论文部分内容阅读
【摘 要】在学术研究中，随着研究的深入，统计学和建模的思维在研究中的作用就越来越重要，经典统的计方法论作为研究工具，在自然科学和社会科学来讲都是必不可少的，经典的统计方法论对于很多研究人员而言却成为了绊脚石，本文从经典的统计方法论的七个部分做了介绍和解释。
【关键词】统计 方法论 试验设计
对于研究人员来讲，方法论是开展一切研究的基础，也是进行研究的主要工具，能够对于严格设计支持下的统计方法论的掌握，能够帮助研究人员更加深刻的理解学术研究及学术规范。
一般来说，经典的统计方法论也可以叫做严格设计支持下的统计方法论，之所以强调“设计”，是由于一切的环境、变量都具备一定的可控制性。无论是在自然科学领域还是社会科学领域，任何开展实验研究的设计人员在实验设计的过程中都会涉及经典的统计方法论。
对于传统的学术研究来讲，可以分为七大步骤，分别来说是试验设计、数据收集、数据获取、数据准备、数据分析、结果报告以及模型发布。各部分的介绍及重要性介绍如下：
一、试验设计
对于没有自然科学背景的人来讲，在理解试验设计环节上是具有一定的难度的，当然心理学和教育学研究者是除外的。因为，大部分的社会科学领域学者和学生除了在高中进行过化学课、物理课、生物课做过试验外，进入大学后，就已经将大脑中的试验想法和思维统统扔到了脑后，有的甚至是埋葬了，其实，这样恰恰是不正确的，试验思维对于社会科学领域人员来讲也是至关重要的。对于自然科学背景的学生和老师来讲就容易理解的多，然而受到很多国内学术造假及数据造假的原因，原本热情极高的硕士、博士也不得已加入了数据造假的大军。就自然科学领域的学生和老师而言，数据是论文的主要支持部分，而这一点恰恰是国内的所谓的文管类老师缺少的，而缺少的这一点，就是因为不懂得严格设计支持下的统计方法论造成的。
二、数据收集、获取、准备
在数据收集、获取上，不同专业的人采用的方法也是不同的，对于所谓的数据的理解也是不同的。但是对于学术研究来讲，数据的收集也是要经过设计，以社会科学领域来说，大多的数据来源是文献以及通过调查问卷而获得的数据；自然科学可以通过文献法、实验分析法来获得就可以了。
这里要强调的一点是任何数据收集、获取过程，都是在一个严谨的设计过程下产生的，往往很多硕士因为在实验设计过程中考虑不全，造成了数据收集过程不严谨而带来了很多误差，这些如果在早期的试验设计阶段或者预测试阶段就能够调整的话，会减少很多很多的麻烦。
在数据的准备阶段，也就是分析阶段的前一步驟，需要对全体的数据进行审核和清洗工作，也就是说，尽量把误差降到最低，删除异常数据或者可能带来极大误差的数据，对于自然科学领域人员来讲，异常的数据可以通过平行试验来进行处理，而社会科学领域则可以通过问卷审核的方法进行处理，但是对于两种科学领域来讲，经验丰富的研究者凭借研究经验，可以很容易发现异常数据。
值得注意的是，异常数据往往也能给研究带来许多新的思考方向和研究方向，例如一些心理行为异常的结论、偏僻地区的高消费行为、数据统计中的异常节点都能够帮助研究人员发现新的事物，对异常数据的归纳和总结也可以帮助研究人员锻炼对于数据理解的思维能力，因此，对于异常数据的把握也是非常重要的，研究人员要深入分析才能发现其背后的本质。
三、数据分析
对于数据分析来说，成为更多研究人员的羁绊，因为往往对于同一个学术研究，为达到一个相同的目的，可以采用不同的试验设计以及不同的数据分析方法，而不同的分析方法也可以选择自己擅长的数据分析软件来进行。作为一名学术研究人员来讲，要充分掌握自己所属领域中常用数据分析方法。目前对于大部分的社会科学工作者来说，很多人并没有很好的接受过相关的系统培训，多以求助统计专业朋友或相近专业擅长统计的朋友来帮忙，或者课题组增加统计分析人员来达到目的。其实进行数据分析的过程是一种享受的过程，好比剥洋葱，皮要一层一层的剥开。
现在的数据分析方向受到国际趋势的影响，趋向大数据分析流，未来的市场调研领域也将跟随着大数据分析进行发展，值得注意的是，虽然大数据分析在目前的国际社会和国内社会研究中比较流行，但个体的数据行为也不容忽视，即小数据在一定程度上往往比大数据更具有竞争优势，也是研究机构或企业对于被研究者或客户充分细化掌握的重要方法。
四、结果报告与模型发布
结果的报告大多以学术报告或者学术论文的形式进行提交。在模型发布上，需要一定的逻辑辨识能力，这里强调的是，任何模型都是限制在假说之下的，这也是为什么大多数的学者的模型在应用出来的时候，往往经济指数或者消费行为、组织行为都并没有按照既定方式出现的原因。“模型就是模型而已”。
国外已有行为经济学专家开展被试群体的行为模型同被试群体受环境影响与模型之间的差异情况，杜克大学行为经济学教授Dan Ariely在一项研究表明，人们在冷静情况下对于性偏好同性兴奋后对于性偏好程度大为不同，也就是说性偏好模型如果是在被试冷静情况下作答将与性兴奋后作答完全不一样，也恰恰说明了在一定的研究范围内，模型就仅仅是模型而已。
总的来说，对于一名学术研究人员来讲，严谨的按照每一步进行学习和体会都会得到很好的训练，更多的学术体会和研究体会也需要不断地开展各种研究，增加理解。
参考文献：
[1]张文彤.IBM SPSS数据分析与挖掘实战案例精粹[M].北京：清华大学出版社， 2013.2
[2]（美）艾瑞里.怪诞行为学[M].北京：中信出版社， 2008.10
作者介绍：李英吉，韩国大田大学经营学博士，研究方向：市场研究，[email protected] 。
【关键词】统计 方法论 试验设计
对于研究人员来讲，方法论是开展一切研究的基础，也是进行研究的主要工具，能够对于严格设计支持下的统计方法论的掌握，能够帮助研究人员更加深刻的理解学术研究及学术规范。
一般来说，经典的统计方法论也可以叫做严格设计支持下的统计方法论，之所以强调“设计”，是由于一切的环境、变量都具备一定的可控制性。无论是在自然科学领域还是社会科学领域，任何开展实验研究的设计人员在实验设计的过程中都会涉及经典的统计方法论。
对于传统的学术研究来讲，可以分为七大步骤，分别来说是试验设计、数据收集、数据获取、数据准备、数据分析、结果报告以及模型发布。各部分的介绍及重要性介绍如下：
一、试验设计
对于没有自然科学背景的人来讲，在理解试验设计环节上是具有一定的难度的，当然心理学和教育学研究者是除外的。因为，大部分的社会科学领域学者和学生除了在高中进行过化学课、物理课、生物课做过试验外，进入大学后，就已经将大脑中的试验想法和思维统统扔到了脑后，有的甚至是埋葬了，其实，这样恰恰是不正确的，试验思维对于社会科学领域人员来讲也是至关重要的。对于自然科学背景的学生和老师来讲就容易理解的多，然而受到很多国内学术造假及数据造假的原因，原本热情极高的硕士、博士也不得已加入了数据造假的大军。就自然科学领域的学生和老师而言，数据是论文的主要支持部分，而这一点恰恰是国内的所谓的文管类老师缺少的，而缺少的这一点，就是因为不懂得严格设计支持下的统计方法论造成的。
二、数据收集、获取、准备
在数据收集、获取上，不同专业的人采用的方法也是不同的，对于所谓的数据的理解也是不同的。但是对于学术研究来讲，数据的收集也是要经过设计，以社会科学领域来说，大多的数据来源是文献以及通过调查问卷而获得的数据；自然科学可以通过文献法、实验分析法来获得就可以了。
这里要强调的一点是任何数据收集、获取过程，都是在一个严谨的设计过程下产生的，往往很多硕士因为在实验设计过程中考虑不全，造成了数据收集过程不严谨而带来了很多误差，这些如果在早期的试验设计阶段或者预测试阶段就能够调整的话，会减少很多很多的麻烦。
在数据的准备阶段，也就是分析阶段的前一步驟，需要对全体的数据进行审核和清洗工作，也就是说，尽量把误差降到最低，删除异常数据或者可能带来极大误差的数据，对于自然科学领域人员来讲，异常的数据可以通过平行试验来进行处理，而社会科学领域则可以通过问卷审核的方法进行处理，但是对于两种科学领域来讲，经验丰富的研究者凭借研究经验，可以很容易发现异常数据。
值得注意的是，异常数据往往也能给研究带来许多新的思考方向和研究方向，例如一些心理行为异常的结论、偏僻地区的高消费行为、数据统计中的异常节点都能够帮助研究人员发现新的事物，对异常数据的归纳和总结也可以帮助研究人员锻炼对于数据理解的思维能力，因此，对于异常数据的把握也是非常重要的，研究人员要深入分析才能发现其背后的本质。
三、数据分析
对于数据分析来说，成为更多研究人员的羁绊，因为往往对于同一个学术研究，为达到一个相同的目的，可以采用不同的试验设计以及不同的数据分析方法，而不同的分析方法也可以选择自己擅长的数据分析软件来进行。作为一名学术研究人员来讲，要充分掌握自己所属领域中常用数据分析方法。目前对于大部分的社会科学工作者来说，很多人并没有很好的接受过相关的系统培训，多以求助统计专业朋友或相近专业擅长统计的朋友来帮忙，或者课题组增加统计分析人员来达到目的。其实进行数据分析的过程是一种享受的过程，好比剥洋葱，皮要一层一层的剥开。
现在的数据分析方向受到国际趋势的影响，趋向大数据分析流，未来的市场调研领域也将跟随着大数据分析进行发展，值得注意的是，虽然大数据分析在目前的国际社会和国内社会研究中比较流行，但个体的数据行为也不容忽视，即小数据在一定程度上往往比大数据更具有竞争优势，也是研究机构或企业对于被研究者或客户充分细化掌握的重要方法。
四、结果报告与模型发布
结果的报告大多以学术报告或者学术论文的形式进行提交。在模型发布上，需要一定的逻辑辨识能力，这里强调的是，任何模型都是限制在假说之下的，这也是为什么大多数的学者的模型在应用出来的时候，往往经济指数或者消费行为、组织行为都并没有按照既定方式出现的原因。“模型就是模型而已”。
国外已有行为经济学专家开展被试群体的行为模型同被试群体受环境影响与模型之间的差异情况，杜克大学行为经济学教授Dan Ariely在一项研究表明，人们在冷静情况下对于性偏好同性兴奋后对于性偏好程度大为不同，也就是说性偏好模型如果是在被试冷静情况下作答将与性兴奋后作答完全不一样，也恰恰说明了在一定的研究范围内，模型就仅仅是模型而已。
总的来说，对于一名学术研究人员来讲，严谨的按照每一步进行学习和体会都会得到很好的训练，更多的学术体会和研究体会也需要不断地开展各种研究，增加理解。
参考文献：
[1]张文彤.IBM SPSS数据分析与挖掘实战案例精粹[M].北京：清华大学出版社， 2013.2
[2]（美）艾瑞里.怪诞行为学[M].北京：中信出版社， 2008.10
作者介绍：李英吉，韩国大田大学经营学博士，研究方向：市场研究，[email protected] 。