داده های کمی: انواع ، تجزیه و تحلیل و مثال

ما برای دستیابی به بینش کاربر قابل اجرا ، نرم افزار #1 Survey Maker را داریم.

"داده های کمی" را می توان به عنوان چیزی که قابل شمارش و اندازه گیری است درک کرد. این یک مفهوم ساده است که بینش در مورد تعداد متغیرهای مورد نیاز را ارائه می دهد.

به عنوان یک تجارت ، شما از داده های کیفی برای اهداف مختلف استفاده کرده اید. به زمانی فکر کنید که می خواهید بدانید چند مشتری تکرار می کنید یا چه درصد از مشتریان کالاهایی را با ارزش بیش از 1000 دلار خریداری می کنند.

تحقیقات کمی می تواند به شما امکان دهد مخاطبان گسترده تری را مطالعه کنید ، بینش های غنی کسب کنید و تصمیمات تحت حمایت داده را به روش دقیقه بگیرید. بنابراین اگر هنوز تعجب می کنید "داده های کمی است" و مایل به کشف ویژگی های مختلف ، روش های جمع آوری ، مزایا یا انواع آن هستید ، این وبلاگ برای شما مناسب است.

اما قبل از شیرجه زدن به آبهای عمیق ، ابتدا با تعریف کمی داده ها شروع کنیم.

فهرست مطالب

داده های کمی چیست؟

داده های کمی به داده هایی اشاره می کنند که می توانند از نظر عددی بیان شوند. پاسخ به سؤالاتی مانند "چقدر" ، "چند" ، "چه درصدی" و "چند بار" داده های کمی است. از چنین داده هایی نمی توان برای تجزیه و تحلیل آماری استفاده کرد. با این حال ، شما باید گروه ها و توضیحات مربوطه را امتحان کرده و برای درک داده ها شناسایی کنید.

انواع داده های کمی با مثال

دو نوع اصلی از داده های کمی وجود دارد. آن ها هستند:

به زبان ساده ، داده های گسسته قابل شمارش است و داده های مداوم قابل اندازه گیری است. بیایید دو نوع داده را با جزئیات بررسی کنیم.

داده های گسسته داده هایی هستند که می توانند در مقادیر خاص بیان شوند. این مقادیر به طور معمول در تعداد کامل شمارش می شوند و نمی توانند به واحدهای کوچکتر تقسیم شوند. داده های گسسته همچنین به عنوان داده های ویژگی شناخته می شوند. بنابراین ، شما می توانید به راحتی داده های کمی گسسته را با این سؤال که آیا داده های داده شده قابل شمارش هستند یا خیر ، شناسایی کنید. این نوع داده ها معمولاً با استفاده از نمودارهای تالی ، نمودارهای نوار و نمودارهای پای نشان داده می شوند.

چند نمونه از داده های گسسته عبارتند از:

• تعداد اعضای یک تیم
• تعداد توفی ها در یک بسته
• تعداد سوالات در یک مقاله آزمون
• سود ماهانه یک تجارت
• شماره اندازه کفش

از طرف دیگر ، داده های مداوم داده هایی هستند که می توانند هر مقدار را بدست آورند. این مقدار تمایل به نوسان با گذشت زمان دارد. بنابراین ، بسته به زمان جستجوی داده ها ، مقدار در یک دوره زمانی معین متفاوت خواهد بود. این نوع داده های کمی معمولاً با استفاده از یک نمودار خط به عنوان یک نمودار خط به طور مناسب نشان می دهد تغییرات داده های موجود در یک دوره زمانی.

داده های مداوم را می توان بیشتر به دو نوع ، یعنی داده های نسبت و داده های فاصله تقسیم کرد. از نظر آماری ، میانگین هندسی یا هارمونیک در داده های نسبت محاسبه می شود در حالی که میانگین حسابی در داده های بازه محاسبه می شود.

چند نمونه از داده های مداوم عبارتند از:

• دمای روزانه یک مکان
• ارتفاع یک کودک
• وزن کودک
• سرعت باد
• طول برگ

روش های کمی جمع آوری داده ها

شما می توانید داده های کمی را به روش های مختلف جمع آوری کنید. بیایید نگاهی به چند مورد از آنها بیندازیم.

1. نمونه گیری احتمال

نمونه گیری احتمال یک روش عالی برای از بین بردن تعصب نمونه برداری است. این امکان را به شما می دهد تا با یک نمونه نماینده ، به جمعیت هدف خود دسترسی پیدا کرده و داده ها را به روش مؤثرترین روش ممکن جمع کنید.

علاوه بر این ، شما می توانید طبق راحتی و نیاز خود ، هر یک از تکنیک های نمونه گیری زیر را انتخاب کنید.

• نمونه گیری تصادفی ساده - در این مورد ، هر یک از اعضای جمعیت هدفمند احتمال انتخابی برای نمونه گیری را دارند.
• نمونه گیری تصادفی سیستماتیک - در این مورد ، هر یک از اعضای جمعیت از یک قاب نمونه گیری از پیش تعیین شده یا سفارش داده شده انتخاب می شوند. به عنوان مثال ، شما اولین عضو هدف را برای نمونه برداری به طور تصادفی انتخاب می کنید و سپس بقیه را به صورت از پیش تعیین شده پس از آن انتخاب می کنید ، هر یک از اعضای سوم گروه را بگویید یا بگویید ، هر پنجمین عضو جمعیت.
• نمونه گیری تصادفی طبقه بندی شد ه-در این روش ، شما جمعیت را به زیر گروه های کوچکتر به نام اقشار تقسیم می کنید. این اقشار با استفاده از یک ویژگی مشترک ساخته شده اند که مجموعه ای از افراد ، به عنوان مثال ، درآمد یا شغل را تعریف می کند.

2. پرسشنامه ها و نظرسنجی ها

این یک روش عالی برای جمع آوری داده های کمی است زیرا شامل سؤالات و پاسخ های سریع و سریع است. این شامل نظرسنجی ها ، لیست های چک و رتبه بندی است. شما باید اغلب با نظرسنجی هایی که از شما سؤال می کنند در مورد چند بار یک محصول یا خدمات خاص خریداری می کنید. این نظرسنجی ها معمولاً برای درک ارزش مشتری و نظارت بر وابستگی آنها به محصول یا خدمات استفاده می شود.

• پرسشنامه های مبتنی بر وب اغلب به صورت لینک نظرسنجی در نامه شما ارائه می شوند و برخی از سؤالات نزدیک را شامل می شوند که هدف آنها جمع آوری اطلاعات در مورد یک موضوع خاص است. این نظرسنجی ها را می توان با استفاده از ابزارهای بررسی آنلاین ایمن ایجاد کرد که جمع آوری آنها به راحتی قابل دسترسی است و در هر نقطه و هر زمان قابل دسترسی است.
• پرسشنامه های پستی با یک برگه جلد که مخاطب را در مورد موضوع روشن می کند ، به جمعیت هدفمند ارسال می شود. این امکان را به محقق می دهد تا با تعداد زیادی از افراد ارتباط برقرار کند و به آنها فرصت می دهد تا با این موضوع آشنا شوند و در راحتی خود به پرسشنامه پاسخ دهند. محقق همچنین ممکن است با نظرسنجی کامل ، برای مردم برای پاسخ دادن به نامه ، انگیزه ای را برای مردم فراهم کند.

3. مصاحبه ها

برای مصاحبه ، محقق مجموعه ای از سوالات استاندارد را به مصاحبه شونده می پرسد. مصاحبه ممکن است تلفنی یا چهره به چهره باشد. در این مورد ، مصاحبه کننده مجموعه ای از سؤالات را تهیه می کند و این موارد را در مقابل مصاحبه شونده قرار می دهد تا پاسخ دهد. چهره به چهره غالباً مورد ارجح ترین روش مصاحبه است زیرا تعاملی تر است و به مصاحبه کننده اجازه می دهد تا گزارش را بسازد. محقق همچنین می تواند با مشاهده زبان بدن مصاحبه شونده و غیره ، بینش را در پاسخ ها استخراج کند.

4. مجموعه داده های منبع باز

در عصر اینترنت ، دریافت اطلاعات در مورد هر موضوع دیگر هیچ دردسر نیست. این که آیا شما به دنبال اطلاعاتی در مورد امور مالی ، ارتباطات ، دندانپزشکی ، تجارت یا خود اینترنت هستید ، سرریز اطلاعاتی وجود دارد که می توانید به 24 × 7 دسترسی پیدا کنید. به راحتی می توانید از طیف گسترده ای از مجموعه داده های باز بصورت آنلاین به اطلاعات رایگان و قابل اعتماد دسترسی پیدا کنید.

5- آزمایشات

این روش جمع آوری داده ها شامل ایجاد تغییراتی در متغیرها و سپس مشاهده تأثیر آنها بر متغیرهای دیگر است. برای این کار ، شما باید هوشیار باشید و آمادگی شکست داشته باشید زیرا موفقیت این روش فقط پس از آزمایشات و خطاها تضمین می شود. بنابراین ، در اینجا ، محقق در درجه اول قصد دارد تا رابطه علت و تأثیر یک وضعیت خاص را درک کند.

روش های تجزیه و تحلیل داده های کمی

اگر هنوز به دنبال پاسخی برای نحوه تجزیه و تحلیل داده های کمی هستید ، ما در اینجا برای کمک به شما هستیم. تجزیه و تحلیل داده های کمی آسان است ، به شرط آنکه داده های تحقیق کمی مناسب را جمع آوری کرده و تکنیک مناسب را برای تجزیه و تحلیل آن داده ها درج کنید.

در اینجا ، ما به چند روش تجزیه و تحلیل داده های کمی که می توانید برای تجزیه و تحلیل پروژه تحقیق بعدی داده های بعدی خود به طور مؤثر انتخاب خواهیم کرد ، خواهیم پرداخت.

1. جدول بندی متقابل

این روش از یک قالب اصلی جدولی برای ترسیم استنتاج بین داده های جمع آوری شده استفاده می کند. این شامل جمع آوری متغیرهای متعدد و درک همبستگی بین آنها است. این روش همچنین به عنوان جدول احتمالی یا زبانه های متقابل شناخته می شود و برای استخراج اطلاعات مربوطه از مجموعه داده های بزرگ مناسب است

2. تجزیه و تحلیل MaxDiff

تجزیه و تحلیل MaxDiff ، که همچنین به عنوان "بهترین بدترین" نامیده می شود ، هدف از آن برای سنجش ترجیحات پاسخ دهندگان است. بنابراین آیا شما باید بدانید که خرید برای مشتری بیشتر انجام می شود یا مشتری چه پارامتری را در رتبه بیشتری قرار می دهد ، این روش برای اتخاذ در چنین سناریویی بسیار عالی است.

3. تجزیه و تحلیل چمن

چمن ، مخفف مخفف تجزیه و تحلیل کامل و تجزیه و تحلیل فرکانس ، هدف تعیین استراتژی بازار برای یک تجارت است. این شامل تجزیه و تحلیل کدام سیستم عامل حداکثر دسترسی است تا بتوانید تلاش های تیم خود را در جهت درست هدایت کنید

4- تجزیه و تحلیل شکاف

تجزیه و تحلیل شکاف به سادگی با هدف شناسایی شکاف در دستیابی به نتایج مورد نظر انجام می شود. این امر به شناسایی شکاف ها و تنگناها کمک می کند ، و راه را برای بهبود داده ها و در نهایت عملکرد بهتر در تجارت هموار می کند.

5. تجزیه و تحلیل SWOT

تجزیه و تحلیل SWOT به UPI کمک می کند تا نقاط قوت ، ضعف ، فرصت ها و تهدیدات یک محصول ، خدمات یا سازمان را شناسایی کند. این به شما کمک می کند تا تصویر بزرگتر را تجسم کنید و مشخص کنید که کدام مناطق به پیشرفت نیاز دارند و برای بهبود عملکرد کلی می توان از کدام مناطق استفاده کرد.

6. تجزیه و تحلیل متن

تجزیه و تحلیل متن برای تبدیل و ایجاد حس داده های بدون ساختار مناسب است. این فرآیند به شما کمک می کند تا اطلاعات ارزشمند را از یک مجموعه داده بزرگ استخراج کنید ، جمع آوری داده ها را تسکین دهید و تصمیم گیری را بهبود بخشید.

مراحل انجام تجزیه و تحلیل داده های کمی

اکنون که با تعریف داده های کمی به همراه روش های جمع آوری داده ها و روش های تجزیه و تحلیل آشنا شدید ، در اینجا نحوه انجام تجزیه و تحلیل داده های کمی در 5 مرحله ساده آمده است.

1. اعتبار سنجی داده ها - اولین قدم برای انجام تجزیه و تحلیل داده ها ، اعتبارسنجی داده های شما است. آیا داده ها مرتبط هستند؟آیا عاری از تعصب شخصی است؟این سؤالات متداول است که شما باید قبل از تصمیم گیری برای تجزیه و تحلیل داده ها از خود بپرسید.
2. تمیز کردن داده ها - اکنون ، پس از اعتبار داده ها برای صحت و تعصب ، باید داده ها را برای قوام و ارتباط ویرایش کنید. به عنوان مثال ، یک پاسخ دهنده ممکن است از پاسخگویی به همه سؤالات خودداری کند. این یک مورد برای داده های ناقص است که جزئیات لازم را برای تجزیه و تحلیل کامل داده ها ارائه نمی دهد.
3. تجزیه و تحلیل داده ها - اکنون هنگام نشستن برای تجزیه و تحلیل داده ها است. به دنبال آمار توصیفی مانند میانگین ، متوسط و درصد باشید و یک الگوی مشترک ارزیابی را ایجاد کنید.
4. نتایج را تفسیر کنید - در این مرحله ، داده ها را تغییر می دهید تا توسط ذینفعان اصلی به راحتی قابل درک باشد. مقیاس اندازه گیری را تعیین کنید و تصمیم بگیرید که چگونه می خواهید داده های جمع آوری شده را نشان دهید.

نمونه های کمی

شناسایی داده های کمی ساده است زیرا یک مقدار عددی به داده ها اختصاص داده شده است. بیایید به چند نمونه داده کمی نگاه کنیم تا درک بهتری از آن درک کنیم.

• امسال 2 اینچ رشد کردم.
• دیشب 43 کودک در این رویداد شرکت کردند.
• او پس از تمرین 20 پوند از دست داد.
• امسال 12 تعطیلات را از آن استفاده کرده ایم.
• این تلفن هوشمند 1500 دلار هزینه دارد.
• حدود 34 ٪ از مردم ترجیح می دهند در آخر هفته ها بمانند.
• شیشه دارای 10 گالن آب است.
• اتاق 30 فوت عرض دارد.

در تمام مثالهای فوق ، در هر داده یک مقدار عددی وجود دارد.

مزایای داده های کمی

مزایای اصلی داده های کمی عبارتند از:

1. برای تحقیقات گسترده - تجزیه و تحلیل آماری با داده های کمی آسان است. چنین داده هایی درک دقیق و بهتری از موضوع را ارائه می دهد و به شما امکان می دهد بینش الگوی عددی مربوطه را برای تحقیقات بیشتر بدست آورید.
2. حذف تعصب شخصی - ترجیحات شخصی بر کیفیت اطلاعات پاسخ دهندگان تأثیر می گذارد. این بر تفسیر داده های دریافت شده تأثیر می گذارد. در مورد داده های کمی ، که بتن است ، دامنه ای را برای تعصب شخصی از بین می برد و اعتبار داده ها را به داده ها وام می دهد.
3. نتیجه دقیق - کمیت داده ها نتایج خاص ، دقیق و قابل اعتماد را ارائه می دهد. این داده ها عاری از توضیحات ناقص است و اطلاعاتی را ارائه می دهند که تجزیه و تحلیل و تفسیر آن آسان است.
4. داده ها - داده های خلاصه شده در قالب داده های کمی به تفسیر سریع داده ها کمک می کند و باعث صرفه جویی در وقت و تلاش می شود. بنابراین ، چنین داده هایی به استخراج اطلاعات مربوطه و واضح از مجموعه داده های خوب تجزیه و تحلیل کمک می کند.

مضرات داده های کمی

همه چیز جوانب مثبت و منفی خود را دارد. به همین ترتیب ، داده های کمی نیز سهم خود را از معایب دارند. بیایید به آنها در زیر نگاه کنیم.

1. داده های ناکافی - از آنجا که داده ها فقط در شرایط قابل اندازه گیری هستند ، می توان جنبه توصیفی از نتیجه نهایی را حذف کرد.
2. نتایج گمراه کننده - نتایج ارزیابی داده های کمی مانند پرسشنامه ها و نظرسنجی ها می تواند گمراه کننده باشد زیرا به دلیل فرضیات پیش داوری خطر ایجاد تعصب وجود دارد.

تفاوت بین داده های کمی و داده های کیفی

ما می توانیم تفاوت بین داده های کمی و کیفی را به وضوح با جدول زیر درک کنیم:

با جمع آوری داده های کمی جامد دقت کنید

جمع آوری داده ها بخشی جدایی ناپذیر از هر پروژه تحقیقاتی است. در حالی که ممکن است یک روش خاص جمع آوری داده ها را برای استفاده مناسب پیدا کنید ، اما کلی جمع آوری داده ها برای استخراج اطلاعات خاص ، یکسان باقی می ماند.

جمع آوری داده های کمی داده ها را به صورت عددی به شما ارائه می دهد ، و پشتیبانی یا رد فرض را برای شما آسان تر می کند و به نتیجه می رسد. با استفاده از روشهای اثبات شده کمی از جمع آوری داده ها مانند نظرسنجی ، پرسشنامه ، نمونه گیری احتمال ، مصاحبه و آزمایشات ، می توانید مناسب ترین پاسخ هایی را که به پیشبرد تحقیقات شما کمک می کند ، دریافت کنید.

اکنون که شما با همه چیز آشنا هستید که جمع آوری و تجزیه و تحلیل داده های کمی را در بر می گیرد ، می توانید با یک راه حل تحقیق ایمن و مشترک - سازنده بررسی Proprofs - جمع آوری داده ها و کارآیی کلی داده ها را تقویت کنید. از میان صدها الگوی آماده و طراحی شده حرفه ای انتخاب کنید تا با بررسی بعدی خود شروع کنید. شما حتی می توانید نظرسنجی ، فرم ، آزمایش و آزمونها را ایجاد کرده و این موارد را با پاسخ دهندگان خود به عنوان پیوند ، از طریق رسانه های اجتماعی یا حتی آنها را در وب سایت خود به اشتراک بگذارید.