定量研究的优点和不足

Question

如题所述

Answer 1

定性和定量分析是两种不相同但是有潜在联系的分析方法。

不同:

定性就是用文字语言进行相关描述。它是主要凭分析者的直觉、经验，运用主观上的判断来对分析对象的性质、特点、发展变化规律进行分析的一种方法。

定量就是用数学语言进行描述。它是依据统计数据，建立数学模型，并用数学模型针对数量特征、数量关系与数量变化去分析的一种方法。

相同:

它们一般都是通过比较对照来分析问题和说明问题的。正是通过对各种指标的比较或不同时期同一指标的对照才反映出数量的多少、质量的优劣、效率的高低、消耗的大小、发展速度的快慢等等，才能为作鉴别、下判断提供确凿有据的信息。

优缺点:

相比而言，定量分析方法更加科学，但需要较高深的数学知识，而定性分析方法虽然较为粗糙，但在数据资料不够充分或分析者数学基础较为薄弱时比较适用。在分析过程中通常会运用定性与定量相结合的分析方法。

（定性分析与定量分析相结合的方法）

拓展资料

定性分析与定量分析的联系:

定性分析与定量分析应该是统一的，相互补充的; 定性分析是定量分析的基本前提，没有定性的定量是一种盲目的、毫无价值的定量;定量分析使之定性更加科学、准确，它可以促使定性分析得出广泛而深入的结论 。

Answer 2

定量研究
定量研究的优势在于可以提供描述性的数据，比如允许我们一览用户总体。但是解释它们则会遇到困难（不知道为什么）。
在研发产品的环境下，这一数据缺失会导致产品设计的严重错误。例如，调查发现，大部分用户喜欢3D展示，这可能会导致产品团队考虑将3D展示整合进产品中。但是，如果大部分用户只是喜欢裸眼3D，或只是在电视上观看体育赛事或动作片时才喜欢3D展示。那么，带上3D眼睛在移动设备上观看数据的可视化呈现就不是一个合理的设计方向。
此外，只有对如何使用和理解定量数据有着深刻领会的人才应当实施一项定量研究。
在定量研究中，你可以通过操纵样本量来改变p值（p值说明了你的研究发现是随机性结果的可能性），但你需要足够的样本量以获得足够的统计检验力，以确定结果是否准确。如果因为样本量太小导致你的研究统计检验力过低，你可能没法达到统计显著性，即便结果是准确的。另一方面，如果在小样本的情况下你就达到了统计显著性，你无需再增加样本量，不管怎样结果都是真实的。
通过增加样本量，你可以提高研究的统计检验力，但到一定程度，结果（统计显著性）可能是没有意义的。在这种情况看下，你需要考察效应量（effect size）——告诉你研究变量对变异影响程度的统计量。总而言之，统计显著性告诉你研究结果是否是真实的，而效应量告诉你它们的重要性有多大。通常情况下，如果你能够在小样本的条件下达到统计显著，这说明效应量是相当大的。解释你的数据时需要同时考虑统计显著性和效应量。

定性研究
数据收集后，研究者不是进行数据分析而是从数据中寻找趋势。这时候，研究者会寻找在不过研究参与者之间含义相似的陈述。一个经验法则就是，从一个参与者那里听来的话是一段轶事，从两个参与者那里听来的话可能是巧合，从三个人那里听来的话可能就是一个趋势了。你发现的趋势可以知道产品研发、商业决策和市场策略。
由于你不能通过计算p值和效应量来验证趋势，你在应用它们时要格外小心。而且，你应该通过不断进行的定性研究项目来继续验证这些数据。

定量定性，齐头并进
你可以使用定性研究来发现影响研究变量的因素，然后利用这些信息来构思定量研究以评价这些因素如何影响用户偏好。同时，你也可以通过定性研究来建立趋势，然后用定量研究来验证它。

Answer 3

定量研究
定量研究的优势在于可以提供描述性的数据，比如允许我们一览用户总体。但是解释它们则会遇到困难（不知道为什么）。
在研发产品的环境下，这一数据缺失会导致产品设计的严重错误。例如，调查发现，大部分用户喜欢3D展示，这可能会导致产品团队考虑将3D展示整合进产品中。但是，如果大部分用户只是喜欢裸眼3D，或只是在电视上观看体育赛事或动作片时才喜欢3D展示。那么，带上3D眼睛在移动设备上观看数据的可视化呈现就不是一个合理的设计方向。
此外，只有对如何使用和理解定量数据有着深刻领会的人才应当实施一项定量研究。
在定量研究中，你可以通过操纵样本量来改变p值（p值说明了你的研究发现是随机性结果的可能性），但你需要足够的样本量以获得足够的统计检验力，以确定结果是否准确。如果因为样本量太小导致你的研究统计检验力过低，你可能没法达到统计显著性，即便结果是准确的。另一方面，如果在小样本的情况下你就达到了统计显著性，你无需再增加样本量，不管怎样结果都是真实的。
通过增加样本量，你可以提高研究的统计检验力，但到一定程度，结果（统计显著性）可能是没有意义的。在这种情况看下，你需要考察效应量（effect size）——告诉你研究变量对变异影响程度的统计量。总而言之，统计显著性告诉你研究结果是否是真实的，而效应量告诉你它们的重要性有多大。通常情况下，如果你能够在小样本的条件下达到统计显著，这说明效应量是相当大的。解释你的数据时需要同时考虑统计显著性和效应量。

定性研究
数据收集后，研究者不是进行数据分析而是从数据中寻找趋势。这时候，研究者会寻找在不过研究参与者之间含义相似的陈述。一个经验法则就是，从一个参与者那里听来的话是一段轶事，从两个参与者那里听来的话可能是巧合，从三个人那里听来的话可能就是一个趋势了。你发现的趋势可以知道产品研发、商业决策和市场策略。
由于你不能通过计算p值和效应量来验证趋势，你在应用它们时要格外小心。而且，你应该通过不断进行的定性研究项目来继续验证这些数据。

定量定性，齐头并进
你可以使用定性研究来发现影响研究变量的因素，然后利用这些信息来构思定量研究以评价这些因素如何影响用户偏好。同时，你也可以通过定性研究来建立趋势，然后用定量研究来验证它。

Answer 4

定量研究定量研究的优势在于可以提供描述性的数据，比如允许我们一览用户总体。但是解释它们则会遇到困难（不知道为什么）。在研发产品的环境下，这一数据缺失会导致产品设计的严重错误。例如，调查发现，大部分用户喜欢3D展示，这可能会导致产品团队考虑将3D展示整合进产品中。但是，如果大部分用户只是喜欢裸眼3D，或只是在电视上观看体育赛事或动作片时才喜欢3D展示。那么，带上3D眼睛在移动设备上观看数据的可视化呈现就不是一个合理的设计方向。此外，只有对如何使用和理解定量数据有着深刻领会的人才应当实施一项定量研究。在定量研究中，你可以通过操纵样本量来改变p值（p值说明了你的研究发现是随机性结果的可能性），但你需要足够的样本量以获得足够的统计检验力，以确定结果是否准确。如果因为样本量太小导致你的研究统计检验力过低，你可能没法达到统计显著性，即便结果是准确的。另一方面，如果在小样本的情况下你就达到了统计显著性，你无需再增加样本量，不管怎样结果都是真实的。通过增加样本量，你可以提高研究的统计检验力，但到一定程度，结果（统计显著性）可能是没有意义的。在这种情况看下，你需要考察效应量（effect size）——告诉你研究变量对变异影响程度的统计量。总而言之，统计显著性告诉你研究结果是否是真实的，而效应量告诉你它们的重要性有多大。通常情况下，如果你能够在小样本的条件下达到统计显著，这说明效应量是相当大的。解释你的数据时需要同时考虑统计显著性和效应量。

Answer 5