- 统计教程
- 家
- 调整后的 R 平方
- 方差分析
- 算术平均值
- 算术中位数
- 算术模式
- 算术范围
- 条状图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 循环排列
- 整群抽样
- 科恩卡帕系数
- 组合
- 与替换组合
- 比较图
- 连续均匀分布
- 连续级数算术平均值
- 连续级数算术中位数
- 连续级数运算模式
- 累积频率
- 变异系数
- 相关系数
- 累计地块
- 累积泊松分布
- 数据采集
- 数据收集 - 问卷设计
- 数据收集-观察
- 数据收集-案例研究方法
- 数据模式
- 十分位数统计
- 离散级数算术平均值
- 离散级数算术中位数
- 离散级数运算模式
- 点图
- 指数分布
- F分布
- F测试台
- 阶乘
- 频率分布
- 伽玛分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 中庸之道
- 甘贝尔分布
- 调和平均值
- 谐波数
- 谐波共振频率
- 直方图
- 超几何分布
- 假设检验
- 个别系列算术平均值
- 个别系列算术中位数
- 个别系列运算模式
- 区间估计
- 逆伽玛分布
- 柯尔莫哥洛夫斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽玛分布
- 逻辑回归
- 麦克尼马尔测试
- 平均偏差
- 均值差异
- 多项式分布
- 负二项分布
- 正态分布
- 奇数和偶数排列
- 一比例 Z 检验
- 异常值函数
- 排列
- 置换置换
- 饼形图
- 泊松分布
- 合并方差 (r)
- 功率计算器
- 可能性
- 概率加性定理
- 概率倍数定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程西格玛
- 二次回归方程
- 定性数据与定量数据
- 四分位数偏差
- 范围经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 可靠性系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样品策划
- 取样方式
- 散点图
- 香农维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误差 (SE)
- 标准普通表
- 统计学意义
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生 T 检验
- 平方和
- T-分布表
- Ti 83 指数回归
- 转换
- 截尾均值
- I 型和 II 型错误
- 方差
- 维恩图
- 弱大数定律
- Z工作台
- 统计有用资源
- 统计 - 讨论
统计 - 数据收集 - 案例研究方法
案例研究是一种定性研究方法,用于检验当代现实生活情况并将案例的发现应用于所研究的问题。案例研究涉及对有限数量的事件或条件及其关系进行详细的背景分析。它为思想的应用和方法的扩展提供了基础。它可以帮助研究人员理解复杂的问题或对象,并为之前研究中已知的知识增添力量。
案例研究方法的步骤
为了确保客观性和清晰度,研究人员应该采用有条理的方法进行案例研究。可以执行以下步骤:
识别和定义研究问题——研究人员首先通过识别研究对象及其周围的问题来确定研究重点。研究对象可以是一个人、一个程序、一个事件或一个实体。
选择案例- 在这一步中,研究人员决定要选择的案例数量(单个或多个)、要选择的案例类型(独特或典型)以及收集、存储和分析数据的方法。这是案例研究方法的设计阶段。
收集数据- 研究人员现在收集数据的目的是收集与所研究问题相关的多个证据来源。这些证据以易于引用和排序的格式全面、系统地存储,以便发现聚合的查询线和模式。
评估和分析数据- 在这一步中,研究人员使用各种方法来分析定性和定量数据。对数据进行分类、制表和交叉检查,以解决研究的最初命题或目的。诸如将信息放入数组、创建类别矩阵、创建流程图等图形技术用于帮助调查人员从不同的方式处理数据,从而避免做出过早的结论。还可以使用多个调查员来检查数据,以便可以对可用数据产生多种见解。
结果的呈现- 结果的呈现方式允许读者根据报告中提供的证据评估研究结果。充分的证据证实了结果,表明问题的各个方面都已得到充分探讨。报告中适当强调了获得的新见解和出现的相互矛盾的主张。