روش تحلیل داده کمی

• مقدمه: یک پاراگراف کوتاه از کلیات ادبیات تحقیق نوشته شود.
• تحلیل یافته های پژوهش: فرضیات خود را به ترتیب مطرح و با توجه به یافته های خود در ارتباط با اهداف، فرضیه ها و سوالات پژوهش، مورد تحلیل قرار دهید.
• بحث: مقایسه نتایج حاصل از یافته های خود با یافته های سایر پژوهشگران و اعلام اینکه تا چه میزان همخوانی و یا اختلاف وجود داردهمه این موارد باید توام با استناد باشد.
• نتیجه‌گیری: ارایه پیام حاصل از پژوهش جملات مربوط به این قسمت باید با دقت و در پیوند با سایر مطالب ذکر شود.
• پیشنهادها: در این بخش می‌توان پیشنهادها را به چند بخش تقسیم نمود: «پیشنهادها برای پژوهشگران» و «پیشنهادی برای پژوهش‌های آتی» یا «پیشنهاد برای سرمایه‌گذاران و سازمان‌ها» و …

روش های تجزیه و تحلیل داده های آماری

با گسترش معلومات انسان ابزار های نوینی برای جمع آوری، توصیف، تحلیل، انتقال و ارائه اطلاعات توسط دانش پژوهان تولید شده است. و به عبارتی روش های تحقیق نیز در حال تکامل و توسعه بوده است. بنابراین ضروری است محققان، استادان و دانشجویان از روش های تحقیق و انجام تحلیل های آماری آگاهی یابند. پژوهشگر برای پاسخگویی به مساله تدوین شده و یا تصمیم گیری در مورد رد یا تایید فرضیه یا فرضیاتی که برای تحقیق در نظر گرفته است از روشهای مختلف تجزیه و تحلیل استفاده میکند. همان طور که می دانید هر مسئله شیوه مطالعه و تحقیق خود را می خواهد.

بخش عمده ای از فعالیت علمی دانشجویان در دوره تحصیلات تکمیلی، کارشناسی ارشد و دکتری، به انجام تحقیقات علمی و ارائه آن ها به صورت گزارش، سمینار، پایان نامه و مقاله مربوط می شود. در این مطلب به طور خلاصه ﺑﻪ ﺑﺤﺚ درﺑﺎره ﺷﯿﻮه ﻫﺎی ﻋﻤﻮﻣﯽ ﺗﺤﻠﯿﻞ داده ﻫﺎ و روﺷﻬﺎی آﻣﺎری ﻣﯽ ﭘﺮدازیم.و با روشهای انجام تجزیه و تحلیل آماری آشنا می شوید. از آنجا که بیشتر پژوهش هایی که در حال حاضر در دانشگاه ها انجام می شود جنبه کمی دارند بنابراین یادگیری روش های آماری بویژه آمار استنباطی توصیه می شود. بدیهی است برای این کار لازم است تا دانشجویان و علاقمندان به یادگیری، نحوه استفاده از نرم افزارهای آماری و بویژه انجام تحلیل آماری Spss اقدام کنند .برای یادگیری کار با این نرم افزار لطفا مقاله آموزش تحلیل آماری با Spss را مطالعه فرمایید.در آخر این نوشتار به معرفی آزمون های آماری، آزمونهای پارامتریک و آزمونهای ناپارامتریک خواهیم پرداخت.

ﺁﻣﺎﺩﻩ ﻛﺮﺩﻥ ﺩﺍﺩﻩ ﻫﺎ ﺑﺮﺍﻱ ﺗﺤﻠﻴﻞ ﺁﻣﺎﺭﻱ:

داد‌ه های‌جمع‌آوری‌شده ‌اعداد ‌و ‌ارقامی ‌بدون ‌معنی‌ می باشند ‌که‌ از ‌آمار‌ برای ‌معنی‌دار‌ آنها بمنظور ‌تحقق ‌اهداف ‌پژوهشها‌ و‌ تحقیقات ‌کمک‌ گرفته ‌می‌شود. ‌تجزیه‌ و ‌تحلیل ‌اطلاعات بعنوان ‌بخشی ‌از ‌فرآیند‌ روش‌ تحقیق‌ علمی ‌یکی ‌از ‌پایه های ‌اصلی ‌هر مطالعه و پژوهش به شمار می رود که‌ بوسیله ‌آن ‌کلیه ‌فعالیتهای ‌تحقیقی ‌تا ‌رسیدن ‌به ‌یک ‌نتیجه،‌کنترل‌ و‌ هدایت‌‌ می شوند‌‌. ﻧﺨﺴﺘﯿﻦ اﻗﺪاﻣﯽ ﮐﻪ ﺑﺎﯾﺴﺘﯽ ﭘﺲ از ﮔﺮدآوری داده ﻫﺎ اﻧﺠﺎم دﻫﯿﺪ، ﺑﺮرﺳﯽ و ﭘﺮدازش داده ﻫﺎی ﮔﺮدآوری ﺷﺪه اﺳﺖ ﺗﺎ ﺑﺘﻮاید ﺗﺤﻠﯿﻞ آﻣﺎری را درﺑﺎره آﻧﻬﺎ ﺑﻪ ﮐﺎر ﺑﺮد.

ﻣﻬﻤﺘﺮﯾﻦ اﻗﺪاﻣﺎت در اﯾﻦ ﻣﺮﺣﻠﻪ ﻋﺒﺎرﺗﻨﺪ از:

اﻟﻒ) ﻣﺮﺗﺐ ﮐﺮدن و ﺗﻨﻈﯿﻢ داده ﻫﺎ

ب)ﮐﺪﮔﺬاری داده ﻫﺎ

ج)ﺳﺎزﻣﺎﻧﺪﻫﯽ داده ﻫﺎ

ﻣﺮﺗﺐ ﮐﺮدن و ﺗﻨﻈﯿﻢ داده ﻫﺎ

ﺑﺮای اﯾﻦ ﮐﺎر ﺑﺎﯾﺴﺘﯽ اﻗﺪاﻣﺎت زﯾﺮ ﺻﻮرت ﭘﺬﯾﺮد تا به کیفیت و صحت در داده ها دست یابیم:

1. داده ها به دقت جمع آوری و ثبت شود
2. داده ﻫﺎﯾﯽ ﮐﻪ ﺗﻮﺳﻂ ﺧﻮد ﻣﺤﻘﻖ ﺛﺒﺖ ﺷﺪه ﻣﺠﺪداً ﺑﺮرﺳﯽ ﺷﻮد.( داده های گردآوری شده را بازبینی کنیم.)
3. ﺗﺎ ﺣﺪ اﻣﮑﺎن اﺷﺘﺒﺎه ﻣﻮﺟﻮد را ﺗﺸﺨﯿﺺ و اﺻﻼح نماییم.
4. ﻫﻤﻪ داده ﻫﺎ را در ﻗﺎﻟﺐ و ﻓﺮﻣﺖ ﯾﮑﺴﺎن در ﺑﯿﺎورﯾﺪ.
5. اگر تعدادی از پرسش ها بدون پاسخ مانده است باید تکمیل شود
6. اگر پاسخ سئوال ها با یکدیگر همخوانی ندارند میبایست علت روشن شده و پرسشنامه اصلاح گردد.
7. پس از در دست داشتن داده های صحیح روش تحلیل داده کمی و با کیفیت بهره گیری از آمار و اقدام به تجزیه و تحلیل امکان پذیر خواهد بود.

ﮐﺪﮔﺬاری داده ها

• ﺑﺮای ﺗﺤﻠﯿﻞ داده ﻫﺎ ﺑﻪ وﺳﯿﻠﻪ ﻧﺮم اﻓﺰار آﻣﺎری، ﺑﺎﯾﺴﺘﯽ آﻧﻬﺎ را ﮐﺪﮔﺬاری و ﺑﻪ ﺻﻮرت داده ﻫﺎی ﻋﺪدی در ﺑﯿﺎورﯾﺪ.
• ﺑﺮای ﮐﺪﮔﺬاری ﻻزم اﺳﺖ ﮐﻪ از ﺛﺒﺎت آن اﻃﻤﯿﻨﺎن ﺣﺎﺻﻞ ﺷﻮد، ﻣﺨﺼﻮﺻﺎً وﻗﺘﯽ اﯾﻦ ﮐﺎر ﺗﻮﺳﻂ ﺑﯿﺶ از ﯾﮏ ﻧﻔﺮ اﻧﺠﺎم ﻣﯿﺸﻮد. روﺷﻬﺎی آﻣﺎری ﭼﻨﺪی، ﻣﺎﻧﻨﺪ روش آﻟﻔﺎی ﮐﺮوﻧﺒﺎخ ﺑﻪ ﻣﻨﻈﻮر ﺳﻨﺠﺶ ﻗﺎﺑﻠﯿﺖ اﻋﺘﻤﺎد )ﭘﺎﯾﺎﯾﯽ ﯾﺎ ﺛﺒﺎت( ﮐﺪﮔﺬاری ﺑﻪ ﮐﺎر ﻣﯿﺮود.

ﺳﺎزﻣﺎﻧﺪﻫﯽ داده ها

ﺑﺮای اﺳﺘﻔﺎده از ﻧﺮم اﻓﺰارﻫﺎی آﻣﺎری، ﻻزم اﺳﺖ ﮐﻪ داده ﻫﺎ ﻗﺒﻼً ﺑﻪ ﺻﻮرت ﺧﺎﺻﯽ وارد ﮐﺎﻣﭙﯿﻮﺗﺮ ﺷﻮﻧﺪ ﺗﺎ ﺗﺤﻠﯿﻞ آﻣﺎری ﻣﻌﯿﻨﯽ ﺑﺮ روی آﻧﻬﺎ اﻧﺠﺎم ﺷﻮد. داده های جمع آوری شده می تواند به صورت دستی یا رایانه ای تجزیه و تحلیل شوند. امروزه تقربیا در همه موارد این امر با استفاده روش تحلیل داده کمی از رایانه و نرم افزارهای مختلف تجزیه و تحلیل آماری انجام می شود.

تجزیه و تحلیل داده ها

دو دسته پردازش اصلی به طور عمده در تحقیقات مختلف بر روی داده ها انجام می شود. برای اینکار از آمار توصیفی و آمار استنباطی استفاده می گردد.

معرفی روش های آماری

علم آمار با پردازش داده ها و تبدیل آنها به اطلاعات مورد نیاز، زمینه اخذ تصمیم را فراهم می آورد. امروزه ب ندرت می توان بدون استفاده از روشهای آماری اقدام به تفسیر، تبیین و تحلیل نتایج به دست آمده از تحقیق ها و پژوهش های علمی کرد.آمار در دو شاخه آمار توصیفی و احتمالات و آمار استنباطی بحث و بررسی می شود.

آمار توصیفی چیست؟

بعد از این که داده ﻫﺎ ﮔﺮدآوری و ﻣﻮرد ﺗﻨﻈﯿﻢ ﻗﺮارﮔﺮﻓﺘﻨﺪ، ﻻزم اﺳﺖ ﺗﺎ ﺑﺎ آزﻣﻮن ﻫﺎی آﻣﺎر ﺗﻮﺻﯿﻔﯽ، ﺑﻪ ﻣﺎﻫﯿﺖ ﻣﺠﻤﻮﻋﻪ داده ﻫﺎ ﭘﯽ ﺑﺒﺮﯾﺪ.روش‌هایی را که به وسیله آنها می‌توان اطلاعات جمع‌ آوری شده را تنظیم کرده و خلاصه نمود، آمار توصیفی می‌نامیم. در یک کلام آمار توصیفی عبارت از مجموعه روشهایی است که پردازش داده‌ها را فراهم می‌سازد. آمار توصیفی نمی تواند امکان ارائه نتیجه گیری فراتر از داده های مورد پردازش را در اختیار ما قرار دهد یا نتیجه گیری های مشخصی را نسبت به فرضیه های طراحی شده در مطالعه ارائه نماید. در حقیقت آمار توصیفی تنها روشی ساده برای تشریح داده های موجود است.

هدف آمار توصیفی:

در یک پژوهش جهت بررسی و توصیف ویژگیهای عمومی پاسخ دهندگان از روش های موجود در آمار توصیفی مانند جداول توزیع فراوانی، در صد فراوانی، درصد فراوانی تجمعی و میانگین استفاده میگردد. بنابراین هدف آمار توصیفی یا descriptive محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی عناصر جامعه است.

روشهای آمار توصیفی:

آمار توصیفی که معمولا به توصیف داده ها می پردازد.با استفاده از:

• شاخص های تمایل مرکزی

• شاخص های پراکندگی

• شاخص های چولگی

• شاخص های کشیدگی(Kurtosis)

شاخص های تمایل مرکزی

• میانگین: متوسط حسابی از یک مجموعه داده ها می باشد.
• نما: مقداری است که بیشترین تکرار را در مجموعه داده ها دارد
• میانه : عددی است که در وسط داده ها قرار دارد.
• چارکها: چارک و صدک ها مهم هستند، اما به طور کلی صدک ها در مورد مجموعه های بزرگ به کار می روند.

شاخص های پراکندگی

شاخصهای پراکندگی برخلاف شاخصهای مرکزی هستند. آنها میزان پراکندگی یا تغییراتی را که در بین داده‌های یک توزیع (نتایج تحقیق) وجود دارد، نشان می‌دهند.

خواص شاخص های پراکندگی

-شاخصهای پراکندگی مخصوص داده های کمی می باشد .

– در شاخصهای پراکندگی همیشه عددی مثبت محاسبه می شود .

-حداقل شاخصهای پراکندگی صفر می باشد و آن هنگامی است که همه داده ها برابر می باشند.

برخی از مهمترین شاخص های پراکندگی عبارتند از:

• دامنه تغییرات
• واریانس
• انحراف معیار
• ضریب تغییر یا تعیین

شاخص های چولگی

شاخصی است که از نظر گرافیکی تقارن و یا عدم تقارن در مجموعه دیتا ها را نمایش می دهد و تقارن همیشه نسبت به میانگین است.

شاخص های کشیدگی(Kurtosis)

این شاخص مانند واریانس و انحراف معیار راجع به جمع شدن شکل یا پهن بودن شکل است.

آمار استنباطی چیست؟

در بیشتر فعالیت های آماری جمع آوری، تنظیم و ارائه ی یافته ها و یا تعیین آماره ها کفایت نمی کند ، بلکه لازم است بر اساس این اطلاعات جمع آوری و تنظیم شده ، تجزیه و تحلیل و استنباط هایی برای تبیین و تصمیم گیری صورت گیرد .این بخش از آمار که به تحلیل ، تفسیر و تعمیم نتایج حاصل از تنظیم و محاسبه ی مقدماتی اماری تکیه دارد ، آمار استنباطی خوانده می شود .با استفاده از روش های امار استنباطی می توان مشخصات جامعه ی اماری را از روی نمونه ها استنباط کرد.

ویژگی آمار تحلیلی یا استنباطیAnalytic Statistics

• آمار تحلیلی به معنای تعمیم نتایج نمونه به جامعه است.
• در آمار تحلیلی مفهوم ضریب اطمینان حائز اهمیت است.
• ضریب اطمینان رایج در تحقیقات علوم پزشکی ۹۵% است.
• بطور استثناء در موارد کم اهمیت تر از ضریب اطمینان ۹۰% و در مواردی که اهمیت زیادی دارد از ضریب اطمینان ۹۹% استفاده می شود.

آمار استنباطی و آزمون فرضیه ها:

بعد ‌از‌ توصیف ‌متغیرها ‌و‌پاسخ‌های ‌بدست‌ آمده‌ از‌ جامعه‌ آماری ‌در ‌این ‌بخش ‌به ‌بررسی‌ فرضیه‌ های ‌مطرح‌ شده‌ و ‌آزمون‌ آماری‌ مورد‌ استفاده‌ در پژوهش‌ پرداخته شده ‌است‌ به ‌بیان ‌دیگر‌ ‌به‌ تحلیل یافته ‌های ‌بدست ‌آمده ‌پرداخته ‌می‌شود تا ‌از ‌نظر ‌آماری ‌نیز ‌بتوان ‌صحت ‌و سقم‌ فرضیات‌ را‌ مورد ‌بررسی ‌قرار ‌داد. برای اینکه آزمون آماری مناسب، مورد استفاده در پژوهش را به درستی انتخاب کنید لطفا مقالات انتخاب صحیح آزمون های آماری را مطالعه فرمایید.

آزمون‌های آمار استنباطی به دو گروه تقسیم می‌شوند.

1. پارامتری: به تجزیه و تحلیل اطلاعات در سطح مقیاس فاصله‌ای و نسبی می‌پردازند که حداقل شاخص آماری آنها میانگین (Mean) و واریانس (Variance) است.
2. آزمون‌های ناپارامتری : به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی ‌و رتبه‌ای می‌پردازند که شاخص آماری آنها میانه (Median) و نما (Mode) است.

آزمونهای پارامتریک

• آزمون t تک نمونه
• آزمون t وابسته
• آزمون t دو نمونه مستقل
• آزمون t ولچ
• آزمون t هتلینگ
• تحلیل واریانس (ANOVA)
• تحلیل واریانس چندعاملی (MANOVA)
• تحلیل کوواریانس چندعاملی (MANCOVA)

آزمونهای ناپارامتریک

• آزمون علامت تک نمونه
• آزمون علامت زوجی
• ویلکاکسون
• من-ویتنی
• کروسکال-والیس
• فریدمن
• کولموگروف-اسمیرنف
• آزمون تقارن توزیع
• آزمون میانه
• مک نمار
• آزمون Q کوکران
• ضریب همبستگی اسپیرمن

تحلیل‌های انجام گرفته در موسسه همیار پروژه دارای ویژگی‌های زیر می باشد:

• انجام تمام تحلیل های موجود
• توضیح و تفسیر کامل برون دادها
• ارائه مشاوره در حین تحلیل
• استفاده از نرم افزارهای متنوع
• بررسی نهایی تحلیل آماری
• انجام انواع مختلف پروژه های آماری و تحلیل پایان نامه ها
• انجام سفارشات تجزیه و تحلیل آماری داده های آماری بدست آمده از پرسشنامه
• اطلاعات حاصل از آزمایشات و تحقیقات علمی و آنالیز آماری آنها
• اجرای انواع آزمونها و روشهای آماری (اعم از آزمونهای پارامتری و ناپارامتریک)
• و…

شما می توانید جهت ثبت سفارش و یا مشاوره در زمینه انجام کارهای آماری پایان نامه و تحلیل داده های آماری ،نگارش و ویرایش و تحلیل آماری فصل چهارم پایان نامه و تحلیل آماری با هر یک از نرم افزار های آماری

Spss، Lisrel، Amos، Eviews، R، Smart Pls، Minitab، Sas، Expert Choice، Statistica ، Ststa ،Microfit

روش تحلیل داده کمی

تجزیه و تحلیل کمی ( QA ) روشی است که به دنبال درک رفتار با استفاده از مدل سازی ریاضی و آماری ، اندازه گیری و تحقیق است. تحلیلگران کمی قصد دارند یک واقعیت مشخص را از نظر ارزش عددی نشان دهند.

تجزیه و تحلیل کمی به دلایل مختلفی از جمله اندازه گیری ، ارزیابی عملکرد یا ارزیابی یک ابزار مالی و پیش بینی وقایع در دنیای واقعی مانند تغییر در تولید ناخالص داخلی یک کشور ( GDP ) به کار می رود.

تجزیه و تحلیل کمی ابزارهایی را برای تحلیل و تحلیل رویدادهای گذشته ، جاری و پیش بینی شده در اختیار تحلیلگران قرار می دهد. هر موضوعی که شامل اعداد باشد قابل تعیین است. بنابراین بسیاری از زمینه ها وجود دارد که در آن از تجزیه و تحلیل کمی استفاده شده و سودمند است .

به عنوان مثال ، تجزیه و تحلیل کمی در شیمی تحلیلی ، آنالیز مالی ، علوم اجتماعی و ورزشهای سازمان یافته و تیمی استفاده می شود. در دنیای مالی ، تحلیلگرانی که کاملاً به تجزیه و تحلیل کمی تکیه می کنند ، غالباً به عنوان " quants " یا " jockeys quant " گفته می شوند.

در صنعت خدمات مالی، تجزیه و تحلیل کمی برای بررسی فرصت های سرمایه گذاری، مانند زمان خرید یا فروش اوراق بهادار، استفاده می شود. سرمایه گذاران هنگام استفاده از نسبت های کلیدی مالی، مانند نسبت قسمت به سود ( P/E ) یا سود هر سهم ( EPS )، در فرآیند تصمیم گیری برای سرمایه گذاری خود (به عنوان مثال برای تصمیم گیری در مورد خرید سهام یک شرکت) تجزیه و تحلیل کمی انجام می دهند. تجزیه و تحلیل کمی از بررسی داده های آماری ساده (مانند درآمد) تا محاسبات پیچیده (مانند جریان نقدینگی یا قیمت گذاری گزینه ها) را انجام می دهد.

تحلیل کمی در مقابل تحلیل کیفی

در حالی که تجزیه و تحلیل کمی به عنوان ابزاری مفید برای ارزیابی شناخته می شود، اغلب با ابزار تحقیق و ارزیابی تکمیلی تجزیه و تحلیل کیفی ترکیب می شود. بنابراین معمول است که شرکت ها از تجزیه و تحلیل کمی برای ارزیابی ارقامی مانند درآمد فروش ، حاشیه سود یا بازده ی دارایی ها (ROA) استفاده کنند.

با این حال، برای بدست آوردن تصویری بهتر از عملکرد شرکت، تحلیلگران اطلاعاتی را نیز ارزیابی می کنند که به راحتی قابل اندازه گیری نیست و یا به مقادیر عددی تبدیل نمی شود. مانند شهرت یا روحیه ی کارمندان. تجزیه و تحلیل کیفی بر معنا متمرکز است، بر روی اصل پیام متمرکز است و تمایلی به دستیابی به تعمیمات جهانی ندارد و هدفش ایجاد توصیف های غنی به جای معیارهای قابل اندازه گیری است. تحلیل کیفی به دنبال پاسخ به چرایی و چگونگی رفتار انسان است.

در یک پروژه که ترکیبی از تجزیه و تحلیل کیفی و کمی باشد، یک شرکت، تحلیلگر یا سرمایه گذار ممکن است بخواهد قدرت یک محصول را ارزیابی کند. ابزارهای کیفی مورد استفاده برای پروژه می توانند شامل زمینه یابی از مشتریان و بحث های پانل باشد. همچنین تجزیه و تحلیل کمی محصول می تواند از طریق بررسی داده های مربوط به مشتریان دائم، شکایات مشتری ها و تعداد مطالبات مربوط به ضمانت در مدت زمانی معین انجام پذیرد.

تجزیه و تحلیل کمی نقطه ی مقابل تجزیه و تحلیل کیفی نیست و آنها فقط فلسفه های متفاوتی هستند و زمانی که در کنار یکدیگر استفاده شوند می توانند اطلاعات مفیدی را برای تصمیم گیری آگاهانه ارائه دهند که موجب بهبود موقعیت های مالی و عملکرد تجاری شود.

روش های تجزیه و تحلیل داده های پایان نامه

فصل 4 پایان نامه شامل نتایج و یافته های پژوهش می باشد که مهم ترین بخش از یک پایان نامه محسوب می شود و لازم است تا داده های آماری به درستی تجزیه و تحلیل شوند.

نگارش پایان نامه کارشناسی ارشد و دکتری یک پروسه نسبتا طولانی می باشد که در چندین مرحله انجام میگیرد. یعنی ابتدا یک موضوع مشخصی برای آن تعیین می شود. موضوع در جلسه پژوهشی دانشگاه بررسی و تائید می شود. بعد از تائید یک طرح اولیه از پژوهش تحت عنوان پروپوزال به دانشگاه داده می شود که آن نیز در جلسه پژوهشی دانشگاه بررسی شده و بعد از تائید، دانشجو اجازه آغاز انجام پایان نامه خود را پیدا می کند.
یک پایان نامه بطور کلی از 5 فصل تشکیل شده است که شامل :

• فصل اول : مقدمه و کلیات تحقیق
• فصل دوم : ادبیات پژوهشی و بیشینه تحقیق
• فصل سوم : روش کار
• فصل چهارم : نتایج
• فصل پنجم : بحث و نتیجه گیری

فصول 1و 2 پایان نامه بیشتر در خصوص موضوع تحقیق صحبت می کند، یک پیشینه ای از موضوع شما ارائه داده و فرضیات و مساله اصلی تحقیق را مطرح می کند. و بطور کلی هدف از نوشتن این دو فصل، آشنایی خواننده با موضوع تحقیق است. بنابراین این دو فصل هیچ ارتباطی به کار عملی پایان نامه نداشته و دانشجو قبل از آغاز کار عملی می تواند بر اساس مطالعات و جمع آوری اطلاعات از مقالات و کتب مرتبط با موضوع، این فصول را بنویسد.
فصل سوم پایان نامه که تحت عنوان روش کار نامیده می شود، تمامی مراحل کار عملی را ارئه می دهد. اینکه چه مسیری طی شده است تا نتایج این پژوهش حاصل شود. از چه مواد و لوازم و ابزاری برای رسیدن به اهداف استفاده شده است. تمامی این موارد بایستی بطور کامل و جامع در پایان نامه ذکر شود.

فصل چهارم پایان نامه

اما مهم ترین بخش از پایان نامه، مربوط به فصول 4 و 5 پایان نامه می باشد. این دو فصل در واقع ارائه دهنده نتایج کار شما می باشد. شما در این فصول به ذکر مواردی چون تجزیه و تحلیل اطلاعات، تفسیر اطلاعات بدست آمده، پاسخ به سوالات پژوهش، رد یا اثبات فرضیه مطرح شده، و در آخر نتیجه‌گیری و پیشنهادهای برای پژوهش‌های آتی می پردازید. در این بین، فصل 4 از اهمیت بالایی برخوردار است و بیشترین توجه داوران جلسه دفاع نیز بر روی این بخش معطوف می شود. فصل چهارم پایان نامه به عنوان «یافته های پژوهش» شامل بخش های زیر می باشد:

• مقدمه: یک توضیح خیلی کوتاه و جانع از مقدمه پایان نامه خود در حد یک پاراگراف.
• توصیف داده‌ها: ارائه نتایج کا در قالب جداول و نمودارهای توصیفی.
• آزمون فرضیه ها یا طرح سؤالات: آزمون های بکار رفته در تجزیه و تحلیل آماری داده ها برای یافتن نتایج نهایی و پاسخ فرضیات و سوال اصلی پژوهش را مطرح می کنید.

شما در فصل 4 کلیه نتایج کارتان را بصورت دقیق در قالب جمله و یا جداول و نمودارها ذکر می کنید. با توجه به اینکه در فصل چهارم تجزیه و تحلیل داده ها صورت می گیرد، نیاز به برخی نرم افزارهای تجزیه و تحلیل آماری مثل SPSS،minitab، amos و …می باشد. اگر آشنایی کامل با همچین نرم افزارهایی را دارید به راحتی خواهید توانست تحلیل آماری داده ها خام خود را انجام دهید. اما اگر مبتدی هستید، بهتر است از یک فرد آشنا به این نرم افزار کمک بگیرید. با توجه به اینکه امروزه بیشتر تحقیقات و پژوهش های انجام شده در دانشگاه ها بیشتر جنبه کمی دارند بنابراین یادگیری روش های آماری بویژه آمار استنباطی به تمامی دانشجویان توصیه می شود. برای این کار لازم است تا با نحوه استفاده از نرم افزارهای آماری و بویژه انجام تحلیل آماری Spss آشنا شوند.
در برخی از تحقیقات که بصورت طرح پرسشنامه یا مصاحبه می باشد نیاز است تا اطلاعات خام آنها استخراج و توسط نرم افزارهای آماری تحلیل شود. برای این منظور بایستی مراحل زیر را به ترتیب انجام دهید تا به نتایج مطلوب دست یابید:

ﺁﻣﺎﺩﻩ ﻛﺮﺩﻥ ﺩﺍﺩﻩ ﻫﺎ ﺑﺮﺍﻱ ﺗﺤﻠﻴﻞ ﺁﻣﺎﺭﻱ

تجزیه‌ و ‌تحلیل ‌اطلاعات ‌یکی ‌از ‌پایه های ‌اصلی ‌هر پژوهش می باشد که‌ با کمک آن تمامی ‌فعالیتهای ‌پژوهشی ‌تا ‌رسیدن ‌به ‌یک ‌نتیجه مطلوب،‌ کنترل‌ و‌ هدایت‌‌ می شوند‌‌. اولین داده هایی که شما از مطالعه بدست می آورید، بصورت داده های خام هستند که هیچ معنی و مفهومی ندارند. برای آنکه بتوانیم این اعداد و ارقام نامفهوم را معنی دار نماییم، بایستی از روش های آماری استفاده کنیم. اولین قدم بعد از جمع اوری اطلاعات، پردازش آنها می باشد تا بتوانید در نهایت آنها را تحلیل نمایید. از جمله مهم ترین کارهایی که در این مرحله باید انجام داد، ﻣﺮﺗﺐ ﮐﺮدن و ﺗﻨﻈﯿﻢ داده ﻫﺎ، ﮐﺪﮔﺬاری داده ﻫا و ﺳﺎزﻣﺎﻧﺪﻫﯽ داده ﻫﺎ می باشد.

ﻣﺮﺗﺐ ﮐﺮدن و ﺗﻨﻈﯿﻢ داده ﻫﺎ

در این مرحله داده های جمع آوری شده مجددا بازبینی و مرتب می شوند. منظور از بازبینی اطمینان از وجود اشتباهات و خطاها در داده های اولیه می باشد تا قبل از تحلیل آماری آنها، بتوانیم این خطاها را رفع نماییم. تمامی داده ﻫﺎ بایستی در ﻗﺎﻟﺐ و ﻓﺮﻣﺖ ﯾﮑﺴﺎن در ﺑﯿﺎیند. اگر تعدادی از پرسش ها بدون پاسخ مانده است باید تکمیل روش تحلیل داده کمی شود. اگر پاسخ سئوالات با یکدیگر همخوانی ندارند میبایست علت روشن شده و پرسشنامه اصلاح گردد. در نهایت داده های صحیح با استفاده از روش های آماری مورد تجزیه و تحلیل قرار میگیرند.

ﮐﺪﮔﺬاری داده ها

قبل از ﺗﺤﻠﯿﻞ داده ﻫﺎ لازم است تا ﺑﻪ وﺳﯿﻠﻪ ﻧﺮم اﻓﺰار آﻣﺎری، داده های خام را ﮐﺪﮔﺬاری کرده و ﺑﻪ ﺻﻮرت داده ﻫﺎی ﻋﺪدی در ﺑﯿﺎورﯾﺪ. زمانی کدگذاری داده ها را انجام دهید که از صحت آنها اطمینان حاصل کرده اید.

ﺳﺎزﻣﺎﻧﺪﻫﯽ داده ها

بعد از کدگذاری، داده های آماری بایستی وارد سیستم کامیوتر شوند تا بتوانید با استفاده از نرم افزارهای آماری آنها را تحلیل نمایید. داده های جمع آوری شده می تواند به صورت دستی یا رایانه ای تجزیه و تحلیل شوند. امروزه تقربیا در همه موارد این امر با استفاده از رایانه و نرم افزارهای مختلف تجزیه و تحلیل آماری انجام می شود.

تجزیه و تحلیل داده ها

در نهایت بر اساس نوع مطالعه خود، روش تحلیلی مناسب را انتخاب کرده و اطلاعات خود را تجزیه و تحلیل نمایید. دو دسته پردازش اصلی به طور عمده در تحقیقات مختلف بر روی داده ها انجام می شود. برای اینکار از روش آمار توصیفی و آمار استنباطی استفاده می گردد.( برای اطلاعات بیشتر در خصوص این دو روش آماری مطلب " روش های آماری در پایان نامه" را مطالعه نمایید)

بعد از آنکه نتایج داده ها توسط نرم افزارهای آماری بررسی شد، نوبت به تجزیه و تحلیل آنها می رسد. در این مرحله شما بایستی بدون نیاز به نرم افزار خاصی و با کمک روش های ذهنی و قدرت تجزیه و تحلیل خود، به آنالیز نتایج خود بپردازید. تجزیه و تحلیل آماری داده به دو صورت کمی و کیفی انجام میگیرد. مهم ترین عاملی که در انتخاب روش تحلیل تاثیر می گذارد، نوع داده های جمع آوری شده توسط محقق است. از این رو پژوهش ها یا بصورت کیفی تحلیل کی شوند و با بصورت کمی. از مهم ترین تفاوت های تجزیه و تحلیل کیفی و کمی این است که در پژوهش های کیفی به ساخت فرضیه و در پژوهش کمی به آزمون فرضیه پرداخته می شود.

تجزیه و تحلیل کیفی:

پژوهش هایی که از نوع کتابخانه‌ای و نظری هستند و اطلاعات با استفاده از ابزارهای سنجش مانند فیش، جدول، کارت و امثال آن جمع آوری می‌شود، از نوع پژوهش های کیفی محسوب می شوند. این نوع تجزیه و تحلیل اصول خاص خود را دارد. طبق نظریه شاتون، رهیافت‌های موجود در زمینه‌ تحلیل محتوا به سه بخش تقسیم می شوند:

• تحلیل محتوای عرفی و قراردادی.
• تحلیل محتوای جهت‌دار
• تحلیل محتوای تلخیصی یا تجمعی.

به کارگیری هر یک از این روش‌ها بر اساس موضوع و ساختار پایان‌نامه متفاوت است. بنابراین بهتر است در انتخاب هر کدام از این روش ها با استاد راهنمای خود مشورت نمایید تا بهترین گزینه را برای تحلیل آماری نتایج خود انتخاب نمایید.

تجزیه و تحلیل کمی:

در این روش داده‌های خام جمع آوری شده به داده‌های معنی دار و کمی تبدیل می‌شوند. این داده‌ها که در قالب شمارش و عدد هستند، با آزمون‌های مناسب مورد اندازه گیری واقع می‌شوند. سپس پژوهشگر داده های عددی را با کمک روش های آماری مورد تجزیه و تحلیل قرار می‌دهد.

فصل پنجم پایان نامه

فصل آخر پایان‌نامه که تحت عنوان بحث نامیده می شود، در واقع تمامی نتایج شما و نتایج مطالعات قبلی را به چالش می کشد. در فصل پنجم نیازی نیست نتایج مجددا تکرار شود، در واقع پژوهشگر بایستی بدن هیچ سوء گیری، بصورت کاملا دقیق و منطقی یافته های خود را بررسی نموده و آنها را با یافته های مطالعات قبلی مقایسه نماید. نوشتن بخش بحث پایان نامه نیاز به مهارت تحلیلی بالایی دارد. اینکه فرد بتواند نتایج کار خود را به دیگر نتایج تعمیمداده و نقاط مشترک و تفاوت های موجود را پیدا کند، بسیار مهم می باشد.
بعد از اتمام این بخش، تیتری تحت عنوان نتیجه گیری نهایی در انتهای بحث نوشته می شود و دانشجو یا محقق پیشنهادهای خود را برای پژوهش‌های بعدی مرتبط با موضوع خود مطرح می کند. این پیشنهادها نشان‌دهنده این نکته است که پژوهشگران از چه جنبه‌های پژوهش خود را وسیع می‌بیند.

به طور کلی فصل پنجم به عنوان «یافته های پژوهش» موارد زیر را پوشش می‌دهد:

• مقدمه: یک پاراگراف کوتاه از کلیات ادبیات تحقیق نوشته شود.
• تحلیل یافته های پژوهش: فرضیات خود را به ترتیب مطرح و با توجه به یافته های خود در ارتباط با اهداف، فرضیه ها و سوالات پژوهش، مورد تحلیل قرار دهید.
• بحث: مقایسه نتایج حاصل از یافته های خود با یافته های سایر پژوهشگران و اعلام اینکه تا چه میزان همخوانی و یا اختلاف وجود داردهمه این موارد باید توام با استناد باشد.
• نتیجه‌گیری: ارایه پیام حاصل از پژوهش جملات مربوط به این قسمت باید با دقت و در پیوند با سایر مطالب ذکر شود.
• پیشنهادها: در این بخش می‌توان پیشنهادها را به چند بخش تقسیم نمود: «پیشنهادها برای پژوهشگران» و «پیشنهادی برای پژوهش‌های آتی» یا «پیشنهاد برای سرمایه‌گذاران و سازمان‌ها» و …

پایان‌نامه نویسی فرآیندی چند فصلی است. از آن‌جا که فصل چهارم و پنجم آن از حیث تجریه و تحلیل و جمع‌بندی دارای اهمیت بسیاری است. پژوهشگر همواره به روش‌های به‌کارگیری تحلیل داده‌ها می‌پردازد. در حین نگارش فصل چهارم و بویژه فصل پنجم، پژوهشگران با دقت نظر و سوءگیری مطالب خود را جمع‌بندی می‌کنند. مطالب ذکر شده در این دو فصل همواره مورد نظر خوانندگان و داوران پایان‌نامه خواهد بود. به این منظور به‌کارگیری نکات و اصول اساسی در این دو فصل پژوهشگر را در ارائه یک پایان‌نامه مناسب یاری خواهد داد.

روش های تجزیه و تحلیل داده های پایان نامه

فصل 4 پایان نامه شامل نتایج و یافته های پژوهش می باشد که مهم ترین بخش از یک پایان نامه محسوب می شود و لازم است تا داده های آماری به درستی تجزیه و تحلیل شوند.

روش های تجزیه و تحلیل داده های آماری

با گسترش معلومات انسان ابزار های نوینی برای جمع آوری، توصیف، روش تحلیل داده کمی تحلیل، انتقال و ارائه اطلاعات توسط دانش پژوهان تولید شده است. و به عبارتی روش های تحقیق نیز در حال تکامل و توسعه بوده است. بنابراین ضروری است محققان، استادان و دانشجویان از روش های تحقیق و انجام تحلیل های آماری آگاهی یابند. پژوهشگر برای پاسخگویی به مساله تدوین شده و یا تصمیم گیری در مورد رد یا تایید فرضیه یا فرضیاتی که برای تحقیق در نظر گرفته است از روشهای مختلف تجزیه و تحلیل استفاده میکند. همان طور که می دانید هر مسئله شیوه مطالعه و تحقیق خود را می خواهد.

بخش عمده ای از فعالیت علمی دانشجویان در دوره تحصیلات تکمیلی، کارشناسی ارشد و دکتری، به انجام تحقیقات علمی و ارائه آن ها به صورت گزارش، سمینار، پایان نامه و مقاله مربوط می شود. در این مطلب به طور خلاصه ﺑﻪ ﺑﺤﺚ درﺑﺎره ﺷﯿﻮه ﻫﺎی ﻋﻤﻮﻣﯽ ﺗﺤﻠﯿﻞ داده ﻫﺎ و روﺷﻬﺎی آﻣﺎری ﻣﯽ ﭘﺮدازیم.و با روشهای انجام تجزیه و تحلیل آماری آشنا می شوید. از آنجا که بیشتر پژوهش هایی که در حال حاضر در دانشگاه ها انجام می شود جنبه کمی دارند بنابراین یادگیری روش های آماری بویژه آمار استنباطی توصیه می شود. بدیهی است برای این کار لازم است تا دانشجویان و علاقمندان به یادگیری، نحوه استفاده از نرم افزارهای آماری و بویژه انجام تحلیل آماری Spss اقدام کنند.

یک پایان نامه بطور کلی از 5 فصل تشکیل شده است که شامل :

• فصل اول : مقدمه و کلیات تحقیق
• فصل دوم : ادبیات پژوهشی و بیشینه تحقیق
• فصل سوم : روش کار
• فصل چهارم : نتایج
• فصل پنجم : بحث و نتیجه گیری

فصل چهارم پایان نامه

اما مهم ترین بخش از پایان نامه، مربوط به فصول 4 و 5 پایان نامه می باشد. این دو فصل در واقع ارائه دهنده نتایج کار شما می باشد. شما در این فصول به ذکر مواردی چون تجزیه و تحلیل اطلاعات، تفسیر اطلاعات بدست آمده، پاسخ به سوالات پژوهش، رد یا اثبات فرضیه مطرح شده، و در آخر نتیجه گیری و پیشنهادهای برای پژوهش های آتی می پردازید. در این بین، فصل 4 از اهمیت بالایی برخوردار است و بیشترین توجه داوران جلسه دفاع نیز بر روی این بخش روش تحلیل داده کمی معطوف می شود. فصل چهارم پایان نامه به عنوان «یافته های پژوهش» شامل بخش های زیر می باشد:

• مقدمه: یک توضیح خیلی کوتاه و جانع از مقدمه پایان نامه خود در حد یک پاراگراف.
• توصیف داده ها: ارائه نتایج کا در قالب جداول و نمودارهای توصیفی.
• آزمون فرضیه ها یا طرح سؤالات: آزمون های بکار رفته در تجزیه و تحلیل آماری داده ها برای یافتن نتایج نهایی و پاسخ فرضیات و سوال اصلی پژوهش را مطرح می کنید.

شما در فصل 4 کلیه نتایج کارتان را بصورت دقیق در قالب جمله و یا جداول و نمودارها ذکر می کنید.

آماده کردن داده ها برای تحلیل آماری

تجزیه و تحلیل اطلاعات یکی از پایه های اصلی هر پژوهش است که با کمک آن تمامی فعالیت های پژوهشی تا رسیدن به یک نتیجه مطلوب، کنترل و هدایت می شوند . اولین داده هایی که از مطالعه به دست می آید، به صورت داده های خام هستند که هیچ معنی و مفهومی ندارند. برای آنکه بتوان این اعداد و ارقام نامفهوم را معنی دار کرد، باید از روش های آماری استفاده شود. اولین قدم بعد از جمع آوری اطلاعات، پردازش آنها است تا بتوان در نهایت آنها را تحلیل کرد. از جمله مهم ترین کارهایی که در این مرحله باید انجام داد، ﻣﺮﺗﺐ ﮐﺮدن و ﺗﻨﻈﯿﻢ داده ﻫﺎ، ﮐﺪﮔﺬاری داده ﻫا و ﺳﺎزﻣﺎﻧﺪﻫﯽ داده ﻫﺎ است.

1. ﻣﺮﺗﺐ ﮐﺮدن و ﺗﻨﻈﯿﻢ داده ﻫﺎ در این مرحله داده های جمع آوری شده مجددا بازبینی و مرتب می شوند. منظور از بازبینی اطمینان از وجود اشتباهات و خطاها در داده های اولیه است تا قبل از تحلیل آماری آنها، بتوان این خطاها را رفع کرد. تمامی داده ﻫﺎ باید در ﻗﺎﻟﺐ و ﻓﺮﻣﺖ ﯾﮑﺴﺎن در ﺑﯿﺎیند. اگر تعدادی از پرسش ها بدون پاسخ مانده است باید تکمیل شود. اگر پاسخ سئوالات با یکدیگر همخوانی ندارند باید علت روشن شده و پرسشنامه اصلاح شود. در نهایت داده های صحیح با استفاده از روش های آماری مورد تجزیه و تحلیل قرار می گیرند.

2. ﮐﺪﮔﺬاری داده ها قبل از ﺗﺤﻠﯿﻞ داده ﻫﺎ لازم است تا ﺑﻪ وﺳﯿﻠﻪ ﻧﺮم اﻓﺰار آﻣﺎری، داده های خام را ﮐﺪﮔﺬاری کرده و ﺑﻪ ﺻﻮرت داده ﻫﺎی ﻋﺪدی در ﺑﯿﺎورﯾﺪ. زمانی کدگذاری داده ها را انجام دهید که از صحت آنها اطمینان حاصل کرده اید.

3. ﺳﺎزﻣﺎﻧﺪﻫﯽ داده ها بعد از کدگذاری، داده های آماری باید وارد سیستم کامیوتر شوند تا بتوان با استفاده از نرم افزارهای آماری آنها را تحلیل کرد. داده های جمع آوری شده می تواند به صورت دستی یا رایانه ای تجزیه و تحلیل شوند. امروزه تقربیا در همه موارد این امر با استفاده از رایانه و نرم افزارهای مختلف تجزیه و تحلیل آماری انجام می شود.

4. تجزیه و تحلیل داده ها در نهایت بر اساس نوع مطالعه خود، روش تحلیلی مناسب را انتخاب کرده و اطلاعات خود را تجزیه و تحلیل کند. دو دسته پردازش اصلی به طور عمده در تحقیقات مختلف بر روی داده ها انجام می شود. برای اینکار از روش آمار توصیفی و آمار استنباطی استفاده می شود.

بعد از آنکه نتایج داده ها توسط نرم افزارهای آماری بررسی شد، نوبت به تجزیه و تحلیل آنها می رسد. مهم ترین عاملی که در انتخاب روش تحلیل تاثیر می گذارد، نوع داده های جمع آوری شده توسط محقق است. از این رو پژوهش ها یا به صورت کیفی تحلیل می شوند و یا به صورت کمی.

تجزیه و تحلیل داده ها

پژوهش هایی که از نوع کتابخانه ای و نظری هستند و اطلاعات با استفاده از ابزارهای سنجش مانند فیش، جدول، کارت و امثال آن جمع آوری می شود، از نوع پژوهش های کیفی محسوب می شوند. این نوع تجزیه و تحلیل اصول خاص خود را دارد. طبق نظریه شاتون، رهیافت های موجود در زمینه تحلیل محتوا به سه بخش تقسیم می شوند:

• تحلیل محتوایی عرفی و قراردادی
• تحلیل محتوایی جهت دار
• تحلیل محتوایی تلخیصی و یا تجمعی
• به کارگیری هر یک از این روش ها براساس موضوع و ساختار پایان نامه متفاوت است. بنابراین بهتر است در انتخاب هر کدام از این روش ها با استاد راهنما مشورت کرد تا بهترین گزینه را برای تحلیل آماری نتایج خود انتخاب کرد.

تجزیه و تحلیل کمی:

در این روش داده های خام جمع آوری شده به داده های معنی دار و کمی تبدیل می شوند. این داده ها که در قالب شمارش و عدد هستند، با آزمون های مناسب مورد اندازه گیری واقع می شوند. سپس پژوهشگر داده های عددی را با کمک روش های آماری مورد تجزیه و تحلیل قرار می دهد.

روش تحلیل داده کمی

می‌توان در یک نمای کلی، اقسام تجزیه و تحلیل را در نمودار زیر نمایش داد:

واژه "Analysis" در لغت به‌معنای "تحلیل" و "تجزیه و تحلیل" است. در اصطلاح، گاهی تجزیه و تحلیل را به اختصار همان تحلیل می‌نامند؛ مثلاً می‌گویند: "تحلیل توصیفی"، "تحلیل تبیینی" و . .
در فرآیند تحقیق، پس از گردآوری داده‌ها، گام بعدی شامل تجزیه و تحلیل داده‌ها است.
وقتی سخن از تجزیه و تحلیل داده‌ها به میان می‌آید، این تصور حاصل می‌شود که منظور تجزیه و تحلیل داده‌ها تنها به شیوه آماری است، در صورتی که چنین نیست و این شیوه فقط یکی از طرق مهم تجزیه و تحلیل است که برای تحقیقات و داده‌هایی به‌کار می‌رود که جنبه آماری داشته باشد. تحقیقات فراوانی وجود دارد که فاقد جنبه آماری است و عمدتاً متکی به اسناد و مدارک و شهود و ادراک و تحلیل عقلانی است. و این‌گونه تحقیقات نیز از فرایند کامل تحقیق علمی تبعیت می‌کند و دارای مرحله تجزیه و تحلیل است. بنابراین، تجزیه و تحلیل، ‌به طور کلی بر دو قسم است: تجزیه ‌و تحلیل کمّی و تجزیه ‌و تحلیل کیفی.
برخی روش‌پژوهان، تجزیه ‌و تحلیل کمّی را به تحلیل توصیفی و تحلیل تبیینی (یا علّی) طبقه‌بندی کرده‌اند. در سطح تحلیل کمی توصیفی چگونگی توزیع داده‌های تجربی هر یک از متغیرهای مستقل و وابسته از طریق شاخص‌های آماری مناسب بیان می‌شود. در سطح تحلیل تبیینی با علت‌کاوی سروکار داریم و رابطه علّی میان متغیرها جستجو می‌شود.البته برخی دیگر، تجزیه و تحلیل مقایسه‌ای را هم به انواع تجزیه و تحلیل کمّی اضافه کرده‌اند.
همچنین تحلیل کیفی در سه سطح قابل انجام است: توصیف، تبیین و تفسیر.

تجزیه ‌و تحلیل کمّی (Quantitative Analysis)
تحلیل توصیفی با تحقیق توصیفی و تحلیل تبیینی با تحقیق تبیینی سازگار است. با وجود این در تحقیق تبیینی، تحلیل توصیفی نیز انجام می‌شود.
تحلیل کمّی در شرایطی روش تحلیل داده کمی کاربرد دارد که مفاهیم از طریق معرف‌های تجربی کمّی اندازه‌گیری شده باشد. ابزار تحلیل کمی، تکنیک‌های آماری است. در تحلیل کمی واقعه را از بیرون می‌کاویم.
تحلیل کمی یکی از روش‌های استدلال تجربی در باب فرضیات علمی است. تحلیل کمی استدلالی آماری است. این استدلال شواهد تجری را برای ابطال یا قبول راه‌حل نظری مسئله در اختیار ما قرار می‌دهد. نتیجه تحلیل کمی نیازمند تحلیل تئوریک است و حتی می‌توانیم آن را معناکاوی کنیم.
تحلیل کمی بی‌نیاز از تحلیل کیفی نیست. محقق به منظور تکمیل تحلیل و دستیابی به بسندگی معنایی، نیازمند آن است که تحلیل کمی را با تحلیل کیفی همراه سازد. تحلیل کیفی بار معنایی یافته‌های کمی را روشن‌تر می‌نماید.
در سطح تحلیل توصیفی، آماره‌های توصیفی مانند میانگین، واریانس، انحراف استاندارد، میانه و مد مورد استفاده قرار می‌گیرد. در سطح تحلیل تبیینی، تکنیک‌های آماری چندمتغیری به‌کار می‌رود.

تجزیه ‌و تحلیل کیفی (Qualitative Analysis)
به طور کلی در مواردی که توجه بیشتر به صفت‌های فردی معطوف است، احتمالا هیچ‌یک از روش‌های تحلیل کمی به‌کار نمی‌آیند.
در تحلیل کیفی، داده‌های گردآوری شده از نوع داده‌های کیفی هستند؛ البته ممکن است داده‌های تجربی کمی نیز باشند؛ در این صورت باید از این داده‌ها طبق منطق تحلیل کیفی استفاده کرد.
. پیش‌نیاز مهم هر تحلیل کیفی؛ از آنجا که محقق ابزار عمده در جمع‌آوری و تجزیه و تحلیل داده‌های کیفی است، باید قبل از شروع تکلیف یا مسئله مورد بررسی، دارای برخی ویژگی‌ها باشد. مهم‌ترین این ویژگی‌ها آن است که محقق باید تلاش کند پیش‌داوری‌ها، دیدگاه‌ها، یا مفروضاتی را که ممکن است در تجزیه و تحلیل داده‌ها تداخل ایجاد کند کاهش دهد و یا حداقل از آن‌ها آگاه شود. این ویژگی به محقق کمک می‌کند تادیدگاه‌های شخصی خود را در هنگام تحقیق کمتر دخالت داده و یک پدیده را همان‌گونه که هست مورد بررسی قرار دهد.
. حوزه‌های تحلیل کیفی؛ تحلیل کیفی را باید رویکرد مسلط بر تحقیقات دوره فرامدرن و محصول انتقادات مکتب انتقادی فرانکفورت از روش‌های کمّی دانست که گستره وسیعی از علوم انسانی را دربر گرفته است. «اساساً بخش عمده‌ای از مطالعات مربوط به تأثیر ایدئولوژی، دین، فرهنگ، سیاست، اخلاق و مانند آن را بر کنش و رفتار انسان، که موضوع مطالعه بسیاری از رشته‌های علوم انسانی است، می‌توان با استفاده از روش تحلیل کیفی و عقلی، تجزیه و تحلیل نمود.» همچنین مطالعات مردم‌شناسی و آداب و رسوم و روابط اجتماعی و نیز مطالعات مربوط به تحلیل محتوا جملگی در حوزه تحقیقات کیفی قرار می‌گیرند، هرچند ممکن است از روش‌های کمی نیز بهره ببرند. به‌طور کلی تحقیقاتی که نوعاً کتابخانه‌ای و نظری هستند و اطلاعات به‌وسیله ابزارهای سنجش مربوط نظیر فیش، جدول، کارت و امثال آن گردآوری می‌شود، از نوع تحقیقات کیفی هستند.
. روش‌های تحلیل کیفی؛ در تحقیقات کیفی محقق می‌تواند از طریق استدلال قیاسی و استقرائی، تمثیل و تشبیه، نشانه‌یابی، تجرید، تشخیص تفاوت و تمایز، مقایسه و . که جملگی به کمک تفکر و تعقل و منطق صورت می‌پذیرد، داده‌های گردآوری شده را ارزیابی و تجزیه و تحلیل نموده، با ذهن مکاشفه‌ای خود نتیجه‌گیری کند.
یکی از مبانی و معیارهایی که محقق در تحقیقات کیفی و نیز کمّی می‌تواند از آن‌ها استفاده کند قضایای کلی علمی و نیز معیارهای الهی هستند که آن‌ها را در فصل ادبیات مسئله و مباحث نظری تدوین نموده است. محقق می‌تواند داده و اطلاعات کسب شده را با این قضایا و معیارها مقایسه کند و از آن‌ها نتیجه‌گیری نماید؛ زیرا قضایای کلی و معیارهای الهی قوانین مسلم اجتماعی و انسانی هستند که روابط بین متغیرهای اجتماعی و انسانی را منعکس می‌نمایند؛ بنابراین، محقق به‌عنوان یک مبنای مقایسه در تحلیل کیفی می‌تواند از آن‌ها استفاده نموده، نتیجه‌گیری کند؛ مثلاً اگر یک محقق تاریخ درباره علل سقوط یک دولت و حکومت مطالعه می‌کند، می‌تواند مدارک و اسناد و شواهد و نشانه‌هایی را که در مرحله گردآوری اطلاعات جمع‌آوری نموده با قضایای کلی علمی و معیارهای الهی مقایسه کند و بدین ترتیب آن‌ها را مورد ارزیابی قرار دهد. طبعاً، چنانچه شواهدی دال بر ظلم و ستم یا سستی و کاهلی و خوش‌گذرانی در رفتار و کردار دولت حاکم یافت، می‌تواند آن را علت بروز برخی از پدیده‌ها بداند و برای مثال بین متغیر مستقل و ظلم و ستم با متغیر تابع سقوط حکومت رابطه برقرار سازد.

تجزیه و تحلیل توصیفی (Descriptive Analysis)
در این نوع تجزیه و تحلیل، اگر تجزیه و تحلیل به صورت کمّی باشد، پژوهشگر داده‌های جمع‌آوری شده را با استفاده از شاخص‌های آمار توصیفی، خلاصه و طبقه‌بندی می‌کند. به‌عبارت دیگر، در تجزیه و تحلیل توصیفی پژوهشگر ابتدا داده‌های جمع‌آوری شده را با تهیه و تنظیم جدول توزیع فراوانی خلاصه می‌کند و سپس به کمک نمودار آن‌ها را نمایش می‌دهد و سرانجام،‌ با استفاده از سایر شاخص‌های آمار توصیفی آن‌ها را خلاصه می‌کند. معروف‌ترین و در عین حال پرمصرف‌ترین شاخص‌های آمار توصیفی عبارت‌اند از: میانگین، ‌میانه و انحراف استاندارد.
ولی اگر تجزیه و تحلیل کیفی باشد، در تحلیل توصیفی چگونگی صفات هر یک از متغیرهای موجود، در تحلیل تشریح می‌شود. در این سطح، نظام معانی متن یا واقعه جدا از زمینه‌های اجتماعی آن تحلیل می‌گردد.

تجزیه و تحلیل مقایسه‌ای (Comparative Analysis)
در تجزیه و تحلیل مقایسه‌ای علاوه‌بر اینکه اطلاعات جمع‌آوری شده به صورت توصیفی مورد تجزیه و تحیل قرار می‌گیرند، با یکدیگر مقایسه می‌شوند. سؤالی که در این تجزیه و تحلیل مطرح است این است که آیا شاخص آماری محاسبه‌شده بزرگ‌تر یا کوچک‌تر از شاخص‌ آماری دیگر است؟ به این معنی که دو یا چند شاخص آمار توصیفی –میانگین (Mean)، میانه (Median)، انحراف استاندارد (Standard Deviation) و واریانس (Variance)- مورد مقایسه واقع می‌شوند. به‌عنوان مثال، ممکن است شما در دو یا چند کلاس ریاضی مقایسه کنید و مشخص سازید که بین پیشرفت تحصیلی این دو کلاس در درس ریاضی اختلاف معنی‌داری (Significant) وجود دارد یا خیر؟ به‌عبارت دیگر علاقه‌مندیم که میانگین دو کلاس را با استفاده از یک آزمون آماری مقایسه کنیم و مشخص سازیم که آیا بین آن‌ها اختلاف آماری معنی‌داری وجود دارد؟‌ در چنین شرایطی وقتی گفته می‌شود که بین میانگین دو کلاس تفاوت معنی‌داری وجود دارد، روش تحلیل داده کمی منظور این است که یافته پژوهش دارای اعتبار است و آنچه که به‌دست آمده است ناشی از شانس یا تصادف نیست.

تجزیه و تحلیل علّی یا تبیینی (Causal Analysis)
در تجزیه و تحلیل کمّیِ علّی، ابزار یا شاخص‌های آماری به‌کار برده شده همانند روش‌هایی است که در تجزیه و تحلیل مقایسه‌ای مورد استفاده قرار می‌گیرد. تفاوت عمده بین این دو روش در این است که در تجزیه و تحلیل علّی، روابط علت و معلولی بین متغیرهای مستقل و وابسته مورد بحث و برسی قرار می‌گیرد و در پژوهشگر با رد یا تأیید فرض‌های آماری به تأیید یا رد روابط و معلولی می‌پردازد.
اگر تجزیه و تحلیل کیفی باشد، تبیین و علت‌کاوی به این شکل انجام می‌شود که زمینه‌های اجتماعی - تاریخی تأثیرگذار بر متن یا واقعه مطالعه و با هدایت تئوری تحلیل می‌شود. و واقعه در قالب قانونی کلی، تبیین می‌شود. در این سطح از قاعده تبیین قیاسی - قانونی استفاده می‌شود.

تجزیه و تحلیل تفسیری (Qualitative Analysis)
این تحلیل را تجزیه و تحلیل تأویلی یا تفهمی نیز می‌نامند. این تحلیل، در واکنش به روش‌های تحلیلی کمّی متأثر از تجربه‌گرایی دُگم به وجود آمد و بر پایه انسان مختار و اراده‌مند به تفسیر انسان و رفتارهای اجتماعی او می‌پردازد و معتقد است هر رفتاری دارای یک مبانی فکری و ارادی و انگیزشی زیرساختی و پنهانی است که باید آن را کشف نمود. بنابراین، «پیش‌فرض تحلیل تفسیری آن است که پدیده‌ها و کنش‌های اجتماعی افراد ماهیتاً معنادار هستند. اساساً تحلیل تفسیری در مقام یکی از روش‌های تحلیل شواهد تجربی درصدد بازگو کردن و نشان دادن معنای نهفته در متن یا واقعه درون زمینه است.
در تحلیل تفسیری دو عنصر کلیدی وجود دارد: متن یا واقعه مورد مطالعه و زمینه. متن مربوط به پژوهش‌هایی است که مسئله تحقیق آن‌ها از نوع نوشتاری یا گفتاری است؛ مانند تحلیل گفتمان. منظور از واقعه رفتارهای افراد و پدیده‌های اجتماعی مثلاً شعائر، دموکراتیزاسیون، انقلاب و نابرابری‌های اجتماعی است.
در تحلیل تفسیری به زمینه معنی رجوع می‌گردد؛ آن‌گاه متن یا واقعه دورن آن زمینه فهم می‌شود. در اینجا از واقعیت بیرونی به واقعیت درونی می‌رویم و به اعماق و درون متن و وقایع راه می‌یابیم. از نظر روش‌شناختی برای زمینه می‌توان دو بعد در نظر گرفت: 1) زمینه معرفتی؛ 2) زمینه اجتماعی.
زمینه معرفتی، متن کلی‌تر و بزرگ‌تری است که متن خاصی بخشی از آن در نظر گرفته می‌شود؛ آن‌گاه معانی نهفته در آن درون متن گسترده‌تر و کلی‌تر تأویل می‌شود. این سخن مانند فهم معنای یک کلمه در درون ساختار جمله است. زمینه معرفتی می‌تواند یک متن نوشتاری یا گفتاری باشد.»