MBA 企业研究方法课件

,三、管理研究分析方法,研究流程,观察：确认宽泛的研究范围,初步资料搜集：访谈、文献调查,问题界定：描述研究,理论框架：清楚辩识和归类变量,衍生假设,科学研究设计,资料搜集、分析与解释,推论：假设是否被验证？研究问题是否得到解答？,否,是,撰写报告,提出报告,做出管理决策,数据分析流程,资料审核资料编码数据录入数据清理,资料的录入与整理,变量集中和离散趋势的描述,描述统计,信度分析效度分析,信度和效度检验,实验控制检验,实验,调节效应检验中介效应检验,调节、中介效应的检验,T检验方差分析相关分析回归分析,假设检验常用的统计方法,管理研究分析方法,常用的统计方法,因子分析（效度分析）和信度分析,描述性统计分析,资料的录入与整理,中介和调节效应的检验,研究报告,资料的录入与整理,资料的审核资料的编码数据录入数据清理,资料的录入与整理1资料的审核,指研究者对问卷进行初步的审阅，剔除错填、乱填和严重缺答的废卷。其目的是使得原始资料具有较好的准确性、完整性和真实性，从而为后续资料录入与统计分析打下良好的基础。资料的审核工作包含两方面的内容：一是检查问卷中的问题；二是重新向被试核实。审核的方法实地审核：指审核工作和收集工作同步进行，边收集边审核，也叫收集审核。系统审核：指在收集资料后集中时间审核。多次审核：指对重要资料进行反复的各种形式的审核。,资料的录入与整理2资料的编码,编码：对问卷中的每一个问题、每一个答案编定一个唯一的数字，并以此为依据对问卷进行数据分析。对于具有方向性的题项，编码时要特别注意它的方向性。即：反向题在数据分析之前应该反向计分。无回答（漏填）题项的编码使用系统默认值，以“.”表示。“不知道”答案的编码常为9、99或999。单选题的编码比较简单，应特别注意多选题（包括多项限选题、多项排序题、多项任选题）的编码。,例如：工作动机的测量问卷：基本信息：性别：男女年龄_岁非常不同意不同意无所谓同意非常同意我的工作非常有趣：我并非整天都全神贯注于我的工作：生活中没有工作将是乏味的：,1男，0女,以填答的实际年龄为准,该问题应反向计分,12345,例：单选题的编码,无回答,例：多项限选、多项排序题项的编码,6、以下哪些为您的择偶条件（限选3项）：（1）相貌（2）文化水准（3）气质风度（4）志同道合（5）人品（6）家庭条件（7）个人收入（8）其他,多项限选和多项排序式的编码：要求被试选几项或排序几项，就编几个码，在SPSS录入时就有多少列。,例：多选任选题项的编码,多项任选题可采用多重二分法进行编码。每个答案都编一个码，故有多少个选项，在SPSS中就有多少列。如果被试选择该答案则设为1，被试未选择该答案则设为0。,8、你在选择商场购物时，关注以下哪些因素：（可任选）（1）交通条件（2）促销活动（3）购物环境（4）服务质量（5）其它,资料的录入与整理3数据录入,安装SPSS软件：用户信息中输入自己的名字，在serial中输入“12345”选择个人安装在licensecodes中输入“30001359390”，点击update，再输入“30001374190”，再点击update程序安装完毕后，将安装盘中crack目录下的lservrc文件复制到安装目录下,资料的录入与整理3数据录入,先在SPSS中定义好变量，再录入数据！,例如：工作动机的测量问卷：基本信息：性别：男女年龄_36_岁非常不同意不同意无所谓同意非常同意我的工作非常有趣：我并非整天都全神贯注于我的工作：生活中没有工作将是乏味的：,1男，0女,以填答的实际年龄为准,12345,例：数据录入,例：反向计分,操作方法：TransformRecordintosamevariables在variables框中选入要反向计分的题项点“oldandnewvalues”。上例的转化方法为：在oldvalue里输入1，newvalue里输入5，点Add；然后在在oldvalue里输入2，newvalue里输入4，点Add.依此类推，直到所有的分值都在oldnew框里出现。,资料的录入与整理4数据清理,有效范围清理：当数据中的数字超出了数据编码范围时，则这个数字一定是错误的。逻辑一致性清理：依据问卷中的题项相互之间内在的逻辑联系，来检查前后数据之间的合理性。数据质量抽查：尽管采取了上述两种方法对数据进行清理，但仍会有一些错误的数据无法查出来。采用随机抽样的方法，从全部样本的中抽取一部分样本与原始问卷进行比对。这就要求我们必须对原始问卷进行编号，通过问卷编号与数据样本的一一对应关系，找到原始问卷。用比对结果，来估计和评价全部数据的质量。,例：有效范围、逻辑一致性清理,例：1.您是否为独生子女？是否（1=是；0=否）如果：在SPSS文件中出现了数字2,超出了有效范围,2.您有几个兄弟姐妹？0个1-2个3个及以上,逻辑矛盾,用SPSS软件进行频数分析(frequencies)，可以很快查到哪个题项超过有效范围。,如果一份问卷中错答的题项不止一两处，则可考虑将这个样本的全部数据删除，作为废卷处理。,SPSS数据管理,频数分析AnalyzeDescriptiveStatisticsFrequenciesCompute：通过数学计算生成新变量TransformCompute例：给1班同学的数学成绩加5分TransformComputeIf班级=1新数学=数学成绩+5If班级=2新数学=数学成绩例：计算2个班语文和数学的平均成绩TransformCompute平均成绩语文成绩新数学/2Recode:对已有变量值重新编码TransformRecodeIntoDifferentVariables例：成绩变为成绩段平均成绩成绩段，点Change定义OldandNewValues：6070及格；70.185良好；85.1分以上优秀ContinueOK,学生成绩.sav,数据分析流程,资料审核资料编码数据录入数据清理,资料的录入与整理,变量集中和离散趋势的描述,描述统计,信度分析效度分析,信度和效度检验,实验控制检验,实验,调节效应检验中介效应检验,调节、中介效应的检验,T检验方差分析相关分析回归分析,假设检验常用的统计方法,管理研究分析方法,常用的统计方法,因子分析（效度分析）和信度分析,描述性统计分析,资料的录入与整理,中介和调节效应的检验,研究报告,描述性统计分析,对样本数据的分析通常是从变量的描述统计分析入手的。通过变量的描述统计分析，能够掌握和了解样本数据的统计特征和总体分布形态，对于进一步数据分析，将起到重要的指导和参考作用。,数值计算,计算常见的描述统计量的值，通过数值来准确反映样本数据的统计特征。,图形绘制,绘制常见的统计图形，通过图形来直观展现数据的分布特点，比较数据分布的异同。,通常数值计算和图形绘制是混合使用的，两者相辅相成。,Frequencies：频数分析，描述统计数据的总体分布特征；Descriptive：描述统计量，对单变量计算基本的描述统计量；Explore：探索性分析，考察数据中远离总体分布的边缘样本取值；考察变量与变量之间分布的差异性是否显著；Crosstabs：交叉列联表，讨论变量之间的频度关系以及各种测度的变量与变量之间的相对关系；Ratio：比率分析，对两变量间变量值比率变化的描述分析。,1.频数分析（Frequencies）,频数分析统计的是每一组中观测点的个数，而不考虑其实际取值。当某个变量的自然取值是局限在有限的几个数值中，频数分析统计该变量在各个取值点的个数分布情况；如果某变量的取值在某范围内的连续值，则需要将其取值区域划分为几个取值区间，频数分析统计的是该变量在各个取值区间中观测点个数的分布情况。,频数分析的一个基本功能就是编制频数分布表,1.频数分析基本概念,频数（Frequency）：变量值落在某个区间或某个取值点的个数。,百分比（Percent）：各频数占总样本的百分比。,有效百分比（ValidPercent）：各频数占有效样本数的百分比。,累积百分比（CumulativePercent）：各百分比值逐渐累加起来的结果，最终取值是100。,1.频数分析常用图形,条形图BarChart,用宽度相同的条形的高度表示频数分布变化的图形。适用于定序和定类变量分析。,饼图PieChart,用扇形的面积来表示频数分布变化的图形。有利于研究事物内在结构组成等问题。,直方图Histograms,用矩形的面积来表示频数分布变化的图形。适用于定距或定比变量的分析。可以在直方图上附加正态分布曲线，以便于与正态分布进行比较。,频数分析SPSS操作,AnalyzeDescriptiveStatisticsFrequencies成绩Charts选择需要的BarChart（条形图）,PieChart（饼图）,Histograms（直方图）ChartValues，可以选择Frequencies或PercentagesContinue,学生成绩.sav,频数分析SPSS操作,条形图,频数分析SPSS操作,饼图,频数分析SPSS操作,直方图,2.描述统计（Descriptive）,通过频数分析把握数据的总体分布状况后，通常还需要对定距或定比测量的变量的分布特征进行更精确的刻画，需要通过描述统计来实现。,描述集中趋势的统计量,描述离散趋势的统计量,描述分布形态的统计量,描述统计量集中趋势统计量,用一个具体的统计量来反映一组数据的一般水平，或者说反映这组数据向该统计量集中的情况。平均数(Mean)：总体各单位数值之和除以总体单位数目之商。中位数(Median)：把一组数据按值的大小顺序排列起来,处于中央位置的那个数值就叫中位数。众数(Mode)：指在一组数据中出现次数最多的那个数的数值。求和（Sum）：所有变量之和，反映变量总体水平。,描述统计量离散趋势统计量,离散量数，是表示一组数据变异程度或分散程度的量数。离散量数越大，表示数据分布范围越广，越不集中；反之，离散量数越小，表示数据分布范围越集中，变动程度越小。方差（Variance）与标准差（StandardDeviation）全距(Range)：一组数据中最大值与最小值之差。四分位差(InterquartileRange)：将一组数据按大小排列成序，然后将其四等分，去掉序列中最高的四分之一和最低的四分之一，仅就中间的一半数值来测定序列的全距。异众比率(VariationRatio)：非众数的频数与全部样本数的比值离散系数(CoefficientofVariation)：标准差与算术平均数的百分比值。,描述统计量分布形态统计量,偏度（Skewness)：反映数据分布形态对称性的统计量。计算偏度系统能说明数据总体是否或近似于正态分布，从而确定能否进行统计推断或如何进行统计推断。,Skp=0时，数据呈严格的正态分布。Skp0时，分布呈正偏态。Skp0，说明数据的分布比标准正态分布更为陡峭，为尖峰（高狭峰）分布；峰度值0.05），则应接受假设H0，认为样本的分布与指定的分布没有显著的差异。,利用SPSS进行定量的正态分布检验,AnalyzeNonparametricTests1-SampleK-S,把变量“语文成绩”选入“TestVariableList”框。在“TestDistribution”框中使用默认选项正态分布。Nominal，正态分布，系统默认选项；Uniform，均匀分布；Poisson，泊松分布；Exponential，指数分布。点击OK。,利用SPSS进行定量的正态分布检验,Sig.=0.4360.05，因此接受零假设，即变量“语文成绩”与正态分布不存在显著性差异，也就是说变量“语文成绩”是呈正态分布的。,3.探索性分析（Explore）,在收集数据的过程中，由于测量工具产生的系统误差和由于人工操作产生的偶然误差往往导致可能出现一些偏离正常值的数据。对数据进行探索性分析，主要是对数据进行三方面的考察：,考察数据的真实性,偏离数据主体分布太远的数据可能是有问题的数据。数据考察可以找出这些非正常值和极端值，通过对这些数据的分析，判断其正确性，以便决定在以后的统计分析过程中是否将其保留下来。,考察数据的分布特性,数据的分布是否满足标准分布，这在很多统计分析过程中都是需要明确的。,考察变量之间数据相互关系,变量与变量之间的相关性考察、方差齐性的考察，都是一些统计分析过程所必须实现了解的。,（1）通过茎叶图（Stem-LeafPlots）描述频度分布,语文成绩Stem-and-LeafPlotFrequencyStem再进行偏相关分析，计算在控制其他变量的影响时，两个变量之间的相关程度,例：性诉求广告（研究二假设检验）,AnalyzeCorrelatePartial把“感知性感程度均值”、“广告态度均值”选入右侧Variables框中；把“感知淫秽程度”选取入右侧Controllingfor框中。在TestofSignificance中选中Two-tailed,并选中对话框最下方的复选框Displayactualsignificancelevel.单击OK.,例：性诉求广告（研究二假设检验）,偏相关分析结果显示,在控制了“感知淫秽程度”后，二者的偏相关系数为0.752，且显著（P0.001），比刚才计算的Spearman相关系数0.716大,也就是说感知性感程度与广告态度之间确实存在显著的正相关关系.,常用的统计分析方法一元回归分析,用一个变量的变化来预测另一个变量（连续变量）的变化,需要进行回归分析.一元线性回归:y=a+bx+e回归分析的虚无假设（H0）为回归系数为0.判断自变量是否与因变量间存在显著相关,以及整个方程的回归效果,必须依据回归分析输出的三个指标得到结论:方差分析方差分析中的F检验用于检验回归模型与数据的拟合程度。如果F值很大，其显著性水平小于0.05或0.01，表明回归方程是有意义的。回归系数的显著性检验如果回归系数b显著，表明自变量与因变量之间存在显著的线性关系。决定系数R2该指标来自于两个变量的偏相关系数的平方，它表示因变量的总变异中可由自变量解释的比例。如R2=0.70，则表示因变量的变异中有70%是由自变量引起的。,一元回归分析的前提假设,固定效应模型(实验研究)的前提假设正态分布因变量的总体在自变量的各水平上都呈正态分布,但是大样本可以在一定程度上不受限制方差齐性因变量在自变量各水平上的方差齐性.如果条件不成立,而且各水平的样本量有差异,显著性检验的结果不可信.样本独立性样本来自于总体的随机抽样,被试相互之间保持独立.随机效应模型(非实验研究)的前提假设正态分布自变量与因变量在总体上呈正态分布样本独立性样本来自于总体的随机抽样,被试相互之间保持独立.,例:一元回归分析,我们想确切知道感知性感程度对广告态度影响多大.这时需要通过回归分析解决.依据散点图检验线性关系.GraphsScatter选择Simple,单击Define打开主对话框.把变量“广告态度均值”、“感知性感程度均值”分别选入YAxis,XAxis框中.单击OK运行程序.,从散点图可以看出,感知性感程度与广告态度存在明显的线性关系.,性感广告.sav,例:一元回归分析,由于样本量足够大（N=264），故可不受正态分布的限制。回归分析过程AnalyzeRegressionLinear把变量“广告态度均值”选取入因变量（Dependent）框中,把“感知性感程度均值”选入自变量（Independent）框中.单击Statistics打开子对话框,保持默认的两个选项Estimates,Modelfit，单击Continue返回主对话框.单击OK运行程序.,例:SPSS一元回归分析,显示自变量以及自变量进入回归方程的方法Enter强制进入:不管自变量对因变量有没有影响,强制自变量进入回归方程.有些方法在建立方程时会自动剔除不显著的自变量，如Step-wise,Backward,Forward,Remove。,例:SPSS一元回归分析,回归模型描述表.相关系数R为0.728，决定系数R2为0.530，即“感知性感程度”可以解释“广告态度”53%的变异。,例:SPSS一元回归分析,对回归模型的方差分析结果结果显示,回归方程显著,F(1,262)=295.547,p0.05,例：SPSS多元线性回归,进行多元回归分析AnalyzeRegressionLinear,把变量“LN销量”选取入Dependent框中,把汽车价格以及各项性能特征作为自变量,全部选入Independent框中.单击Statistics打开子对话框,保持默认的两个选项Estimates和Modelfit，并选中Partandpartialcorrelations和Collinearitydiagnostics,即要求进行偏相关分析和多重共线性检验,单击Continue返回主对话框.保持默认的Method选项:Enter,要求全部自变量都进入回归方程.单击OK运行程序.,例：SPSS多元线性回归,对回归模型的描述总体来说，回归模型对销量的预测效果比较好。多元相关系数R=0.697,决定系数R2=0.486，表明约有48.6%的销量变化可以用回归模型解释.校正后的决定系数AdjustedR2=0.449，与RSquare相近。R2受自变量的数目与样本量之比的影响，当比值小于1:5时，R2倾向于高估拟合度，因此在这种情况下应使用校正后的决定系数。,例：SPSS多元线性回归,对回归模型的方差分析结果F=13.305,p0.00。说明回归方程是有意义的。,偏回归系数及检验结果表中包括多元回归方程中的常数、偏回归系数、标准化偏回归系数、对回归系数进行T检验的结果、相关系数以及对多重共线性的检验。在总共10个自变量中，有7个自变量的显著性检验结果不显著，它们对回归方程的作用不明显。Beta绝对值越大表示对模型的贡献越大,对因变量越重要。检验显著的是类型、价格和耗油量。,例：SPSS多元线性回归,多重共线性诊断:VIF值均超过2大部分特征根都非常小，很多都接近于0大部分条件指数都在30以上以上结果表明现在建立的回归方程存在严重的多重共线性问题。回归方程是错误的！可以合并一些高度相关的自变量，重新建立回归方程。,数据分析流程,资料审核资料编码数据录入数据清理,资料的录入与整理,变量集中和离散趋势的描述,描述统计,信度分析效度分析,信度和效度检验,实验控制检验,实验,调节效应检验中介效应检验,调节、中介效应的检验,T检验方差分析相关分析回归分析,假设检验常用的统计方法,管理研究分析方法,常用的统计方法,因子分析（效度分析）和信度分析,描述性统计分析,资料的录入与整理,中介和调节效应的检验,研究报告,中介和调节效应的检验,中介效应,回顾：什么是完全中介，什么是部分中介？,完全中介,部分中介,中介效应的检验,Baron，Kenny（1986）提出了中介效应检验的3步骤：,1、X对Z回归，且b1显著：Zb1X（p0.05）2、X对Y回归，且b2显著：Yb2X（p0.05）3、X、Z对Y回归，且b4显著：Yb3Xb4Z此时：b3与b2相比减小，且b3不显著，表明Z是X与Y之间的完全中介b3与b2相比减小，但b3仍显著，表明Z是X与Y之间的部分中介,b1,b2b3,b4,若b1或b4不显著，则不存在中介效应,例：性诉求广告（研究二假设检验）,假设3：品牌态度在广告态度和购买意愿之间起到完全中介作用,广告态度,购买意愿,检验步骤：绘制三个变量两两间的散点图，发现三个变量之间均呈线性关系回归方程1：AnalyzeRegressionLinear，把“品牌态度”选取入Dependent框中，把“广告态度”选入Independent框中；点OK,品牌态度,性感广告.sav,例：性诉求广告（研究二假设检验）,方差分析表明回归方程显著（P0.001），说明回归方程有意义。,例：性诉求广告（研究二假设检验）,标准化的回归系数为0.690，且显著（P0.05）。回归方程1为：品牌态度0.690*广告态度,例：性诉求广告（研究二假设检验）,重复以上步骤，分别得出回归方程2和回归方程3。中介效应检验结果：回归方程1：品牌态度0.690*广告态度（P0.05）回归方程2：购买意愿0.627*广告态度（P0.05）回归方程3：购买意愿0.186*广告态度0.639*品牌态度（P0.05）（P0.05）在回归方程3中广告态度的回归系数（b30.186），比回归方程2中广告态度的回归系数（b20.627）减小了，但仍然显著，故品牌态度是广告态度与购买意愿之间的部分中介，拒绝假设3。,练习,运用中介效应检验方法对假设4进行检验：假设4a：感知质量在广告态度与品牌态度之间起到部分中介作用假设4b：感知质量在广告态度与品牌态度之间没有起到中介作用,练习答案,中介效应检验结果：回归方程1：感知质量0.633*广告态度（P0.05）回归方程2：品牌态度0.690*广告态度（P0.05）回归方程3：品牌态度0.306*广告态度0.606*感知质量（P0.05）（P0.05），说明模型2加入个人特征后，模型的解释力没有显著提高模型3为”满意度”、”个人特征”、”Z满XZ个”对”离职倾向”的回归方程，R20.021，F显著（P=0.0280.05），说明模型3加入乘积项后，模型的解释力比模型2显著提高，即满意度与个人特征的交互作用是显著的,DW值约等于2，表明残差是独立的,模型3的解释力比模型1和模型2显著地高，所以仅看模型3的结果即可VIF均小于2，不存在多重共线性问题，故回归方程有效满意度的标准化回归系数为-0.301，且显著，说明满意度越高，离职倾向越低；而个人特征回归系数不显著，说明个人特征对离职倾向没有显著影响。乘积项的标准化回归系数为-0.145,且显著（P=0.0280.05）,表明越是外控人格的员工，满意度降低离职倾向的效果越明显，故假设得以验证。,管理研究分析方法,常用的统计方法,