离加权插值、克里金插值和样条插值等。
逆距离加权插值是一种简单的插值方法，它假设周围数据点对未知点的影响程度与距离的倒数成正比。
克里金插值则更加复杂，它通过拟合半变异函数来估计未知点的值。
样条插值是一种基于局部多项式拟合的插值方法，它可以生成平滑的曲面。
3.空间聚类：空间聚类是指根据空间数据的相似性将地理区域分组的过程。
常见的空间聚类方法有基于网格的聚类、基于密度的聚类和基于层次的聚类等。
基于网格的聚类将地理空间划分为网格单元，然后根据网格单元内部的数据特征进行聚类。
基于密度的聚类则将地理空间划分为高密度区域和低密度区域，根据区域内部的数据分布进行聚类。
基于层次的聚类则是根据距离或相似度对地理区域进行分层聚类。
4.地图分析：地图分析是指利用地图和空间数据进行分析的方法。
在地图分析中，常见的方法包括热点分析、缓冲区分析和网络分析等。
热点分析可以用来识别具有显著高于或低于平均值的区域，帮助分析空间数据的高度聚集性。
定性分析法概念范文
定性分析法概念范文定性分析法是一种研究方法，用于获取关于人类行为、态度、观点和经验等主观性数据的信息。
与定量分析法相对应，定性分析法主要关注于揭示问题的深层次内涵，通过对话、观察、访谈、文本分析等手段，收集和分析非结构化的数据，以了解研究对象的主观感受和真实意义，给予研究者更多的机会去了解人类行为背后的原因和动机。
1.主观性数据：定性分析法收集的数据是主观的，通常反映了被研究对象的个别观点和意见。
这是因为定性分析法通常涉及到对一些群体或个体的具体情境和特定问题进行深度研究，对于复杂和多样的现象，无法通过简单的量化方法来衡量。
2.非结构性数据：与定量分析法不同，定性分析法不依赖于预先设定的变量和测量尺度，而是通过对话、访谈、观察等方式收集的自由文本或情境数据。
这些数据通常是非结构化的，没有严格的格式和顺序，但它们可以提供更丰富的信息，有助于深入了解研究对象的内涵。
3.描述性分析：定性分析法的一个核心目标是对研究对象进行准确和细致的描述。
通过仔细观察和分析数据，研究者可以发现新的模式、主题和关系，从而形成有关研究对象的深入理解。
4.比较性分析：定性分析法也可以通过比较不同个体或不同群体之间的相似之处和差异之处，来获得更多的见解。
通过比较各种情况下的差异，研究者可以识别出不同背景和因素对人类行为的影响。
5.验证性分析：定性分析法强调研究的可靠性和效度。
研究者通常在整个研究过程中运用多种方法来验证数据的准确性和可靠性。
例如，他们可以通过多个研究者的独立分析，以及与研究对象的确认和反馈，来验证研究结果的可信度。
6.纵贯性分析：定性分析法还可以对研究对象进行纵贯性的分析，以观察和理解他们在时间和空间上的变化和发展。
通过长期的观察和跟踪，研究者可以发现与研究对象相关的事件和情况的演变过程，从而得出关于其变化原因和影响的结论。
定性分析法的应用范围非常广泛，涵盖了社会科学、心理学、人类学等多个学科领域。
研究者可以利用定性分析法来深入了解个人、群体和组织的行为动机、价值观、决策过程和经验等方面，并从中提取出各种主题和理论，从而推动知识的进一步发展。
统计学：从概念到数据分析-吴喜之-CH7 变量之间的关系
例7.2 (数据Diamond.txt)
• 308颗钻石的重量(carat，单位克拉)、颜色(colour，6个 水平)、透明度(clarity，5个水平)、合格证明书 (certification，3个水平)、价格(price，单位新加坡元)。 这里重量和价格为数量型变量而其它为分类变量。我们 考虑价格与重量之间的关系。
Diamond=read.table("f:/hepbook/data/diamond.txt",header=T);attach(Diamond)
par(mfrow=c(2,2)) plot(carat,price,main="Full Data") plot(price~carat,data=Diamond[Diamond[,4]=="GIA",],main="certification=GIA") plot(price~carat,data=Diamond[Diamond[,4]=="GIA"&Diamond[,3]=="VS1",],main="certification=GIA, clarity=VD1") plot(price~carat,data=Diamond[(Diamond[,4]=="GIA"&Diamond[,3]=="VS1")&colour=="F",],main="certification=GIA, clarity=VD1, colour=F")
。
-0.15
-0.10
-0.05
0.00
0.05
0.10
横坐标反映的行列变量的相关性为 0.15 纵坐标反映的行列变量的相关性为
客户关系管理第七章习题及答案
客户关系管理第七章习题及答案第七章练习题⼀、选择题：1.在数据仓库中，所有数据都是围绕⼀定的进⾏组织的A 主题B 主键C 外键D 视图2.对于DSS，是⾮常重要的A 最新数据B 历史数据C 分析数据D 多媒体数据3. 是从外部数据中收据数据，它是数据仓库中数据综合的⼀种类型A 数据提取B 数据清洗C 数据抽取D 数据切割4. 是关于数据的数据A 外部数据B 内部数据C 元数据D 纯数据5.数据粒度有两种形式，其中⼀种形式的数据粒度是⾯向的A OLTPB CRMC OLAPD ERP6. 数据集市的数据直接来源于中央数据仓库A 独⽴的B 依赖的C 内部的D 中央的7.数据仓库的是具有层次性的A 主键8.由各维度的取值和变量值构成A 维成员B 维C 事实D 索引9. 技术的核⼼是多维分析A OLAPB CRMC OLTPD ERP10.三种多维数据模型中，最为流⾏A 星型模型B 雪花型模型C 星座模型D ⽹型模型11.由于的应⽤，数据需要定期的从数据仓库中导⼊多维数据库中A OLAPB OLTPC CRMD ERP12.由类和类之间的关系构成的模型称为A 关系模型B 类模型C ER模型D 对象模型13. 的设计是数据仓库模型设计的第⼀步A 部门模型B 类模型C 企业模型D 对象模型14. 的选取是模型设计中极为重要的⼀部分A 主题15.⽆论数据仓库以怎样的数据模型组织数据，最终还是以各种来完成的A 表空间B 类C 变量D 表16.在中，只有⼀个事实表，每个维表都与事实表直接连接A 星型模型B 雪花型模型C 星座模型D ⽹型模型17. 中的数据是最丰富的、最详细的A 事实数据库B 关系数据库C ⾼级数据库D 数据仓库18.数据挖掘的基础是A OLAPB OLTPC ⼈⼯智能D 数据仓库19.对⼀组数据的集合分组成为有类似的对象组成的多个类的过程称为A 分类B 汇集C 类分析D 聚类20. 也常常作为数据挖掘的第⼀部，对数据进⾏预处理A 分类分析B 关联分析C 聚类分析D 孤⽴点分析⼆、填空1.数据仓库(data warehouse)是⼀个⾯向主题的(subject oriented)、集成的(integrated)、⾮易失的(non-volatile)、随时间变化的(time variant)数据集合，⽤于。
第七章面板数据模型的分析
第七章面板数据模型的分析面板数据模型是一种广泛应用于计量经济学和实证研究领域的数据分析方法。
它的特点是利用了多个交叉时期和个体的数据来研究变量之间的关系，相比于截面数据模型和时间序列数据模型具有更为丰富的信息。
面板数据模型的分析可以从多个角度进行，以下是几种常见的分析方法：1.汇总统计分析：通过计算面板数据的平均值、标准差、最大值、最小值等统计量，可以对变量的总体特征进行汇总分析。
这种分析方法可以直观地了解变量的变化范围和分布情况。
2.横向分析：横向分析主要关注个体之间的差异，通过比较不同个体在同一时间点上的变量取值，可以研究个体特征、个体行为等方面的问题。
例如，可以比较不同公司在同一年份上的销售额，从而找出销售额较高或较低的公司有什么特点。
3.纵向分析：纵向分析主要关注个体随时间变化的特征，通过比较同一个体在不同时间点上的变量取值，可以研究个体的发展趋势、变化规律等方面的问题。
例如，可以比较同一家公司在不同年份上的销售额，分析销售额的增长趋势或变化原因。
4.固定效应模型：固定效应模型是面板数据模型中常用的一种建模方法。
它通过引入个体固定效应来控制个体特征对变量的影响，从而研究其他变量对个体的影响。
例如，可以研究公司规模对销售额的影响，控制掉公司固定效应后，观察销售额与公司规模的关系。
5.随机效应模型：随机效应模型是面板数据模型中另一种常用的建模方法。
它通过将个体固定效应视为随机变量，从而研究个体与时间的交互作用。
例如，可以研究公司规模对销售额的影响，同时考虑到不同公司的规模和销售额的随机波动。
6.固定效应与随机效应的比较：固定效应模型和随机效应模型分别考虑了个体固定效应和个体与时间的交互作用，它们各自有各自的优点和局限性。
通过比较两种模型的拟合优度、估计结果等指标，可以选择合适的模型来进行面板数据的分析。
7.动态面板数据模型：动态面板数据模型是对静态面板数据模型的扩展，它引入了变量的滞后项，来研究变量之间的动态关系。
分析数据的方法
分析数据的方法数据分析是现代社会中非常重要的一项工作，它可以帮助我们更好地理解和利用各种数据，从而做出更明智的决策。
在进行数据分析时，我们需要掌握一些有效的方法和技巧，下面将介绍几种常用的数据分析方法。
首先，我们可以使用描述性统计分析方法来对数据进行描述和总结。
描述性统计分析可以帮助我们了解数据的分布情况、中心趋势和离散程度，常用的描述性统计指标包括均值、中位数、标准差、最大最小值等。
通过描述性统计分析，我们可以对数据的基本特征有一个直观的认识，为进一步分析奠定基础。
其次，我们可以使用相关性分析方法来研究不同变量之间的关系。
相关性分析可以帮助我们了解变量之间的相关程度和相关方向，常用的相关性分析方法包括皮尔逊相关系数、斯皮尔曼相关系数等。
通过相关性分析，我们可以发现变量之间的潜在关联，为后续的建模和预测提供依据。
另外，回归分析是一种常用的数据分析方法，它可以帮助我们探究自变量和因变量之间的函数关系。
回归分析可以帮助我们预测因变量的取值，并研究自变量对因变量的影响程度，常用的回归分析方法包括线性回归、逻辑回归等。
通过回归分析，我们可以建立模型来解释和预测数据，为决策提供支持。
此外，聚类分析是一种用于发现数据内在结构的方法，它可以帮助我们将数据划分为不同的类别或簇。
聚类分析可以帮助我们发现数据中的隐藏模式和规律，常用的聚类分析方法包括K均值聚类、层次聚类等。
通过聚类分析，我们可以将数据进行分类，为个性化推荐、市场细分等提供支持。
最后，我们还可以使用时间序列分析方法来研究时间序列数据的规律和趋势。
时间序列分析可以帮助我们预测未来的趋势和变化，常用的时间序列分析方法包括移动平均法、指数平滑法、ARIMA模型等。
通过时间序列分析，我们可以发现数据中的周期性、趋势性等规律，为未来的规划和决策提供支持。
综上所述，数据分析是一项复杂而又重要的工作，我们需要掌握多种数据分析方法来应对不同的情况。
希望以上介绍的几种数据分析方法能够为大家在实际工作中提供一些帮助，也希望大家在数据分析过程中能够灵活运用这些方法，发现数据中的价值和规律。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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：a)使读者确信并能够证明报告中的结论b)利用数据进行二次分析c)使得研究大体上能够被重复d)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程。
（2）轴心式编码：通过建立范畴间的关系，在进行开放式编码之后按照新的方式重新将数据组织在一起的一系列程序，利用条件、环境、行动或互动的策略和结果等编码范式来实现这一过程。
（3）选择式编码：选择核心范畴，使之与其他范畴系统地联系在一起，验证其中的关系并且对需要进一步提炼和发展的范畴进行充实。
创建编码的方式：●口述录音●书面列举●利用文本数据的页边空白记录编码●利用档案卡来记录和组织编码●利用计算机程序来创建和管理编码注意：1、编码过度使用导致定量出现；2、路径图；3、思索时，备忘录。
7.3.3 内容分析定性内容分析以四点为依据：开放性、交流性、自然性、解释性。
四项与本体论、认识论、方法论的密切关系。
●研究人员可以自由地研究文本而无需遵从任何“先在”的理论或概念，开放地思维发现研究文本单元的内涵；不会被定量分析中所描述的“先在”的理论干扰。
●研究人员负责分析“交流性”文本的内容，并结合社会环境或它们所处的背景解释其内在含义。
●研究者要在整体形势下和整体情境中分析内容，以使得数据能够反映真实世界的情境、事件和文本，而不是像在定量数据分析中的那样，是对真实世界的抽象化。
●不是客观地分析，而是要结合真实世界的背景解释文本内涵。
采取方式：1)根据信件、访谈录音稿和组织的管理文件的类型以及它们与研究主题或问题的适用程度等组织各个单元，确定分析单位。
2)从语义上，句法上或整体上对这些单位加以分析，将文本单位与整体文献意图联系起来。
3)按行动、表情和原则来分类，这种分类可以对沟通者的情感和认知背景以及行为加以说明。
4)文本还可以使用加总法，解释说明法、构建法和客观解释学法进行分析。
以上四种方法含义如下：➢加总法：将要分析的数据简化分类，这些类别能够综合，概括文献的主题。
➢解释说明法：仅一句文献内容或与文献相关但不包含原始分析单位中的内容对文本进行解释说明。
➢构建法：将数据按照预先确定的一系列类别或文本自身所决定的顺序进行排序。
➢客观解释学：使用客观或主观的方法分析数据，从而解释本质及其推论和评注。
（使用计算机软件程序）7.3.4 持续比较分析持续比较分析使研究人员得以创建草根理论。
草根理论是在研究中通过归纳而创立的理论，数据收集、分析与理论之间是相互联系的，依据研究参与者的有关信仰的言论和行为中所获得的数据构建理论。
持续比较分析是编码中使用的两种方法之一，一种是使得草根理论的创建具有“准确性和独特性”。
另一种是提问（是渐进法的一部分）。
持续比较分析使得研究人员能够通过持续比较已编码的数据来建立范畴。
结果通过反复出现的频率和理论抽样的方法可以识别和检验与编码相似的数据。
7.3.5 渐进法根据纽曼（2000）的理论，研究人员能够通过如下方法对分析进行提炼：连续反复编码和分门别类；从假设性编码着手知道反复修改、检验作为概念、关系和“理论”出现的编码。
渐进法可以使证据和理论得以相互影响。
提问——通过提问来确定概念或理论是否适合所收集的证据，不适则引发新一轮的数据收集以及概念构建和检验。
目的：确保理论与数据契合。
7.3.6 域分析域作为描述文化环境主要的分类但愿。
文化环境中包含着各种不同的域，主要用于组织构想或概念。
“文化域是含义的分类”，包括三个组成部分：概括性术语、内含性术语、语义关系举例：巡游是一种度假，度假就是“域”，而巡游是“内含性术语”。
三种类型的域：民间域（folk domain）、混合域（mixed domains）、分析域（analytic domains）进行域分析包括以下步骤：●语义关系，例如：1)语义关系：严格包含2)形式：A是B的一种3)举例：巴士观光是度假的一种●●选择一组数据●检验数据中符合“语义关系”的“概括性术语”和“内含性术语”●重新检查数据，找出其他的语义关系●为已确定的域做目录7.3.7 理想型法是模型或心理抽象，是纯粹的标准；以此作为数据或事实的参照标准。
是进行比较的工具，没有任何事实会完全符合理想模式。
7.3.8 事件结构分析(ESA)ESA以时间顺序组织数据，组成事件。
与时间有关的数据分析类型还有：事件列表、事件叙述网络图、活动记录、决策模型、时间序列矩阵。
表7-6 与时间相关的数据分析展示展示类型定义事件列表事件列表就是按时间顺序排列一系列具体事件并将其归类事件叙述网络图事件叙述网络图说明了事件及时间起因之间的关系活动记录活动记录是形象地展示进行一次活动的具体步骤。
形象的表述依靠使用箭头来从一个转向下一个。
以连续的形式记录活动，并使用“然后”这样的连词来叙述事件。
活动记录在时间顺序和连接次序上是十分清晰。
决策模型这些模型表现了行动的计划和知道行动的思考过程。
最优的决策模型体现了决策制定的流程的本质时间序列矩阵时间序列矩阵……总类按照时间顺序排列，所以一旦有特殊现象发生，就会引起注意。
其基本原则就是按时间顺序排列事件。
横行的顺序取决于其他的研究内容。
7.3.9 矩阵法——网络图、回顾矩阵：矩阵是由两个或两个以上的维度或是变量（通常包括因变量）构成，用以描述变量间的相互作用。
矩阵非常适合用来对变量进行分析，并且也能够用来对具体个案进行整体性的分析。
可以使用大量的方法构建矩阵，构建时需要思考的问题：●矩阵所要表示的是描述性数据还是解释性数据？●矩阵所要表示的是不完全有规则的数据还是完全有规则的数据？（例如，按时间顺序、活动强度或密度或者按等级进行组织）●按照时间顺序还是非时间顺序构建矩阵？●矩阵要表示分类吗？如果是，将如何进行组织和分类？●矩阵是二维的、三维的还是多维的？●在细微层次上，矩阵是否包含引用、摘要、解释、判断或这些内容的混合？●矩阵所要表示的数据来自于单一案例还是多个案例？7.3.10 其他分类法、类型法、概念树、思维导图/语义网状，社会关系网图一、分类法二、类型法旅游者角色类型三、概念树四、思维导图以形象的方式展示了研究人员的思考和反馈过程。
思维导图将思维联系起来并确定了数据间的关系。
也被成为语义网状图。
是明确了域相互联系的数据相关的术语所构成的，用以表示数据分析、关系或概念性思考的网状结构。
五、社会关系网图表示了社会环境中不同人之间的关系。
在描绘社会关系妄图的过程中，研究中所涉及的人物都位于一张白纸或正在使用绘图程序的计算机屏幕上不同的点上。
可以确定关键人物、确定互动性质、参与者扮演的角色途径：定性或定量方法获得访谈数据（反映了互动的性质、类型和数量）7.3.11 草根理论分析是一种定性方法，能够从研究的现象中归纳出结论。
表面意思是：它提供的是象征性说明或“深描”，同时“确保其具有有限的普遍性”。
此外，草根理论以人的行为为依据并能够用于说明行为和变化。
阶段：1.比较适于每种概念类型的数据2.整合各个类别及其内容3.界定以出现的理论4.对理论近详细论述目的：通过归纳创建理论标准：适用性、普遍性、可理解性、可控制性7.3.12 变焦模型法——用于分析口头传承的故事四层：1)广角层——找出文本主要言论2)中焦层——确定主题、措辞和必不可少的假设，还要调查隐秘和缺乏的内容。