일반적으로 데이터 분석 보고서는 세 가지 유형으로 나눌 수 있습니다. 각각' 모델류' 보고서,' 연구류' 보고서,' 산업연구류' 보고서다.
2,' 모델류' 보고 사고 < P >' 모델류' 보고서는 일반적으로 학술연구에 사용되며, 일반적으로 관계연구, 조절작용, 중개작용, 또는 차이관계연구, 실험연구 등에 영향을 미친다. 핵심은' 모형' 에 있다. 하나의 모형 틀이 구체적인 사고 상황을 분명하게 보여줄 수 있다. 모델 프레임워크를 기반으로 실제 상황과 결합하여 모델 프레임워크를 구체적인 분석 아이디어 프레임워크로 변환합니다. 그런 다음 구체적인 보고서를 작성하십시오.
2.1 모델 프레임 분석 < P > 모델 프레임 워크는' 모델 클래스' 보고서의 핵심입니다. 예를 들어 다음 그림은 일반적인 모델 프레임 워크입니다. < P > 모델 프레임 워크는' 휴대폰 구매 의지 영향 요인 연구' 의 경위를 시각적으로 보여줍니다. 연구의 핵심 영향 요소 * * * 6 가지가 있습니다. 모형 프레임워크는 전체 연구의 영혼이며, 처음부터 생각을 분명히 해야 한다. 사고 방식에 따라 상응하는 데이터 수집이 있고, 마지막에는 데이터를 기반으로 분석을 한다. (윌리엄 셰익스피어, 템페스트, 데이터, 데이터, 데이터, 데이터, 데이터, 데이터) < P > 예를 들어, 이 모델 프레임워크를 사용할 경우 데이터에 6 가지 요소가 포함되어야 하며 샘플의 구매 의사를 나타내는 별도의 데이터가 필요하다는 것을 자연스럽게 알 수 있습니다. 연구 변수를 측정하는 방법 (그림의 6 가지 요소 +1 가지 구매 의지). 설문지 형식을 사용하는 경우 일반적으로 척도 데이터를 사용합니다. 이 경우 한 연구 변수는 4~7 개의 척도 질문에 대응하는 것이 가장 좋습니다. 따라서 이후 문제가 발생할 경우 불합리한 항목 삭제 등과 같은 버퍼 간격이 있습니다. 데이터 소스가 엔터프라이즈 데이터인 경우 실제 데이터를 기반으로 하면 됩니다. < P > 다음으로 좀 더 복잡한 모델을 살펴보겠습니다. < P > 위 그림에는 성별이 더 많고 화살표가 하나 더 있습니다. 이 모델의 의미는 6 가지 요소가 구매 의지에 미치는 영향을 연구하고 이 영향이 성별의 간섭 (즉, 조정 역할) 을 받는다는 것입니다. 화살표가 하나만 더 있는 것처럼 보이지만, 이것은 완전히 다른 모델이며, 다음 분석 아이디어 프레임워크도 완전히 다릅니다. < P > 특별 팁: < P >' 모델 클래스' 연구에 중점을 두면 먼저 모델 프레임워크를 나열해야 합니다. 모델 프레임워크는 핵심이며 전체 연구의 영혼입니다. 모든 연구와 분석은 모델 프레임워크를 기반으로 합니다.
2.2 데이터 분석 아이디어 프레임워크 < P > 는 위의 모델 프레임워크를 기반으로 합니다. 그렇다면 구체적인 데이터 분석 시 아이디어 프레임워크는 어떻게 해야 합니까? 즉, 모델 프레임워크를 구축한 후 분석 아이디어 프레임워크까지 구체적으로 설명하고, 모델 프레임워크는 6 가지 요소가 휴대폰 구매 의지에 미치는 영향을 연구하고, 설문지를 사용하여 데이터를 수집하고자 합니다. 설문지에는 샘플 배경 정보 문제나 샘플 특징 문제, 6 가지 영향 요인, 휴대폰 구매 의지에 대한 태도가 포함되어 있다. 이 시점에서 분석 아이디어는 다음 그림을 볼 수 있습니다. < P > 분석 사고에서 먼저 수집된 데이터의 배경 상황, 샘플 특징 상황을 분석합니다. 이어' 지표 분류 분석' 이 관련될 수 있다. 예를 들어 모델 프레임 안에 6 가지 요소가 있고, 1 * * * 는 3 개의 척도 문제를 사용하여 6 가지 요소를 측정한다. 그렇다면 반드시 이 3 개의 계량표 문제를 6 가지 요인으로 나눌 것으로 예상해야 합니까? 자신의 전문 분야에서는 그럴 것으로 예상되지만,' 모델류' 연구의 논리는 매우 강해서 자신이 예상한 것이 아니라, 보통 탐구적 요소 분석을 사용하여' 지표분류' 를 할 수 있도록 연구 방법을 사용한다. 아마도 3 개 척도 문제를 5 개 요소로 나누는 것이 더 적합할 수도 있고, 7 개 요인이 더 적합할 수도 있다. 연구 방법과 자신의 전문 지식을 결합하여 결국 과학의 지표 구분을 얻어냈다. < P > 또한 데이터의 품질이 보장되는지, 신뢰성과 유효성이 표준에 부합하는지 여부도 고려해야 합니다. 데이터 품질이 보장된 후 연구 변수인 6 가지 요소 (그리고 구매 의지) 에 대한 설명 분석을 실시했습니다. 연구 변수에 대한 샘플 태도는 어떻습니까? < P > 이어 변수 간의 메모리 관계, 즉 모델 가정의 검증을 살펴봅니다 (예: 상관 분석 사용, 회귀 분석 등). < P > 는 성별이나 학력별 연구와 같은 데이터 정보를 좀 더 깊이 발굴할 수 있을 것이며, 연구 변수에 대한 태도의 차이를 연구할 때 분산 분석 등을 사용할 수 있을 것이다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 공부명언)
2.3 보고서 아이디어 프레임 워크 < P > 는 모델 프레임 워크, 분석 아이디어 프레임 워크 및 분석 방법의 사용을 확인한 후 특정 보고서 아이디어를 나열 할 수 있습니다. 다음과 유사:
3,' 모델 클래스' 보고서 작성 < P > 이전 섹션에서는 모델 프레임, 데이터 분석 아이디어 프레임 (및 분석 방법), 보고서 아이디어 프레임 워크에 대해 설명했습니다. 이 섹션에서는 보고서의 구체적인 작성에 대해 설명합니다. 보고서를 작성하기 전에 일반적으로 데이터를 정리해야 하는 경우가 많습니다 (예: 제목이 너무 길면 단순화해야 함, 데이터를 병합해야 함, 데이터를 인코딩해야 함, 데이터 레이블 설정 등). 보고서 작성 시 몇 가지 논리와 사양 설명이 포함됩니다. 다음은
3.1 데이터 정리
데이터 보고서 작성 시 첫 번째 단계는 데이터에 필요한 정리 작업을 수행하는 것입니다. 다음과 같은 가능한 처리가 포함됩니다.
유효하지 않은 샘플 처리
비정상적인 데이터 처리;
데이터 제목의 간단한 수정;
데이터 인코딩 설정 ：
데이터 레이블 설정 ：
연구 변수 설정; < P > 기타
3.2 보고서 작성 논리 < P > 모델 클래스 연구 보고서의 작성 사양에 대해서는 일반적으로 < P > 와 같은 세 가지 논리가 포함됩니다. 예를 들어 관련 분석을 사용하여 관련 관계를 연구할 때' 관련 분석' 에 대한 이론적 지식을 간략하게 설명해야 하는 경우가 많습니다. 최소한 판단 기준 등을 설명해야 합니다. 그렇다면 자신의 데이터 결과는 무엇이며, 데이터 결과와 함께 결론은 무엇입니까? 물론 데이터 결과는 SPSSAU 출력의 정규화된 양식이며, 결론은 분석 권장 사항 및 지능형 분석을 참조하여 작성할 수 있습니다. < P >' 모델류' 연구보고서는 논리적으로는 이론적인 요구가 강하다. 일반적으로 이론 (판단기준 등) 을 먼저 설명한 다음 SPSSAU 의 규범화된 표 (즉, 사실이 무엇인지) 를 얻어 이론과 사실을 근거로 어떤 결론을 내렸는지, 이 결론이 다음 분석에 어떤 도움이 되는지 설명한다. < P > 이 밖에' 모델류' 연구보고서는' 총점 총점' 또는' 승승계' 논리를 대량으로 사용한다. 예를 들어, 먼저 관련 분석을 하고 세 개의 작은 부분으로 나누어 진행해야 하며, 결국 제 4 부에서는 총점을 진행해야 한다고 개괄적으로 설명한다. 먼저 관련 분석을 한 후 데이터에 관련 분석이 있기 때문에 다음 부분은 선형 회귀 분석입니다.
보고서 작성 시' 왜' 와 같은 논리를 많이 사용한다. 보고서 작성의 각 부분에는 반드시 상응하는 이유가 있을 것이다.' 왜' 와 같은 사고 논리를 많이 사용하면 먼저 이유가 있어야 결과가 나올 수 있다.
이론은 무엇입니까?
사실은 무엇입니까?
결론은 무엇입니까?
4, 특정 분석 양식 정보
를 사용하여 분석 보고서를 작성할 때 일반적으로 출력 양식을 직접 붙여 사용하면 됩니다. 예를 들어 관련 분석의 사양 형식은 다음과 같습니다.