量化研究与统计分析
量化研究与统计分析PPT共53页
量化研究与统计分析
1、战鼓一响，法律无声。——英国 2、任何法律的根本；不，不成文法本 身就是 讲道理 ……法 律，也 ----即 明示道 理。— —爱·科 克
3、法律是最保险的头盔。——爱·科 克 4、一个国家如果纲纪不正，其国风一 定颓败 。—— 塞内加 5、法律不能使人人平等，但是在法律 面前人 人是平 等的。 ——波 洛克
定量研究方法与统计分析技巧
定量研究方法与统计分析技巧在社会科学研究中，定量研究方法和统计分析技巧被广泛应用，帮助研究人员揭示数据背后的规律，提供客观而可靠的研究结果。
本文将介绍几种常见的定量研究方法和统计分析技巧，以及它们的应用场景和使用注意事项。
一、简介定量研究方法是指通过收集和分析数值型数据，用统计学的方法来推断变量之间的关系的一种研究方法。
它以测量、量化为特点，着重于量化的数据分析和模型构建。
统计分析技巧是定量研究方法的核心工具，通过对收集到的数据进行统计描述、推理和推断，揭示数据背后的现象和规律，为研究人员提供科学的依据。
二、常见的定量研究方法1.问卷调查法问卷调查法是一种常见的定量研究方法，通过向受访者提供标准化的问题，并采用量化的方式进行答案选择或打分，从而获得大量的数据进行分析。
问卷调查法适用于横断面研究，可以提供广泛的样本覆盖，但在设计和实施过程中需要注意问卷的有效性和可信性。
2.实验法实验法是通过在受试者身上施加特定的处理，观察他们是否产生了特定的反应来推断因果关系的一种方法。
实验法控制了实验条件和处理变量，使得研究人员可以分析变量之间的因果关系。
但在实验设计过程中，需要注意实验条件的合理性和实验结果的可靠性。
3.统计模型统计模型是一种数学模型，通过对变量间的关系进行建模，揭示变量之间的关联和依赖关系。
常见的统计模型包括线性回归模型、逻辑回归模型、协方差结构分析等。
研究人员可以通过拟合模型，分析模型参数的显著性和变量之间的影响程度。
三、常用的统计分析技巧1.描述统计分析描述统计分析是对数据进行总结和描述的一种方法，包括中心趋势、离散程度、分布形态等统计指标。
通过描述统计分析，研究人员可以对数据进行初步了解和揭示，为后续的推断分析提供基础。
2.假设检验假设检验是一种统计方法，用来判断研究样本与总体之间是否存在显著差异。
通过设立零假设和备择假设，并进行统计检验，研究人员可以推断样本之间的差异是否具有统计显著性。
统计分析法和定量
统计分析法和定量
1、概念不同
统计分析法是指研究者运用历史回顾、文献分析、访问、观察、参与经验等方法获得教育研究的资料，并用非量化的手段对其进行分析、获得研究结论的方法。
定量研究的结果通常是由大量的数据来表示的，研究设计是为了是使研究者通过对这些数据的比较和分析作出有效的解释。
2、理论基础不同
统计分析法主要是一种价值判断，它建立在解释学、现象学和建构主义理论等人文主义的方法论基础上。
其主要观点是：社会现象不像自然现象那样受因果关系的支配，社会现象与自然现象有着本质的不同。
定量研究是一种事实判断，它是建立在实证主义的方法论基础上的。
实证主义源于经验主义哲学，其主要观点是：社会现象是独立存在的客观现实，不以人的主观意志为转移。
在评价过程中，主体与客体是相互孤立的实体，事物内部和事物之间必定存在内在的逻辑因果关系。
3、特性不同
统计分析法：定量研究；研究条件、自然情境、实验室条件。
研究性质、描述性研究、量化研究，注重方面、过程、事前与事后的测量
统计分析法：研究者与研究对象密切接触、互相影响，研究者通过与研究对象的交往互动，通过移情作用来获取资料信息。
定量研究：定量研究中研究者与研究对象相互独立，彼此分离。
什么是一种量化的方法
什么是一种量化的方法一种量化方法是指通过数学模型、统计分析和计算机技术等手段，将研究对象的特征或属性转化为数量化的指标或数据，并利用这些指标或数据进行分析和研究的方法。
在实际应用中，各行各业都会使用量化的方法进行研究和决策。
以下是几个常见的量化方法的介绍：1. 统计分析：统计分析是量化方法中最基础也是最常用的方法之一。
通过对数据进行收集、整理、描述和分析，得出数值化的结论。
常见的统计分析方法包括描述统计、概率统计、假设检验、回归分析等。
2. 数学模型：数学模型是使用数学语言表达和描述研究对象的行为和规律的方法。
数学模型可以是一种方程式、算法或者函数关系，用来表示变量之间的相互作用关系。
常见的数学模型包括线性模型、非线性模型、随机模型等。
3. 计算机模拟：计算机模拟是一种基于计算机技术的量化方法。
通过建立适当的模型和算法，使用计算机进行大量的计算和模拟，得到仿真结果。
计算机模拟可以用来模拟真实世界的复杂现象，预测未来的变化趋势，进行决策支持和优化设计等。
4. 经济学方法：经济学方法是运用经济学原理和理论进行量化研究的方法。
通过建立数学模型和统计分析等手段，分析供求关系、市场价格、经济政策等因素对经济行为和经济发展的影响。
经济学方法主要用于宏观经济和微观经济的研究。
5. 数据挖掘：数据挖掘是从大量数据中挖掘出潜在的、以前未知的、有用的信息的过程。
通过应用统计学、机器学习和数据库技术等方法，对大规模的数据进行搜索、分析和挖掘，发现数据中的模式、规律和关联，从而进行决策和预测。
数据挖掘广泛应用于市场营销、风险评估、客户关系管理等领域。
6. 量化投资：量化投资是一种基于量化方法进行股票、债券、期货等金融产品投资的方法。
通过利用数学模型、统计分析和计算机算法等手段，分析金融市场的行情、历史数据和各种指标，制定投资策略和模型，进行大规模的自动化交易和投资决策。
总之，量化方法的出现和应用使得研究和决策更加精确、科学和高效。
量化研究与统计分析
量化研究与统计分析在当今信息时代，大数据和信息的快速增长已经成为一个不可忽视的趋势。
在各个领域中，我们都需要进行量化研究和统计分析来提取有用的信息，做出明智的决策。
本文将介绍量化研究和统计分析的基本概念和方法，并探讨其在现实生活中的应用。
一、量化研究的概念和意义量化研究是指利用观测数据和统计方法对研究对象进行量化分析和定量描述的过程。
通过量化研究，我们可以使用数字化的方法来收集、处理和分析数据，从而揭示出真实世界中的规律和趋势。
量化研究的意义在于它可以帮助我们深入理解事物的本质和内在关系，为决策提供依据和支持。
二、统计分析的基本方法和应用领域统计分析是量化研究的重要工具和方法。
它通过收集和处理数据，应用统计学原理和技术，对数据进行描述、推断和预测。
统计分析可以分为描述统计和推断统计两大类。
1. 描述统计描述统计是对数据进行初步整理和总结的过程。
它包括了数据的集中趋势、离散程度、分布形态等基本特征的测度。
常用的描述统计方法有均值、中位数、标准差、频率分布等。
描述统计在经济学、社会学、市场研究等领域中被广泛应用，可以帮助我们理解数据的基本特征，作为后续分析的基础。
2. 推断统计推断统计是通过对样本数据进行推断来对总体进行推断的过程。
它利用数理统计学原理，通过样本数据对总体的参数进行估计，并进行假设检验和置信区间估计。
推断统计在医学研究、社会调查、市场预测等领域中有着广泛的应用。
通过推断统计，我们可以从有限的样本数据中对整个总体的情况做出合理的推断。
三、量化研究与统计分析的应用案例1. 金融投资量化研究和统计分析在金融投资领域中有着广泛的应用。
通过对历史交易数据进行量化研究和统计分析，可以建立起有效的投资模型和策略。
例如，利用统计模型可以对市场行情进行预测，利用量化交易策略可以进行自动化交易。
量化研究和统计分析的应用可以提高投资效益，减少风险。
2. 医学研究在医学研究中，量化研究和统计分析的应用可以帮助研究人员理解疾病的发病机制和病因，进行疾病的早期预测和诊断。
教育研究中典型量化研究方法特征与应用策略分析
教育研究中典型量化研究方法特征与应用策略分析一、引言随着社会的不断发展和教育事业的日益完善，教育研究也在不断深入和拓展。
研究者们纷纷探索各种研究方法，希望能够更准确地了解教育现象的本质，为教育改革和发展提供有力的支持。
在教育研究方法中，量化研究方法因其客观、系统和科学的特点逐渐成为研究者们广泛采用的一种方法。
本文将对教育研究中典型的量化研究方法的特征与应用策略进行分析，以期帮助研究者更好地理解和应用量化研究方法。
二、典型量化研究方法的特征1. 控制变量：量化研究方法的一个重要特征是能够对研究对象的相关变量进行有效控制。
通过对多个变量进行量化分析，研究者可以更好地了解不同变量之间的关系，找出影响因素，增强研究结论的可信度。
2. 统计分析：量化研究方法倚重于统计分析，通过对数据进行统计处理和分析，得出结论和结论。
这种分析方法可以让研究者从大量数据中发现规律和趋势，提高研究结果的可靠性。
3. 量化测量方法：量化研究方法需要对研究对象进行精确、准确的量化测量。
只有通过合理的量化测量方法，研究者才能够得到客观、真实的数据，从而进行有效的统计分析。
4. 实证研究：量化研究方法强调实证研究，即通过对实际数据进行分析，得出客观的结论。
这种研究方法更加科学和严谨，能够为教育实践提供直接的参考依据。
5. 量化研究工具：量化研究方法通常需要使用各种量化研究工具，如问卷调查、实验研究等，运用这些工具能够更好地获取研究数据，从而进行深入的统计分析。
1. 合理设计量化研究方案：量化研究方法需要在设计研究方案时，充分考虑研究目的、研究对象和研究变量的选择，合理确定研究问题和假设，并确定研究的整体框架和流程，保证研究过程的科学性和可靠性。
2. 严格进行量化测量和数据收集：在进行量化研究时，需要严格进行量化测量和数据收集，确保数据的可靠性和准确性。
在设计问卷调查或实验时，需要注意科学性、公正性和客观性，确保所获得的数据符合研究的要求。
《量化研究与统计分析》
《量化研究与统计分析》内容简介邱皓政编著的《量化研究与统计分析—— SPSS数据分析范例解析》指导读者科学地设计量化研究，规范地收集研究数据，无需繁琐的统计演算公式，借助SPSS强大的数据处理功能，跟随作者的演示和解析即能完成量化研究数据向实际研究成果的转化。
本书引导读者建立一套研究学理一统计知识一操作能力三位一体的知识与技术。
为适应新近的科学研究的需要，此次修订更新了大量内容。
本版强化了方差分析与多元回归的范例，新增了调节变量与中介变量的分析；并以实例详尽示范了量表编制中的探索性与验证性因素分析。
本版以SPSS（PASW）18为基础演示了软件操作步骤。
《量化研究与统计分析——SPSS数据分析范例解析》的这些特点和内容，使本书不仅可以作为各大高校统计学、研究方法与数据分析课程的教科书，它还是一本简单易懂的量化研究工具书。
目录第一篇量化研究的基本概念第一章科学研究与量化方法第一节科学研究的概念与方法一、科学的目的与功能二、科学研究的特性三、科学研究的内容四、理论及其功能第二节主要的量化研究设计一、调查法二、相关法三、实验法四、量化方法之比较第三节量化研究的结构与内容一、绪论二、方法三、结果四、讨论第四节量化研究的程序一、理论引导阶段二、数据搜集阶段三、数据分析阶段第五节计算机软件包在科学研究上的应用第二章测量理论与方法第一节测量的基本概念一、测量的意义二、测量与统计的基础：变异第二节测量的尺度一、名义尺度二、顺序尺度三、等距尺度四、比率尺度五、测量尺度的比较第三节测量的格式一、测量格式的基本特性二、量化研究的测量格式三、测量格式的比较第二篇数据处理与数据查核第三章数据计算机化与 SPSS 介绍第一节编码系统的建立与应用一、编码系统与工具发展的优先性二、编码系统的概念三、文字资料的计量处理四、编码表五、废卷处理第二节 SPSS 的介绍一、SPSS 简介二、SPSS 的基本运作原理三、SPSS 的基本操作四、SPSS 的各种窗口第四章数据库的建立第一节建立SPSS 数据文件一、SPSS 数据窗口的开启二、数据库的建立第二节其他文档的转入一、EXCEL 文档读入二、由文字文档（ASCII 档案，.dat）读入第三节复选题处理与分析一、复选题的基本格式二、基本分析策略三、复选题分析第四节排序题处理与分析一、排序题的基本格式二、次数分布表的应用三、交叉表的应用第五章数据与文档管理第一节数据管理功能一、新增变量与观察值二、数据查询三、数据排序四、数据转置五、定义变量属性第二节文档管理功能一、观察值加权二、分割文档三、选择观察值四、数据合并：新增观察值五、数据合并：新增变量第三节数据转换功能一、计算二、重新编码三、数据分组四、计数五、等级观察值第六章数据检核第一节数据查核一、过程检核二、终点查核第二节遗漏值处理一、遗漏的型态二、遗漏值的处置三、SPSS 的遗漏值处理功能第三节偏离值的侦测与处置一、单变量偏离检验二、多变量偏离检验三、偏离值的处理第四节反应心向一、反应心向的界定二、反应心向的处理第七章数据的图示第一节次数分布表的运用一、基本原理二、次数分布的图示三、茎叶图四、次数分布表的制作第二节统计图的运用一、茎叶图的制作二、长条图的制作三、线形图的制作四、散布图的制作第八章描述统计的原理与应用第一节集中量数一、平均数二、中位数三、众数四、集中量数的特性与使用时机第二节变异量数一、全距二、四分差三、以离均差为基础的变异量数四、变异量数的特性与使用时机第三节偏态与峰度一、偏态二、峰度三、偏态与峰度的判断第四节相对量数一、百分等级与百分位数第五节标准分数一、Z分数二、正态化Z分数三、T分数第六节描述统计的 SPSS 操作一、次数分布表功能二、描述性统计量功能三、观察值摘要功能四、相对量数转换五、Z分数转换六、T分数转换第三篇统计分析的原理与技术第九章类别数据的分析——卡方检验第一节基本概念一、类别数据的呈现二、类别数据的检验形式第二节类别变量的统计检验一、残差分析二、卡方检验三、校正公式第三节类别变量的关联系数一、Phi（Φ）系数二、列联系数与V系数三、Lambda（λ）系数四、Tau（τy）系数第四节顺序变量的关联分析一、Gamma 系数二、Tau-b 与 Tau-c 系数三、Kappa 量数四、So mers’s dyx第五节范例解析第十章平均数的差异检验——t检验第一节基本概念一、Z检验与t检验二、单总体与多总体检验三、单尾与双尾检验四、独立样本与相依样本第二节平均数差异检验的原理一、抽样分布与中央极限定理二、统计检验的决策原则三、平均数的统计检验四、t检验的基本假设第三节范例解析第十一章平均数的变异分析——ANOVA 第一节基本概念第二节变异数分析的统计原理一、基本原理二、变异数的计算与拆解三、相依样本的变异数分析四、固定效果模式与随机效果模式五、实验、族系与比较错误率六、效果量七、ANOVA 的基本假设与相关问题第三节多重比较：事前与事后检验一、事前比较二、事后比较第四节共变数分析一、控制的概念二、连续变量作为共变量三、共变数分析的原理四、变异量拆解第五节范例解析第十二章多因子变异数分析第一节基本概念一、多因子变异数分析的数据形式二、多因子变异数分析的各种效果第二节多因子变异数分析的统计原理一、变异数拆解二、整体检验与事后检验三、单纯主要效果检验第三节带有相依样本的多因子变异数分析一、基本概念二、变异数拆解三、整体效果的假设检验四、多因子变异数分析的交互作用图示第四节范例解析第十三章线性关系的分析——相关与回归第一节基本概念第二节积差相关的原理与特性一、变异数与共变数二、积差相关系数三、积差相关系数的特性四、积差相关的假设检验五、Spearman 等级相关六、点二系列相关第三节回归分析一、回归分析的概念二、最小平方法与回归方程式三、回归系数四、回归误差与可解释变异五、回归模型的显著性检验六、估计标准误七、回归系数的统计检验八、回归系数的区间估计九、回归分析的基本假设第四节范例解析第十四章多元回归第一节基本概念第二节多元回归的原理与特性一、多元相关二、多元回归方程式三、回归系数的统计检验四、共线性诊断第三节多元回归的变量选择模式一、同时回归分析二、逐步回归分析三、阶层回归分析四、三种回归方法的比较第四节范例解析第四篇测验编制的分析技术第十五章测验发展与信效度第一节测验发展的程序与步骤一、准备阶段二、预试阶段三、正式阶段四、后续发展阶段第二节信度一、信度的意义二、信度系数的原理三、测量误差与测量标准误四、信度的估计方法五、影响信度的因素第三节效度一、效度的意义二、效度的类型与原理三、其他效度的讨论四、效度衡鉴技术五、影响效度的因素第四节信度与效度之关系第十六章项目分析与信度估计第一节项目分析的基本概念一、项目难度二、项目鉴别度第二节项目分析的计量方法一、遗漏值判断法二、描述统计指数三、题目总分相关法四、内部一致性效标法五、因素负荷量判断法第三节项目分析实际范例一、遗漏检验与描述统计检测二、极端组比较三、同质性检验四、综合判断第四节信度估计范例一、Cronbach’s α系数二、折半信度分析结果第十七章因素分析第一节基本概念第二节因素分析的基本特性一、简化结构原则二、因素与共变结构三、因素分析的条件第三节因素分析的数学原理一、因素分析涉及之各矩阵二、相关系数适切性的判断三、因素的萃取四、因素个数的决定五、特征向量、特征值与萃取变异六、因素结构与负荷量七、因素转轴八、因素分数第四节范例解析参考文献术语英汉对照表万卷方法总书目。
量化研究方法
量化研究方法量化研究方法是一种通过数字化数据来进行研究分析的方法，它能够帮助研究者更加客观地观察和分析问题，从而得出科学的结论。
量化研究方法在社会科学、经济学、教育学等领域都有着广泛的应用，下面将介绍一些常见的量化研究方法及其应用。
首先，问卷调查是一种常见的量化研究方法。
通过设计一份问卷，研究者可以收集到大量的数据，然后通过统计分析的方法对这些数据进行处理，得出相关的结论。
问卷调查可以用于调查人们的态度、观点、行为等，是一种简单而有效的研究方法。
其次，实验研究是另一种常见的量化研究方法。
在实验研究中，研究者可以通过控制变量的方法来观察某一变量对另一变量的影响，从而得出科学的结论。
实验研究通常用于验证假设或者检验因果关系，是一种重要的研究方法。
另外，统计分析是量化研究方法中的重要部分。
通过对收集到的数据进行统计分析，研究者可以得出数据之间的相关性、差异性等信息，从而揭示出问题的本质。
统计分析可以帮助研究者更好地理解数据，发现数据中的规律，并作出科学的推断。
此外，量化研究方法还包括实证研究和数学建模等内容。
实证研究是通过观察和实验来验证理论或者假设的方法，而数学建模则是通过建立数学模型来描述和解释现实世界的现象。
这些方法都是量化研究中的重要手段，能够帮助研究者更好地理解和解释问题。
总的来说，量化研究方法是一种重要的研究方法，它能够帮助研究者更加客观地观察和分析问题，得出科学的结论。
问卷调查、实验研究、统计分析、实证研究和数学建模等方法都是量化研究中常见的手段，它们各自具有自己的特点和适用范围。
在实际研究中，研究者可以根据具体的问题和研究目的来选择合适的量化研究方法，以便更好地开展研究工作。
- 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)。
1第一讲量化研究与统计分析1-1、量化研究的基本概念1-2、量表分析步骤1-3、量表的编码1-4、复选题及其它方式的数据建文件1-1、量化研究的基本概念一、概述社会科学领域研究的二个主要范畴：1、量的资料(quantitative data)分析2、质的研究(qualitative research)。
量的数据分析，受到信息科学进步的影响，数据的处理更为简易也较为客观，因而社会科学中多数研究论文仍倾向于量的研究。
量的研究主要采取逻辑实证主义的论点，重视变量间因果关系或变量间的相关，重视的是假设演绎取向法，强调受试取样的代表性，以使研究结果能有效推论到样本的母群体。
二、量化研究的方法（一）、量化研究的统计方法1．描述统计学(descriptive statistics)2．推论统计学(inferential statistics)目的：为了解整个研究母群体的特性。
在社会科学领域中，由于母群体数目大多过于庞大，在时间、人力、物力、财力等考虑上，无法全部抽取母群体作为统计分析的对象，因而只能以随机或其它抽样的方式，抽取母群体中具代表性的样本作为研究分析的对象，再根据样本统计分析结果，推论到整个母群的性质。
如：研究新课标施行后，我国中学生的学习情况，只能以部分学生的学习情况去推断全国学生的学习情况。
缺点：在推论统计学中，由于是根据样本特性再推论到整个母群属性，因而可能包含取样误差与推论误差存在，也就是此研究推论会有可能犯错的机率(probability)。
（二）、量化研究的设计方法：1.调查法：分访问调查及问卷调查法；2.实验法：分真正实验设计与准实验设计法；量化研究的主要特征，皆要经由观察、测验、量表、问卷以取得研究实施的数据资料，作为假设验证的基础，因而如何搜集有效度的资料，如何配合研究目的与研究架构，选用合适的统计方法，以作为支持或否定原假设的证据资料，就显得格外重要。
（三）、量化研究的步骤：选题—设计问卷、调查—分析数据—给出结论1.选择与定义问题研究问题必须是可以检验的假设，或研究者领域所感兴趣、有价值或重要性的问题，问题可以经过资料搜集、分析来加以检验或回答。
量化研究问题可能是研究者感兴趣的主题；或有价值性的问题；或研究者认为是社会科学领域中重要的问题，此部份可以由相关文献的研究分析，挖掘相关研究的主题。
制定研究主题后，要拟定研究架构，草拟研究问题及要检验的研究假设，并对重要的关键词，给予完整的概念性定义及操作型定义。
2.执行研究的程序完整的实施程序包括样本或受试者的选择，测量工具的改进，数据的搜集。
执行研究的程序就是决定抽样的方式，预试及正式问卷各抽取多少受试者，发展、编制或修订研究的测量工具，研究工具是否要先经专家效度检验？3.资料分析资料分析通常包括一个以上统计技巧的应用。
数据分析的结果可提供研究者检验研究假设或回答研究问题。
数据分析要根据检验的研究假设及变量性质，选用合适而正确的统计方法，包括预试问卷的信效度检验及正式问卷的统计应用分析等。
在数据分析时，研究者要避免“垃圾进、垃圾出”的现象，首要的是正确统计方法的选用与数据结果的客观解释。
4.结果分析与结论结论的呈现主要根据数据分析的结果，结论应该与最初拟定的假设或研究问题有关，研究结论也要指出研究假设是否得到支持。
研究的结论要根据研究主要结果而来，重视客观性及实证性，进而再根据研究结论提出研究的具体建议及研究限制所在，以作为未来研究者的参考。
根据学者Bryman 与 Cramer，(1997)二人的观点，完整量化的研究历程，如下图１所示：图1 研究的完整程序 (数据源：Bryman & Cramer ，1997，p.3)（四）、注意的问题：1.常用的抽样方法有三种(Gay ，1992)：（1）随机抽样(random sampling)：依据机率理论，以随机原则方式从母群体中抽取一定比例的受试者，使用方法如抽签法、随机随机数表抽样等。
（2）分层随机抽样(stratified random sampling)：研究设计中，如果受试者母群间的差异很大(异质性很高)，或某些样本点很少，为顾及小群体的样本点也能被抽取，应采用分层随机取样较为适宜。
分层随机抽样的图示如下：（3）整群抽样法(cluster sampling)：如果样本所属的母群体很大或涵括的地理位置很广，则采用整群抽样法较为简宜。
整群抽样法是以一个群组(cluster)或一个团体为抽取单位，而不以个人为取样单位，因而整群抽样法时，抽取的样本点是一个群组、一个群组，群组与群母 群 体 总 数组间的特征非常接近，同构型很高；而群组内彼此成员的差异较大，异质性高。
在社会科学领域中，整群抽样的群组如班级、学校、组别、部门、学区等。
总之，样本选取时，最重要的是样本要有代表性，才能从受试样本群推论到其母群的性质，受试样本要有代表性。
2.取样的样本要多少：在研究设计中，受试者的数目要多大才算具有代表性，多少个样本才算“够大”(large enough)，这个议题，社会科学研究领域中，似乎无一致结论。
学者Gay(1992)对于样本数多少，则提出以下之看法：（1）描述研究(descriptive research)时，样本数最少占母群体的10%，如果母群体较小，则最小的样本数最好为母群体的20%。
（2）相关研究(correlational studies)的目的在于探究变项间有无关系存在，受试者至少须在30人以上。
（3）因果比较研究(causal-comparative studies)与许多实验研究，各组的人数至少要有30位。
（4）如果实验研究设计得宜，有严密的实验控制，每组受试者至少在15人以上，但权威学者还是认为每组受试者最少应有30人，最为适宜。
3.变量属性的界定：不同变量属性，所适用的统计方法也不同。
数据分析的变量属性的分类中，多采纳学者Stevens(1946、1951)的观点，Stevens的看法中，乃根据测量量表或测量水平的基准，将变量属性类别划分成以下几种：（1）名义变量(nominal variable)或称类别变量(categorical variable)主要在于分类对象，把对象转变为间断类别，变量主要属性只是用来辨识事物或表示事物的类别而已，如性别、种族、学校大小、教师职务、教师性别、学生年级等。
名义变量无法陈述事物与事物之间的差异大小或形式，它属于间断变量的一种。
（2）次序变量(ordinal variable)变量除具有分类特性外，又具有等级排序关系。
变量间根据某个准则，可将对象由最高至最低作有规则的排序，变量主要属性在于可用数值表示对象间之优劣、多少、高低、次序等。
次序变量与名义变量不同之处在于次序变量有“方向次序”存在。
统计学上的中位数与百分等级等统计方法也属于次序变量。
（3）等距／比率变量(interval/ratio variable)等距变量除可表示对象类别及比较大小次序外，对象类别间距离是相等的，因而变量间有“可加性”(additivity)。
如果对象类别间存有绝对的零点(logical zero points)，则称为比率变量，比率变量间有”可乘性”(multiplicativity)，二者均属连续变量(continuous variables)。
研究者在变量属性确认方面，要能正确区分连续变量(包括等距变量与比率变量)与间断变量（包含类别变量与次序变量)，方能选用正确的统计方法。
4.变量性质与适用时机通常因变量为连续变量时，可进行参数统计，如平均数差异检验的ｔ检验、方差分析、共变量分析、回归分析、多变量分析、典型相关等。
另外一种常见的情形，是研究的样本数很少，或研究分析的变量为间断变量，则此时最好采用“非参数统计法”。
（五）、量表编制原则在社会科学领域中，常用的李克特式的多选项量表(multiple-itemscales)，严格说起来，量表之变量性质是一种次序变量，但次序变量与名义变量均属“离散变量”（discrete variable），离散变量无法求其平均数、或进行相关、回归等统计分析，因而无法验证相关的研究假设，所以多数研究者在编制多选项量表时，皆把量表视为等距变量来设计。
李克特量表 (Likert-type scale)填答方式，通常以四至六点量表法，为多数研究者与学者采用，其中以五点量表法的内部一致性较佳。
常用的选项名称如：为了使评定量表各选项上的差距相等，在问卷编制上可采用两极端的方式来编制问卷或直接把数字填上，让受试者填答，如：非常满意非常不满意我对于在职训练讲师之授课方式感到□□□□□或非常满意非常不满意我对于在职训练讲师之授课方式感到５４３２１非常同意非常不同意我认为参加在职训练能增进工作效率□□□□□或非常同意非常不同意我认为参加在职训练能增进工作效率５４３２１此外，在社会科学领域中，另一个常见的变量为“二分变量”(dichotomous variables)，此变量被视为名义变量或次序变量，均属于离散变量，对象属性只分为二大类别，如“男”、“女”；“及格”、“不及格”等。
如果离散变量有三大类或三个水平时，则称为“三分变量”(trichotomous variable)，如包含三个类别以上或三个水平以上的离散变量，又称为“多分变量”(multichotomous variable)。
在统计研究上，高层次的连续变量可以区分为低层次的二分变量或三分变量或多分变量。
1-2、量表分析步骤在问卷调查法(questionnaire survey)或实验研究法(experimental method)中，研究或调查工具编制甚为重要，问卷如果编制或选用得宜，则研究才更具可靠性与价值性。
本章先说明问卷信效度分析的简要步骤，各步骤的操作方法则分别于以后各章节详细说明。
问卷信效度分析的步骤：一、编拟预试问卷在预试问卷的编制或修订上，应根据研究目的、相关文献资料与研究架构等方面加以考虑，如果有类似的研究工具，可根据研究当时的实际情形，加以修订、增删；如果是自己重新编制问卷，问卷内容应依据研究架构的层面，加以编制。
在编制问卷时，应注意：1. 如果问卷的题项内容过于敏感，应在问卷中穿插数题「测谎题」，以探知填答者是否据实填答。
2. 态度量表通常采用的是李克特式量表(Likert-type Scale)法，量表填答方式以五点量表最可靠。
3. 预试问卷题项数最好是将来所需正式题项总数的3-4倍，在某些特定内容范围中，至少要约为正式量表题项数的1.5 倍。
二、预试预试问卷编拟完后，应实施预试，预试对象的性质应与将来正式问卷要抽取的对象性质相同，预试对象人数以问卷中包括最多题项的“分量表”的３－５倍人数为原则，如调查预试问卷中，包括三种分量表，每种分量表包含的题项分别为40题、35题、25题，则预试对象，最好在120位至200位中间。