‘模型类’报告撰写

  • 1、三种类型的数据分析报告

    一般来说,数据分析报告可分为三种类型。分别是‘模型类’报告,‘调研类’报告和‘行业研究类’报告。

    上一篇文章已经讲述如何撰写 ‘调研类’数据分析报告。本次讲述如何撰写‘模型类’数据研究报告。

  • 2、‘模型类’报告思路

    ‘模型类’报告,通常用于学术研究中,通常是比如影响关系研究,调节作用,中介作用,也或者差异关系研究,实验研究等。其核心在于‘模型’,一张模型框架即可展示清楚具体思路情况。基于模型框架基础上,结合实际情况,将模型框架转化成具体分析思路框架。然后再进行具体报告撰写。

    2.1 模型框架剖析

    模型框架是‘模型类’报告的核心,比如下图即为一个常见的模型框架:

    模型框架直观展示出‘手机购买意愿影响因素研究’的来龙去脉,研究的核心影响因素共有六项,分别是产品、促销、渠道、价格、个性化服务和隐私保护,被影响因素即因变量Y是购买意愿。模型框架是整个研究的灵魂,一开始就需要理清楚思路。基于思路才会有对应的数据收集,并且在最后基于数据进行分析。

    比如在有了此模型框架时,自然地可以想到,数据中一定需要包括六个因素,而且还需要有单独的数据表示样本的购买意愿情况。如何去测量研究变量(图中六个因素+1个购买意愿)。如果是使用问卷形式,那么通常会使用量表数据,此时一个研究变量最好对应着4~7个量表题,便于后续出现问题时有一定的缓冲区间,比如删除不合理项等。如果数据来源是企业数据,那么基于实际数据即可。

    接下来我们再看一个相对更复杂些的模型:

    上图中多出性别且多出一个箭头,该模型意义为:研究6个因素对于购买意愿的影响,并且此影响会受到性别的干扰(即调节作用)。看似仅仅多出一个箭头,但这是完全不同的模型,接下来的分析思路框架也完全不一样。

    • 特别提示:
    • 如果着重于‘模型类’的研究,那么首先需要列出模型框架,模型框架是核心更是整个研究的灵魂,所有的研究和分析都基于模型框架基础之上进行。

    2.2 数据分析思路框架

    基于上述模型框架,那么具体数据分析时的思路框架应该如何呢?即在有了模型框架后,现在希望具体到分析思路框架,模型框架研究六个因素对于手机购买意愿的影响情况,并且使用问卷进行数据收集。问卷中会包括样本背景信息题,也或者样本特征题,而且还包括六个影响因素,以及手机购买意愿的态度。此时分析思路可见下图:

    分析思路上,首先对收集数据的背景情况,样本特征情况进行分析。接着可能会涉及到‘指标归类分析’,比如模型框架里面有6个因素,一共使用30个量表题测量该6个因素。那么是否一定预期此30个量表题就应该划分成6个因素呢?从自身专业领域预期是这样,但‘模型类’研究的逻辑性非常强,并非自己预期如此就是如此,通常会使用探索性因子分析,让研究方法去帮你进行‘指标归类’,也许30个量表题分成5个因素更加适合,也许7个因素更加适合等。通过研究方法和自身专业知识结合,最终得出科学的指标划分。

    同时,数据的质量是否有保障,信度和效度是否达标,这也是需要进行考量。在数据质量得到保障后,接着分别针对研究变量即6个因素(还有购买意愿)进行描述分析,研究样本对于研究变量的态度情况如何?

    在接着是研究变量之间的内存关系情况,即模型假设的验证,包括比如使用相关分析、回归分析等。

    也许还可以更加深入的挖掘数据信息,比如研究不同性别,也或者不同学历群体,他们对于研究变量的态度差异情况,此时可使用方差分析等。

    在确认好各分析思路之后,并且结合自身数据情况 选择研究方法,最终落地分析报告中的目录等。上述分析思路与分析方法之间的对应如下图:

    2.3 报告思路框架

    在确认好模型框架、分析思路框架和分析方法的使用后,接着可以列出具体的报告思路。类似如下图:

    在得到报告思路之后,接下来进入具体报告说明。

    不同的模型框架会对应不同的研究思路和报告思路,具体可参考 研究思路框架页面。

  • 3、‘模型类’报告撰写

    上一部分已经对模型框架、数据分析思路框架(及分析方法)、报告思路框架进行说明,本部分针对报告的具体撰写进行说明。进行报告撰写前,通常需要对数据进行清理(比如标题过长需要简化、数据需要合并、数据需要编码或者进行数据标签设置等),同时在进行报告撰写时会涉及一些逻辑和规范说明。接下来具体阐述:

    3.1 数据清理
    • 在进行数据报告撰写时,第一步是对数据进行一些必要的清理。包括如下可能的处理:
    • 无效样本处理;

    • 异常数据处理;

    • 数据标题的简化修改;

    • 数据编码设置;

    • 数据标签设置;

    • 研究变量设置;

    • 其它

    无效样本 异常值处理应该放在最前面,因此其会影响整个报告的结果,此两项的设置,可通过SPSSAU中的数据处理功能模块进行处理。

    除此之外,针对数据标题的简化,可通过SPSSAU数据处理->标题处理进行设置;如果说某些项需要进行编码,比如有反向数据,或者希望对组别合并,可使用 数据编码功能。同时 数据标签功能,可以告诉SPSSAU系统数字代表的意义是什么,便于输出表格结果时输入有意义的文字而非冷冰冰的数字1,2,3等。

    如果说一个研究变量对应着很多个量表题,此时希望将多个量表题作为一个整体,可能需要使用SPSSAU数据处理-> 生成变量功能,计算多个量表题的平均值,用来表示该整体。

    如果说涉及数据文档的合并处理等,建议使用EXCEL进行处理后上传SPSSAU系统中即可。当然SPSSAU有提供数据文档的删除、备份、查看等一系列功能。

    3.2 报告撰写逻辑

    至于模型类研究报告的撰写规范上,通常包括以下3个逻辑依次是:

    • 理论是什么?

    • 事实是什么?

    • 结论是什么?

    比如在使用相关分析去研究相关关系时,通常需要简要阐述‘相关分析’的理论知识,至少需要描述下其判断标准等。接着自己的数据结果是什么,有了数据结果,结论是什么?当然数据结果即为SPSSAU输出的规范化表格,结论是什么可参考分析建议和智能分析进行撰写。

    ‘模型类’研究报告在逻辑性上要求很强,通常先说明理论(包括判断标准如何等),接着得到SPSSAU的规范化表格(即事实是什么),基于理论和事实前提下,得到什么了结论,该结论为接下来的分析有什么帮助。

    除此之外,‘模型类’研究报告会大量使用‘总分总’或‘承上启下’逻辑。比如先总体说明要做相关分析,并且分成3个小部分进行,最终第4部分进行总分。先进行了相关分析后,因为数据有着相关分析,因此下一部分才进行线性回归分析。

    在报告撰写时,多使用‘为什么’这样的逻辑。报告撰写的每一部分一定有对应的原由,多使用‘为什么’这样的思考逻辑,先有原因,才会有结果。

  • 4、关于具体分析表格使用

    使用SPSSAU进行分析报告撰写时,通常情况下将输出表格直接粘贴使用即可。比如相关分析的规范格式如下:

    如果表格格式与预期不适合,可导出EXCEL表格结果进行调整即可。