- 统计学教程
- 首页
- 调整后的R方
- 方差分析
- 算术平均数
- 算术中位数
- 算术众数
- 算术极差
- 条形图
- 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
- 环状排列
- 整群抽样
- 科恩 Kappa 系数
- 组合
- 可重复组合
- 比较图表
- 连续均匀分布
- 连续数列算术平均数
- 连续数列算术中位数
- 连续数列算术众数
- 累积频率
- 变异系数
- 相关系数
- 累积图
- 累积泊松分布
- 数据收集
- 数据收集 - 问卷设计
- 数据收集 - 观察法
- 数据收集 - 案例研究方法
- 数据模式
- 十分位数统计
- 离散数列算术平均数
- 离散数列算术中位数
- 离散数列算术众数
- 点图
- 指数分布
- F分布
- F检验表
- 阶乘
- 频数分布
- 伽马分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 总平均数
- Gumbel 分布
- 调和平均数
- 调和数
- 谐振频率
- 直方图
- 超几何分布
- 假设检验
- 个体数列算术平均数
- 个体数列算术中位数
- 个体数列算术众数
- 区间估计
- 逆伽马分布
- Kolmogorov-Smirnov 检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽马分布
- 逻辑回归
- 麦克尼马尔检验
- 平均差
- 均值差异
- 多项分布
- 负二项分布
- 正态分布
- 奇排列和偶排列
- 单比例 Z 检验
- 异常值函数
- 排列
- 可重复排列
- 饼图
- 泊松分布
- 合并方差 (r)
- 功效计算器
- 概率
- 概率加法定理
- 概率乘法定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) & 过程性能 (Pp)
- 过程Sigma
- 二次回归方程
- 定性数据与定量数据
- 四分位差
- 经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 信度系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样本计划
- 抽样方法
- 散点图
- Shannon-Wiener 多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误 (SE)
- 标准正态表
- 统计显著性
- 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
- 大数弱定律
- Z 表
- 统计学有用资源
- 统计学 - 讨论
统计学 - 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中的情况,并将案例的研究结果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。它为应用思想和扩展方法提供了基础。它帮助研究人员理解复杂的问题或对象,并增强先前研究已知内容的可信度。
案例研究方法的步骤
为了确保客观性和清晰性,研究人员应该对案例研究采用一种有条理的方法。可以遵循以下步骤:
确定和定义研究问题 - 研究人员首先通过确定研究对象及其周围的问题来确定研究的重点。研究对象可以是个人、项目、事件或实体。
选择案例 - 在此步骤中,研究人员决定选择多少个案例(单个或多个),选择哪种类型的案例(独特的或典型的),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,目标是根据所研究的问题收集多个证据来源。这些证据以易于参考和排序的格式进行全面且系统地存储,以便能够发现趋同的调查方向和模式。
评估和分析数据 - 在此步骤中,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,以解决研究的初始命题或目的。图形技术(例如将信息放入数组、创建类别矩阵、创建流程图等)被用来帮助研究人员从不同的角度处理数据,从而避免过早得出结论。也可以使用多个研究人员来检查数据,以便能够对现有数据进行多种深入的分析。
结果呈现 - 结果以允许读者根据报告中提供的证据评估研究结果的方式呈现。结果得到充分证据的证实,表明问题的各个方面都已得到充分探索。报告中突出了获得的新见解和出现的相互冲突的命题。
广告