نگاه اجمالي
هنگامي كه توده‌اي از اطلاعات كمي براي تحقيق گرد آوري مي‌شود، ابتدا سازمان بندي و خلاصه كردن آنها به طريقي كه به صورت معني داري قابل درك و ارتباط باشند، ضروري است.روشهاي آمار توصيفي (Descriptive Statistics) به همين منظور بكار برده مي‌شوند. غالبا مفيدترين و در عين حال اولين قدم در سازمان داده‌ها مرتب كردن داده‌ها بر اساس يك ملاك منطقي است و سپس استخراج شاخصهاي مركزي و پراكندگي و در صورت لزوم محاسبه همبستگي ميان دو دسته اطلاعات و استفاده از تحليل‌هاي پيشرفته تر نظير رگراسيون (Regression) و پيش بيني (Prediction) مي‌باشد. در يك جمعبندي با استفاده مناسب از روشهاي آمار توصيفي مي‌توان دقيقا ويژگيهاي يك دسته از اطلاعات را بيان كرد. آمار توصيفي هميشه براي تعيين و بيان ويژگيهاي اطلاعات پژوهش‌ها بكار برده مي‌شوند.
روشهاي آمار توصيفي
تشكيل جدول توزيع فراواني
توزيع فراواني عبارت است از سازمان دادن داده‌ها يا مشاهدات به صورت طبقات همراه با فراواني هر طبقه. براي تشكيل يك جدول توزيع فراواني بايد دامنه تغييرات ، تعداد طبقات و حجم طبقات توسط فرمولهاي مربوطه محاسبه شده و سپس اقدام به نوشتن جدول توزيع در دو ستون X (ستون طبقات) و F (فراواني طبقات) شود. پس از اين مرحله در صورت تمايل يا لزوم پژوهشگر مي‌تواند شاخصهاي ديگري نظير فراواني تراكمي ، فراواني تراكمي درصدي را محاسبه نمايد. تشكيل جدول توزيع فراواني يك روش اقتصادي و در عين حال آسان براي نمايش انبوهي از داده‌هاي نامنظم است. اما در طبقه بندي كردن ، برخي از اطلاعات به علت خطاي گروه بندي از دست مي‌روند كه در محاسبه شاخصهاي آماري نيز منعكس مي‌شود. ولي مقدار آن ناچيز بوده و اشكال عمده‌اي ايفا نمي‌كند.
ترسيم نمودار
يكي از نقاط ضعف نمايش داده‌ها به صورت جدول فراواني عدم درك سريع اطلاعات جدول است. نمودارها ابزار مناسبي براي نمايش تصويري اطلاعات هستند. انواع مختلفي از نمودار وجود دارد كه از جمله مي‌توان به نمودار هيستوگرام ، نمودار ستوني ، نمودار چند ضلعي تراكمي ، نمودار دايره‌اي ، نمودار سريهاي زماني و …اشاره كرد.
محاسبه شاخصهاي مركزي
در محاسبات آماري لازم است كه ويژگيها و موقعيت كلي داده‌ها تعيين شود. براي اين منظور شاخصهاي مركزي محاسبه مي‌شوند. شاخصهاي مركزي در سه نوع نما (Mode) ، ميانه (Median) و ميانگين (Mean) هستند كه هر يك كاربرد خاص خود را دارا مي‌باشند. در تحقيقاتي كه مقياس اندازه گيري داده‌ها حداقل فاصله‌اي است ميانگين بهترين شاخص است. ولي در تحقيقاتي كه مقياس اندازه گيري داده‌ها رتبه‌اي يا اسمي است، ميانه يا نما مورد استفاده قرار مي‌گيرند.
محاسبه شاخصهاي پراكندگي
شاخصهاي پراكندگي برخلاف شاخصهاي مركزي هستند. آنها ميزان پراكندگي يا تغييراتي را كه در بين داده‌هاي يك توزيع (نتايج تحقيق) وجود دارد، نشان مي‌دهند. دامنه تغييرات ، انحراف چاركي (Quartile Deviation) ، واريانس (Variance) و انحراف استاندارد (Standard Deviation) شاخصهايي هستند كه به همين منظور در تحقيقات مورد استفاده قرار مي‌گيرند. پس از محاسبه شاخصهاي مركزي و پراكندگي مي‌توان نمره‌هاي استاندارد را محاسبه و منحني طبيعي (Z) را ترسيم كرد.
محاسبه همبستگي
تحقيقاتي وجود دارد كه پژوهشگر مي‌خواهد رابطه بين دو متغير را تعيين كند و به همين منظور از روشهاي همبستگي (Correlation) استفاده مي‌كند. در محاسبه همبستگي ، نوع مقياس اندازه گيري دخالت دارد و بطور كلي به دو دسته پارامتري و ناپارامتري تقسيم مي‌شوند. محاسبه همبستگي براي تحقيقات پارامتري : چنانچه دو متغير در مقياسهاي فاصله يا نسبي اندازه گيري شده باشند، مي‌توان براي تعيين رابطه بين آنها از ضريب همبستگي گشتاوري پيرسون استفاده كرد. ولي اگر در تمام مفروضات ضريب همبستگي پيرسون صادق نباشد، نمي‌توان از آنها استفاده كرد و به جاي آن مي‌توان از روشهاي ديگري مانند ضريب همبستگي دو رشته‌اي () ، دورشته‌اي () و يا ضريب تتراكوريك () استفاده كرد.
محاسبه همبستگي براي تحقيقات ناپارامتري : در تحقيقاتي كه در سطح مقياسهاي اسمي و رتبه‌اي انجام مي‌گيرد، بايد از روشهاي ديگري براي محاسبه همبستگي بين دو متغير استفاده كرد. برخي از اين روشها عبارتند از : ضريب همبستگي في (ِ) ضريب كريمر (C) ، ضريب كپا (K) و ضريب لامبدا ، در تحقيقات اسمي و ضريب همبستگي اسپرمن () ، ضريب كندال و آماده گاما (G) براي تحقيقات ترتيبي.
رگراسيون و پيش بيني رگراسيون (Regression) روشي براي مطالعه سهم يك يا چند متغير مستقل در پيش بيني متغير وابسته است. از تحليل رگراسيون هم در تحقيقات توصيفي (غير آزمايشي) و هم در تحقيقات آزمايشي مي‌توان استفاده كرد. با توجه به نوع تحقيق و متغيرهاي آن روش متنوعي براي تحليل رگراسيون وجود دارد كه برخي از آنها عبارتند از : رگراسيون خطي (با سه راهبرد همزمان ، گام به گام ، سلسله مراتبي) ، رگراسيون انحنايي ، رگراسيون لوجيستيك و تحليل كواريانس.
تحليل داده‌هاي ماتريس كواريانس از جمله تحليل‌هاي همبستگي ، تحليل ماتريس كواريانس يا ماتريس همبستگي است. دو نوع از معروفترين اين تحليل‌ها عبارتند از : مدل تحليل عاملي براي پي بردن به متغيرهاي زير بنايي يك پديده در دو دسته اكتشافي و تاييدي و مدل معادلات ساختاري براي بررسي روابط علي بين متغيرها.
مطالب بيشتر در مورد تحليل آماري را ميتوانيد در سايت بيگ پرو1 بخوانيد.