今天，我們將了解描述性分析在旨在探索資料行為及其分佈方式的研究中的重要性。此外，我們將強調頻率表的相關性，以及與所分析的變數類型相關的最合適的技術是什麼。
研究中描述性分析的重要性
描述性分析對研究的影響是巨大的。為了進入主題，我們建議您查看以下過程：
1.-確定環境、統計程序和資料視覺化工具
我知道這看起來很愚蠢，但分析的準確性並不在於進行數學/統計運算的聰明程度，而是在於對測量結果的正確解釋。了解測量的內容以及如何解釋它與如何計算它同樣重要甚至更重要。為什麼呢？
因此，熟悉您使用的環境、平台 希臘電報數據 或統計程式非常重要。出於顯而易見的原因，我不會對當今市場上存在的不同替代品進行廣告。然而，根據我們的經驗，研究過程（一旦透過線上表格或調查捕獲數據）涉及的工作通常與分析本身一樣重要：準備數據。
如果數據準備得不好，對所使用的技術做出的推測即使不是錯誤和簡潔的，也會非常值得懷疑。
我們認為您有必要了解資料探勘過程中的以下差異。
資料衛生：檢視每位參與者及其對特定表格/調查的回答，並根據所需的樣本配額選擇最完整且最真實的參與者。
這必須由小組經理透過過濾和控制問題以及完成該問題的人員身份的準確性來解決。也有這方面的統計技術。
編碼和重新編碼：這是為調查或表格收集的資訊分配數字和標籤值。對於此階段來說，了解如何區分名目變數、序數變數、數值變數和字串變數之間的差異非常重要。這將使您在進行分析時更加有效率。
製表或挖掘：完成前面的過程後，確定要執行的分析類型非常重要。線索是由研究的目標或目的提供的，這通常與正在進行的研究或調查的類型一致。在本期中，我們將致力於描述性分析。
視覺化：我們以前所知道的最終報告正在變得越來越過時。這一趨勢將我們推向講故事，這一概念已經融入了所謂的數據視覺化。 只要考慮一個事實：數據越少、數字越多越好。如今，沒有人會查看幾十張表格和 100 頁的報告。查看市場上的許多數據呈現和視覺化平台，並建立一個演講來呈現數據。