回答：如何进行描述性数据分析？

当所有数据收集回来之后，怎么样对数据进行分析？

小倪分三步骤讲解：数据大通关（讲解基本概念）操作跟着做 图标会解读

示范：

数据大通关

描述性统计研究

什么是描述性统计：

用一种比较简单的方式，呈现和概括一堆数据基本的特征。

常用的描述性统计分三个类别：

频率统计

集中量数

离散趋势

频率统计：计算每一种类别里究竟有多少个数据。也就是数数，数多少个。

集中量数：描述一堆数据聚拢的程度。好像要找出沙堆堆积的最高点，常用指标就是平均数，所有数据加起来的和，除以数据的个数。

离散趋势：描述一堆数据分散的程度。比如说：全距，用一组数据中最大值，减去最小数据，所得到的值。全距就描述这堆数据分散得有多宽，有多广。

案例：

比较三种不同读物的词汇量，那就把文本中每种等级的词汇，都列出来，就可以了，

所以频率统计是最适合这个研究的。

由于这个研究里每类读物都有28万词汇，人工来不及。

所以就用SPSS。

打开SPSS，首先要把分析的数据全都弄进SPSS中，即，录入。

案例中的两位学者用了range对文本词汇按照词频来排序。对于选定的28万个词汇，每个词汇都有一个编码，这就形成了一个变量，我们把这个变量叫做词汇类别。所以这一列数据就是按照单词出现的顺序，依次编码所收集到的数据，出现了一列数据。这里仅举例说明，这13个数据代表这句话里的13个单词。在这个软件最上层选项中，有一个分析按钮。点击分析，看到下拉菜单，每一种就是不同的分析方法。选择描述统计。右边菜单有不同描述统计的方法。本研究要选择频率。出现一个选择框，左边是已有的变量，右边是要进行分析的变量。把词汇类别，从左边拖拽到右边。单击右边的图表按钮。选择直方图，勾选在直方图上显示正态曲线，按继续按钮，回到上层菜单，按确定按钮。

完成数据分析，SPSS自动打开一个结果窗口，看到好几个图表。

第一个表：统计量的总体分析，报告一个研究中，所有数据的个数。专业术语叫：样本量。第一行，是有效数据个数，第二行是缺失数据的个数。

案例中两位学者的研究的有效值+缺失值，应该是28万多个。

第二个表：词汇类别。（需要重点分析）

第一列，不同类别，1000词库，2000词库，

第二列，每一种的个数。

第三列，它占总样本量的百分比。

第四列，个数占所有有效数据的比例。

第五列，累加百分比

1000词汇，总共6个，占所有数据13的46.2%，有效百分比 6/有效数值，因为我们这里举例中没有缺失数值，所以两个百分比一样。如果有缺失数值，通常，有效百分比比百分比略高一点。最后，累加百分比，1000词库6个单词，占46.2%。加2000词库的比例，69.2%左右。就是累加词汇。

案例中研究主要关心有效百分比，即每种词库分别占多少比例，以及从一千到两千到三千词汇，加起来总共的累加百分比，看什么时候能到98%。

直方图，用图片方式表示不同类别的个数。

横轴，不同类别

纵轴，个数

比如1000词汇，用1表示，其词汇总共有6个，它所代表的图形方块，就最高。

最后一步，就是要把答案呈现给别人，就是呈现结果。

数据分析结果——学术结果报告

具体来说，要遵循三个步骤。

第一步：对应问题。即，对应到具体的问题。

第二步：绘制图表。即，根据我们的问题重新绘制图表。

第三步：文字说明。即，给图片配上恰当的文字说明。

案例：

第一步：对应问题

研究问题1： What is the vocabulary size necessary to reach 98% coverage of text written for children?

所以我们要回答三种不同的文本中对词汇覆盖率的累加比例

什么时候能达到98%?

第二步：绘制图表

不能直接把SPSS的图表贴过去。要重新绘制。有三个要求：

要求：

简单：线条清晰。三线表，表里只有三条线，最上层、第一栏下、最下层

，此外，表里不要再加其他横线和竖线

清楚: 行列与符号 过长的词汇用缩写方式，缩写内容要在表格最下面标注。

明了：重要信息一定要标记。

当图表中看到达到98%的时候，就要用星号标注出来

第三步：文字说明

配合图表，为这些图表配上恰当的文字说明，来解释数字本身没有办法说明的问题。

说明相关数字之间的逻辑关系。

文字解说要进一步指出，

对于儿童读物、大人读物来说，至少需要10000词汇库才能覆盖98%的文本内容

对于外语学习者的分级读物：

只用3000词汇库就能覆盖98%的文本内容

对于前两种材料来说，1000词汇库只能覆盖82%和83.25%

2000词汇，只能接近90%的覆盖率

把这些关键数据抽取出来放在一起，加以解说，才能得出结论：

国外儿童读物确实比外语学习者的分级读物，更难一些。

案例中的语言表达：

介绍对应的表格

The cumulative coverage, including proper nouns and marginal words for the three corpora, is shown in Table 3.

介绍表里的数值的计算方式 即每个数值是什么含义？

The 83.25% in the top cell of School Journal is the sum of 79.57%()the coverage of the most frequent1,000 words), 3.47%(proper nouns), and 0.21% (marginal words)

列举关键数值，进行对比

Including proper nouns and marginal words, the vocabulary size required to reach 98% coverage was 10,000 word families for the School Journal and the WWC. In contrast, only 3,000 word families plus proper nouns and marginal words was necessary to reach 98% coverage of the graded readers.

#