一些论文分析方法及概念说明丨个人经验版非学术讨论第50期
一开始在这个圈子的时候，对于数据分析是完全不懂的状态，不过那时候的论文要求还不像现在这么严格，后来接触不同的同学，陪跑的难度也大了起来，不得不去学习这些东西。一边学一边用再一边做复盘和知识反哺，在这个过程当中，也就还可以了。上半年论文陪跑的过程当中发现，很多同学在论文之初是连最为基本的统计学概念（名词）都不了解，更不用说去运用方法以及在论文当中呈现。今天就出一期概念说明，以及什么方法、有什么用、用在什么地方的内容，里面涉及到的阐述均是自己的理解，可能有些误差，但一定更好明白。注，文中所有配图均为辅导论文当中的真实截图，勿进行学术伪造。两大类
数据再怎么变化，在论文当中也就是两大类，定量和定类。字面意思也很好理解，定量，就是数字大小是有比较的意义，比如讲男女恋爱，喜欢的程度可以是非常不喜欢、比较不喜欢、中立、比较喜欢、非常喜欢。数字12345则代表了喜欢的程度。定类数据则是用数字代表类别，比如常规的调查问卷当中，1代表男性、0代表女性等。两个度
数据也分好和坏、可用和不可用，那这个标准是什么？就是信度和效度。真的经历过一个本科生在论文当中提及信度和效度，答辩时候被老师问到，答不上来而只能参加二次答辩。比如最近老是给儿子称体重，孩子小，只能是先称我体重，再抱着他称一次，两个数据相减来算最后的体重。这一过程当中，我站上体重秤，连称三次，每次都一样，说明信度高。如果三次分别是60kg、65kg、58kg，这秤你可以扔了，是不值得信任的秤。什么是效度？还用上面的例子来说明，如果我拿体重秤去量儿子的身高，这就叫做效度低，工具本身是信度高，只是用错了地方。这两个数据在论文当中的呈现则是信度看的是Cronbach‘s α系数（通常>0.7算可接受），效度看的是KMO值和Bartlett球形检验（KMO>0.6是门槛，>0.8算优秀）。这里面还有一个问题，不能只做信度和效度，需要先做EFA，也就是探索性因子分析的维度划分是否合理，再做信度检验看每个维度的内部一致性。量表
一般论文当中提到的量表就是李克特量表，测量样本对于某件事某事物的态度或者看法。量表答项类似于“非常同意”、“同意”、“不一定”、“不同意”、“非常不同意”，也或者“非常满意”、“比较满意”、“中立”、“比较不满意”，“非常不满意”等。大多数统计方法均只能针对量表，比如信度分析，效度分析，探索性因子分析(Exploratory Factor Analysis，EFA)等。同时，量表的核心特征不是"有数字"，而是"答项之间有明确的程度递进关系，且默认相邻两个选项之间的差距是相等的"。顺着前面的例子，喜欢的程度来看，非常不喜欢和比较不喜欢之间的距离，我们默认等于比较不喜欢到一般之间的距离，这是李克特量表能跑参数检验的前提条件。这里不用较真，这个前提不需要我们证明它绝对正确，只需要知道：学术界默认就这样。量表来源
论文讲究逻辑和根据。最近很火的《低智商犯罪》这部剧当中有一句台词“怀疑怀疑的怀疑”，而论文不是怀疑的艺术，而是讲究“一切皆有来源”的“艺术”。总体来说量表有两种来源，第一是可以直接用的“成熟量表”，就是别人已经开发好、经过反复检验、信效度都被验证过的。比如顾客满意度领域的SERVQUAL、组织行为学里的工作投入量表UWES。你直接拿过来用，或者根据研究情境做微调，然后在论文里注明"本研究参考了XXX（年份）开发的量表，并根据本研究情境进行了适度改编"——这是最安全、最省力的方式。另外则是自编量表，就是你自己根据理论框架和文献自己编题目。这种来源如果严谨的话会很难搞，因为需要做大量的预调查、探索性因子分析、验证性因子分析，一个环节出问题整个量表就得推倒重来。结合这些年的经验来看，就是找近似的，拆维度，改编。比如你想研究"短视频用户的审美疲劳"，没有现成的量表，但你可以参考"信息过载量表""技术疲劳量表""社交媒体倦怠量表"，把这些量表的题目摘出来，选出跟你的研究情境匹配的，调整措辞，组合成自己的问卷。然后在论文里（附录）坦白交代："本研究借鉴了A（年份）、B（年份）、C（年份）的量表，结合本研究情境进行了适应性修改。"该公众号、视频号当中出现的所有文档资料、PPT资料、视频教学原件、论文相关资料等，均在个人知识星球，各个降重网站的会员账号和密码，也同在。
若你此时正在被论文这件事困扰，不管是选题、开题、初稿、降重、指导、答辩、数据分析、降AIGC等等等，记得找我。
好好写论文、顺利毕业，比什么都重要。
一些历史文章如下：
论文查重也有顺序？对，而且很重要
Zotero教程：网页文献如何一键保存？插件来解决
论文写不下去？请先认定“你的论文就是学术垃圾”
理论基础与论文研究方向的契合性分析如何写？一文搞懂
学术论文研究方法如何写？唯一性原则很重要
夜雨聆风
