在论文写作过程中，分析部分的撰写是至关重要的一环。分析不仅是整个研究的核心环节，更是验证研究假设和结论的基础。

一个完善的分析部分不仅能够揭示数据背后的意义，还能帮助读者/审稿者理解研究的复杂性和严谨性。然而，许多研究者在撰写分析部分时常常面临诸多挑战。

今天，就和大家分享我们可以从哪些角度去思考撰写分析的内容。

1

如何研究该问题的？

1

介绍研究方法（实验设计）

你的文章是用调查法、实验设计方法或其他的方法等，都应该在最开始说明，且需要在绪论中简要介绍所用的研究方法及选择该方法的理由。

2

详述研究方法

在具体的分析部分，应详细描述研究方法。例如，如果采用结构方程模型（SEM），需要解释为何选择这种方法，它对研究的优势是什么。

此外，还需要引用文献来支持这一选择，说明其他研究中也使用了相同的方法。

这种描述应该详细到使读者能够按照文中所述，完全复制你的实验或模拟数据。这是国内文章常见的薄弱点，很多作者因为不熟悉方法，仅草草带过。实际上，这一部分应该非常详细，确保读者能够完全理解和复现研究方法。

3

方法的合理性与创新性

如果你的研究所用的方法较为创新或未曾发表，必须详述其使用过程和原理，以确保读者理解。如果未说明清楚，尤其是创新方法，可能导致读者误解或直接被审稿者拒绝文章。

因此，详细说明方法非常重要。若该方法已经发表，如结构方程模型或SPSS，作者应引用相关文献，说明这些方法的普遍性和适用性。这些引用可以增强研究方法的可信度和代表性。

2

统计软件的使用及原因

1

研究使用什么统计技术分析

在量化研究中，统计技术有非常多种可以选择，比如SPSS，SEM，SmartPLS，HLM，元分析等。选择合适的统计技术至关重要，并且需要明确所使用的统计软件及其版本，比如SPSS 24或SmartPLS4.0等。

2

为什么要用这些统计方法？

除了要说明用了什么统计方法之外，还需要说明你为什么觉得你的研究适合用这个统计技术。

除了有一些理论说明之外，还需要找几篇和你的研究相近的文章来证明使用这个统计技术的合理性。如：

SPSS适合基础统计分析，如描述性统计、t检验、方差分析（ANOVA）、相关分析和回归分析等。

示例：本研究采用SPSS进行数据分析，因为研究旨在比较不同教学方法对学生成绩的影响，SPSS的方差分析功能可以有效地检验不同组间的显著性差异。

结构方程模型（SEM）适用于复杂的模型分析，包括多个因变量和自变量之间的关系。SEM可以同时处理测量模型和结构模型，适合路径分析和潜变量建模。

示例: 本研究采用结构方程模型（SEM）进行分析，因为研究旨在验证一个包含多个潜在变量的理论模型，SEM能够同时处理测量误差和结构关系，从而提供更准确的模型拟合。

3

哪些变量用到了这些方法？

例如，使用SPSS进行方差分析（ANOVA）或回归分析时，需要说明所分析的变量及其关系，解释自变量、因变量及其在研究中的作用。

示例：在使用SPSS进行方差分析（ANOVA）时，我们将教学方法作为自变量，学生成绩作为因变量，通过方差分析来检验不同教学方法对成绩的影响。

或者是在进行阶层式回归分析，需要详细说明调节变量、自变量和因变量，以及如何判断调节效果。

示例：在进行阶层式回归分析时，我们将学生的动机水平作为调节变量，教学方法作为自变量，学习成绩作为因变量，通过交互项检验调节效果。

4

学者有什么建议的标准？

在分析部分的最后，应全面呈现分析的内容和结果，并参考学者建议的标准进行讨论。

示例: 本文主要以Cronbach’s α系数作为检验量表信度的指标，从表X中可以看出，各量表的Cronbach’s α系数值均大于0.7的可接受值，因此可以判定问卷量表的内部一致性信度较为理想。对于量表的效度检验主要包括内容效度和建构效度检验。由于本量表中各变量的度量题项大都是在国内外学者实证研究基础上形成的，因而可以认为量表具有较高的内容效度。进一步地，本文主要采用因子分析的方法来检验量表的建构效度，首先利用主成分分析法对3个变量进行探索性因子分析。

转自张伟豪量化学院微信公众号，仅作学习交流，如有侵权，请联系本站删除！