新闻与传播研究方法复习资料整理.doc

新闻与传播研究方法复习资料整理第1章 社会科学研究的历史与基础1、 自变量：能够引起其他变量变化的变量成为自变量。 （研究者控制下系统地变化的变量。）2、 因变量：依赖于其他变量但它本身不能影响其他变量的变量称为因变量。 （被观测的对象。）第2章 研究的步骤、要素与质量第1节 研究过程 （一）选择研究课题 （二）确定课题价值 （三）回溯研究文献 （四）提出假设 1、理论假设：假设是关于变量之间关系的一种正式陈述，它能够用数据加以验证。因为假设实际上是研究者对特定研究对象的性质、变化规律等要素的理论描述，所以也被称为理论假设。 2、研究假设：研究者根据相关理论和事实，针对可能的结论所提出的关于某些因素或现象间的相互关系的还未证明的陈述或主张，也称备择假设。（通常呈现为变量之间的关系） 3、零假设：又叫原假设、虚无假设、消解假设，是研究者想要搜集证据予以证伪的假设，是按照统计检验的原则而陈述的假设，一般用H0表示。 4、假设检验：事先对总体的分布情况作出一个零假设，然后利用抽样的样本信息判定是否接受这一零假设。 （五）获取数据 （六）数据分析与阐述 （七）呈报结果 （八）计算成本与费用第二节 研究要素 1、概念：通过概况特殊现象和问题，总结相关情况抽绎出的抽象观念或术语。 2、概念化：将模糊、抽象的概念和术语具体化、精确化的过程。 3、操作化：在概念化的基础上，建立程序或一组指标说明如何测量一个概念，目的在于运用变量的不同属性对事件或现象做出客观描述。（操作化步骤以后的概念就是所谓的变量） 4、变量与属性：属性是现实中某一客体的特征或特性，而变量则是这些属性的逻辑组合。变量往往有一组与之对应的属性。第3节 测量层次与质量 1、定类（定名）变量nominal：取值只有类别属性的差异，没有大小、程度的区别。例如性别、宗教信仰、民族、所在专业等。（=) 2、定序变量ordinal：取值除了符合定类变量的要求以外，还有等级、次序的差异。例如受教育程度。（=，) 3、定距变量interval：除了符合定序变量的要求以外，取值间的距离具有实际意义，如温度、智商，并没有真正的零或者起始点，零点是任意规定的。（=，,+ - ) 4、定比变量ratio：除了符合定距变量的所有要求以外，定比变量还有一个具有实际意义的零点，例如年龄，零点是固定的。 （=，,+ - ,X /) 5、效度：实证测量在多大程度上反映了概念的真实意义，即准确性。（内部效度和外部效度） 6、信度：使用相同研究技术重复测量同一个对象时得到相同研究结果的可能性，即稳定性。（打靶）第三章 抽样第1节 抽样简述 1、抽样：广义来说，一切从统计调查总体中抽取样本（sample）进行调查、获取数据、然后对总体数量特征作出推断的行为就是调查抽样行为（survey sampling）。 所谓好的抽样设计，就是指能选取最大程度上代表总体的样本，同时又能最有效地利用一定数量样本来研究大量的总体方法。2、 抽样框：指的是包含所有抽样单元的详细名单、地图或其他形式的资料。在抽样框中，每个抽样单元都有自己对应的位置和顺序，一般通过编号来实现。3、 总体：在理论上明确定义的个体的集合体。4、 抽样（样本）：能够代表全部总体的子集合体。在研究过程中，按某种方法从总体中抽取部分单位，这部分单位构成了研究的样本。5、 抽样单位：抽样的某些阶段中，所考虑的总体元素或元素集合。第2节 抽样的主要方法和类型 1、概率抽样：又称为随机抽样，按照概率理论进行的抽样。能通过概率理论的计算推算出抽样误差，从而更为准确地在样本统计值推算出总体参数值。2、非概率抽样：不按照概率原则来进行的抽样。结果不能按照概率原理推算总体。“路人”样本、现有的样本（方便样本）、电话拨入调查、志愿者样本、有目的的抽样、定额抽样（配额样本）按预先决定的，已知的百分比进行抽样、焦点小组。3、概率抽样方法： 简单随机抽样：对于大小为N的总体，抽取样本量为n的样本，若全部可能的个体被抽中的概率都相等，则称这样的抽样为简单随机。起点随机，方向随机。优点：1.不需要总体的详细知识2.很易得到一个有代表性的小组3.分类性错误的可能性较少缺点：1.总体的列表必须具备2.过程比别的方法复杂(计算机帮助) 3.一个样本不代表所有情况(总体数很大时) 系统(随机)抽样：从总体中按一定间隔选择第n个主体。起点随机，抽样间据确定。 优点：1.选样更容易2.选择比随机抽样更精确3.过程花费一般不昂贵 缺点：1.必须总体的全部的列表2.过程产生周期性（名单排列存在周期性）3.当抽样间距不是整数时分层抽样：将总体的N个单位划分成多个互不重复的子总体，每个子总体称为层。然后，在每个层中分别进行随机抽样。得到基础样本有准确的代表性。（年龄，性别，地区，收入水平或 特殊特性如：复杂的个体分类：读报，有天线家庭有4项分层） 按比例分层抽样: 按每层在总体中的比例分配 不按比例抽样：（重要）部分比例过量抽取优点：1.保证样本各种的代表性2.可以和其他的总体相比较研究3.被选中者成为有家族性的组合4.抽样误差减小缺点：1.需要总体中的详细资料2.过程耗时耗财3.决定层的各种特性是不相关的 多段类集抽样:大型研究 优点：1.总体中只有部分会被抽到（没有总体名单状况）2.如果类集被很好的界定，费用会降低3.类集的变量被估算并和总体相比较缺点：1. 抽样误差较大2. 各个类集可能不代表总体3. 每一个主体或部分必定属于一种特殊类集4、 报纸研究的常用抽样方法 简单随机抽样、连续日期抽样、构造周抽样第3节 抽样设计中的计算1、抽样误差实际上是同一变量总体参数估计值和统计值之间的误差。2、正态分布：将无穷多样本的均值作成分布图，得到抽样分布图。取自一个总体的无数个样本的统计量（如样本均值，样本比例等）的分布为抽样分布。给定分布的均值和方差（标准差），就可以完全确定对应的曲线。均值决定分布的中心，其位置是曲线的对称中心标准差决定曲线的伸展程度和形状。正态曲线下的面积大小，就等于随机变量对应的值的概率Pr。68%的观测值落在距均值一个标准差的范围内95%的观测值落在距均值两个（1.96）标准差的范围内99.7%的观测值落在距均值三个(2.96)标准差的范围内3、 中心极限定理：大量的个体的随机分布（抽样分布）有一种正态的分布方式。 公式一：X=u+-tSE (u为总体平均值，X为样本平均值）公式二： （样本百分比误差）公式三： （标准差）公式四：SE= （标准误差，样本小于100时用N-1）公式五：u=X+-tSE公式六：N= C：置信度 或者用tE：误差水平（置信区间的范围）P：选择百分比计算：1： C=1.96,E=5（%）, P=50（%）,N=? （ 384） 2： C=3,E=5（%）,P=50（%）,N=?（900） 3： C=3,E=1.5 （% ），P=50（%），N=?（4268）第4章 统计初步第2节 单变量描述 集中趋势：1、平均数（Mean）2、众数（mode）：出现频率最高的取值。（可以是变量对应的数字或类别如性别）3、中位数（Median）：位于按顺序排列的全部取值中心的取值。一半的观测值比他大，一半比他小。n/2或n/2与n/2+1个观测值的平均值。 离散趋势：1、四分位数差：R=Q3-Q12、五数综合：Min Q1 M Q3 Max3、标准差S和方差：反映观测值与平均数相差多远。方差是标准差的平方。 标准差S体现观测值延展的程度，S越大，分布就越扁平；反之，越集中。 方差： 标准差：第3节 显著性检验的基本原理双变量推论（一）显著性检验的基本原理（二）群体间的差异 ：独立样本t检验，配对样本t检验（三）现象间的关联：判定两个变量简单线性相关：交互分析、卡方检验、 拟合优度检验1、 显著性检验：假设检验，是统计推论的一种，根据样本观测值来判断总体是否有显著差异。其基本原理是小概率原理和两种假设。原假设H0 ：统计检验中接受检验的叙述。（ “没有效应”“没有差异” ）对立假设H1 ： 我们希望猜想的那个，可以取代H0的假设叫对立假设显著性检验就是要判断原假设H0是否正确，决定接受还是拒绝H0,若拒绝，则接受对立假设H12、统计显著性：用P值和预先的固定值比较。显著水平 通常取：0.01 ; 0.05 ; 0.10P ，样本资料在显著水平 下具有显著统计性。例如：在0.01的显著水平下，结果在统计上是显著的。或结果具有显著性（P 0.01）3、 参数检验和非参数检验 几种常见的参数检验： 单样本总体均值假设检验；单样本总体比例的假设检验（单样本t检验） 两个独立样本总体均值之差的假设检验 两个独立样本总体比例的假设检验 求最终检验的统计量Z0或t （样本量不大）值，查出对应的P值从而检验假设 （计值-原假设值）/估计值的标准误差） 参数检验法进行显著性检验的步骤：（1）陈述原假设H0和对立假设H1（2）根据对立假设确定检验是单侧还是双侧（3）确定样本量和显著性水平（4）抽取样本，收集数据（5）计算检验统计量：样本均值，样本比例，两样本均值之差，或比例之差（6）根据公式，计算检验统计量的标准误差，得出要检验的最终统计量Z或t值，（7）查找Z或t值对应的概率值P（8）做出是否拒绝H0的决定第五章 内容分析1、内容分析的四个核心：客观、系统、定量、明显2、分析单元、抽样单元、编码单元的区分：例如要研究新闻照片中的女性形象的变迁，可以确定分析单元、抽样单元和编码单元分别是，新闻照片中一个一个的人物形象（分析单元），一期一期的报纸（抽样单元）以及一张一张的报纸照片（编码单元）。3、信度=2M/N1+N2（M为两个编码员意见一致的数量，N1和N2是两个编码员各自进行编码决策的总量）第六章 调查研究1、里克特量表、语意差别量表、温度计量表2、相关性分析：是研究变量间关系密切程度的一种最常用的统计方法。3、简单线性相关系数又称皮尔森相关系数。测量的是两个线性联系的紧密程度。第七章 控制实验第一节 控制实验的基本要素1、被试/受试者实验研究对象 主试/实验者实验研究工作人员2、第三变量：指除去作为研究对象的变量（研究假设中预设的自变量和因变量）之外的一个变量，这一变量对我们的研究所关注的变量存在影响。3、中介变量，在我们所关注的变量之间起着类似“接力棒”的作用。例子冰淇淋数量增加和犯罪数量增加，是中间气温的原因。4、除了自变量和因变量之外，控制实验研究中还存在其他变量，这些变量我们都统称为额外变量。包含两类：一类是被试变量或人口变量，包括性别、年龄、智力、受教育程度等；另一类叫做环境变量，包括时间、场地、天气、温度等。混淆变量是额外变量中的一类，是伴随自变量和因变量发生系统性变化的额外变量。5、额外变量控制方法：恒定发、匹配法、随机法性别变量的恒定（绝对恒定） 年龄变量的恒定（相对恒定）智力变量的恒定（相对恒定）受教育程度的恒定（绝对恒定）6、 分类型变量：定类变量、定序变量 数值型变量：定距变量、定比变量7、 控制实验中：自变量需要处理为分类型变量，因变量则需处理为数值型变量。8、 量表构成的基本原理是概念的操作化。常用里克特量表形式和语义差异量表形式。第2节 单因素设计1、单因素设计的特点是需要设置专门的控制组和对照组，数据统计分析方法上通常采用t检验或单因素方差分析。两组均值比较：t检验；三组均值及以上比较：单因素方差分析。多个分组的单因素设计通常使用单因素方差分析（one-way ANOVA）的方法来检验因变量的组间差异，又被称为单因素F检验。2、实验组是施加处理使自变量发生变化的组，控制组是自变量不发生变化的组。控制组有两种：一种不施加任何处理，称为无处理控制组；另一种称为安慰剂控制组，是指对被试施加一种本身对自变量没有影响的伪处理。3、单因素标准设计：带控制组前/后测设计。4、特殊的实验设计 准实验设计：非等组设计、时间序列设计 组内设计 单被试设计（个案设计）5、 组内设计：又称重复测量设计，是指同一被试组接受所有处理条件再进行比较的研究设计，也称被试内设计。采用配对样本t检验。6、 组间设计：是指对不同条件下互相独立的被试组进行比较的研究设计，也成为被试间设计。标准A、B组独立样本t检验。第3节 析因设计1、析因设计：用于考察影响某种结果多个作用因素的研究设计，也成为多因素设计。2、主效应：一个因素（自变量）取不同水平而导致的因变量观测值的差异。3、交互效应：指一个因素（自变量）在另一个因素（自变量）处在某个固定水平的条件下取不同的水平而导致的因变量观测值的差异。存在交互效应，优先分析交互效应。第四节 SPSS应用案例1、t检验用于比较两组数据均值的差异，若两组数据之间不相关（即完全独立，如单因素控制实验设计中的实验组数据与控制组数据），则使用独立样本t检验；若两组数据之间相关（如总体数据与从总体中抽取的样本数据），则使用非独立样本