私たちがデータを見たとき、まず何を思い浮かべますか？ 最初の直感は、パターン、つながり、関係を見つけることです。 3094>
同様に、研究においても、データを収集したら、次のステップはそこから洞察を得ることである。 たとえば、あるアパレル・ブランドが若い女性の最新のトレンドを把握しようとする場合、まず若い女性に接触し、研究目的に関連した質問をします。 例えば、若い女性の多くは、もっといろいろな種類のジーンズを見たいと思っていることがわかるかもしれません。
データ分析は、研究者が大量のデータから意味のある洞察に至る方法です。 研究の種類によって、多くの異なるデータ分析方法があります。 ここでは、量的および質的データの分析に使用できる方法をいくつか紹介します。
悪いデータを分析することは困難です。 私たちのブログ「4つのデータ収集テクニック」で、高品質のデータを収集していることを確認してください。
定量データの分析
データ準備
データ分析の最初の段階はデータ準備で、生のデータを意味があって読みやすいものに変換することを目的としています。
第1段階：データバリデーション
データバリデーションの目的は、データ収集があらかじめ設定された基準に従って、偏りなく行われたかどうかを可能な限り確認することである。
- Fraud：各回答者が実際にインタビューされたかどうかを推論する。
- Screening：回答者が研究基準に従って選ばれたことを確認する。
- Procedure：データ収集手続きが正式に行われたかどうかをチェックする。
- Completeness（完全性）：インタビュアーが回答者に、必要ないくつかの質問だけでなく、すべての質問をしたことを確認すること
これを行うために、研究者は完了したアンケートのランダムサンプルを選び、集められたデータを検証する必要があります。 (例えば、200人の回答者が2つの都市に分かれている調査を想像してみてください。 リサーチャーは、各都市から無作為に20人の回答者のサンプルを選ぶことができます。
不適切なデータがデータセットに紛れ込むのを防ぐ、18のデータ検証をご覧ください。 例えば、回答者がフィールドに誤って記入したり、誤ってスキップしたりすることがある。 このようなエラーがないことを確認するために、研究者は基本的なデータチェックを行い、外れ値をチェックし、生の研究データを編集して、結果の正確さを妨げる可能性のあるデータポイントを特定し、取り除く必要がある。 データを編集している間、すべての空のフィールドを削除するか、または埋めるようにすることが重要です。 (欠損データに対処する4つの方法をご紹介します。)
ステップ3：データコーディング
これはデータ準備の最も重要なステップの1つです。 例えば、調査員が1,000人にインタビューを行い、回答者の平均年齢を知りたい場合、調査員は年齢バケットを作成し、これらのコードに従って各回答者の年齢を分類することになります。 (例えば、13～15歳の回答者は年齢が0、16～18歳は1、18～20歳は2などとコード化されます）
そして分析中に、研究者は個々の年齢の大規模な範囲ではなく、単純化された年齢ブラケットを処理することができます
量的データ分析方法
これらの手順の後、データは分析のための準備ができました。 3094>
記述統計
一般的に記述統計（記述分析としても知られる）は分析の最初のレベルである。 これは、研究者がデータを要約し、パターンを見つけるのに役立ちます。
- 平均値: 数値の集合の数値平均。
- 中央値: 数値の集合の中点。
- 最頻値: 数値の集合の中で最も多い値。
- パーセント: データ内の値または回答者のグループが、より大きな回答者のグループにどのように関連しているかを表すために使用されます。
- 度数: ある値が見つかった回数。
- 範囲: 値のセット内の最大値と最小値。
記述統計では絶対数を提供します。 しかし、その数値の背後にある根拠や理由を説明することはありません。 記述統計を適用する前に、研究課題や示したい内容に最も適しているのはどれかを考えることが重要です。 たとえば、回答者の性別分布を示すには、パーセンテージがよいでしょう。
記述統計は、調査がサンプルに限定され、より大きな集団に一般化する必要がない場合に最も役に立ちます。 例えば、2つの異なる村でワクチン接種を受けた子供の割合を比較する場合、記述統計で十分です。
記述分析は、主に単一の変数を分析するために使用されるので、しばしば一変量分析と呼ばれます。
定性データ分析
定性データ分析は定量データと少し異なる方法で行います。 このようなデータから絶対的な意味を導き出すことはほぼ不可能であり、それゆえ、主に探索的な研究に使用されます。 量的研究では、データの準備とデータ分析の段階が明確に区別されていますが、質的研究の分析は、データが利用可能になるとすぐに始まることが多いのです。 ほとんどの質的データは言葉だけなので、研究者はデータに慣れ、基本的な観察やパターンを探し始めるために、データを何度も読むことから始める必要があります。 また、データを書き写すことも含まれます。
定性データ分析方法
定性的データを分析するには、いくつかの方法が利用可能です。 最もよく使われるデータ分析方法は以下の通りです：
- 内容分析。 質的なデータを分析する最も一般的な方法の一つです。 テキスト、メディア、あるいは物理的なアイテムの形で文書化された情報を分析するために使用されます。 この方法をいつ使用するかは、リサーチクエスチョンによります。 内容分析は、通常、インタビュー対象者からの回答を分析するために使用されます
- 物語分析。 この方法は、回答者のインタビュー、現場からの観察、調査など、さまざまなソースからコンテンツを分析するために使用されます。 人々が共有する物語や経験を利用して、リサーチクエスチョンに答えることに焦点を当てる。
- ディスクース分析。 ナラティブ分析と同様、談話分析は人々との相互作用を分析するために用いられる。 しかし、研究者と回答者の間のコミュニケーションがどのような社会的背景で行われたかを分析することに重点を置いている。 また、談話分析は回答者の日常的な環境にも目を向け、分析時にその情報を利用する。
- グラウンデッド・セオリー（Grounded theory）。 ある現象がなぜ起こったのかを説明するために、質的データを使用することを指す。 異なる環境における様々な類似のケースを研究し、そのデータを用いて因果関係の説明を導き出すことによって行われる。 研究者は、すべてのケースに当てはまる説明に到達するまで、より多くのケースを研究しながら、説明を変更したり、新しい説明を作成したりすることがあります
これらの方法は、最も一般的に使用されるものです。 しかし、会話分析など、他のデータ分析方法もあります。
データ分析は、おそらく研究において最も重要な要素です。 分析が弱いと不正確な結果が生まれ、研究の信憑性が損なわれるだけでなく、調査結果も使い物にならなくなります。
Header photo by Brittany Colette on Unsplash