‘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

    无效样本和 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。